如何使用单对以太网实施基于状态的监控
【导读】在工厂自动化和工业物联网 (IIoT) 中，通过基于状态的监控 (CbM) 可深入了解资产的健康状况，从而增加正常运行时间并提高生产率，降低维护成本，延长资产寿命并确保工人安全。虽然传感器、诊断算法、处理能力方面的进步以及人工智能 (AI) 和机器学习 (ML) 技术的应用正在使 CbM 变得更加有用，但缺乏合适的基础设施则限制了 CbM 在许多应用领域的推广。
在工厂自动化和工业物联网(IIoT) 中，通过基于状态的监控 (CbM) 可深入了解资产的健康状况，从而增加正常运行时间并提高生产率，降低维护成本，延长资产寿命并确保工人安全。虽然传感器、诊断算法、处理能力方面的进步以及人工智能 (AI) 和机器学习 (ML) 技术的应用正在使 CbM 变得更加有用，但缺乏合适的基础设施则限制了 CbM 在许多应用领域的推广。
采矿、石油/天然气、公用事业和制造业应用中的设备通常位于缺乏电源或数据网络的地方。为这些偏远地点铺设新的电源和网络电缆既昂贵又不切实际，对于要求相对较高功率和数据传输速率的 CbM 应用而言尤其如此。
可采用无线替代方案，但需要进行权衡。例如，电池供电型传感器只能提供有限的数据传输速率，因此不适合用于 CbM。为了在这些地点也能实现最新的 CbM 功能，工程师需要一种基础设施选项，以提供成本低、性能可靠的电源和高带宽网络。
10BASE-T1L 单对以太网 (SPE) 就是明确为满足这些标准而明确的。这种以太网的数据和电力传输距离长达 1 公里 (km)，远远超出了工业以太网的限制。利用这项新技术，工程师可以在以前无法到达的地点部署复杂的 CbM 技术。
本文简述了 CbM 和 AI 的影响，然后概述了 SPE 在偏远地点的优势。本文重点介绍了基于 SPE 的传感器的关键部件，并给出了这些部件的选型指导原则。最后，本文回顾了设计数据和电源组合通信接口的基础知识，并介绍如何将基于 SPE 的 CbM 系统集成到更广泛的工业网络中。
CbM 以及 AL 和 ML 的影响
推动 CbM 增长的因素很多，但 AI 和 ML 的兴起尤其值得注意。这些技术正在将 CbM 的范围从泵、压缩机和风扇等旋转设备扩展到包括数控机床、传送系统和机器人在内的更广泛的机械领域。
之所以能够取得这些进步，是因为 AI 和 ML 系统能够吸收和解析包括振动、压力、温度和视觉数据在内的大量数据。有了丰富的数据集，AI 和 ML 系统就能识别老旧技术可能忽略的异常情况。
要实现这些优势，就必须从所有相关设备中获取高保真数据，这就是为什么 CbM 系统必须提供从边缘到云的连接，以连接到最偏远的运行角落（图 1）。
图 1：现代 CbM 系统必须将远距离操作技术 (OT) 设备与信息技术 (IT) 系统连接起来。（图片来源：Analog Devices）
SPE 相比其他方法的优势
要为这些偏远地区提供服务，工程师需要一种 IT 友好型方法来传输数据和电源，并将成本和实际占用空间维持在最低水平。显然，工业以太网解决方案就是一个不错的选择，因为工业以太网能够提供 100 Mbps 的典型数据带宽和每个端口高达 30 W 的以太网供电 (PoE) 能力。不过，工业以太网的传输距离被限制在 100 m 以内。
顾名思义，单对以太网 (SPE) 通过单根双绞线提供以太网连接，而不是 100BASE-TX 的两对线或 10BASE-T 的四对线。因此，与同等工业以太网布线相比，SPE 布线更小、更轻、成本更低。虽然减小了实际占用空间，但 SPE 能够支持长达 1 km 的运行距离，数据传输速率高达 1 Gbps，功率高达 50 W，连接器防护等级达到 IP67，适用于恶劣环境。
值得注意的是，SPE 的两个最高额定值不能同时实现。例如，1 Gbps 的速度仅支持 40 m 以内的短距离传输。相比之下，在最大电缆长度为 1 km 时，数据传输速率只能达到 10 Mbps。
如何为 SPE 应用选择以太网 MAC
与所有以太网连接一样，SPE 接口包含一个介质访问控制 (MAC) 层和一个物理 (PHY) 层。MAC 管理以太网流量，而 PHY 则将电缆的模拟波形转换为数字信号。
许多先进的微控制器 (MCU) 都配备了 MAC，有些还包括了 PHY。然而，用于边缘传感器的低成本、低功耗 MCU 却不具备这些功能。解决方案是采用 10BASE-T1L MAC-PHY，它凭借一颗单独的芯片满足了这两种要求，使设计人员能够在各种超低功耗处理器中进行选择。
例如，Analog Devices 的ADIN1110CCPZ-R7 就是一款很好的产品（图 2）。这款单端口 10BASE-T1L收发器用于延长距离、10 Mbps SPE 连接。ADIN1110 通过 4 线串行外设接口 (SPI) 与主机连接，这是大多数现代微控制器都有的接口。
图 2：ADIN1110 是一款单端口 10BASE-T1L 收发器，通过一个 4 线 SPI 接口与主处理器连接。（图片来源：Analog Devices）
