wersja mobilna
Online: 629 Czwartek, 2016.12.08

Technika

Czujniki MEMS wnoszą nową jakość do urządzeń elektronicznych

piątek, 11 września 2015 11:39

Spadek cen mikrokontrolerów i czujników oraz coraz lepsza oferta rynku w zakresie sensorów MEMS przyczynia się do rozwoju coraz inteligentniejszych systemów częściowo lub całkowicie samodzielnych, które, opierając się na coraz lepszym rozeznaniu uwarunkowań wewnętrznych i środowiskowych, mogą coraz lepiej optymalizować podejmowane decyzje. Zwiększanie w urządzeniach udziału czujników i korelującej ich sygnały inteligencji zwiększa co prawda koszty projektowania i złożoność systemów, ale przekłada się za to na poszerzanie i różnicowanie ich możliwości i skuteczności.

Stosowanie czujników w urządzeniach nie jest nowością. Jednak liczba tych czujników i procesorów wzrasta, i to zarówno w samodzielnych systemach wysokiej klasy, jak i w masowo produkowanych urządzeniach powszechnego użytku. Tendencja zastępowania prostych sterowników mechanicznych elektronicznymi jest skutkiem obniżania się cen sensorów i mikrokontrolerów.

Proces ten nie sprowadza się do prostej wymiany podzespołów. Właściwy dobór zestawów czujników, procesorów i decydujących o ich działaniu algorytmów skutkuje poprawą sprawności energetycznej, obniżką kosztów materiałowych i polepszeniem osiągów urządzeń. W systemach półautonomicznych stosuje się coraz więcej czujników.

Poczynając od systemów fly-by-wire w lotnictwie i w samochodach, kończąc na urządzeniach powszechnego użytku, na przykład w pralkach i lodówkach. Systemy półautonomiczne są sterowane do pewnego stopnia przez człowieka bezpośrednio, ale odpowiadają za działanie podsystemów, które monitorują i którymi samodzielnie sterują.

Samochody

Rys. 1. W systemie sterującym silnika samochodowego liczne czujniki pozwalają na optymalizację jego działania

Silnik samochodowy jest obsługiwany przez wyposażony w liczne czujniki półautonomiczny podsystem wbudowany (rys. 1). Monitoruje on interfejs kierowcy, obejmujący pedały i kierownicę oraz śledzi wiele sygnałów wewnętrznych, informujących o temperaturze, ciśnieniu oraz składzie chemicznym powietrza, paliwa i gazów wydechowych i koreluje je ze wskazaniami innych czujników, jak zapłonu, stuków czy pozycji wału korbowego. Dzięki temu moc oddawana przez silnik, zużycie paliwa, emisja szkodliwych składników wydechu, a nawet parametry lokomocyjne jazdy są optymalizowane. Podsystem ten umożliwia często również przystosowanie silnika do alternatywnego paliwa.

W samochodach i samolotach sterowanie wysokiego poziomu przez kierowcę czy pilota jest stopniowo oddzielane od sterowania niskiego poziomu przez podsystemy sterujące, dzięki czemu jest skuteczniejsze i bezpieczniejsze. Jako przykłady samochodowych podsystemów autonomicznych można przytoczyć przeciwpoślizgowe układy hamowania, elektroniczną kontrolę stabilności, kontrolę odchyleń od kursu, czy urządzenia osłabiające skutki kolizji, jak inteligentne systemy unieruchamiania, czy poduszki powietrzne. Działanie tych podsystemów przeważnie jest wyzwalane bez udziału kierowcy.

Funkcjonowanie takich podsystemów jednak musi być bezbłędne, w przeciwnym przypadku przynosiłoby więcej szkód niż korzyści. Dlatego musi polegać na inteligentnej ocenie i korelacji sygnałów kilku różnych czujników, pozwalającej eliminować reakcje fałszywe. Systemy antykolizyjne w samochodach wysokiej klasy korzystają z wielu czujników reagujących równocześnie, jak radar dalekiego i bliskiego zasięgu, czy czujników podczerwieni, czujników bezwładnościowych i ultradźwiękowych, które wspólnie uwiarygodniają spodziewaną, możliwą lub nieuniknioną kolizję.

Powoli rozpowszechniają się samochodowe podsystemy ostrzegania i wspomagania kierowcy, informujące o rozmiarze przestrzeni do cofania czy martwej strefy, sygnalizujące schodzenie z kierunku jazdy. Systemy te opierają się na korelacji sygnałów wielu czujników, zapewniając unikanie fałszywych alarmów czy niewłaściwej interpretacji sytuacji.

