- Advertisement -
首頁 技術頻道

技術頻道

- Advertisement -

提升彈性/簡化分工 OC SSD升級儲存容量/速度

圖1是一個共享儲存系統示意圖,底層的硬體儲存裝置是由許多固態硬碟(SSD)所聚集起來,在其上有一個儲存管理的軟體,這個軟體負責管理分配底層的SSD空間和頻寬,來提供上層各個不同應用所需的儲存服務。因此,擁有資料中心(Datacenter)的雲端服務業者(Cloud Service Provider, CSP),以及提供企業儲存方案的系統整合廠商(System Integrator, SI),都在尋求更具經濟效益和彈性維運效率的儲存架構來滿足眾多應用的需求。 圖1 共享式儲存集結許多硬體儲存裝置(如SSD),經由軟體管理分配,提供不同應用所需的儲存服務。 雲端服務業者提供給使用者許多應用程式和雲端儲存服務,種類多樣且變化快;企業儲存方案的系統整合廠商使用服務相對有限和固定,但對於儲存的優化需求也一樣存在;再者,現今NAND Flash技術發展迅速,3D NAND Flash堆疊層數增加帶來更高的單位體積容量以及更低的單位容量成本,良率也趨於成熟穩定,因此造就NAND Flash的迭代時程越來越密集,而基於新的NAND Flash技術的SSD產品更新也就越頻繁。 但每一個新的SSD產品要導入,就必須進行一輪嚴謹漫長的測試驗證,完成通過後還有繁複的SSD上線實測應用的過程,這些都是數據中心維運的隱性成本,也是一大困擾。最後,由於數據中心對於SSD的使用量越來越大,而數據中心也遍布全球,除了要避免受限於少數SSD供應商,也要避免受限於基於單一或少數幾家NAND Flash廠商的SSD產品,才能有更好的議價能力,也才能分散採購備貨風險(特別是在NAND Flash短缺的情況下)。 綜合以上所述,數據中心期待的儲存架構要能滿足以下特性,以降低整體維運成本(Total Cost of Ownership, TCO)。 .具有優化彈性、能快速導入、開發新功能的儲存架構。 .跟隨新的NAND Flash技術演進,減輕驗證工作、縮短導入上線時程。 .採用適配各家NAND Flash的SSD方案,以達到供應鏈的多元化。 Open Channel SSD架構/概念解析 Open Channel SSD正為上述的問題帶來解決方案。以下簡要說明OC SSD的概念和架構。 如大家所熟知,SSD上的控制晶片需要有一套韌體(FW),來管理主機(Host)端寫入的數據如何存放於NAND...
0

微米級精密組裝/軟板插件走向自動化 力覺感測技術不可或缺

力覺感測技術就是讓機器手臂也能勝任軟板/纜線插件、微米級精密組裝等「細活」的關鍵。藉由力覺感測,手臂能感知其所接觸的物件反饋給機器手臂的力量,同時也讓手臂得以精準地控制其對工件所施加的力道。這不僅讓手臂得以勝任各種需要纖細力道控制的工作,對容易破碎的物體進行作業,也讓手臂能夠精準地把工件插入孔位。 力覺感測結合手臂的特殊考量因素 對機器手臂而言,除了機器視覺之外,力覺也是一個很常見的配套感測技術。但相較於視覺,力覺感測屬於接觸式感測,因此力覺感測的設計開發要顧慮到許多機械結構的因素。 雖然力覺感測的技術流派眾多,但大致上都可用彈簧跟阻尼的概念來理解,因此,當手臂上的力覺感測器受到一股外力作用時,感測器會有程度不一的變形。 除了感測器本身的變形外,另一個會影響到感測器運作的機械性因素是感測器跟控制器的配線。目前市面上絕大多數的機器手臂若要搭載力覺感測器,都是用外掛的方式加裝在手臂上,感測器與控制器之間的連接線纜則裸露在手臂本體外。因此,若配線時沒有保留適當的裕度,手臂伸縮運作會拉扯到配線,使力覺感測器受力,從而影響力覺感測器的讀數。 圖1跟圖2是兩種力覺感測器整合在機器手臂上的配線方式,圖1是完全外露的配線方式,圖2則是讓線路在機械手臂內部走線。在由圖2可看出,在設計時就考慮到整合力覺感測器需求的機種,像是愛普生(Epson)的C8系列機器手臂,在配線上會相對輕鬆許多,因為裸露在外的線路很短,不太需要擔心手臂運動會拉扯到線路,影響力覺感測。 標題 標題 除了機械性因素外,感測器本身的噪訊水準,也是影響感測器精準度的一個重要因素。為了獲得更好的解析度,感測器本身的噪訊水準必須非常低,否則訊號會被雜訊蓋過。 簡化開發/降低成本 統一軟硬體平台有大用 不可諱言的是,力覺感測是一種成本較高,應用上也有比較多因素需要考量的技術,因此,目前力覺感測在產線上的運用還沒到十分普及的地步。如何降低門檻,遂成為手臂/力覺方案供應商必須面對的課題。 就如同機器視覺跟機器手臂採用統一平台,可以帶來很顯著的效益。力覺跟手臂供應商如果能預先考慮到整合應用的需求,在產品設計時就提出完整的對策,也可幫用戶跟系統整合者省下許多麻煩。前面提到,在手臂本體上預留力覺感測器的連接介面,就是一個很顯著的例子。 不過,如果是只提供機器手臂或力覺感測方案的業者,要在產品設計階段就有這麼周延的考量,其實有實務上的困難,而這也是由單一供應商包辦整套方案的優勢所在。 以愛普生為例,在硬體面,除了手臂上預留連接介面之外,如果能直接在手臂控制器上內建力覺感測器介面,就有機會幫使用者省下額外採購力覺感測處理器的成本。如果是在比較單純的應用情境,例如一支手臂搭配一顆力覺感測器的狀況下,愛普生的手臂控制器(CU Controller)可以透過安裝介面卡的方式,直接與力覺感測器建立連線。但如果應用需要用到多顆力覺感測器,則可以採用額外的一對多處理器,再與手臂控制器連接(圖3)。 標題 在軟體整合層面,如果手臂跟力覺感測器來自兩家不同的供應商,系統整合者(SI)或製造業者內部的自動化工程團隊,也很難期望能用同一套開發工具為手臂跟力覺編寫控制程式,資料拋轉也會是個蠻麻煩的問題。但如果手臂跟力覺來自同一家供應商,不僅開發工具統一,甚至連程式撰寫都會變得相當輕鬆。 事實上,對愛普生手臂跟力覺的軟體整合者而言,手臂跟力覺的整合是非常直覺的。使用者甚至只須在既有的手臂控制程式後面加上一段力覺描述,就能完成軟體整合。使用者也可以把力覺感測宣告為某種手臂動作的觸發條件,當力覺感測器感應到對應的力量訊號,就能指揮手臂進行對應的動作。 此外,為了簡化手臂控制程式的編寫,有些機器手臂業者開始推廣手動教導式編程的概念,也就是用人手拉著機器手臂,讓機器手臂自行紀錄其運動軌跡,以取代傳統的程式編寫。這種做法在協作型機器手臂上很流行,但工業手臂搭配力覺感測器,其實也可以實現類似的功能。在手動教導模式下,手臂運動是外力(人手拉動)所造成的,故手臂上只要有力覺感測器,能一五一十地記錄下手臂本體所受到的外力大小、方向,也能做到類似的功能。 力覺感測拓展機器手臂應用範疇 對電子產品的組裝作業來說,使用整合了高解析度力覺感測器的機器手臂,最大的優勢在於可以執行十分高精密度的插件組裝作業。此外,在高解析度力覺感測的輔助之下,有些至今仍必須採用人工插件的作業程序,也可以改由機器手臂執行。 在高精度插件應用方面,由於許多電子終端產品都越來越小巧,因此其連接器跟板卡之間的空隙或公差,也跟著縮小到數十微米等級。在這種情況下,即便用人力來插件,也未必能有很高的作業效率,因為板卡跟連接器之間的縫隙太小了,如果插入的方向稍微有點角度偏差,就會無法插入。 但整合了高精度力覺感測器的機器手臂,在夾持工件插入連接器的過程中,會不斷感測到接觸面施予工件的反作用力,並藉此不斷調整其插入的角度,正確地完成插件作業。如果在連接器母座上有導角設計,還可以發揮引導手臂尋找孔穴的效果,加快組裝作業的速度。根據愛普生的測試,整合高解析度力覺感測器的手臂,即便公頭跟母座間的公差或縫隙只有1條(10微米),也可以順利執行插件作業。 另一個插件應用的案例則是傳統電容的插件作業。雖然現在大多數電子產品已經不再採用帶有兩條插腳的傳統電容,改用晶片電容,但由於晶片電容的容值較小,因此某些應用還是得採用傳統封裝的大型電容。 就產品組裝來說,要在電路板上正確插入這種電容,最大的挑戰在於電容的接腳既長又軟,很容易受力變形、歪曲,因此在組裝時,往往還是得用人工插件來安裝這類電容。然而,在高精度力覺感測的輔助下,機器手臂可以先把電容的正極(長腳)插入電路板上的孔穴,然後再用力覺感測幫負極(短腳)尋找到正確的孔穴,完成插件作業。只要長短腳之間的開岔變形在容許範圍內,手臂就能完成自動組裝。 軟性電路板(FPC)、排線的組裝,目前也大多仍由人工進行,因為軟板、排線的插件作業對力道控制有相當的要求,而且插完後有時還要稍微回拉,以確定連接器跟排線/軟板已牢固接合。若要用機器手臂執行這種需要精準力道控制的作業,力覺感測技術可說是基本配備。 除了這些精密組裝之外,力覺感測還有其他的應用潛力,例如運用在軸承跟轉軸的組裝,或是工件的拋光處理上。 軸承跟轉軸的組裝有時需要用恆定的力量持續推動轉軸,使其穿過軸承,這時力覺感測就能派上用場。在拋光作業方面,現在普遍的作法是讓手臂夾持著工件,按照固定的路線跟角度,讓工件與砂輪機產生接觸。但這種做法無法確定工件跟砂輪機接觸的力道,當砂輪隨著時間出現磨耗,工件的拋光效果會慢慢變得不如預期。若是有力覺感測技術輔助,則工件跟砂輪接觸的力量便可一直保持在恆定狀態。 慢工出細活 手臂動作速度將受限制 對製造業者來說,機器手臂的動作速度越快,則生產線的產能越大,因此製造業者在使用機器手臂時,往往會希望手臂無時無刻保持全速運轉狀態。然而,如果要用機器手臂做精密組裝,則手臂運作的速度會受到一定限制,因為「慢工出細活」這句話在機器手臂上面也同樣適用。 對力覺感測器來說,手臂運動所產生的加速度,其實是一種干擾訊號。因此,若想用搭載力覺的手臂來做精密組裝,手臂的加速度不能超過精密組裝所需的力覺解析度門檻限制。這也意味著手臂在做精密組裝時,動作必然要放慢。因此,製造業者若有精密組裝的需求,在此作業階段可視產能需求,多設幾個平行工作站來避免精密組裝成為產線的瓶頸。 另外,將自動化生產納入考量的設計觀念(Design for Automation, DfA),在未來也會越來越受到重視。一點小小的設計變更,就能讓機器手臂作業變得更順暢。DfA是一個跨部門,跨產業的議題,需要各方通力合作,才能找到理想的解決方法。 (本文作者任職於愛普生)
0

