Den autonome industrielle revolusjonen

Fra oppfinnelsen av bomullsmaskinen og dampmaskinen under den første industrielle revolusjonen til utviklingen av samlebåndet under den andre revolusjonen, har verden tatt store sprang fremover takket være den raske innføringen av ny teknologi.

Raskt tempo

Mange analytikere er enige - den neste industrielle revolusjonen er allerede over oss, drevet av vekst i Industri 4.0 og autonome systemer. Presset mot mer effektiv bruk av materialer og arbeidskraft i den neste tidsalderen med industriell utvikling krever at den underliggende teknologien fortsetter å utvikle seg i et raskt tempo.

Automatiserte og autonome roboter, kjøretøy og droner, tett integrert i produksjons-, gruve-, jordbruks- og logistikkprosesser, er kritiske pilarer i den pågående industrielle revolusjonen.

Forstå omgivelsene

For å oppnå nødvendig systemytelse som forventes fra autonome applikasjoner, må utstyret både kunne oppfatte og navigere i omgivelsene. Dette kan oppnås ved hjelp av sensorer der utganger er knyttet sammen og tolket av tradisjonelle, AI- eller maskinlæringsbaserte algoritmer. Pålitelighet og tilgjengelighet er de største utfordringene som krever implementering av flere sensorteknologier parallelt, der målet er å forbedre sikkerhet, effektivitet, kostnader og fleksibilitet.

Autonome systemer er avhengige av høykvalitetsdata som samles inn av de sammenkoblede sensorene for å mate AI og algoritmer. Blant de mest aksepterte sensorene i bransjen er radar-, LIDAR-, syn-, ultralyd- og treghetssensorer. Tabellen her fremhever fordelene og begrensningene for hver persepsjonssensor og behovet for flere sensorer i et system.

Persepsjonssensor: Gir maskinene syn

Utfordringene til Industri 4.0 er mangfoldige. Begrenset plass og autonomt virkende maskineri (roboter, cobots, etc.) sammenkoblet i fiendtlige miljøer krever radarteknologi som er mindre i størrelse, mer nøyaktig og i stand til å måle nærliggende mål. Avbildning og klassifisering av omkringliggende områder er avgjørende for effektivitet, produktivitet og sikkerhet.

Drevet av de siste fremskrittene innen RF-transceiver-kretsteknologi, er radar raskt i ferd med å bli en av de viktige sensorteknologiene for persepsjonsapplikasjoner. Et eksempel er 77GHz fullt integrerte heldigitale transceiver MMICs. Høy hastighet og linearitet FMCW-“chirps” kombinert med høy utgangseffekt, sende- og mottakskanaler med lav støy, og MIMO-antennematriser muliggjør nå radarsystemer med høy oppløsning til en rimelig pris. Radarbasert digital stråleforming muliggjør deteksjon av radiell hastighet, vinkel og avstand til flere mål under de tøffeste miljøforholdene - dette er nøkkelen for sikker og effektiv interaksjon mellom roboter, cobots og AGV-er i dynamiske miljøer.

Oppgaven til et autonomt system i industrielle omgivelser er ofte å lokalisere og plukke opp et objekt fremfor å unngå det på en trygg måte. LIDARs sterke objektdeteksjons- og klassifiseringsnøyaktighet gir nøyaktigheten som er nødvendig for å fullføre disse vanlige oppgavene.

LIDAR

LIDAR-systemer opererer i terahertz-frekvensområdet og oppnår fin vinkeloppløsning som omsettes til et dybdekart med høy oppløsning. Med disse høyoppløselige dybdekartene kan et LIDAR-system klassifisere objekter ved å fusjonere med visjon, IMU og radarinformasjon for å ta pålitelige, oppdragskritiske beslutninger. LIDAR-systemer er designet for å fungere i dynamiske miljøer, for eksempel utendørs i sterkt sollys. Ved å bruke smale pulser på 9xx nm og 15xx nm bølgelengder, og drive dem med høy effekt, er LIDAR i stand til å se lenger i disse utfordrende forholdene. I tillegg tillater de smale pulsene finere dybdeoppløsning for å oppdage flere mål innenfor en piksel, mens det infrarøde lyset ved 9xx og 15xx har mindre solar stråling.

