智能傳感器：從大數(shù)據(jù)到人工智能智能數(shù)據(jù)

作者：Felix Sawo and Dzianis Lukashevich

工業(yè) 4.0 應(yīng)用會產(chǎn)生大量復(fù)雜數(shù)據(jù)——大數(shù)據(jù)。越來越多的傳感器以及通?？捎玫臄?shù)據(jù)源使機(jī)器、系統(tǒng)和過程的虛擬視圖變得更加詳細(xì)。這自然增加了在整個(gè)價(jià)值鏈中產(chǎn)生附加值的潛力。然而，與此同時(shí)，關(guān)于如何精確提取此值的問題不斷出現(xiàn) - 畢竟，數(shù)據(jù)處理的系統(tǒng)和架構(gòu)變得越來越復(fù)雜。只有使用相關(guān)、高質(zhì)量和有用的數(shù)據(jù)——智能數(shù)據(jù)——才能展現(xiàn)相關(guān)的經(jīng)濟(jì)潛力。

挑戰(zhàn)

收集所有可能的數(shù)據(jù)并將其存儲在云中，希望以后對其進(jìn)行評估、分析和結(jié)構(gòu)化，這是一種從數(shù)據(jù)中提取價(jià)值的普遍但不是特別有效的方法。從數(shù)據(jù)中產(chǎn)生附加值的潛力仍未得到充分利用;以后找到解決方案變得更加復(fù)雜。更好的替代方法是盡早考慮確定哪些信息與應(yīng)用程序相關(guān)，以及信息在數(shù)據(jù)流中的哪個(gè)位置可以提取。形象地說，這意味著完善數(shù)據(jù);也就是說，從大數(shù)據(jù)中為整個(gè)處理鏈制作智能數(shù)據(jù)。可以在應(yīng)用程序級別決定哪些 AI 算法在各個(gè)處理步驟中具有很高的成功概率。此決定取決于邊界條件，例如可用數(shù)據(jù)、應(yīng)用類型、可用傳感器模式以及有關(guān)較低級別物理過程的背景信息。

對于各個(gè)處理步驟，正確處理和解釋數(shù)據(jù)對于從傳感器信號中產(chǎn)生真正的附加值非常重要。根據(jù)應(yīng)用的不同，可能難以正確解釋離散傳感器數(shù)據(jù)并提取所需信息。時(shí)間行為通常起著作用，并對所需信息產(chǎn)生直接影響。此外，必須經(jīng)常考慮多個(gè)傳感器之間的依賴關(guān)系。對于復(fù)雜的任務(wù)，簡單的閾值和手動確定的邏輯或規(guī)則已不再足夠。

人工智能算法

相比之下，通過AI算法進(jìn)行數(shù)據(jù)處理可以自動分析復(fù)雜的傳感器數(shù)據(jù)。通過這種分析，從數(shù)據(jù)處理鏈中的數(shù)據(jù)中自動獲得所需的信息，從而獲得附加值。

對于始終是AI算法一部分的模型構(gòu)建，基本上有兩種不同的方法。

一種方法是通過公式和數(shù)據(jù)與所需信息之間的顯式關(guān)系進(jìn)行建模。這些方法需要以數(shù)學(xué)描述的形式提供物理背景信息。這些所謂的基于模型的方法將傳感器數(shù)據(jù)與該背景信息相結(jié)合，為所需信息產(chǎn)生更精確的結(jié)果。這里最廣為人知的例子是卡爾曼濾波器。

如果有數(shù)據(jù)，但沒有可以用數(shù)學(xué)方程式形式描述的背景信息，那么必須選擇所謂的數(shù)據(jù)驅(qū)動方法。這些算法直接從數(shù)據(jù)中提取所需的信息。它們涵蓋了全方位的機(jī)器學(xué)習(xí)方法，包括線性回歸、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林和隱馬爾可夫模型。