數位連續性/數位雙胞胎新思維發酵 智慧製造應用加速落地

無論是將其稱為工業4.0還是「智慧製造」,全球專家都一同在關注如何從智慧設備中獲得資料並加以分析,進而改善他們的產品以及製造產品的過程。這種方法的優勢包括提高效率與降低成本,並且能夠透過個性化解決方案迅速回應市場波動。 然而,在這場工業4.0的長跑中,許多製造商都被自家資料作繭自縛。儘管這些老舊過時的系統在部署之初代表了當時最先進的水準,但它們的資料通常必須在下游的某個系統或多個系統中重新建造。因此導致資料複製和不一致性對深度分析資料造成了阻礙,也為現代製造業帶來各種弊端。 「數位連續性」是此症狀的解藥,現在的所有權模組(Ownership Model)、燃料種類與駕駛自主程度發展快速,推動汽車製造商應對日益繁雜的產品組合,因此數位連續性的概念成為了關鍵。 數位連續性是我們在21世紀的數位世界中所需要的核心特色。如果我們毫不知情地使用已被新設計淘汰的版本,代價將會十分慘痛。如果生產部門明知道設計無法被正確製造或以合理成本製造,那麼工程部門遞交設計時也將同樣付出慘痛代價。如果我們對機械設備之間的溝通毫不知情,那麼將會造成重大製造事故。 孤立性資料使產業價值鏈複雜化 據麻州一間專門分析數位轉型的商業諮詢公司LNS Research表示,所有類型的製造商都已意識到目前的難題。在2015年「The Global State of Manufacturing Operations Management Software: Weaving the Digital Thread Across Industrial Value Chains」的研究中,LNS對北美、歐洲和亞太各種規模的離散式與流程型製造商進行了調查。 研究發現,受訪者反映最多的兩大營運難題都與數位連續性的斷層直接相關。48%的受訪者表示部門之間缺乏合作,而39%的受訪者表示離散式系統與資料來源之間欠缺互通。 約38%的受訪者認為,供應和需求鏈之間的合作困難,因為製造業表現指標的即時透明度不足,缺乏持續改進的文化與流程,而數位連續性有機會解決以上所有難題。 LNS研究亦指出,在持續不斷的資訊流支援下,來自各部機構的營運決策,如品質問題、資產管理、會議耗材、客戶意見等資訊,都能支援訪問並與相關企業及部門具體決策合為一體,促進生產力、品質、利潤等關鍵績效指標的總體提升。 原有系統差異性造成資料混淆 前福特汽車全球製造部執行副總裁暨現任佛州麥爾茲堡獨立汽車諮詢顧問John Fleming指出,隨著工業4.0被廣泛接受,汽車產業認識到原本系統所帶來的難題,但尋求臨時解決方案的想法仍然強烈。 重要系統的異動帶來成本和投資方面的問題,往往造成不夠周全的決策。根據現代技術而言,我們是否付出足夠的努力去辨別技術能為哪些領域帶來機遇?有時候人們並未完全理解那些商業案例。 風險的威脅也是持續不斷,汽車製造商無法承擔採用不同機制結果卻一敗塗地的代價,他們面臨極大的壓力,所以和完全顛覆現有方式相比,淺嚐即止的改變較為容易。然而,仍有許多人認為先完成產品開發,再給製造部人員生產同樣可行。 數位連續性保障資訊完整 數位連續性能夠打造出一套獨特、權威且具一致性的資料來源,貫穿從概念到設計、工程開發、製造與售後服務的整個產品生命週期。 數位連續性背後的理念在於,仍然保持由產品開發到產品營運和支援的時序進展,然而各階段中的資訊能夠實現相互整合。例如在產品開發階段,產品的設計不僅需要滿足功能要求,還要符合可製造性與可支援性。有關實際可製造性的資訊回饋到工程開發階段,便於解決未來潛在的製造可行性問題;有關產品實際效能的資訊回饋到工程開發和製造階段,便於改進對產品及其製造可行性的評估。 數位連續性能帶來巨大影響的一個領域就是資訊保障。如果經銷商需要為消費者進行零件替換,他們要向製造商收費,而製造商又要向供應商收費。現在的問題在於,如何能夠運用現場的數據,不僅要用於成本調整與會計,還要將數據發回零件開發流程。這樣製造商的下一代產品就不會發生同樣的品質問題。 幸運的是,藉由推動數位轉型的技術實現數位連續性已不再困難。由於能夠和汽車製造商已部署的原有系統平穩交流,此類技術還能避免風險因素。 例如,精密的數位平台現在已搭載了強大的搜尋引擎,能同時運用原有系統中儲存的結構化與非結構化資訊,該平台可搜尋企業所有系統的相關資訊,在編譯之後以資料和預測分析的形式呈現給客戶。無論是來自OEM或供應鏈合作夥伴的授權使用者,都能看到同樣的資料,並針對每個人的具體功能需求調整格式。隨著下游產生的變動,呈現給使用者的資料也會不斷更新,進而確保數據的準確性與時效性。 以傳統方式手動蒐集數據並針對關鍵利益方傳遞分享,這種方式不但無法持續且收益迅速減少。現在的技術可支援涵蓋由設計到工程開發、製造、傳遞及服務的整個產品生命週期資訊整合,能夠採用比以往更快、更準確和更高效率的方式,透過一個數位化模型將可運用的即時資訊傳送給需要的部門。 數位雙胞胎改善企業營運 另一方面,現今有遠見的企業也正以「數位雙胞胎(Digital Twins)」的方式運用營運數據及虛擬模型。 世界各地的製造商在設備中納入感測器與通訊功能,用於即時資料的蒐集。其中,最先進的設備可以將採集到的資料提供給分析師所稱的數位雙胞胎,在使用中的設備和用於開發這些設備的3D模擬之間形成即時回饋迴路。對於如何將此構想運用在改進善客戶體驗,本文亦針對幾家公司進行了研究調查。 由芬蘭動力系統大廠瓦錫蘭(Wärtsilä)設計和製造的四衝程柴油發動機能為70個國家的遠洋貨輪和遊輪提供動力。瓦錫蘭發動機的壽命通常為25~30年,為世界上最大型的發動機。2015年版「金氏世界紀錄」也將瓦錫蘭發動機認證為世界最高效率的發動機。 而瓦錫蘭是如何做到的?於上世紀70年代初,瓦錫蘭就意識到每台巨型發動機構建物理原型(用於發現和杜絕錯誤)的成本非常昂貴。因此該公司率先採用了先進的3D建模和模擬技術,實現了能夠「一次性成功」製造的發動機設計。 瓦錫蘭數位設計平台經理Juho Könnö表示,船艇產業採用模擬的是一種水到渠成的發展方式,模擬在很大程度上就是不斷地逼近現實,運用模擬時,可以更理解產品以及真正需要關注的問題。 今日,瓦錫蘭利用安裝在每台新發動機上數百個感測器所提供的現實效能數據,不斷強化自身模型與模擬,創建出重現實際工作條件下的數位雙胞胎模擬(圖1)。在使用支持科學準確性的3D模擬時,此類數據能夠幫助力瓦錫蘭的專家顯示具體發動機的使用方式並操作「假設」場景,尋求改善效能的機會。根據分析,瓦錫蘭能夠提出設置和操作參數的調整建議,幫助船商更順利的操作自己的發動機。 圖1 瓦錫蘭利用安裝在每台新發動機上數百個感測器所提供的現實效能數據,不斷強化自身模型與模擬,創建出數位雙胞胎。 另外,瓦錫蘭還能將已確認的設計改進並納入未來的發動機設計。Könnö表示,從實體發動機取得資料對開發模擬而言至關重要,儘量運用模擬去調整校正發動機。相反地,該公司還利用模擬模型探索發動機哪些地方適合測量參數,這是一種相輔相成的應用。 數位雙胞胎已成趨勢 在全球各地,其他創新型企業也正在努力將自身產業達到類似的應用水準。透過將迅速增強的運算能力、配備感測器的機械設備和透過物聯網實現的即時資料採集與分析結合在一起。這些企業正將智慧3D模擬提升到新的水準,大幅度改進設計和建造流程、製造環境以及客戶互動的成效。 因此,資訊技術諮詢公司Gartner將「數位雙胞胎」評為2017年十大戰略科技發展趨勢之一。「數位雙胞胎」概念即透過各種先進軟體工具的使用,在虛擬環境下真實再現客觀世界的場景,透過強大的模擬技術來進行模擬、驗證,盡可能取代傳統比件進行驗證的方式,以降低研發成本。雖然大多數企業還沒有達到瓦錫蘭的先進水準,但其他產業的競爭者也在追尋連續回饋與實驗的虛擬-現實迴路的優勢。 以賽車為例子,法國永馳集團(Everspeed Group)的設計生產部門Onroak Automotive正在開發為期三年的專案,希冀徹底改變自行生產汽車、培訓機械師和車手以及管理利曼車賽的方式。利曼車賽(Le Mans)是世界上歷史最悠久的汽車耐力賽,目前該專案已進入第二年。這項年度賽事要求參賽車輛連續行駛24小時,完成12圈賽道。賽道是由封閉公路和一條環形賽道所組成。 即便是極小的優勢也能決定勝負,Onroak...
0