Na przykład podsystem sygnalizacji schodzenia z toru jazdy czy detekcji stref martwych, zanim wyśle sygnał kierowcy, koreluje dane wizualne, bezwładnościowe, pozycji kół i kierownicy. Wraz ze wzrostem stopnia złożoności tych systemów oraz użycia większej liczby czujników i inteligencji w pętli decyzyjnej przetwarzania sygnałów, rośnie koszt ich projektowania i realizacji, ale ich rozpowszechnianie przyczynia się z kolei do obniżki tych kosztów i projektanci mogą stosować bardziej złożone autonomiczne systemy sterujące również w tańszych rozwiązaniach.

Do rozwoju samochodowych podsystemów wspomagania kierowcy przyczyniają się konkursy automatyzacji poruszania się samochodów w mieście (Urban Challenge, Grand Challenge), organizowane w USA przez DARPA (Defence Advanced Research Agency) i projekt autonomicznego samochodu firmy Google. Konkursy te pokazują, jak wyładowane czujnikami samochody mogą zupełnie samodzielnie poruszać się i nawigować w mieście.

Bez kierowcy i jakiegokolwiek zdalnego sterowania pojazdy te wykrywają otaczające je stacjonarne i ruchome obiekty, interpretują sytuacje w ruchu ulicznym, i posługując się czujnikami GPS, radarem LIDAR i systemem wizyjnym, poruszają się samodzielnie. Są one wyposażone w uprzednio przygotowane listy lokalizacji GPS, do których mają dotrzeć, i autonomicznie decydują, w jaki sposób i w jakiej kolejności je osiągnąć.

Samoloty

We fly-by-wire - półautonomicznym systemie sterowania lotem samolotu elektroniczny interfejs zastępuje mechaniczny sposób sterowania maszyną przez pilota. System ten otrzymuje od pilota polecenia i na podstawie własnych odczytów sygnałów licznych czujników dobiera najlepsze sposoby użycia siłowników poszczególnych podsystemów sterowania, aby wymagane manewry samolotu były wykonywane optymalnie.

Inteligentny system sterujący posługuje się podsystemami niskiego poziomu, umożliwiając pilotowi skoncentrowanie się na poleceniach wyższego poziomu kierowania samolotem i na reagowanie w sytuacjach, wykraczających poza kompetencje i możliwości autopilota.

Ale nie można zapominać o ogromnym znaczeniu niezawodności działania czujników. Jednym z najważniejszych czujników w lotnictwie jest od dawna stosowany bardzo prosty czujnik szybkości, zwany rurką Pitota, a właściwie jej rozwinięty wariant - rurka Prandla. Dostarczanym przez niego sygnałem jest różnica wywoływanego lotem ciśnienia dynamicznego i ciśnienia statycznego.

Ta różnica ciśnień jest przetwarzana następnie na sygnał elektryczny, a do obliczenia aktualnej szybkości samolotu jest jeszcze potrzebna znajomość mierzonej innym czujnikiem temperatury powietrza. Niezawodność działania rurki Prandla zapewnia zapobiegające zamarzaniu jej podgrzewanie. Wielkie liczby samolotów i ogromne liczby lotów, w których bez zakłóceń od lat są wykorzystywane ciągle udoskonalane i sprawdzane autopiloty, świadczą o niezawodności tych systemów.

Ale katastrofa samolotu boeing A330, lotu Air France Rio de Janeiro-Paryż wątpliwości skierowała na autopilota. Hipotetyczny powód, jaki zdołano sformułować, to awaria ogrzewania rurki Prandla. Jeden, jedyny czujnik, doskonałego systemu autopilota w obecności dwóch doświadczonych pilotów odpowiedzialny za śmierć tylu ludzi?

Roboty

Rosnącą kategorią licznie wyposażonych w czujniki autonomicznych systemów są roboty. Na przykład zdalnie sterowany BigDog (wielki pies) firmy wytwarzającej liczne roboty, Boston Dynamics. Ten robot-pojazd może przemieszczać się samodzielnie, dając sobie radę w trudnym, nierównym, nawet zalodzonym terenie, posługując się rozmaitymi czujnikami. Oprócz czujników lokomocyjnych, został wyposażony w czujniki obciążenia, żyroskop i wizyjny system stereo.

Oddzielne czujniki stanu wewnętrznego systemu monitorują ciśnienie hydrauliczne, temperaturę oleju, temperaturę i obroty silnika, ładunek akumulatora. Firma Robot produkuje również liczne rodzaje takich systemów, na przykład automatyczne odkurzacze domowe Roomba. Odkurzacze te do orientacji w otoczeniu wykorzystują zarówno rozmaite czujniki podczerwieni, jak i mechaniczne ruchome płetwy dotykowe.

Złożone systemy zdalnie sterowane, jak BigDog, muszą autonomicznie odpowiadać za sposób działania w bezpośrednim otoczeniu, uwzględniając wszelkie uwarunkowania. Interfejs zdalnego sterowania powinien zapewnić operatorowi swobodę obsługi, uwalniając go od konieczności wprowadzania setek poprawek, potrzebnych do prawidłowego działania systemu.