Tallrike utfordringer må overvinnes for å stimulere til masseadopsjon av LIDAR-systemer. Disse inkluderer komplekse og kostbare signalkjeder, problemer med optisk design, systemtesting og kalibrering. Det pågår utvikling for å integrere disse signalkjedene og redusere kompleksitet, størrelse, strømbehov og totale eierkostnader.

Navigasjonssensor: Gir maskinen følelse

Etter hvert som sensorer blir mer og mer vanlig i industrielle maskiner, og dataene som er tilgjengelige fra dem blir rikere, øker også betydningen av plassering og relative bevegelser. Autonomi er ofte knyttet til mobilitet, og derfor er det å finne frem til et kjøretøys posisjon, veilede en maskins bevegelser og nøyaktig styring av instrumentene er viktige funksjoner. Å oppdage slike bevegelser med presisjon tillater vanskeligere og mer verdifull bruk av applikasjoner, der sikkerhet og pålitelighet også kreves. Smart jordbruk, for eksempel, utfordres til kontinuerlig å øke effektiviteten i avlingsforvaltningen, og lokalisering av instrumenter innen centimetre er den primære driveren for å konservere det som kommer inn, og maksimere det som kommer ut.

En tilnærming til autonom navigasjon er å utnytte GNSS-lokalisering, som – selv om de er allestedsnærværende – også er sårbare for signalavbrudd. Full autonomi krever ubegrenset drift, uten risko for blokkering eller midlertidig forstyrrelse. Treghetssensorer tilbyr en komplementær bevegelsesmåling, fri for forstyrrelser og behov for ekstern infrastruktur. En kombinasjon av lineære- og rotasjonssensorer, på alle tre aksene, kombineres vanligvis til en treghetsmålingsenhet med seks frihetsgrader (IMU). IMUens utganger kan håndteres med ekstra prosessering for å gi relativ oppførsel, kurs og hastighet. Dette gir til syvende og sist det som er kjent som “dead reckoning guidance”.

Treghetsensorer

En spesiell klasse treghetssensorer er nødvendig for å bestemme nøyaktigheten ved centimeter nivå posisjonering, eller en tiendedel av en grad av pekevinkler. Utdataene fra IMUer på forbrukernivå driver av veldig raskt selv under gode miljøforhold. De er ikke i stand til å skille ønsket bevegelse fra andre feilkilder, inkludert vibrasjoner og tverrakseforstyrrelser. Treghetssensorer med høy ytelse har høy stabilitet i området 1°/time, bruker spesielle sensorarkitekturer for å avvise lineære g-feil, og er kalibrert for å kompensere for temperatur- og innrettingsforstyrrelser. Denne presisjons bevegelsesfangsten gjøres med 10× til 100× høyere hastigheter, sammenlignet med GPS og persepsjonssensorer, og er dermed best i stand til å erstatte den menneskelige instinktive bevegelsessensoren som er avhengig av i ikke-autonome maskiner.

Presise og sikre

Veksten av denne industrielle revolusjonen er avhengig av utviklingen av den underliggende sensorteknologien som støtter autonomi. Egenskapene til radar, LIDAR og kameraer har det som skal til for å nøyaktig oppdage og klassifisere objekter på både kort og lang rekkevidde. Dette vil gjøre det mulig for autonome industrikjøretøy å se effektivt, omtrent som en menneskelig operatør. I tillegg vil treghetsteknologi være avgjørende for å gi magefølelse eller “dead reckoning guidance” til autonome applikasjoner. Jo mer presise sensorene er, jo høyere kvalitet er dataene som mates inn i kunstig intelligens, og dette fører til syvende og sist til en sikrere og mer effektiv applikasjon.

Se mer om ADIs autonomiutvalg på analog.com/autonomy.

Om forfatterne:

Andreas Parr, Senior Marketing Engineer Business Development,

Bob Scannell, Product Marketing Manager,

og Sarven Ipek, Marketing Manager, alle fra Analog Devices