3D NAND BiCS3新血注入 PCI-e SSD進攻企業儲存市場

當各家SSD控制器供應商在產品設計屢屢推陳出新、技術愈臻成熟穩定時,SSD也開始跨足企業儲存市場。迄今最新支援PCI-e介面的SSD應用控制器足以支援PCI-e Gen3×4,傳輸頻寬近32Gbps,遠遠超越過去SATA3.0的6Gbps頻寬,預期PCI-e SSD需求會愈來愈高,甚至有機會取代SATA SSD,也是時候順勢進入企業儲存市場,因應市場應用隨之推出適合的PCI-e SSD。 企業儲存常見的三個應用範疇分別是內容傳遞(Content Delivery)、虛擬環境(Virtual Environments)和資料庫管理(Database Management),根據其市場而個別引進強調讀取、專注寫入或讀寫兼具的SSD(表1)。藉著內容傳遞作為商業模式的市場如網路服務、雲端運算和Metadata加速搜尋市場等,採用的SSD儲存裝置著重讀取速度和延遲(Latency)效能;虛擬環境下的虛擬平台同時要求隨機讀寫IOPS(Input/Output Operations Per Second)和低延遲,適合選用讀寫兼具的SSD;至於資料庫管理如資料中心強調資料記錄與備份,寫入取勝的SSD更容易脫穎而出。 整體來說,企業儲存市場對SSD儲存裝置之要求相對於消費型市場更為嚴謹,除了速度考量之外,其他像是儲存服務品質(Quality of Service, QoS)、企業等級資料保護技術和內部傳輸端資料保護(End-to-End Data Protection)等規格,都是SSD控制器供應商需要達到其標準才有機會角逐企業儲存市場的一席之地,這幾項規格也將在本文後續逐一探討其重要性。 儲存服務品質穩定 SSD儲存服務品質意指SSD在特定時間內進行讀寫時,能夠維持穩定且一致的延遲時間(Latency)。換言之,儲存服務品質表示SSD處理資料指令時,從99%甚至到99.999%之信賴區間,不同信賴水準線能保證資料處理之回覆時間(Response Time),做為企業SSD儲存裝置評比之一。 然而,SSD採用的NAND Flash受其特性限制,往往在處理主機端(Host)資料時,也需要同步著手SSD內部背景管理(Background Management),諸如資料抹除(Erase)、碎片回收(Garbage Collection)、耗損平均技術(Wear Leveling)等,進而遞延整個SSD處理時間,甚至有可能產生高延遲異常值(Latency Outlier)、速度驟降等問題(圖1)。 圖1 高延遲異常示意圖 資料來源:群聯電子整理 因此,為了維持儲存服務品質之穩定與一致性,避免發生速度驟降或強烈震盪不穩等問題,SSD控制晶片需要最佳化分配內部資源與處理程序,以求有效降低處理後之回覆時間。常見的解決方式有三種,各是指令優先處理設計(High Priority Queue)、擱置資料抹除程序(Erase...
0

數位/類比整合型MCU助力 血糖機降低血球干擾

血糖機是用以讀取血糖感測試片訊號並顯示所估測血糖值之必要裝置。因此血糖機檢測精確度的重要性於各國相關法規日趨嚴謹,如: 1.ISO15197對血糖機的要求標準,2013年版已經將≥100mg/dL量測值誤差規範從±20%下修至±15%,並規定業者在2016年全面落實。 2.美國食品藥物管理局(USFDA)於2016年10月公告更嚴格的血糖機檢測標準,公告中明確指出:血糖機送審測試樣本要求,除了原本不同血糖濃度範圍之樣本,還須增加來自不同血球容積比在不同血糖濃度下之量測干擾偏差數據。 人體血液血球容積比之個體差異相當大,紅血球是影響葡萄糖在血糖感測試片上經化學反應釋出電子擴散移動的物理屏障。因此血球容積比的高低,會使葡萄糖釋出的電子,在血糖感測試片中的擴散移動受到影響,進而導致血糖機量測血糖值的誤差量被放大。通常血球容積比偏高,會引起血糖機的讀值偏低;反之,積水或貧血病患的血球容積比偏低,則會使血糖機讀值偏高。而當實際血液中的血糖值偏低,但血糖機測量讀值卻偏高的情況,對糖尿病患者而言是非常危險的事情。 美國食品藥物管理局建議血糖機量測血糖值的血液樣本,其血球容積比的容許範圍為10%~65%,其具體意義指的是:血球容積比在10%~65%範圍內,血糖濃度≥100mg/dL量測值,其誤差量必須在±15%以內。 一般市售血糖機,通常都只單純量測血糖濃度,血球容積比則在35%~55%的範圍內,而忽略血球容積比對血糖量測的影響。如此做法僅勉強符合ISO 15197:2013版法規的要求,且幾乎都已接近界限值。而能夠符合新版FDA建議的10%~65%容許範圍的產品,目前市場上並不多見。 MCU為血糖機量測核心 血糖機是以微控制器(Microcontrol Unit, MCU)為核心,其周邊控制、演算法運算、資料儲存、數值顯示、錯誤資訊提示等,都需要透過MCU來完成(圖1)。 圖1 使用瑞薩RL78/L1A微控制器實現血糖機設計的系統方塊圖(淺色底色為血糖機高階功能) 唯有放大倍率電阻無法內建到IC內部,而血糖感測片配方不同,必須進行生物化學與電子電路的小訊號放大匹配,由生化方進行不同血糖濃度的血液測試,進而從數據中分析並找到最佳倍率。 當血液流入血糖感測片而接觸到兩電極後,由DAC提供穩定的反應電壓(0mV&100~500mV),此時血糖感測試片會在血液和酵素交互作用後,釋出電子產生電流。圖2中IGlu就是表示從血糖感測片所產生的電流,OPA電路為I→V功能,OPA Output端量測的電壓波形其實就是血糖感測片實際輸出的電流波形,而後,由ADC擷取電壓波形,各家血糖機廠商再從其中找出與血糖相關的轉換式,由MCU運算後得出血糖值,進而顯示在LCD上並儲存在RL78/L1A的Dataflash中(圖3)。需要注意的設計重點: 圖2 血糖量測的具體應用電路 圖3 血糖測值反應過程的訊號示意圖 .酵素溶解時段 此時段最重要的是DAC必須輸出非常接近0mV的電壓。因為酵素跟血液溶解的同時,也正在跟血液中的葡萄糖產生化學反應,若此時Working Electrode不是接近0mV的電壓,就會對化學反應產生干擾,而此干擾會造成之後在取樣時把量測誤差放大。 .反應及取樣時段 此階段由RL78/L1A的DAC輸出穩定電壓(通常為100mV~500mV)給血糖感測試片的Working Electrode。這就完全是客製化的設計,此電壓必須匹配各家血糖感測試片以及生化方測試方式的要求而給出不同電壓,甚至於不同的測試區間提供不同電壓。 血糖機系統設計RL78/L1A有優勢 對於一般的糖尿病患者,醫生通常一天會使用4次血糖機來量測血糖,高度使用者則一天會使用到7次(早餐前/後+午餐前/後+晚餐前/後+睡前)。若估計每次血糖量測時間為3分鐘,則表示就算是高度使用者,一天仍然只處於開機檢測運算狀態21分鐘。也就是說,通常血糖機在使用者身上,有99%以上的時間都處於待機狀態。由此可知,低待機耗電流對於血糖機系統設計而言是非常重要的特性之一。 RL78/L1A內部有一個非常省電的「32.768KHz RTC振盪電路」,此電路同時具備「省電」以及「起振穩定」兩種特性,此兩種特性使得血糖機在待機模式(RTC On)情況下,平均耗電流可低達「1.2uA~1.7uA」甚至更低,這是業界IC很難達到的效能。另外,RL78/L1A(80 Pins)周邊功能完整,可同時滿足高/低階產品功能需求。 RL78/L1A由於周邊功能相當完整,因此設計上非常靈活。高/低階血糖機可以採用模組化設計,使高/低階血糖機可以共同備料。雖然這些規格用在低階血糖機上會超出設計需求,但若客戶的重點放在共同備料時,RL78/L1A就會是很好的選擇。 在數位電路部分,ROM Size在Pin to Pin Compatible情況下可以支援48KB到128KB,倘若演算法過於複雜,設計者也不用苦尋另一顆IC。因為RL78/L1A在同Pin數的產品上提供不同的ROM Size選擇,而且Pin腳完全相容。 RL78/L1A內建的Dataflash有8K Byte,能夠直接省略一般血糖機必須外掛的EEPROM(24C64之類),除了省下外部IC成本,其他人欲破解Dataflash參數也更加困難,等於是保護作用又多了一層。 晶片內建高速振盪器(High-Speed on Chip Oscillator)能做到全溫域(-40~85℃)都維持±1%的誤差量,故其他周邊也相對穩定,因而在使用上也會更放心。 LCD有4/8COM選擇,再加上有Boost Level Control,在設計上也提供了相當大的靈活度。當產品需要更多LCD點數時,就可以選擇8COM的LCD。 此時Boost Level Control可以配合LCD所需電壓,使其在所選的Level維持穩定。這樣一來LCD的顯示效果也能擁有一定的品質。 在類比前端部分,Rail to...
0

