Nowoczesne systemy embedded w analizatorach PHM/SHM

Zautomatyzowane systemy PHM/SHM (Structural Health Monitoring/Prognostics And Health Management) są stosowane w coraz większej liczbie aplikacji, czemu sprzyjają ich malejące ceny i rosnące możliwości. Połączeniu tych dwóch sprzecznych kierunków sprzyjało pojawienie się na rynku sensorów MEMS oraz mniej lub bardziej zaawansowanych systemów sztucznej inteligencji. Jedno z takich urządzeń, przeznaczone do monitorowania stanu technicznego konstrukcji żelbetonowych oraz elementów przemysłowych układów napędowych, w całości opracowane i produkowane w Polsce, przedstawiamy w artykule.

Dodaj do ulubionych źródeł w Google
Posłuchaj
00:00

Urządzenie xHMAnalyzer (fot. 1) zostało opracowane w latach 2020–2021 przez podwarszawską firmę BTC Korporacja, we współpracy z Instytutem Systemów Elektronicznych Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej.

 
Fot. 1. Wygląd płytek urządzenia xHMAnalyzer

Urządzenie składa się z trzech zasadniczych modułów: płyty bazowej zawierającej peryferia komunikacyjne urządzenia, modułu obliczeniowego z mikroprocesorem z rdzeniem Cortex-A7 oraz głowicy sensorycznej. W zależności od planowanego zastosowania xHMAnalyzera budowa mechaniczna i oprzyrządowanie modułu głowicy mogą się zmieniać, a modułowa konstrukcja urządzenia zapewnia łatwe zmodyfikowanie konfiguracji systemu pomiarowego. Bazowa głowica pomiarowa, opracowana przez zespół kierowany przez profesora Tomasza Stareckiego (WEiTI PW), została wyposażona w 6 inercyjnych sensorów MEMS, w których zintegrowano sprzętowe mechanizmy wspomagające realizację algorytmów AI, co okazało się trafionym pomysłem – blisko 85% dotychczas wyprodukowanych urządzeń jest wyposażonych w takie właśnie rozwiązanie.

Po blisko dwóch latach produkcji xHMAnalyzera pojawił się pomysł powiększenia jego funkcjonalności i poprawienia cech użytkowych poprzez zastosowanie nowocześniejszego modułu obliczeniowego, wyposażonego w koprocesor wspomagający obliczenia AI. Ze względu na charakterystykę użytkową urządzenia (pobór mocy i ilość wydzielanego ciepła), nie było możliwe skorzystanie z popularnych rozwiązań sprzętowych AI firmy Nvidia.

 
Rys. 2. Schemat blokowy procesora RZ/V2L

Analiza rozwiązań dostępnych na rynku energooszczędnych podzespołów embedded skierowała uwagę zespołu konstrukcyjnego na nowoczesne mikroprocesory heterogeniczne firmy Renesas z rodziny RZ/V2L. Poza zintegrowanymi dwoma rdzeniami aplikacyjnymi Cortex-A55 i rdzeniem real-time Cortex-M33, w procesorach RZ/V2L zintegrowano standardowe peryferia systemowe (Ethernet, I²S, I²C, SPI, UART, USB, SDI, CAN itd.) oraz koprocesor AI o nazwie DRP-AI (Dynamically Reconfigurable Processor AI). Schemat blokowy procesora RZ/V2L pokazano na rysunku 2.

 
Fot. 3. Wygląd zestawu ewaluacyjnego z procesorem RZ/V2L (VisionCB-V2L i VisionSOM-V2L)

Deklarowane przez producenta cechy i parametry mikroprocesorów RZ/V2L poddano weryfikacji w realnych aplikacjach, co wymagało zaprojektowania modułu obliczeniowego (w formacie SODIM) i carrier-boarda (fot. 3). Testy zakończyły się pomyślnie, a jednym z elementów potwierdzających słuszność wyboru ścieżki było dobrze przygotowane przez firmę Renesas środowisko programistyczne, które pozwoliło zintegrować w systemowej sieci AI także interfejsy sprzętowe sensorów MEMS.