Wiązanie danych z licznych czujników umożliwia półautonomicznym systemom wewnętrznego sterowania podejmowanie bardziej złożonych decyzji, potrafią one bowiem coraz lepiej identyfikować i eliminować reakcje fałszywe. Każdy z tych czujników dostarcza informacji o otoczeniu, które system sterujący może częściowo wzajemnie korelować.

Jednak zakres autonomiczności wbudowanych systemów sterowania w niejednoznacznych i nieokreślonych warunkach musi być ograniczony, aby nie wysyłał zbyt wielu fałszywych ostrzeżeń. Gdy przy projektowaniu wybiera się podsystem półautonomiczny, powinien on działać przynajmniej tak samo sprawnie jak operator, ale szybciej i lepiej.

Czujniki MEMS

Za rozwój rynku inteligentnych urządzeń elektronicznych odpowiedzialne są w większości nowoczesne czujniki MEMS, które w ostatnich latach bardzo szybko się rozwijają. W technologii MEMS wykonać można sensory różnych wielkości fizycznych, o małych rozmiarach oraz małym poborze prądu, łatwo integrowalne z urządzeniem nadrzędnym. Dzięki tym zaletom szybko się one spopularyzowały, zwłaszcza w elektronice użytkowej i pojazdach, przyczyniając się do rozszerzenia funkcjonalności tej pierwszej oraz poprawy bezpieczeństwa w tych drugich.

Ostatnie lata upłynęły pod znakiem wprowadzania na rynek czujników zaprojektowanych pod kątem interaktywnych gier wideo i smartfonów, takich jak akcelerometry i żyroskopy. Do typowych zastosowań należało wykrywanie i pomiary ruchu, nawigacja, śledzenie aktywności, czujniki ciśnieniowe, czyli wysokościomierze lub mikrofony MEMS, oraz wizyjne systemy śledzenia i interpretacji gestów wykonywanych rękami. Innym źródłem wzrostu była elektronika samochodowa, w której są one wykorzystywane na szeroką skalę w aplikacjach związanych z bezpieczeństwem.

Obszarem zastosowania MEMS-ów, który zdaniem specjalistów czeka w obecnych latach znaczny wzrost, jest także pozyskiwanie energii ze zróżnicowanych źródeł, m.in. energii słonecznej, termicznej czy kinetycznej, na potrzeby wszelkiego rodzaju urządzeń bezprzewodowych.

Powodem silnego zapotrzebowania na sensory i aktuatory (urządzenia wykonawcze) są nowe aplikacje, takie chociażby jak mikroskopijne laboratoria zawarte w pojedynczym układzie MEMS jednorazowego użytku (lab-on-chip, bioreaktory, macierze sensorów chemicznych) przeznaczone do analizy DNA oraz identyfikacji chorób zakaźnych. ,

Mikroskopijne laboratorium, poza rozmaitymi sensorami, może przykładowo zawierać mikropompę. Inne typowe aktuatory wykonane w skali mikro to także dysze drukarek atramentowych, mikrolustra miniprojektorów lub wyświetlaczy czy oscylatory, które wypierają rezonatory kwarcowe, zapewniając mniejszy rozmiar, niski pobór mocy i znacznie lepszą niezawodność.

W miarę pojawiania się kolejnych zastosowań rynek MEMS staje się więc jeszcze bardziej niż dotychczas zróżnicowany. Nowe aplikacje znajdą zastosowania w obszarach elektroniki konsumenckiej, produktach przenośnych, urządzeniach typu "wearable", oprzyrządowaniu, rozmaitych ręcznych miernikach, automatyce domowej czy osobistym sprzęcie medycznym.

Sprzęt domowy

Rys. 2. Do buforowania, przetwarzania i wzajemnego korelowania sygnałów, wykorzystywanych w podejmowaniu decyzji, przy większej liczbie czujników wymagany jest dla każdego z nich dodatkowy obszar pamięci

W nowoczesnych pralkach domowych zamiast jednego instaluje się obecnie dwa, a nawet trzy mikrokontrolery, zarządzające systemem i interfejsem użytkownika (rys. 2) i wyposażone w rozbudowaną pamięć Flash. Większy obszar pamięci pozwala zmieścić w systemie więcej kodów dla obsługi dodatkowych czujników i bardziej skomplikowane algorytmy korelujące ich sygnały.

W systemach szybko reagujących istotny jest sposób kojarzenia procesorów i czujników. W niezbyt drogiej lodówce domowej może znajdować się nawet osiem mikrokontrolerów z rozmieszczonymi w odpowiednich punktach czujnikami, zapewniającymi w różnych szufladach zróżnicowane i optymalne chłodzenie, na przykład mięsa czy warzyw.