WCCA助電路設計評估 轉換器電流容限估算有訣竅

在本文涉及的分析中,對於電阻器、電容器和電感器,我們只考慮初始容限對元件參數的影響。此外,對於控制器,則僅考慮溫度和老化對其的影響,因為其所有參數都規定為-40℃至125℃範圍內的接面溫度,資料表限制包括老化試驗。本文將透過執行蒙地卡羅分析來估算轉換器在最差情況下的輸出電流極限。WCCA同時採用了幾組方法來分析系統容限: 極端值分析 極端值分析(Extreme Value Analysis, EVA)包括找到最大化和最小化系統/電路輸出(這裡指輸出電流)的參數,並將其效應進行堆疊,找到電路輸出的最差值。需要有明確的函數來描述系統輸出變數及其參數,以便推導出參數向哪個方向(最大/最小)變化會導致電路輸出的最差值。如果我們對系統有一個簡單合理的運算式,這就可以透過檢查來完成。但對於更複雜的、可能涉及非線性函數的運算式,要想確定最差的參數集可能就非常困難。針對這些較困難的情況,我們可能會採用靈敏度分析。 單調系統(Monotonic System)在最差情況下(最極端)的值會出現在當它所有參數在最大值或最小值處達到峰值時。因此,這種系統的EVA結果代表了其可能的最差性能特徵,故結果上可能看起來不樂觀。對於非單調系統,當所有參數被推到一個或另一個極端時,不一定能夠找到函數的最小/最大解,而當一些參數處於其範圍的中間時則可能會被找到。 靈敏度分析 透過靈敏度分析(Sensitivity Analysis)能夠瞭解每個參數(例如:VREF、Rsense、Lp等)對系統輸出變數(例如:Iout)的影響。電路靈敏度是衡量電路在所有其他參數保持不變時,如何對單一組件參數的增量變化做出反應。實際上,它需要找到與所有考慮到的變數相關的系統輸出的區別。當難以或無法透過檢查確定最差的電路參數組合用於極限值分析時,通常可採用靈敏度分析。 蒙地卡羅分析 蒙地卡羅分析(Monte-Carlo Analysis, MCA)是一種統計方法,通常基於電路模擬來評估系統的性能。它是對樣本資料系統的信賴區間的評估電路模擬程式(如SPICE)通常可為蒙地卡羅模擬提供腳本。該模擬包括遵循定義的機率分布(常態分布或均勻分布)為每個參數提供隨機值,並運行多次模擬,計算系統的輸出值。蒙地卡羅模擬通常會生成一個長條圖,顯示多次運行的輸出值散布情況。該長條圖通常看似高斯曲線(Gaussian Curve),模擬器也給出輸出平均值和標準差。可採用以下兩種方法之一對蒙地卡羅模擬的結果進行分析: 1.常態分布的容許區間 2.無分布容許區間 對於這兩種方法而言,分析結果將是一個輸出值的區間,代表與信賴水準相關的覆蓋率。 如果SPICE蒙地卡羅輸出不呈高斯分布,則採用無分布容許區間方法。在本文的案例中,這種方法的容許區間取決於抽樣進行N次測量或模擬得出的最小和最大資料值。測量次數N將設定信賴水準和覆蓋率水準。「e-Handbook of Statistical Methods」一文給出了計算所需模擬次數的方法,以便將最小和最大結果點作為給定的覆蓋率/信賴水準的容許區間。基於此,結果如下: 1.須進行2,456次模擬才能獲得99.73/99的覆蓋率/信賴水準 2.須進行1,439次模擬才能獲得99.73/90的覆蓋率/信賴水準 3.須進行388次模擬才能獲得99/90的覆蓋率/信賴水準 如果手頭只有一個桌上型電腦可用於模擬,進行2,456次和1,439次的模擬並不實際,因為一台桌上型電腦需要幾天的時間才能完成這麼多次PSR恒流返馳模擬,但388次模擬是能夠實現的。 為我們的系統配備一個分析模型能夠帶有一個MCA,比採用SPICE模擬器要快得多。事實上,與線性轉換器相反,PSR返馳是一個開關模式電源。首先必須進行瞬態模擬,直至達到穩定狀態以測量輸出電流值。Mathcad計算輸出電流分布只需幾秒鐘,考慮到2456或更多不同的值,而SPICE在瞬態分析中運行2,456次模擬則需要幾個小時。 為進行WCCA,我們需要確定研究中需要考量的參數。上一段中提出的分析模型包含能夠影響輸出電流的變數。圖1中總結了這些參數,顯示了返馳式恒流轉換器的原理圖,標注藍色的是研究中納入考量的元件或參數。另外,還要考量到傳播延遲tprop。 圖1 一次側穩壓恒流返馳式轉換器中用於研究最差情況下分析的元件 該研究的目標是計算給定輸入電壓和輸出負載下的輸出電流耗散,因此Vin和Vout被視為常數。匝數比Nsp也將被視為常數。對於控制器,我們將參考電壓VREF和至電流轉換器KLFF的線路前饋電壓視為可變參數。對於控制器周圍的元件,RBOU和RBOL是線路電壓感測電阻器,用於建立透過RLFF影響電流感測電壓的線路前饋偏移電流。 返馳式變壓器的一次電感和漏電感(Lp, Lleak),以及感測電阻器可直接影響電流設定點,因此它們也屬於研究範圍。 如前述,RCD鉗位電阻器固定了影響輸出電流的鉗位電壓,因此它也是研究所需要的。 此外,本研究只考慮了這些參數的初始容限(除上一段中解釋過的控制器參數)。目標是提供在轉換器使用壽命之初對輸出電流的預期範圍的估算。 表1總結在研究耗散時需要考量的元件。 下一步包括遵循特定的分布(常態分布或均勻分布)為每個參數生成具有隨機值的向量。為了能夠為每個參數選擇正確的分布,我們需要瞭解元件的製造流程或生產資料。對於控制器,我們具有這方面的知識,但對電阻器或變壓器就不具備。參考文獻表明,當參數的分布函數未知時,應假定為常態分布。另一方面,參考文獻建議在開始分析時對所有變數都採用均勻分布。最終,選擇將Rsense、RLFF、Rclamp、RBOU、KLFF、RZCDU、RZCDL、CZCD以及tprop指定為常態分布。 參數VREF經調整後可為輸出電流穩壓提供嚴謹的參考,因此,均勻分布將受此參數的影響。 我們考慮向量的維數為2,456個元素,這意味著軟體將為每個參數生成一個包含2,456個隨機值的向量。 要採用Mathcad定義常態分布,就需要知道所考慮參數的標準差。由於我們將影響電阻器和一次電感的常態分布,因此必須從參數的初始容限中提取標準差。圖2描繪了具有標準常態分布的隨機變數的機率密度函數(PDF)。標準常態分布是平均值為0、標準差為1的常態分布。可以觀察到,從常態分布中抽取的隨機值中,約99.73%與平均值相差+/-3個標準差(σ),即3σ準則。換句話說,隨機變數值超出平均值+/-3σ的機率是0.0027。可以將其作為起點,並將極限設定在+/- 3σ。基於此,可以將Rsense的標準差定義為: 圖2 標準常態分布   公式1 如果Rsense的隨機值遵循高斯分布,則99.73%的值在標準差的+/-3倍以內:對於Rsense,我們得出圖3中所示的長條圖。 圖3 感測電阻器常態分布 為繪製長條圖,Rsense陣列中的值被劃分為50個直方條。每個直方條的寬度約為1.4mΩ。垂直軸表示落入特定直方條中的值的數量。例如,約275個樣本處於2.9993Ω至3.0007Ω的範圍內。觀察此圖表,可以看到長條圖中某些值位於Rsense +/-1%範圍之外,即圖中Rsense,LL和Rsense,UL之外的範圍。由於製造商的規格也是統計性的,我們不能完全確定電阻值不會超出+/-1%的初始容許範圍,除非在生產時對電阻器100%都進行測試。如果100%的電阻器都經過測試,假設其為截略常態PDF就可能會更精確(圖4)。 圖4 鉗位在+/- 1%的感測電阻器常態分布 在定義了表1中提到的每個參數的向量之後,我們可以計算IL,pk和Vclamp的向量,最後獲得表示Iout可能值的長條圖,如圖5所示。我們可以提取Vin=162V、Vout=20V時的平均輸出電流及最大值和最小值: 圖5 輸出電流分布 -Iout,mean=479mA -σIout=4.99mA -Iout,min=465.3mA -Iout,max=492.2mA 產生的輸出電流分布並非高斯分布。因此,我們將採用無分布區間方法來闡釋結果。對於2456個樣本,輸出電流的區間為,覆蓋率/信賴水準為99.73/99。 最初,該設計的目標輸出電流為480mA:Iout,nom=480mA.最後,如果我們將Iout的精準度定義為與目標值Iout,nom的偏差,則:   公式2 公式3 考慮到控制器參數的溫度範圍為0到85℃,輸出電流容限約為+/-3%。為與模擬器進行比較,我們也採用分析模型來獲得輸出電流分布,為所有相關參數選擇了388個隨機值,從而得到99/90的覆蓋率/信賴水準,結果統整詳見表2。 為進行比較,採用Simplis執行了相同的操作,Simplis是專門用於處理開關電源模擬難題的模擬程式。Simplis與SPICE類似,其工作主要在元件級別,但其分段線性(PWL)建模方法使其能夠以10到50倍的速度對開關電路進行暫態分析(Transient Analysis)。 開發PSR控制器(NCL30082)的行為模擬模型是為了執行瞬態模擬以尋找輸出電流穩態值。蒙地卡羅分析會運行388次瞬態模擬。每次模擬都會將從常態分布或均勻分布中選出的隨機值分配給研究相關的參數。計算每次瞬態類比的50個開關週期的平均輸出電流,最終得到如表2所示的結果。 標題 模擬器直接計算388次模擬的輸出電流的平均值和標準差值。蒙地卡羅模擬持續大約2小時,而分析模型只需要不到1分鐘就能獲得388或2,456個隨機值的結果。可以看出Simplis的結果與分析模型得出的結果非常相近。 在構建特定的轉換器時,很重要的一點是要檢查性能波動,瞭解電路中所用元件的自然擴展情況。如果從主電源給LED串供電看似簡單,那麼要確保這些LED在最終用戶使用時能夠獲得經穩壓的、穩定的電流,則需要進行大量的統計分析。要想確保最高的產品品質,進行此分析極其重要。 (本文作者為安森美應用工程師)
0

