智能工业传感器节点的构筑，传感器也要为MCU分担任务

工业传感器作为工业控制中感知层的重要组成部分，在改善工业流程并提供资产监控和保护的同时，也使得工业控制的可视化更加明朗。而在如今的工业智能制造趋势下，为了打造智能传感器节点，传感器本身就要加入辅助ai设计或是直接集成一定的ai计算能力，这样才能减少mcu实现边缘ai的算力和功耗。
st inemo惯性模块
意法半导体的inemo惯性模块，作为主流imu产品之一，采用集成式封装，包含多个传感器模块且支持多个外部传感器，常被用于智能手机的光学稳定等场景。而针对工业应用，意法半导体推出了ism330is，在常见inemo惯性模块的基础上，集成了一块新的智能传感器处理单元（ispu）。
ism330is集成了一个三轴数字加速度计和一个三轴数字陀螺仪，其片上传感器中枢还支持最多4个外部传感器。即便是在高性能模式下也可以以0.59ma的电流运行，且支持常时开启的低功耗特性，可谓是工业物联网方案中理想的imu单元选择。
但ism330is最特殊的地方在于集成的ispu，该处理单元支持依赖传感器数据的实时处理应用。ispu是一个超低功耗的高性能可编程核心，可以在边缘执行c语言编程的各种信号处理和ai算法。开发者借由意法半导体的nanoedge ai studio，即可轻易创建强大的机器学习功能。
其实ispu是基于一个配备fpu和专用指令集的小型dsp内核构成，时钟频率只有10mhz。加上极高的面积效率，ispu进行本地处理的过程中，其功耗只有几μw。与传统的mcu加传感器的融合方案相比，ispu的功耗只有五分之一。
即便需要与外部mcu通信，也会控制在检测套特定事件或者需要交换数据时开启通信。所以即便传感器处于常时开启状态，外部mcu大部分时间都处于休眠状态，极大降低了系统功耗，非常适合用于工业控制中机器人与状态监测之类的应用。
adi otosense
对于工业场景来说，机器的运行状况感测至关重要，关系到生产环境的安全性，尤其是对于电机这样的设备。这也就是为何预测性维护在工业4.0背景下开始成为趋势的原因，但在传统传感器每个每秒发送成百上千字节的数据，本地mcu难以处理，又难以指望云端能够进行实时的分析，所以同样需要智能传感器来救场。
adi的otosense智能电机传感器，就采用了典型的本地预测性维护设计。专为应用广泛的三相鼠笼异步式电机设计，otosense集成了两个振动传感器（adxl1002）、一个定制磁场传感器和两个温度传感器（adt7420）。借助这五个传感器，otosense可以对电机的开关次数、运行时间、转速、电流、输出功率等状态进行实时检测。
当然，这些任务传统的传感器模块也都能完成，但在安装好智能电机传感器后，otosense就创建好了该电机的数字孪生，通过学习检测出常见的9种电机异常，比如供电异常、定子/转子异常、轴心偏移、散热异常等等。
同时，otosense还集成了独立的2.4ghz wi-fi网络，可以进一步将数据发送至云端进行处理，也可以通过与手机app相连，实现对电机运行状况的24小时监控。这种无线连接方式也解决了电机运行环境中有线网络部署的窘境，可以在工业现场实现快速灵活的部署和拆装。
写在最后
随着mems技术、模拟数字层融合等技术的发展，市面上已经涌现了越来越多集成ai功能的传感器产品。未来工业传感器厂商在提高传感器性能的同时，也必须从ai算法库、逻辑电路设计上发力，这样才能尽早突破工业5.0中的人机融合边界。