e-works数字化企业网  »  文章频道  »  工业自动化控制  »  智能传感

林雪萍 | 传感器的未来大趋势

2022/8/10    来源:知识自动化    作者:林雪萍      
关键字:传感器  发展趋势  
作为一套越来越明显的智能微系统,传感器越来越呈现出独立性,并且具有自我纠错的能力。那么,传感器将以何种能力引爆未来,推动数字化转型?
       本文由知识自动化(zhishipai)授权转载,原文标题为《林雪萍 | 传感器的未来大趋势》。
       注:部分内容源自新加坡咨询公司Twimbit的传感器报告《变革趋势:2021-2023的范式转换》。本文重新进行了观点和内容的重构。
       以下是正文:

    让智能的世界回到原点,传感器就在这里等候。智能的基础是感知,而传感器就是感知的入口。传感器正在向智能化、思维化、分析化和诊断化的方向发展。作为一套越来越明显的智能微系统,传感器越来越呈现出独立性,并且具有自我纠错的能力。那么,传感器将以何种能力引爆未来,推动数字化转型?

图1

图1 传感器发展的二十大趋势(Source:新加坡初创咨询公司Twimbit)

3D传感器走向何方

    3D深度传感器技术能够建立起三维影像,充分满足人类视觉的需要。它可以采用飞行时间ToF(飞行时间)、结构光、3D干涉等来获取三维视觉数据。其中ToF传感器在手机领域备受瞩目,为一直忙于不断提升镜头功能的手机提供了兴奋点。它利用红外传感器上每个像素的激光脉冲,对外发射并反射回来的时间差,获得三维景深,形成立体3D模型的成像技术。

    然而,ToF镜头在手机行业却是经一次过山车的经历,“乘兴而来、扫兴而去”。2018年它的应用达到高峰,见者有份,如三星、华为、OPPO、小米等中高端机型都配置了ToF镜头。当所有人都认为这是未来手机影像的发展方向时,这种手机却又突然快速的消失。T就像快递小哥的身影,oF镜头来得快,去得也快。

    原因很简单,ToF技术缺乏刚需应用支持,没有一款广泛使用的杀手级应用能够为ToF镜头进一步发展提供动力。ToF可以用来扫描物体的形状,然后自动建立一个3D模型。但对于普通消费者,建立了一个模型,也没有什么实际作用。带有ToF镜头的手机,能够用来当做尺子,但精度又不足够。再说了,拿手机当卷尺测量这事,谁会当真呢。

    在当前智能世界里,任何一款硬科技,都要靠软件的同步支撑。没有软件应用,很难支撑硬件技术的迭代进步。除非元宇宙的兴起,也就是AR/VR应用,或许能够挽救TOF镜头在手机上的应用。

    倒是扫地机器人可以将单线机械扫描式激光雷达,换成广角TOF相机,更容易形成对房间建立一个“作战沙盘”,更好地规划路径,让扫地机器人看上去没有那么傻。否则扫地机器人不是撞上桌腿,就是卷袜子和线缆,避障效果太差。但前提依然是,不能太贵。

    而自动驾驶中行车环境的测距、感知、工业协作机器人的人机协同、智能物流车,也可以让ToF传感器真正发挥作用。但对于工业而言,ToF传感器镜头还是太贵。从产业链的角度来看,目前ToF镜头的红外传感器,主要是索尼、英飞凌、安森美、德州仪器、松下等掌控,光学镜头则有大立光、浙江舜宇光学、还有瑞声科技。CMOS图像传感器是核心部分,主要来自三家多年的恩怨对手:索尼、三星和韦尔旗下的豪威。

    3D深度传感器,在军事上则有更大的野心。美国国防部高级研究计划局DARPA正在开发用于军事3D传感技术,以方便夜间隐蔽作业。

    一般而言,任何自动驾驶系统通常都需要某种形式的主动照明,才能在夜间实现自主导航。但是打开前照灯或激光雷达(LiDAR)的发射系统,都会出现辐射信号。在军用场合下,它会使敌军能够远距离探测这些车辆的存在。而DARPA正在尝试利用野外环境中各种有生命和无生命物体的微弱热信号,来开发3D视觉传感器。这项“隐形大前灯”计划,会探索环境中各种热辐射所包含的信息,因为所有物体都会散发热能。DARPA的目标就是探索即使根据极少量的热辐射,捕捉信息,开发出无源传感器,从而生成3D地图以进行导航。它将大大扩展自动驾驶系统,可以隐蔽地进行运行。