單晶片設計發威 77GHz雷達應用更多元

車用領域的頻率調變連續波(FMCW)雷達應用眾多,涵蓋多項人身安全與舒適功能,例如盲點偵測、車道切換輔助、自動車距控制巡航系統、停車輔助等,這些功能均仰賴雷達能夠在各種天候與任何周遭照明環境下,準確可靠地偵測與定位障礙物。 另外在車用領域內,透過雷達感測器獨特的優勢,也能幫助以下幾項應用: .自由空間感測 .駕駛生命跡象監控 .手勢辨識 .使用狀態偵測 FMCW雷達可判斷物體的距離與速度,效能不受周遭照明環境影響,也不須額外增設訊號源,高運作頻率(77GHz)可直接轉譯為較小型的整體方案尺寸。FMCW雷達訊號可穿過塑膠材質,故感測器可安裝在設備背面,如保險桿、儀表板或車身包覆層內,不會影響車體外觀。 FMCW雷達原理 圖1為FMCW雷達原理圖,包含發射器(TX)鏈與接收器(RX)鏈各一做為代表(不過實際上共有多鏈支援多件TX與RX天線),本地振盪器(LO)產生線性頻率斜坡(又稱為Chirp),傳輸至TX天線,自雷達前場景所反射的訊號進入RX天線後,混合傳送訊號,產生中頻(IF)訊號,再由類比數位轉換器(ADC)將接收到的IF訊號數位化,供後續處理。 快速傅立葉轉換(FFT)處理數位化樣本之後,可以判斷物體距離,距離FFT的峰值頻率直接對應於場景中各物體的距離,如圖1右側所示。 圖1 FMCW雷達原理圖 當距離FFT峰值頻率直接對應至物體距離時,峰值相位對於物體距離的微小變化極為敏感,例如物體位置若改變四分之一個波長(以77GHz情況≈1公釐),相位會完全翻轉180度。相位敏感度讓雷達能夠估算振動物體的頻率,也成為估算速度的基礎。 為了判斷現場物體的速度,雷達通常會傳送一系列的線性調頻序列,時間間隔相同,稱為「訊框」(圖2),藉由線性調頻之間的相位差異,判斷與衡量現場場景中物體的速度。 圖2 訊框內包括多項間隔相同的線性調頻。 在一般典型訊號處理鏈之中,裝置以距離FFT執行數位化樣本,對應至每項線性調頻,輸出並儲存在矩陣裡的連續列(圖3矩陣A)。裝置一接收與處理訊框裡的所有線性調頻後,在矩陣A各行的線性調頻產生第二FFT系列(都卜勒FFT)。在執行距離FFT(列)與都卜勒FFT(行)後,可視為對應訊框的數位化樣本平面FFT,判斷物體距離及速度。平面FFT峰值位置將直接對應至雷達前方物體的距離和速度(圖3矩陣B)。 圖3 FMCW雷達的範圍距離與都卜勒處理。 若要判斷斜前方物體,需多項RX天線,裝置先處理每項天線接收到的訊號,形成平面FFT。在處理多項天線獲得的平面FFT矩陣後,可得知前方物體角度。因此雷達能判斷物體距離、速度和角度,雷達效能取決於傳輸訊號,如擴大線性調頻頻寬後,可改善距離解析度;增加訊框長度後,能提高速度解析度,測量速度上限與線性調頻間隔大小成反比;TX/RX天線數量限制角度解析度。 自由空間感測須考量天線配置與視野 自由空間感測器可延伸雷達原有能力,偵測障礙物,例如在打開車門或後車廂時防止撞擊,此種應用仰賴雷達的距離高解析度,以及能夠在近距離偵測障礙物(燈柱、停車擋桿、牆面、鄰近車輛),見圖4;自由空間感測器亦可做為停車輔助感測器。 圖4 自由空間感測器應用 圖5說明自由空間感測器應用的一般處理鏈,本裝置執行平面FFT,處理訊框內的類比數位轉換器(ADC)資料,判斷物體距離及都卜勒,並區別移動物體與靜止物體。雷達若安裝於車門等活動設備上,都卜勒解析度也能判斷靜止物體與雷達的相對速度,而各天線平面FFT矩陣的非同調資料,會形成偵測演算法能夠處理的距離/都卜勒熱點圖。 圖5 自由空間感測器應用的處理鏈示意圖 偵測演算法可做為基本的平均恆虛警率(CFAR-CA)偵測器,有序統計量恆虛警率(CFAR-OS)等版本更加精密,可改善地面雜波存在時的偵測能力。 處理平面FFT矩陣的對應分類後,可估算物體接近的角度,為善用既有TX/RX天線,建議以多重輸入/輸出(MIMO)模式操作系統。在MIMO模式下,角度估算區塊在虛擬天線使用平面FFT處理後的訊號;角度估算演算法能以FFT或波束成形技術演算法為基礎,若使用多訊號分類(MUSIC)等更精密的演算法,角度解析會更精密。 在自由空間感測器應用當中,天線配置與天線元件視野(FOV)都是重要考量,一般必須在仰角視野與抑制地面雜波之間取捨,或是在仰角估算能力與方位解析度之間抉擇。在眾多可能設計之中,以下介紹兩種策略。一是以方位及仰角廣視野設計天線,而天線擺放位置讓MIMO模式能形成平面虛擬陣列,因此可同時估算仰角及方位的角度。 圖6提供幾項範例,雖然方位及仰角廣視野可提供真正的立體感測,但雷達擺放位置必須謹慎思考,才可將地面雜波降至最低。 圖6 平面2-D天線配置(a和b:TI AWR1642,c:TI AWR1443) 另一選項是以仰角窄視野與方位廣視野設計天線,利用天線擺放位置確保方位估算達到最高解析度(圖7)。表1為自由空間感測應用的線性調頻配置範例。 圖7 1-D天線配置 駕駛生命跡象監控應用設計 FMCW雷達技術是促進道路安全的重要應用,可準確監控駕駛心跳和呼吸速率,持續監控生命跡象。這項感測器尺寸小,可達到非侵入式監控,例如嵌入在駕駛座椅背內。 FMCW雷達對於物體位置微小變化的接收訊號相位極為敏感。