AI 方法的選擇通常取決于有關(guān)應(yīng)用程序的現(xiàn)有知識。如果有廣泛的專業(yè)知識，人工智能將發(fā)揮更多的支持作用，并且使用的算法非?；尽Ｈ绻麤]有專業(yè)知識，使用的人工智能算法要復(fù)雜得多。在許多情況下，是應(yīng)用程序定義了硬件，并通過它定義了AI算法的限制。

嵌入式、邊緣或云實(shí)施

整個(gè)數(shù)據(jù)處理鏈以及每個(gè)步驟所需的所有算法必須以這樣一種方式實(shí)現(xiàn)，以便能夠產(chǎn)生盡可能高的附加值。實(shí)施通常發(fā)生在整體層面 - 從計(jì)算資源有限的小型傳感器到網(wǎng)關(guān)和邊緣計(jì)算機(jī)，再到大型云計(jì)算機(jī)。很明顯，算法不應(yīng)該只在一個(gè)層面上實(shí)現(xiàn)。相反，實(shí)現(xiàn)盡可能靠近傳感器的算法通常更有利。通過這樣做，可以在早期階段壓縮和優(yōu)化數(shù)據(jù)，并降低通信和存儲成本。此外，通過早期從數(shù)據(jù)中提取基本信息，在更高級別開發(fā)全局算法就不那么復(fù)雜了。在大多數(shù)情況分析領(lǐng)域的算法也可用于避免不必要的數(shù)據(jù)存儲，從而避免高數(shù)據(jù)傳輸和存儲成本。這些算法僅使用每個(gè)數(shù)據(jù)點(diǎn)一次;即直接提取完整的信息，不需要存儲數(shù)據(jù)。

采用 AI 算法的嵌入式平臺

ADI基于ARM Cortex -M4F處理器的微控制器ADuCM4050是一款節(jié)能的集成微控制器系統(tǒng)，具有集成電源管理功能，以及用于數(shù)據(jù)采集、處理、控制和連接的模擬和數(shù)字外設(shè)。所有這些都使其成為本地?cái)?shù)據(jù)處理和利用最先進(jìn)的智能 AI 算法早期細(xì)化數(shù)據(jù)的良好候選者。??

EV-COG-AD4050LZ是一款超低功耗開發(fā)和評估平臺，適用于ADI公司的完整傳感器、微控制器和HF收發(fā)器產(chǎn)品組合。EV-GEAR-MEMS1Z 擴(kuò)展板主要（但不僅限于）設(shè)計(jì)用于評估 ADI 的各種 MEMS 技術(shù);例如，該擴(kuò)展板中使用的ADXL35x系列（包括ADXL355）以小尺寸提供出色的振動校正、長期可重復(fù)性和低噪聲性能。EV-COG-AD4050LZ 和 EV-GEAR-MEMS1Z 的組合可用于進(jìn)入基于振動、噪聲和溫度分析的結(jié)構(gòu)健康和機(jī)器狀態(tài)監(jiān)測領(lǐng)域。其他傳感器也可以根據(jù)需要連接到COG平臺，以便所使用的AI方法可以通過所謂的多傳感器數(shù)據(jù)融合更好地估計(jì)當(dāng)前情況。通過這種方式，可以對各種運(yùn)行和故障條件進(jìn)行更好的粒度和更高的概率進(jìn)行分類。通過COG平臺上的智能信號處理，大數(shù)據(jù)在本地成為智能數(shù)據(jù)，只需要將與應(yīng)用案例相關(guān)的數(shù)據(jù)發(fā)送到邊緣或云端即可。

COG平臺包含用于無線通信的附加屏蔽。例如，EV-COG-SMARTMESH1Z 將高可靠性和魯棒性以及極低的功耗與 6LoWPAN 和 802.15.4e 通信協(xié)議相結(jié)合，可滿足大量工業(yè)應(yīng)用的需求。SmartMesh IP 網(wǎng)絡(luò)由高度可擴(kuò)展、自形成的無線節(jié)點(diǎn)多跳網(wǎng)組成，用于收集和中繼數(shù)據(jù)。網(wǎng)絡(luò)管理器監(jiān)視和管理網(wǎng)絡(luò)性能和安全性，并與主機(jī)應(yīng)用程序交換數(shù)據(jù)。?