声学传感器来了新面孔

    声学技术最大的特点是跟其他技术的传感器相比相对便宜,可以探索各种应用。而声表面波SAW技术,广泛用于过滤器的信号处理,在智能手机扬声器上,大放光彩。在全球范围内,SAW滤波器市场主要被日本企业所占据,包括村田Murata、TDK、太阳诱电Taiyo Yuden是代表性厂商,合计市场份额占比达到82%左右。而村田一家就能占比全球近一半的SAW滤波器市场。国内射频滤波器企业中,深圳麦捷微电子科技算是滤波器和一体电感国产替代的排头兵,也打入到华为的供应链,2021年收入13亿。

    声表面波SAW技术相对用于低频,对温度也比较敏感,在4G时代占尽机会。但在高频领域,以及多信号处理要避免干涉的情况下,体声波BAW谐振器技术则有着更广泛的应用,它为5G时代和物联网时代而来。这方面,美国技术更为领先。美国Qorvo和德州仪器都占据优势。在这个地带,也是中国难以突破的卡脖子之疼,德州仪器还在2019年将这项技术用在了集成时钟功能上。随着大数据传输速度日益加快,对时钟信号有着苛刻的要求。每秒需要18G容量的数据处理系统DPS,已经成了众多芯片厂商急待解决的问题。而体声波BAW,就可以很好地实现高频统信下的时钟技术。尽管声表面波比较便宜,但从整体技术发展趋势来看,体声波BAW正在取代声表波的位置,苹果手机等高端移动设备中已经开始使用。

传感器就是一个发电站

    传感器有两个方向。一个是集成传感器,它跟其他设备集成在一起,共享能源的输入;还有一个是独立传感器。后者就像一个荒岛生存的鲁滨逊,它最好能够自己生存,而无需照顾。自来电,是首当其冲的挑战。

    自供电的传感器正在引起广泛的关注,它非常适合远程监控、无线连接和连续监测的场合。

    这往往需要部署传感器的能量采集器,这些微能量回收系统能够从太阳能、振动和热能等来产生微电流,供自己使用。换言之,一个传感器就是一个电能发电装置和储能装置。既然一辆电动车都可以是一个储能系统,为什么一个小传感器不能呢?

    美国运动与动力控制系统供应商派克汉尼芬Parker,在2019年以37亿美元收购了一家胶粘剂与振动管理设备商洛德Lord公司,后者一直在为航天、石化提供精准测量的无线传感器和压力传感器。汉克正在从传统的动力系统业务进行多元化扩充,尤其是要加强它旗下的工程材料部门的技术优势,以便充分迎接电气化和轻量化等新兴趋势。年销售为11亿美元洛德公司在涂料、弹簧、传感器硬件和传感器云方面的积累,完美地迎合了派克的需要。

图2

图2 老牌动力的传感器新宠(Source:Parker Lord官方网站)

    而洛德公司旗下的MicroStrain传感业务已经使用压电材料,将材料的应变能转换为电能存储。一个传感器的独立发电站的时代开始了。

从智能机器人,到智能传感器

    机器学习无处不在。如果算法不仅仅放在机器设备里,而是也可以放在最小的感知单元——传感器中,那么嵌入式人工智能,就会大力催生智能传感器的发展。

    当然,机器学习也只是其中一个方向。大多数传感器已从交互式转向预测性,将机器智能的主动权部分地转向传感器智能。具有智能化实时数据分析和过程校正功能的传感器,将会大量提高设备的交互能力。这也意味着边缘计算,将会在机器的边缘端,再往前深探一步。

    然而,一个传感器能够测量的参数是有限的,为什么不将多个传感器集成在一起呢?于是各种组合传感器就纷来沓至,温度+湿度、压力+流量、振动+加速度+减速等传感器,成为应用最多的组合。混编传感器舰队,实现多参数检测的“一器多用”,通过检测各种参数来形成闭环自动化的应用。这在智能制造领域,迎来广泛发展的空间。