先前提到,物體每移動1公釐,距離FFT處理資料的相位改變180度,只要善用這項特性,就能估算物體振動頻率,例如心跳及呼吸氣息所產生的振動。這項裝置傳送一系列的線性調頻,距離FFT峰值代表駕駛胸部的強烈反射,裝置內的演算法追蹤線性調頻內的峰值相位,對相位序列進行頻譜分析,以計算駕駛的心跳及呼吸速率。 圖8是以單一處理鏈代表的原理圖,裝置首先使用距離FFT,處理對應至每項傳輸線性調頻的ADC資料,找到相關峰值後,記錄線性調頻內的峰值相位。呼吸所造成的胸部移動約12公釐,是雷達操作波長的數倍(以77GHz情況~4公釐),因此必須適當分析相位,才能正確解讀結果。 圖8 駕駛生命跡象監控應用的處理鏈範例 裝置內的演算法以帶通過濾相位序列,取得相關頻譜(呼吸為0.1~0.5Hz,心跳為0.8~2Hz),以FFT分析產出頻譜之後,可找到心跳及呼吸速率;若希望資訊更加完整,可偵測駕駛體內動作,以彌補缺漏數據或可捨棄讀數。此一應用內無訊框,而是以持續傳送線性調頻方式,並在運作中同時處理。 表2是這項應用的線性調頻配置範例,為求最佳效能,選擇距離解析度能達到最高的線性調頻,有助於區分胸部反應及其他鄰近雜波。若使用多項RX天線衡量角度,可進一步區別駕駛及周遭雜波,甚至可同時測量多人生命跡象。由於心跳和呼吸均為低頻率,可擴大線性調頻間隔,每秒20次的線性調頻就足以確保採樣時,不會出現相位連接;若提高每秒的線性調頻,更可測量心率變化,研究顯示這項數據和睡意有關。 FMCW雷達適用手勢辨識應用 FMCW雷達造就距離與速度(或都卜勒)高解析度的特性,很適合手勢無觸控介面,車用用途包括手勢開啟車門/車廂(圖9),以及手勢控制車載資訊娛樂系統(例如揮手切換螢幕或扭動手指控制音量)。 圖9 手勢開啟車門/車廂應用 圖10是建議的手勢辨識應用處理鏈。首先,對於訊框內線性調頻蒐集的ADC資料,進行平面FFT,判斷現場的距離及都卜勒,再為每項RX天線(若雷達為MIMO模式則為虛擬天線)運算平面FFT矩陣,而各天線平面FFT矩陣的非同調資料,會形成距離/都卜勒熱點圖。 圖10 手勢辨識應用的處理鏈範例 下一步為從距離/都卜勒熱點圖擷取多項特徵,每項特徵(如平均都卜勒或平均距離)就像從熱點圖內計算一個數字,數值反映出特定參數的加權均值,通常是在預估手勢會出現的熱點圖區域內擷取特徵,例如距離50公分內、都卜勒每秒正負2公尺,這個區域可預先固定或動態調整。 雷達的單一訊框為各個特徵擷取單一數值,而一系列的訊框為各個特徵產生時間系列,分析對應各擷取特徵的時間系列可辨別與分類各種手勢,圖10說明處理區塊中特徵的操作步驟。 特徵處理的策略非常多樣,其中一項是在特定時間範圍內擷取特徵後,傳送至機器學習演算法,例如人工神經網路、決策樹、支援向量機,再進行分類;另一種策略是由人工設定邏輯,辨別特徵內的各種標誌;亦可運用混合方案。 特徵處理的產出為被偵測的手勢類型,特徵處理亦可產出與手勢相關的額外數據(如手勢速度),進而改善使用者體驗。 距離與速度解析度高低是手勢辦識優勢的關鍵,故須選擇高頻寬線性調頻,訊框時間也應夠長,才能改善速度解析度。由於最大速度需求不高,可擴大線性調頻間隔,將線性調頻數量(及記憶體需求)降至最低,並維持長訊框時間,表3為線性調頻配置範例。 舉例來說,使用德州儀器旗下的AWR單晶片雷達系列的手勢辨識解決方案,對於開啟車門/車廂的單種手勢應用,AWR1443或許適合;當應用內需分類多種手勢時(如資訊娛樂介面),內建C674x DSP的AWR1642就比較適合。 使用狀態偵測 若孩童和動物困在上鎖的車輛內,很快就會因高溫喪命,此時車內若是有安裝FMCW雷達,便可在車輛無人看管時偵測到他們,進而即時介入拯救生命。 這項應用主要取決於雷達的速度解析度高低,雷達必須從車內靜止雜波區分出就算只有些微動靜的物體(如睡著的孩童)。 圖11為處理鏈範例,訊框包括MIMO模式內,一系列間隔相同的線性調頻。在TX1與TX2之間切換,每一對線性調頻之間的巨大間隙,是為延長訊框時間,並改善速度解析度。 圖11 使用狀態偵測應用的處理鏈範例 首先,裝置計算訊框內所有線性調頻的距離FFT。產出的距離FFT傳送至雜波移除區塊,可以排除對應至靜止雜波的訊號,確保後續區塊能針對有關訊號操作(即對應至緩慢/間歇移動的物體)。 這個區塊可以估算每個距離分類內的DC元件(線性調頻內的距離分類均值),再從對應的距離分類中移除(涵蓋訊框內所有距離FFT)。 所有天線的距離FFT進入角度頻譜估算區塊,計算每個距離分類中的角度頻譜。經過多項線性調頻所計算出的距離FFT峰值相位,能以相關物體的微小動作排除關聯,藉以提高角度解析度。 當距離FFT判斷訊號距離、角度頻譜估算判斷角度後,空間熱點圖可在平面x-y軸或距離方位軸內,繪出訊號密度,接續的後處理能依據偵測演算法(如CFAR),或更精密的特徵擷取及分析技巧,在熱點圖內偵測物體,再標示出有關物體是否存在。 此外,後處理區塊也能說明有關物體的空間位置。總而言之,高度整合的AWR雷達裝置系列可開發出小體積的「雷達單晶片」解決方案,提升ADAS以外的駕駛體驗,包括自由空間感測、駕駛生命跡象監控、手勢辨識與使用狀態偵測。 (本文作者皆任職於德州儀器)
0