W takich realizacjach jest dobierana równowaga pomiędzy przetwarzaniem scentralizowanym i rozproszonym, co zwiększa niezawodność, zmniejsza zużycie energii i upraszcza interakcję użytkownika z urządzeniem. Algorytmy korzystania z sygnałów wielu różnych czujników, korelujące ich sterowanie, są objęte zwykle tajemnicą produkcyjną wytwórców.

Czarnobylska elektrownia

Znaczenie autonomiczności podsystemów sterowania w bardzo złożonych systemach jest wyjątkowo duże. W takich systemach zależności pomiędzy poszczególnymi parametrami są uwikłane, nieliniowe, nieoczywiste, często powiązane różnorodnymi funkcjami czasu. Bezpośrednia ingerencja operatora w ich funkcjonowanie jest niedopuszczalna nie tyle ze względu na wielką ich złożoność, ile na niebezpieczeństwo wejścia systemu w zakres nieprzewidywalnych i niedających się zatrzymać reakcji, mogących prowadzić do katastrofalnych na wielką skalę skutków.

Przykładem jest katastrofa reaktora elektrowni jądrowej w Czarnobylu w 1986 roku, która wydarzyła się w trakcie przeprowadzania nie do końca przemyślanego eksperymentu. Chodziło w nim o sprawdzenie możliwości zasilania wszystkich urządzeń obsługujących elektrownię przez tracący obroty po wyłączeniu reaktora turbogenerator, do momentu pełnego uruchomienia awaryjnego spalinowego agregatu prądotwórczego.

Wskutek znacznego opóźnienia przeprowadzanie eksperymentu rozpoczęli operatorzy nieprzygotowanej do tego zmiany. Przebieg eksperymentu w ogromnym stopniu zależał od wielu parametrów zmieniających się w czasie z bardzo różnymi opóźnieniami, ze sobą skorelowanych, ale także niezależnych, a sygnałów sterujących dostarczała wielka liczba rozmaitych czujników.

Niezadowalająco rozwijający się eksperyment, pod presją czasu, operatorzy starali się korygować "ręcznym sterowaniem", wyłączając w tym celu kolejne podsystemy sterowania. Dodatnia reaktywność, charakterystyczna dla tego typu reaktora (dodatnie sprzężenie zwrotne pomiędzy szybkością reakcji rozszczepiania uranu a temperaturą) doprowadziła do niekontrolowanego wzrostu mocy, eksplozji termicznej, a w konsekwencji gwałtownego i długotrwałego pożaru kilku ton grafitu, tworzącego podstawową strukturę rdzenia reaktora. Ówczesny prymitywny system sterowania nie był na tyle zintegrowany, aby uniemożliwiać demontaż jego podsystemów przed całkowitym wyłączeniem reaktora.

Aplikacje Big Data

Synteza systemów wieloczujnikowych polega na odpowiednim łączeniu i korelowaniu uzyskiwanych z nich danych, dzięki czemu otrzymywane dopełniające się informacje są dokładniejsze i bardziej pewne niż traktowane z osobna. W niektórych przypadkach dane mogą pochodzić z jednego co prawda rodzaju czujnika, ale dostarczającego olbrzymich ilości podobnych danych, jak np. skany tomografii komputerowej, skany obrazowania rezonansu magnetycznego, analityczne dane rynku finansowego, dopasowywanie genetyczno-farmakologiczne, czy obrazy sygnałów wstrząsowych, służące w poszukiwaniach ropy naft owej do analizy budowy geologicznej badanego obszaru.

Ilość danych w nich zawarta uniemożliwia człowiekowi ich ocenę bez przetworzenia komputerowego do użytecznej dla operatora postaci. Przetwarzanie takiej ilości skorelowanych danych w rozsądnym czasie wymaga pracy superkomputera o licznych procesorach, coraz częściej dostępnego w formie chmury obliczeniowej.

W radiologii technika detekcji, wspomaganej superkomputerowo, umożliwia ich przedstawienie w sposób zrozumiały dla lekarza. Nie polega to na zastępowaniu techniki obrazowania, ale na pomocy w wizualizacji i medycznej interpretacji uzyskanych obrazów. Ważna jest tu jakość korelacji i czas potrzebny na jej uzyskanie z równoczesnym eliminowaniem błędnych interpretacji.

Systemy takie, jak na przykład ImageChecker firmy Hologic, są stosowane w medycynie do obrazowania mammograficznego czy wykrywania guzków w płucach. Można mieć nadzieję, że techniki analizy dużych ilości danych (Big Data) przyczynią się do rozwoju jeszcze bardziej złożonych metod diagnozy i podejmowania decyzji terapeutycznych w czasie rzeczywistym. (KKP)