    另外一种方向就是融合传感器Fusion。智能传感器正在加速无人驾驶汽车的发展,而传感器的多功能融合,将利用不同传感器的优势,提供数据分析和控制能力,从而具备嵌入式智能。这在军用飞机尤其重要。美国F35战斗机一直在进行多域数据的连接和分析,核心就是利用融合传感器,实现多维数据的高速分析,并且能够利用不同平台来的数据,无论是海上、空天、海下和陆地的传感器数据,多种异构数据并发处理。

    韦尔半导体旗下的豪威,在既有的图像传感器CIS(CMOS Image Sensor)的基础上,日前刚刚推出了将CIS与事件视觉传感器EVS相结合的复合传感器,EVS是一种不需要曝光时间限制的生物仿生传感器。这对于AR头盔玩家,将是一个超级利好,而手机的拍照影像将得到进一步提升。这种在一颗芯片上集合图像和视觉两类传感器的特性,属于像素级的传感器融合,无疑是未来的一个重要方向。

脉搏流、血流、心跳流,都流向哪里了

    大健康成为未来的发展热点,健康的预防和诊断,都可以通过广泛使用的传感器来实现。无论生命支持的植入装置、严重患者的长期监测,以及机器人手术。诞生于2000年的达芬奇手术机器人,是目前国际上最成功的手术机器人。最初只是辅助医生进行手术的稳定器,但它的能力越来越强,一举登上手术操刀台,成为外科医生的最佳伴侣。达芬奇机器人以一己之力,引爆机器人手术。

    《美国医学会杂志》(JAMA)一份报告提到,从2016年到2021年,过去五年之内机器人手术占外科手术的比例,从2%提升到了15%,而且还在加速。目前在中国应该有超过150台的装机量,每年有4万例手术是通过达芬奇手术机器人完成。

    它在3D成像和精准控制上有着巨大优势。在它的辅助下,医生可以将病变部位毫无困难地建立放大10-15倍的3D影像(传统成像系统只能提供2-3倍的二维图像),然后操作机器人精准进行手术。而这背后的英雄,就是将近500个传感器。达芬奇机器人价格昂贵,一台机器就是上千万元。在手术机器人的成本组成上,光力矩传感器占约5%。

    对于医疗和家庭诊断,这还只是一个开始。物联网的普及,和可穿戴传感器在健康应用中已经蓬勃发展。这些传感器可以采用无侵入方式,进行老年护理监测和日常健康监测。手表上的睡眠监测,还只是小儿科,而糖尿病等病症的预防正在成为热点。

    毫无疑问,可穿戴传感器的创新带来了健康监测方式的变化。可穿戴和可植入传感器实时传输健康数据,提供量化的运动数据和各种生理数据,从而实现精确的诊断。这些关键设备中使用了不同传感器,包括手机成像所使用的图像传感器CMOS、振动、血糖和光学传感器等。苹果手表iWatch背后的四个环状传感器,则是通过LED光照射到皮肤后形成反射,以此来判断血管的运动和脉搏。

    脉搏流、血流、心跳流,都流向哪里了?人类全部的健康数据,都以数据流的方式,涌向一个数字通道。人体所有数据,都储藏在一个物联网数字健康平台上。而大数据分析,则自动给人们健康进行全方位画像:现有的健康预防模式,即将发生深刻改变。

    据CB Insights在2020年报告里的数据显示:共有806亿美元融资金额、5.5万宗风险投资都发生在这个领域。2020年1亿美元以上的医疗融资将近200起,创下新纪录。而医疗巨头则更是拥有超过5500亿美元的现金,等待在这个数字化医疗领域深耕。而传感器,则首当其冲地成为这类医疗投资的幸运儿。

没有传感器攻关,工业互联网永远是配角

    工业互联网的发展,对于传感器提出更高的需求。这些传感器的表现以及控制器系统,很大程度上决定了管理者能够在远程使用工业互联网平台实现关键控制功能的能力。对于霍尼韦尔这样的自动化公司,它在巩固控制系统的霸主地位的同时,会对传感器有着痴迷的追逐——这也是最近几年一直在疯狂收购传感器的原因,包括收购温度、湿度传感器。最为典型的是,它在2019年收购了气体传感器的鼻祖——英国Citeytech传感器。只有强化了控制与传感器这二者的硬核技术,工业互联网平台才能真正落实到实处。