CAN Bus展妙用 智慧家庭聯網設計更輕易

科技進步使得人類的生活便利,在科技進步的同時,人類生活也越來越忙碌,為了節省更多的時間,科技與生活密不可分,「智慧化」的名詞因應而生,智慧家庭自動化科技蓬勃發展。 隨著智慧技術的發展,傳統式的手工管理、點對點配線的網路技術難以滿足人類對這些智慧家庭設備的高效率及便利性的需求,因此目前的智慧家庭控制會以CAN Bus網路的技術方式控制系統與智慧監控技術。 一般智慧家庭監控系統功能包含有: .家庭娛樂 .居家照護 .智慧家電 .安全監控 幫助家庭與外部抱持訊息交換。目前市面上傳統智慧家庭是以「點對點的配線方式」為主,而在本設計則以CAN Bus網路技術取代之,可以節省過多的連接配線、降低成本以及提高可靠度。 一般智慧屋聯網的監控系統中,需要配合大量的單晶片微控制器、整合嵌入式系統、網路技術,建立一個網路監控系統,應用在智慧家庭自動化上。 智慧家庭,或是稱為Smart Home或智慧住宅。一般的智慧家庭是以住宅為基礎平台,透過綜合布線技術、自動控制技術、網路通訊技術、安全防範技術,以及影音技術等,實現家庭所需的設備整合,進一步建構智慧家庭管理系統,透過系統管理住宅設備與家庭日常事務,以滿足人們對於家庭的藝術性、便利性、安全性,以及舒適性的需求,智慧家庭示意圖如圖1所示。 圖1 一般智慧家庭整體架構示意圖 一般智慧家庭監控系統的感測器元件與主控制器之間需要透過綜合布線系統(Premise Distributed System, PDS)來完成數據傳輸,綜合布線系統是一種特別設計用於傳遞「控制訊號與娛樂資訊」的一套布線系統。 對於智慧家庭而言,綜合布線系統就如同建築物裡的神經系統,此系統採用一系列符合標準的材料,透過模組化的組合方式,用統一的傳輸媒介與規畫設計,綜合在一套標準的布線系統中。 智慧家庭的基本功能由三大部分構成,包括建築設備自動化(Building Automation, BA)、通訊自動化(Communication Automation, CA)和辦公自動化(Office Automation, OA),簡稱3A智慧建築。綜合布線系統其中一個國際標準為住宅和N型商業電信布線標準。該標準主要提供新一代智慧家庭系統及布線產品提供依據,內容包括標準制定的目的、家庭布線的等級、適用範圍、單個家庭布線規範以及多個家庭布線基礎等。 由於本設計使用到車載網路CAN Bus系統技術,因此將簡要介紹CAN Bus的發展沿革,並且說明屋聯網為何要使用該技術。 CAN Bus發展沿革 早期傳統車輛配線是利用專用的電線線束,以「點對點」的方法連接ECU、使用者開關、控制器與末端元件,以完成控制及資料交換,這項作法雖然解決了車上各電子系統之間的傳輸基本需求,卻會在車內形成極為複雜的車內網路,同時增加車輛重量、生產成本,且過多的連接線路還會降低系統的可靠度,傳統車輛配線示意圖如圖2所示。 圖2 傳統的車用配線方式(點對點) 因此,傳統「點對點的配線方式」已不再符合現代新型車種的需求,若是改採車用CAN Bus系統的接線,則可以簡化布線、提高可靠度、提高維護性以及降低成本。一般車用CAN Bus系統的配線方式如圖3所示。 圖3 CAN Bus系統車用配線 控制區域網路(Controller Area Network),簡稱CAN、CAN Bus或是CAN匯流排。CAN是1983年由德國Bosch公司所提出,1993年列入ISO11898國際標準,並於2008年在OBDII診斷標準內確認CAN是唯一訊號,CAN Bus亦是車用系統中微控制器的網路通訊協定之一。 在CAN Bus的架構下,所有與車輛有關資訊的傳遞均可透過CAN匯流排、感測器、控制器和執行器由串列數據線連接起來。 CAN...
0

時脈產生器加強奧援 資料中心頻寬全面提升

為了滿足目前和未來需求,服務供應商、資料中心營運商和Web服務公司正在迅速轉型到軟體定義網路(SDN)模式,進而將軟體和服務從基礎運算、交換和儲存硬體中轉移出來。服務供應商和資料中心營運商正在採用新的硬體技術,支援業界向SDN轉型,同時提高資料中心之間和資料中心內的速度和頻寬。伺服器、儲存系統、葉脊交換機(Spine/Leaf Switch)、聚合路由器和光學轉發器都在經歷劇烈的技術變革,這包括採用新的100G/200G/400G光傳輸技術、用於加速器資料匯流排的更高速PCIe Gen4和快取互連一致性測試晶片(CCIX)、基於NVM Express(NVMe)的固態儲存、特別針對機器學習和人工智慧而最佳化的處理技術,以及新的記憶體技術等等,以滿足對於高頻寬網路不斷成長的需求。 整個資料中心硬體頻寬升級的共同之處在於參考時脈對於時脈要求越來越嚴格。現在,系統架構者在硬體設計時比以往更注重時脈和時脈樹設計。 光纖連結資料中心 資料中心透過高速光纖將相互間以及底層核心和匯聚電信網路連接在一起。相干光學是在資料中心聚合交換機和光轉發器中實現的最新技術,其能適應不斷增加的資訊量,光纖資料速度能夠從目前的100G升級到未來的600G。整體來說,相干光學技術結合了先進的高速數位訊號處理,和高速資料轉換器,來調變在每個發射器和接收器之間傳輸光的幅度和相位,因此能夠透過現有光纖網路發送更多資料。 發射器和接收器中的資料轉換器通常需要超過1.7GHz的超低抖動、高頻參考時脈。此外,參考時脈需要支援數位訊號處理。起初100G相干光線路卡和模組設計使用多個時脈IC和振盪器來滿足這些時脈要求,但這需要大量的電路板空間和成本。 葉脊交換機擔分配流量要責 葉脊交換機用於建置伺服器機架和存放裝置之間的連接網路,在整個資料中心均勻分配流量。如圖1所示,葉脊交換機位於每個機架的頂部,提供到伺服器的下游連接和到網路中每個脊交換機的上游連接。 圖1 葉脊網路架構 下一代葉脊交換機設計正採用交換機SoC,其包括28G和56G串列/解串器(SerDes),支援頻寬可從10GbE遷移到25/40GbE的下行埠和遷移到100GbE的上行埠。這些增加的速度需要參考時脈抖動性能有顯著的提升,56G SerDes在12kHz~20MHz積分頻寬下最大規格低至150fs rms。在這些設計中使用的FPGA、CPU、記憶體、CPLD和電路板管理控制器(BMC)也需要額外的系統時脈。 目前已有廠商針對該需求推出任意頻率時脈產生器,以及任意頻率抖動衰減時脈可滿足相關應用的超低抖動性能要求,同時在單晶片時脈解決方案中提供多達10路獨特頻率輸出,使其成為在100GbE設計中結合28G和56G SerDes和同步或非同步葉脊交換機設計的理想選擇。 PCIe為伺服器/儲存主要匯流排 現今資料中心的大多數伺服器和儲存處理器均採用Intel x86架構。基於IBM Power和ARM架構的新品正在不斷推出。相較於x86平台,基於Power和ARM的平台通常需要為處理器和其他I/O功能提供額外的時脈。無論CPU偏好如何,每種架構和平台都會使用高速資料匯流排在CPU、記憶體、存放裝置和擴充卡之間傳輸資料。 PCIe是伺服器中使用的主要資料匯流排,這是因為其實現成本低、頻寬高、大多數CPU、FPGA、SoC和ASIC都支援的緣故。PCI-SIG最近推出了第四代PCIe規範,將資料速率從8Gbps提高至16Gbps。 除了在伺服器主機板上使用之外,隨著固態硬碟(SSD)在硬碟媒體上受到青睞,PCIe在資料中心儲存應用中也日益廣泛應用。PCIe資料匯流排的擴展使用正驅動整個機架上各組件對於更多、更高精度PCIe參考時脈的需求,從伺服器上的CPU到每個SSD。固態儲存使用NVMe協定,而不是傳統硬碟儲存設計中使用的SAS或SATA串列協定。基於NVMe的SSD透過標準PCIe連接器連接到儲存系統,這意味著所有基於NVMe的SSD都需要PCIe參考時脈。快閃記憶體陣列儲存系統通常使用FPGA和客製化的控制器ASIC來管理伺服器和SSD之間的通訊流量,每個SSD都需要自己的高性能參考時脈。 雖然預計硬碟儲存將是未來幾年主流的資料中心儲存介質,但快閃記憶體陣列儲存系統的部署正在迅速成長。產業分析師預計,在2018~2020年間,快閃記憶體陣列儲存採用率將急劇上升,而這主要由Web服務資料中心驅動。廠商亦推出新款低抖動時脈產生器系列專門滿足x86、Power、ARM和快閃記憶體陣列儲存系統提出的時脈樹要求。如Silicon Labs旗下的Si5332任意頻率時脈產生器系列能以不到230 fs rms的抖動性能為快閃記憶體陣列儲存系統中的PCIe端點、FPGA、處理器和其他SoC/ASIC元件提供多達12路時脈輸出。該元件能夠產生分數和整數相關時脈頻率、展頻調變時脈,且能實現低功耗和頻率控制,而可將儲存系統設計中所需的所有時脈整合到單個IC中,節省了印刷電路板(PCB)面積和系統成本。 加速卡擴充伺服器功能 新資料中心設備的設計週期通常為兩年。為了更快速的安排新軟體和Web服務產品發布,資料中心架構者已開始開發專門的處理器擴充卡,可以針對網路搜尋、人工智慧或機器學習提供最佳的處理能力替代。擴充卡透過PCIe連接器插入標準伺服器主機板,立即向現有伺服器提供擴充功能。擴充卡的設計週期可能短至六個月,這使得營運商和網路公司能夠在資料中心內增加功能,且毋須使用新伺服器重新建構整個資料中心。 過去幾年,使用FPGA、圖形處理單元(GPU)和客製化ASIC的資料中心伺服器已部署了許多類型的擴充卡。隨著針對特定應用而優化的新型GPU、FPGA和SoC產品的上市,預計此趨勢將會加速。除了PCIe之外,新的替代協定也開始被採用,PCIe Gen4、CCIX、NVLink、OpenCAPI和GenZ正在CPU、記憶體和加速卡之間實現更快的資料傳輸,可實現16~32Gbps的資料速率。考量到這些高速資料速率,參考時脈必須非常精準,以確保穩健的訊號完整性和最小化誤碼損失。 資料中心在我們生活的許多方面正在變得越來越重要,使得資訊能儲存在廣泛的服務(例如雲端服務)和新興的人工智慧系統之中。為了繼續支援運行在雲端架構上的創新和應用的快速發展,架構者和硬體設計人員必須繼續擴大資料中心內的伺服器、存放裝置和交換式網路中的頻寬。在資料中心互連和葉脊交換機中遷移到100GbE、在伺服器和擴充卡中採用PCIe Gen4、在固態儲存中採用NVMe,這都是為滿足更高頻寬需求而採用的新技術。為了確保達到這些技術的最大潛力,系統設計人員必須更加重視時脈樹設計,並在整個資料中心使用超低抖動參考時脈。 (本文作者為Silicon Labs時脈產品行銷經理)
0