为了提高稳健性，ADIN1110 集成了电压电源监控和上电复位 (POR)电路。此外，可编程发送电平、外部端接电阻器以及独立的接收和发送引脚，都使该器件适用于本质安全型应用。
设计共享数据和电源通信接口
SPE 采用一种称为数据线供电 (PoDL) 的技术，通过同一条电线提供电源和数据。如图 3 所示，高频数据通过串联电容器耦合到双绞线上，而直流 (DC) 电源则通过电感器耦合到线路上。
图 3：PoDL 利用电感耦合和电容耦合分别通过单根双绞线提供电源和数据信号。（图片来源：Analog Devices）
实际上，实现稳健性和容错性还需要其他组件。例如，建议使用桥式整流二极管来防止电源连接极出现性错误。同样，还需要一个瞬态电压抑制器 (TVS) 二极管来确保电磁兼容性 (EMC) 的稳健性。值得注意的是，需要使用扼流圈来减少电缆产生的共模噪声。
为 CbM 选择传感器
如前所述，CbM 适用于多种检测模式。在这些模式中，需要考虑的关键因素之一是在性能和效率之间进行权衡。
以振动检测为例。压电传感器的性能优于微机电系统 (MEMS)，但成本较高。这使得压电传感器成为高度关键型资产的理想选择，这些资产往往位于中心位置。
相比之下，许多不那么关键的资产往往位于设施的最远端，因此鉴于成本方面的制约，目前还没有进行监控。然而，仍必须对其数据进行挖掘，以提高整个系统的生产率。距离和成本灵敏度组合正是基于 SPE 的 CbM 的优势所在，因此 MEMS 传感器自然成为了最佳选择。
除了成本较低之外，MEMS 传感器还为 SPE 传感器带来了其他优势。例如，与压电传感器相比，大多数 MEMS 传感器都有数字滤波功能、出色的线性度、重量轻和体积小等特点。
下一个设计在单轴传感器和三轴传感器之间选择。表 1 列出了两个典型器件之间的差异（ADXL357BEZ-RL 三轴加速度计和 ADXL1002BCPZ-RL7单轴加速度计）。
表 1：单轴 ADXL1002BCPZ-RL7 和三轴 ADXL357BEZ-RL 传感器可在许多需要重点考虑的方面进行权衡。（图片来源：Analog Devices）
如表 1 所示，单轴传感器具有更高的带宽和更低的噪声。不过，三轴传感器可以捕捉垂直、水平和轴向振动，从而更详细地了解资产的运行情况。单轴传感器很难识别包括轴弯曲、转子偏心、轴承问题和转子翘起在内的许多故障。
值得注意的是，仅靠振动传感器并不能检测出所有故障，甚至检测不到那些与振动有关的主要故障。在某些情况下，最佳解决方案可能是将单轴传感器与其他传感器组合使用（如电机电流或磁场传感器）。在其他情况下，最佳解决方案可能需要两个或多个单轴传感器。
鉴于这些考虑因素的复杂性，最好同时试用这两种传感器。为此，Analog Devices 提供 ADXL357 3 轴传感器评估板和 ADXL1002 1 轴传感器评估板。
将基于 SPE 的 CbM 系统集成到更大的工业网络中
提供与云的无缝连接，是对任何 CbM 系统的基本要求。图 4 说明了如何使用消息队列遥测传输 (MQTT) 协议实现这一功能。这种轻量级 IIoT 消息传递协议能够以最少的代码占用量和较低的网络带宽连接远程设备。
图 4：所示为基于 SPE 的 CbM 架构。传感器系统的关键部件包括传感器、低功耗边缘处理器和 MAC-PHY。（图片来源：Analog Devices）
大多数低成本Cortex-M4 微控制器都适用于此应用，因为几乎所有这些芯片都具有连接传感器和 MAC-PHY 所需的 SPI 端口。从软件角度看，主要的要求是 MQTT 协议栈有足够的内存、正确的实时操作系统 (RTOS) 和边缘分析软件。通常只需要几十 KB 的 RAM 和 ROM。
SPE 电缆到达现有基础设施后，介质转换器可将 10BASE-T1L 信号转换为标准以太网电缆的 10BASE-T 帧。请注意，这种转换只是改变了物理格式；以太网数据包仍保持不变。从这里，这些数据包可以在任何以太网网络上发送。
结语
SPE 是一项正在兴起的颠覆性技术，能很好地解决远程设备 CbM 所面临的各种挑战。其 PoDL 功能将电源和数据传输巧妙地融合在一根双绞线上，以低成本的方式将以太网基础设施扩展到更远的地方。通过仔细选择 MAC-PHY 接口和 MEMS 传感器，工程师可以利用这些功能部署结构紧凑、重量轻的解决方案。这些解决方案具有足够的成本效益，足以证明在不太重要的资产上使用这些解决方案是合理的。这使得 AI 和 ML 系统对运营的可视性达到了新的高度，从而提供前所未有的深度运行情况。
免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行处理。
推荐阅读：
微型机器学习（tinyML）在电源管理系统中的应用
意法半导体公布2023年第四季度及全年财报和电话会议时间安排
百家跨国公司看中国丨意法半导体曹志平：持续完善在华产业链部署
认识精密电阻的分类及核心参数
『这个知识不太冷』探索 RF 滤波器技术（下）