特別是對于無線、電池供電的狀態(tài)監(jiān)測系統(tǒng)，嵌入式人工智能可以實(shí)現(xiàn)全部附加值。與將傳感器數(shù)據(jù)直接傳輸?shù)竭吘壔蛟葡啾?，ADuCM4050中嵌入的AI算法將傳感器數(shù)據(jù)本地轉(zhuǎn)換為智能數(shù)據(jù)可降低數(shù)據(jù)流，從而降低功耗。

應(yīng)用

COG開發(fā)平臺，包括為其開發(fā)的AI算法，在機(jī)器，系統(tǒng)，結(jié)構(gòu)和過程的監(jiān)控領(lǐng)域具有非常廣泛的應(yīng)用，從簡單的異常檢測到復(fù)雜的故障診斷。例如，通過集成的加速度計(jì)、麥克風(fēng)和溫度傳感器，可以監(jiān)控來自不同工業(yè)機(jī)器和系統(tǒng)的振動和噪聲。嵌入式AI可以檢測到過程狀態(tài)，軸承或定子損壞，控制電子設(shè)備的故障，甚至系統(tǒng)行為的未知變化，例如由于電子設(shè)備損壞。如果預(yù)測模型可用于某些損害，則甚至可以在本地預(yù)測這些損害。通過這種方式，可以在早期階段采取維護(hù)措施，從而避免不必要的基于損壞的故障。如果不存在預(yù)測模型，COG 平臺還可以幫助主題專家連續(xù)學(xué)習(xí)機(jī)器的行為，并隨著時(shí)間的推移推導(dǎo)出用于預(yù)測性維護(hù)的機(jī)器綜合模型。

結(jié)論

理想情況下，通過相應(yīng)的本地?cái)?shù)據(jù)分析，嵌入式AI算法應(yīng)該能夠確定哪些傳感器與相應(yīng)的應(yīng)用相關(guān)，哪種算法最適合它。這意味著平臺的智能可擴(kuò)展性。目前，仍然是主題專家必須為相應(yīng)的應(yīng)用程序找到最佳算法，盡管我們使用的AI算法已經(jīng)可以以最少的實(shí)現(xiàn)工作量擴(kuò)展到機(jī)器狀態(tài)監(jiān)測的各種應(yīng)用程序。

嵌入式人工智能還應(yīng)該對數(shù)據(jù)質(zhì)量做出決定，如果數(shù)據(jù)質(zhì)量不足，則為傳感器和整個(gè)信號處理找到并做出最佳設(shè)置。如果使用幾種不同的傳感器模式進(jìn)行融合，則可以通過使用AI算法來彌補(bǔ)某些傳感器和方法的缺點(diǎn)。通過這種方式，可以提高數(shù)據(jù)質(zhì)量和系統(tǒng)可靠性。如果傳感器被 AI 算法分類為與相應(yīng)應(yīng)用程序不相關(guān)或不太相關(guān)，則可以相應(yīng)地限制其數(shù)據(jù)流。

ADI的開放式COG平臺包含免費(fèi)提供的軟件開發(fā)套件和大量硬件和軟件示例項(xiàng)目，用于加速原型創(chuàng)建、促進(jìn)開發(fā)和實(shí)現(xiàn)原創(chuàng)想法。通過多傳感器數(shù)據(jù)融合（EV-GEAR-MEMS1Z）和嵌入式人工智能（EV-COG-AD4050LZ），可以創(chuàng)建強(qiáng)大可靠的智能傳感器無線網(wǎng)狀網(wǎng)絡(luò)（SMARTMESH1Z）。

審核編輯：郭婷