感測/運算/安全三管齊下 實現無人駕駛願景非夢事

隨著「互聯網+人工智慧」逐步滲透進入人們的生活中,汽車已成為搭載多種智慧晶片的智慧移動終端,並逐步走向真正的「無人駕駛」。作為強大的智慧移動終端裝置,汽車透過V2X技術與其他車輛和基地台實現無線通訊,將車輛周圍的資料資訊進行分析與處理,而實現脫離駕駛員的操控,避免因人為因素出現的如疲勞駕駛、超速、闖紅燈等危險行為的發生。透過城市智慧交通網路的建立,可以實現整體調控汽車流量和流向,進而改善高峰期壅堵現象,從源頭上降低汽車交通安全事故,提升交通通行率。 「無人駕駛」依據其「自動化」程度可以分為四級。第一級為特定功能的自動駕駛,僅實現自我調整巡航控制、自動刹車和車道保持功能;第二級是合併功能的自動駕駛、實現部分自動停車入位、交通堵塞時提供輔助和帶轉向的緊急刹車等;第三級為有限的自動駕駛、能夠實現自動並線、基於車道中線定位的自我調整巡航控制、自主停車入位。前三級「無人駕駛」的實現就須要搭載先進駕駛輔助系統(ADAS)。 據前瞻產業研究院「2016~2021年中國無人駕駛汽車行業發展前景預測與投資戰略規劃分析報告」指出,目前ADAS逐漸成熟,2019年全球市場滲透率將超過25%。機構預計,到2020年中國ADAS市場規模在700~800億元,年均複合成長約60%。 ADAS並不是一項配置,而是幾項配置協調作用的系統。簡單來說,就是利用安裝在車上的各種互補感測器,如雷達、超音波、V2X技術等,在汽車行駛過程中即時感知周圍環境並收集資料,透過系統運算與分析,預先讓駕駛者察覺到可能發生的危險,從而有效增加汽車駕駛的舒適性和安全性。 實現無人駕駛多重感測器不可或缺 一輛汽車要想擺脫駕駛員實現「無人駕駛」就須要配備多個互補感測器,如雷達、攝影機、雷射定位器、超音波和V2X等。它們彷彿是汽車的「眼睛」,透過對汽車周圍事物和環境的感知和監測,收集相關資料再交由駕駛系統處理,讓汽車可以在各種條件下完成自我調整巡航控制、盲點監測、車道偏離警告、夜視、車道保持輔助和碰撞警告系統,並具有自動轉向和制動干預功能。 V2X為無人駕駛千里眼 V2X技術,即車對車及車對基礎設施技術,藉由在肉眼察覺和駕駛輔助系統探測之前發現交通堵塞或交通風險,並向數百公尺範圍內發出預警資訊的方式,使車輛有效接受如危險路況、突發壅堵、交通搶險或道路作業工地等交通資訊;除此之外,配備有V2X互聯設備的車輛還可以接收來自智慧道路訊號的資訊,並自動識別交通號誌的運行週期,大幅提升道路安全,提高通行效率。安全的V2X技術對於未來無人駕駛和智慧交通系統建設至關重要。根據美國交通部的一份調研報告,安全可靠的V2X技術將減少超過80%的交通事故。 雷達感測器為無人駕駛順風耳 伴隨自動駕駛不同層級的演進,每輛車上會安裝更多的雷達感測器,協助實現更高級的自動駕駛。據IHS Research預測,從2016~2019年,汽車雷達感測器的市場年均成長率將達到27%,預計2021年的市場需求總量將達5,000萬。 晶片商也趁勢推出眾多解決方案,像是恩智浦(NXP)發布如郵戳大小(7.5mm×7.5mm)的單晶片77GHz高解析度RF CMOS IC雷達晶片,能準確提供汽車行駛環境的相關資料,且其功耗比傳統雷達晶片產品低40%,為汽車感測器的設計安裝提供了更多便利。 聯網/感應具備 無人駕駛終極大腦不可少 複雜擁擠的路面和瞬息萬變的車況讓智慧聯網汽車只有一雙「千里眼」和一對「順風耳」還遠遠不夠。雖然一系列互補感測器可以繪製出汽車周圍環境的高精度地圖並準確檢測物體,為了做出精確且安全的駕駛操作,汽車還須要配備一個「終極大腦」,快速的處理並整合多條資訊流,並最終完成汽車駕駛操作。 像是恩智浦研發BlueBox平台,為無人駕駛提供人工智慧,還為車間通訊和多重感測器提供介面支援,充當車輛的「神經系統」。在無人駕駛車輛系統中,多個感測器資料流程都匯入BlueBox引擎,資料流程結合起來,將車輛周圍的實體環境創造一個360°的即時模型。 確保道路安全 自駕車須具備完善安全性 無人駕駛當中,最讓人關注的還是資訊的安全性。在一次知名的駭客行動中,由一名Wired雜誌記者駕駛一部吉普車(Jeep),而兩名駭客成功遠距離終止了吉普車的引擎傳動。在那當下,車輛駭客攻擊就此成為真正的威脅。 自此之後,汽車產業歷經諸多改變,車輛安全性自然成為汽車製造商的首要考量。目前的許多新款車輛搭載電子控制器、具有運算能力、能運行程式碼,還能透過無線網路連通外界,因此攻擊面無疑相當廣大。若媒體對外公布一起駭客攻擊事件,其影響將重重傷害汽車製造商的品牌商譽。 如同在吉普車駭客攻擊所看到的,一旦駭客取得收音機的控制權限,就能輕易透過車內網路攻擊導向和煞車系統。事實上,車輛中的安全閘道能作為防火牆,進而監控進出車輛訊息,也能將至關安全性的系統與其他應用程式隔離(例如資訊娛樂系統),但該吉普車的車內網路並未搭載安全閘道。 也因此,車內網路必須受到妥善保護,抵禦意圖操縱並竊取資料的入侵者攻擊。這表示必須重新規畫車載網路架構,以區分、隔離車載網路中不同的領域系統。此外,必須採用高強度的加密和驗證技術,確保車輛僅與已知且信任的實體進行安全通訊,並進而保護車載網路內部的代碼和資料。 車用處理器會產生、處理、交換並儲存龐大的敏感資料,無疑會成為駭客攻擊的目標,因此車用處理器必須具備高度安全性。也因此,汽車處理器供應商特別專注於處理器層級的安全性,推出車用專屬硬體安全模組(HSM),能夠針對車用應用程式提供內建於晶片的安全性功能,防止軟體遭惡意操縱,並且支援安全性軟體更新和資料保護等功能。 像是恩智浦早於2010年,就已推出符合並相容於安全硬體延伸(SHE)的車用MCU產品,且該公司旗下的新款車用處理器和控制器,皆包含專屬的硬體安全性模組,能獨立管理安全性功能,不會影響處理器或控制器本身的效能/功能。這些模組也提高修正作業時的靈活性,讓車輛製造商能修正安全性漏洞,還具備安全的線上更新功能,車輛上路後製造商仍能輕鬆更新軟體,毋須進行耗費高額成本的召回程序;此外還具備生命週期管理機制,能針對若干控制器和處理器功能進行鎖定控制。 另一方面,應用程式處理器也是安全防護的重點。應用程式處理器原本最早的形式是車載資通訊系統,而經過多年發展,今日的駕駛資訊系統包含抬頭顯示器、數位儀表板、導航、媒體播放器、語音和資料通訊,並執行多種複雜的軟體堆疊,無疑需要最高的安全性。因此,半導體業者採用分層次防禦機制,全面保護整個處理單元,從硬體、軟體到通訊連結皆囊括在內。 像是恩智浦的i.MX 8安全控制器(SECO)是系統的信任根(RoT),其功能不局限在金鑰管理,也可用於驗證、監控和鎖住系統的控制器韌體,同時也是電源啟動和執行時間等多種並行作業系統的RoT;其具備硬體式竄改偵測和防護功能,以及處理器內建硬體防火牆網域則能輔助SECO,維持服務的資料與記憶體完整性,進一步提高駕駛資訊系統的安全性基準。 總而言之,發展無人駕駛必須保障安全性,讓駕駛能信任自己的汽車,絕不能讓駭客取得車輛的控制能力,或窺探駕駛及金融資訊等資料的隱私。車輛製造商務必使用安全性解決方案,防止電子系統遭受潛在的網路攻擊。 (本文作者為恩智浦半導體汽車電子事業部技術長)
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -