利用全套解决方案快速构建联网智能现场仪表

作者:Stephen Evanczuk

投稿人:DigiKey 北美编辑

为了充分发挥工业 4.0 的潜力,设计人员需要从恶劣环境中获取数据,并将数据安全、可靠地传输到控制系统。虽然已经有了实现这一愿景的关键技术,但设计人员在寻找和实现有效解决方案时一直是孤军奋战。设计人员需要解决方案来简化互联、智能的现场仪表的实现,从而完成加工行业的数字化转型。

本文介绍了 Analog Devices 提供的一个全面解决方案,该解决方案可有效满足对互联、智能现场仪表日益增长的需求。

现场仪器依赖于四个关键功能

在工业自动化部署中,现场仪表包括一系列信号处理设备,确保现场终端传感器和执行器与用于管理这些设备及其数据的主机系统之间进行可靠的数据和控制交换。在典型应用中,这些仪器需要支持四种关键功能:

  • 提供接口与通过模数转换器 (ADC) 或数模转换器 (DAC) 连接的传感器或执行器对接
  • 提供用于信号调节和终端设备控制的微控制器单元 (MCU)
  • 提供仪器运行和安全所需的电源、隔离和监控功能
  • 为可靠、安全地交换数据和控制信息所需的各种连接选件提供接口

通过寻找所需的 ADC、MCU、电源和连接器件,为每个基于特定传感器或执行器的应用提供支持,设计人员可解决典型现场仪表的这些功能要求(图 1)。

获取传感器数据或控制变送器的基本要求图片图 1:在打造现场仪器时,通过使用现有的 ADC、DAC、MCU 和其他支持器件,设计人员即可解决获取传感器数据或控制变送器的基本要求。(图片来源:Analog Devices)

随着工业 4.0 带来更多重大挑战,现场仪表设计人员面临着一系列不断增加的要求,即要在继续提供准确、可靠的数据的同时,实现更高的边缘智能、安全性和保障性。

工业 4.0 推动对更先进功能的需求

在传感器或执行器接口上,高分辨率、高带宽传感器的数量和种类越来越多,因此需要有效的模拟前端 (AFE) 解决方案。在大量传感器信号采集和调节需求的推动下,这些仪器的处理要求也相应提高。此外,为实现更高的边缘智能,需要能够在边缘高效执行人工智能 (AI) 算法的先进处理器,以提高现场仪器的效率并增强工业安全。鉴于面对的威胁越来越多,这些工具的安全仍然至关重要。

传统的 4-20 毫安 (mA) 电流环路设备通常可为仪表提供每秒 1.2 千比特 (Kb/s) 的速率和低于 40 毫瓦 (mW) 的功率,与之相比,先进现场仪表需要更高的数据带宽和传输功率。10BASE-T1L 支持每秒 10 兆比特 (Mb/s) 的数据带宽,在 0 区可提供最高 60 瓦或 500 毫瓦的功率,从而促进了采用本质安全的 Ethernet-APL(先进物理层以太网)技术的使用。此外,10BASE-T1L/Ethernet-APL 还能通过单根双绞线提供这种性能,同时还能重复使用已安装的现有电缆。

即使工业系统提出了更高的通信要求,仍然需要支持传统的现场仪表和新兴的工业 4.0 应用。因此,设计人员必须针对现有应用(图 2 棕色区域)和新型系统(图 2 绿色区域)进行智能的现场仪表设计。

新出现的电力和数据带宽要求图片(点击放大)图 2:在设计智能现场仪表时,设计人员面临的挑战是既要满足新出现的功率和数据带宽要求,又要支持现有的工业应用。(图片来源:Analog Devices)

利用 Analog Devices 的一套先进器件,设计人员可以快速满足现有和新出现工业自动化系统对智能现场仪表的要求。

用全套设备满足对先进现场仪器的要求

典型的现场仪器必须满足一系列要求。图 3 为一个典型的压力传感器变送器,展示了设计人员如何在自己的应用中轻松满足这些要求。

压力传感器变送器高级设计图片图 3:压力传感器变送器的高级设计展示了典型智能现场仪表对传感器接口、处理器、电源和连接功能的基本要求。(图片来源:Analog Devices)

在图示压力传感器变送器设计中,信号链必须为电阻桥式压力传感器提供激励电流,并测量传感器对压力做出反应时产生的差压。在图 4 中,像 Analog Devices 的 AD7124AD4130 AFE 这样的单个集成器件,可通过作为具有数字输出的完整多通道信号链的一部分提供激励电流,从而简化了传感器接口。

Analog Devices AD7124 AFE 示意图(点击放大)图 4:AD7124 AFE 提供了从大多数有源和无源传感器生成数字数据所需的完整多通道信号链。(图片来源:Analog Devices)

为了完善传感器子系统,设计人员可以使用 Analog Devices 的 ADuCM36x 系列 MCU 来管理 AFE 并执行其他信号处理、校准和补偿。例如,设计人员可以使用 ADuCM36x MCU 的集成 24 位 ADC 转换温度传感器的读数,为电阻桥式传感器提供温度补偿(图 4)。

为了进行更广泛的处理和全面管理现场仪表,设计人员可以采用高性能的 Arm® Cortex®-M4 MCU,如 Analog Devices 的 MAX32675MAX32690,而新型 AI 微控制器,如多次获奖的 MAX78000 系列,可确保在边缘以最高效率执行神经网络。高性能 MCU 通过 Analog Devices 的 ADUM1440 数字隔离器与传感器子系统隔离,负责管理现场仪器操作、附加外设和连接。

这些 MCU 专为工业自动化而设计,可满足不同的专业应用要求。例如,MAX32675 非常适合 4-20 mA 电流环路应用,而 MAX32690 则为无线应用集成了先进的低能耗蓝牙 5.2 (BLE) 无线电以及足够的存储空间,以支持 Profinet 等大型通信栈。这两款处理器通过提供集成的真随机数生成器、高级加密标准 (AES) 引擎、安全的非易失性密钥存储和安全引导功能,解决了日益增长的安全问题。

为了给现场仪表中的器件提供稳压电源,设计人员通常会采用低压差 (LDO) 稳压器(如 Analog Devices 的 ADP162)以及 DC-DC 降压开关稳压器(如 Analog Devices 的 ADP2360)。确保为处理器子系统提供正确的供电电压,对于在电气噪声环境中工作的智能现场仪表设计至关重要。利用 Analog Devices 的 ADM8323 监控器,设计人员可以确保供电电压保持在预设电压阈值之上。

在上电、掉电和欠压事件期间,ADM8323 会发出一个信号,将 MCU 保持在复位状态。当电源恢复到阈值电平以上时,ADM8323 释放复位。此时,支持安全引导功能的 MCU(如 MAX32675 和 MAX32690)会在继续执行之前确认程序代码的真实性。为了确认代码执行是否正常,设计人员可以使用 ADM8323 的窗口式集成看门狗定时器。

获取传感器数据和可靠地执行代码是智能现场仪表运行的基本要求。在应用层面,可靠的通信至关重要。多年来,智能连接现场仪表一直依赖于 4-20 mA 电流环路设备,并使用相位连续频移键控 (FSK) HART 调制解调器协议进行数据交换。设计人员可使用 Analog Devices 的 AD5421 4-20 mA DAC 和 AD5700 HART 调制解调器,轻松支持现有的电流环路和 HART 协议接口。

工业自动化解决方案需要更高的电压等级和更大的带宽,而早期的方法无法支持这些要求,因此需要像 10BASE-T1L 物理层标准这样的连接选择。设计人员可以使用 Analog Devices 的 ADIN1100ADIN1110 快速实现 10BASE-T1L 连接。ADIN1100 为设计提供物理 (PHY) 层收发器,而 ADIN1110 则同时集成了 PHY 收发器和媒体访问控制 (MAC) 接口,可与未集成 MAC 的低功耗处理器配合使用。

扩展并增强现场仪器以满足特殊要求

通过添加或替换一些组件,设计人员可以扩展和增强图 3 中相同的压力传感器设计,以针对特定应用打造所需的联网现场仪表。例如,电磁流量变送器的设计可能会使用相同的整体结构,只是根据需要添加或移除一些组件(图 5)。

电磁流量变送器示意图图 5:设计人员可以在重复使用现有现场仪表设计元件的同时,快速响应新的传感器接口要求,如图中所示的电磁流量变送器所需的接口要求。(图片来源:Analog Devices)

对于这种应用,许多相同的组件可以满足整体要求,但需要不同的传感器接口。设计人员可以使用合适的仪表放大器(如 Analog Devices 的 AD8422)、ADP2441 DC-DC 稳压器和 ADuM4121 隔离栅极驱动器来提供流量传感器所需的恒流激励源,从而满足新的传感器接口要求。

另有一些可用的构件可满足新出现的专门要求。例如,联网的智能现场仪表可能需要加密和认证功能,以保护数据不被泄露,并要确保从主机传递到仪表的控制指令的完整性,从而满足最新的 IEC 62443 要求。在这种情况下,设计人员可以添加 Analog Devices 的超低功耗 MAXQ1065 安全协处理器,以计算用于 AES 信息加密的会话密钥。

结语

先进的工业自动化应用以智能现场仪表的功能为基础,可支持更多的传感器和执行器。为了有效地设计这些仪器,设计人员现在可以利用全套设备来支持更苛刻的传感器接口、处理器、电源和连接要求。

免责声明:各个作者和/或论坛参与者在本网站发表的观点、看法和意见不代表 DigiKey 的观点、看法和意见,也不代表 DigiKey 官方政策。

关于此作者

Stephen Evanczuk

Stephen Evanczuk 拥有 20 多年的电子行业编辑经验,主题涉猎广泛,涵盖硬件、软件、系统以及包括物联网在内的各种应用。他拥有神经网络领域的神经科学博士学位,曾经从事航空航天领域大规模分布式安全系统和算法加速方法方面的工作。目前,他不是在撰写技术和工程文章,就是在研究深度学习在识别和推荐系统方面的应用。

关于此出版商

DigiKey 北美编辑