利用LPWA低功耗广域技术监控物联网

实时状态监控的工业设备会产生大量必须长期分析判断的数据。大多数情况下，将传感器的原始数据上传到云端是不切实际的；尤其是只需要分析结果的时候。合适的传感器解决方案可以将检测到的数据压缩后，并通过LPWA低功率广域无线网络（Low Power Wide Area）传输到“很远的距离”。

无线通信技术如何选择？

随着物联网设备的快速增长，各种不同的无线通信技术也在工业物联网项目的传感器数据传输中确立了自己应用的地位。有些无线通信技术使用了需要授权使用许可的频段，例如LET-m蜂窝通信技术或者NB-IoT窄带物联网技术等等。其他的则共同选用了868Hz频段、2.4或者5Hz频段无需使用授权的无线通信技术。使用这些免授权的无线通信技术中就包括了LoRa, Mioty和WLAN。物联网传感器选用无线通信技术时有着很高的要求，应该在专家的指导下选择。

例如，当每天只有数量不多的数据要传输很远的距离且企业自己就能够在很大程度上完成网络基础设施的维护时，LoRa和Mioty就是很好的LPWA低功率广域无线通信技术选项。如果物联网传感器是在不同的国家和地区相对独立的采集数据、并不为此支付基础设施费用、不需要按月支付SIM卡费用时，就可以采用NB-IoT的LPWA。由于这些无线通信技术的带宽较窄，因此LoRa、Mioty和NB-IoT系统中的传感器必须是嵌入AI智能算法的传感器。

例如，在物联网监控应用中，每个机床设备部件每秒钟的热成像数据都可以用8x8的红外传感器阵列采集一次并在机器学习模型的帮助下在传感器内就直接转化为二进制的状态数据（OK或者是状态危急）。在每一种情况下都会创建一个分类数据变量，机床设备的每一项状态变化都会通过LPWA将这些分类数据变量发送到监控系统。传感器还需要基于BLE低功耗蓝牙技术的接口来下载ML机器学习模型。

传感器的数据分类变量

大多数传感器都会测定某个特定的物理量并将其转化为表示该物理量随时间变化的电压数据、电阻数据或者电容数据而输出。根据传感器检测元件不同的探测原理和不同的测量方法就会在一定的时间段内产生大量的检测数据。例如利用电容检测原理测量被测质量受到的惯性力的MEMS加速度传感器产生的数据量可以多达每秒数千字节，具体多少取决于带宽和被测轴的数量。即便是用简单的8x8红外线传感器阵列来测量物体的表面温度，在一定的探测距离内每秒1Hz检测频率的传感器阵列仍会产生每秒128字节的数据量。

在工业物联网中，也就是在机床设备和系统组成的世界里，无数的应用程序将传感器发送来的庞大数据量转换为需要分类输出的有用信息。状态监控就是一个典型的例子。通常情况下状态监控涉及到的问题是机床设备所处的工作状态（待机、运行、生产、或者是调整设置状态）。另一个例子，热成像技术显示的驱动装置中滑动零部件间的磨损状态，滑动零部件的磨损状态只有两种情况：正常或者已经磨损了。

嵌入式数据分析

目前的技术水平已经可以直接在传感器内部进行必要的数据分析、以便尽可能更精确完成状态分类。TinyML这一概念就包含了所有与此有关功能术语的总概念了，其背后是嵌入了微型计算机系统机器学习（ML）应用技术各种方法和方案的集合——既包含计算机语言算法和其他软件功能，也有硬件方面的内容。当前，TinyML主要用于监督机器学习。这种ML机器学习包含了建模和使用模型两大步骤。第一步的建模工作就是根据采集的数据生成机器学习的模型并以数据的形式保存起来。这里使用了人工神经网络ANN技术，并利用人工神经网络中的权重参数“学习”所记录数据之间的相互关系。这种学习过程是一个计算密集型的过程，因此需要在云中或者在性能强大的服务器上进行。

需要机器学习模型

减少传感器原始数据量和使用LPWA应用的关键是机器学习模型和推理函数。因此无论如何都需要质量合格的数据、并通过学习算法找出数据间的相互关系。不仅在机器学习过程中还是在后续的分析推理阶段，必须设定一些参数来描述ANN人工神经网络和学习过程的优化方法等。机器学习生成的模型还必须检测其准确性（这与分析推理的出错率有关），必要时可以利用更改后的参数重建模型。如果得到了令人满意的模拟精度则可以将数学模型转换为TinyML格式并集成到传感器所用的软件中。

来源：荣格-《智能制造纵横》


原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。