Produkcja

 
Fot. 4. Wdrażany projekt modułu obliczeniowego jest uniwersalny – może być wyposażony także w procesor RZ/G2L

Wdrożenie do produkcji w firmie BTC Korporacja nowej wersji xHMAnalyzera, a szczególnie modułu obliczeniowego bazującego na procesorze Renesas RZ/V2L (fot. 4), wymagało doinwestowania firmowego parku maszynowego SMT i stało się możliwe dzięki wsparciu uzyskanemu przez firmę BTC Korporacja w ramach Regionalnego Programu Operacyjnego Województwa Mazowieckiego na lata 2014–2020. Zastosowanie w linii produkcyjnej nowoczesnych urządzeń montażowych znosi wiele ograniczeń technologicznych, które zawężały konstruktorom – m.in. ze względu na wymiary lub raster wyprowadzeń elementów – możliwości doboru optymalnych elementów do projektu. Pozwoliło to opracować urządzenie o mniejszym zużyciu energii, mniejszych wymiarach, nowocześniejszym systemie komunikacji radiowej oraz większych możliwościach lokalnej analizy sygnałów (edge computing), w tym ze wsparciem AI i uczenia maszynowego – bazujących na standardowych frameworkach.

Wdrożenie do produkcji nowej wersji xHMAnalyzera bazującego na module z procesorem RZ/V2L jest planowane na drugą połowę 2024 roku. Projekt jest realizowany w ramach Regionalnego Programu Operacyjnego Województwa Mazowieckiego na lata 2014–2020 (RPO WM 2014–2020).

 

BTC Korporacja Kontakt w sprawie prezentowanego rozwiązania (dla OEM): biuro@btc.pl
www.btc.pl

Chcesz częściej widzieć nasze artykuły w Google? Dodaj ElektronikaB2B do ulubionych źródeł
Powiązane treści
Mikrokontrolery i IoT
Zobacz więcej w kategorii: Prezentacje firmowe
Komponenty
Cewki powietrzne POLFER – konstrukcje, zastosowania i produkcja na zamówienie
Pomiary
Systemy rejestracji czasu pracy – technologie identyfikacji i kryteria wyboru
PCB
Jak wyeliminować błędy w produkcji PCB? Zasady DFM i DRC w praktyce
Komunikacja
Switche Moxa TWS-3010: Single Pair Ethernet i Ethernet-APL w automatyce przemysłowej
Komponenty
Architektura Intel Twin Lake: wydajne komputery SBC z chłodzeniem pasywnym dla przemysłu
Elektromechanika
SCHUNK EZU – elektryczny chwytak do obsługi detali o różnych średnicach
Zobacz więcej z tagiem: Mikrokontrolery i IoT
Nowości
Kolejowe komputery panelowe Axiomtek GOT700A z klawiaturą UIC 612-01
Gospodarka
Raspberry Pi zwiększa przychody o 90% dzięki klientom przemysłowym
Technika
Watchdog - przegląd konfiguracji

Zobaczyć obiekt oczami radaru, czyli dlaczego potrzebujemy laboratorium do pomiarów RCS?

Radar postrzega świat inaczej niż człowiek. Zamiast obrazu tworzonego przez światło widzialne rejestruje echo wysłanej fali elektromagnetycznej. Na odpowiedź radarową obiektu wpływają nie tylko jego rozmiary, lecz także kształt, zastosowane materiały, częstotliwość oraz kierunek obserwacji. Dlatego dwa przedmioty o podobnych wymiarach mogą być dla radaru widoczne zupełnie inaczej. Jak zatem sprawdzić, co radar rzeczywiście "widzi"? Służą temu pomiary RCS, prowadzone między innymi w specjalistycznych laboratoriach, które zapewniają kontrolowane i powtarzalne warunki oraz umożliwiają uzyskanie dokładności wymaganej w danym zastosowaniu.
Zapytania ofertowe
Unikalny branżowy system komunikacji B2B Znajdź produkty i usługi, których potrzebujesz Katalog ponad 7000 firm i 60 tys. produktów