    预计到2023年,工业互联网的设备连接数量将达到215亿台。工业互联网需要解决六个问题:连接、感知、控制、分析、通讯和应用。连接不过是体力活,分析还排不上大用场,通讯将成为通用技术,应用在分析和机理模型没有建树之前只不过是晃人耳目的大路货。谁在控制设备,谁在感知数据,都是至关重要的关口。这才是工业互联网平台的要害。可惜在中国,很多工业互联网已经远离这个核心战场,在应用层上耍尽花枪,只在海量垃圾数据上翻腾一点小浪花做点小文章。

软传感器,也是传感器

    软传感器(soft sensor)是一件有趣的事情。与软体机器人的柔软身体不同,软传感器其实是虚拟传感器,说白了就是软件。它可以同时处理多个测量。

    软传感器基于控制理论,通过间接使用,可能同时处理数十个甚至数百个测量值。在数据融合方面,软传感器的作用巨大。它将不同静态数据和动态测量的数据结合在一起,从而可以用于故障诊断以及控制应用。最经典的软传感器,可以从卡尔曼滤波器开始。它是一种去除噪声还原真实数据的一种数据处理技术,可以看做是经过软件计算的数据滤波。这也看成是一种软传感器。当然,最新的软传感器则会使用神经网络或模糊计算。软传感器是一种利用其他传感器的信息来估计物理量的软件程序,而不是直接测量。

    这一趋势在过程自动化中最为显著,其中许多控制功能由软件激活并由计算机辅助完成。高可靠性和高精度是软传感器的标志,譬如,基于pH值的软传感器,就可以很方便地进行水处理和峰值检测的负荷触发。

    软传感器也可以看成是数字化技术的集成者,它由高级自动化、物联网、大数据实时分析、传感器等综合而来。

更多的传感器技术

    光学技术跟传感器的结合,正在得益于新兴起的光电子技术。芯片的开发主要由硅制成,而光学和电子部分都可以在硅片上集成,从而形成光电子技术(photonics)。它将电子的快速升级能力叠加在多年来进展缓慢的光学仪器上,从而激发了全新的活力,因此也使得光学传感器迎来动人时刻,这也将为太阳能产业和工业互联网受益匪浅。

    IO-Link可实现数字连接,直接将数据从传感器传输到物联网接口和可编程逻辑控制器PLC。与传统独立模块连接传感器技术相比,IO-Link技术具有突出的成本效益和技术提升。传统的独立模块,往往是一个模块就是独立的网络节点。每部署一个节点,就需要一套芯片,当控制点数较多时,系统的方案成本就会大幅上升。而IO-Link则采用主站和从站方式,这意味着一个主站可以扩展多达128个控制点,减少网络负担,提升效率。同时得益于IO-link通讯的标准化,在配置诸如RFID、阀岛、传感器时更加方便,且不仅仅是状态监控,更可以通过其进行参数配置和维护。

    天津宜科的IO/Link正在动力锂电池工厂得到广泛的应用。锂电行业的工厂产线比较长,检测点较多且密集,对粉尘的防护有一定要求,同时自动化程度高,需要多种元器件共同协作,而且热插拔连续生产和一定的性价比也是必要的。基于以上要求IO-Link方案非常适合锂电产业的特点。国内动力电池产业的大发展,也给国内传感器带来了巨大的机会。

    而无线传感器网络也在快速发展,它对于低能耗有着非常高的要求。可以想象,这其中有很多的发展场景。

图3

图3 不同的无线标准(ISM工业、科学、医疗频段)

    牧场上需要对几千头奶牛的体温进行日常监控,防止诸如口蹄疫等动物疾病。如果利用无线网络的技术,只要在每头牛的身上安装一个带有无线发射器的温度传感器,随时读取体温并发射至一个主端子,便可以轻松实现。这种低能量传感器集群,可以大幅度提高无线网络的效率和速度,但这种传感器网络往往必须保证低功耗才能广泛应用。无线传感器网络WSN至关重要的两个特性就是可靠性和低功率,而成本则排在第三位。

    非接触式传感技术,无论是光、波、磁、激光、声等都在快速发展。红外温度传感器已经在最近两年疫情的温度检测,大放异彩。随着更高的准确性和更多的应用场景,非接触式传感器也将大幅增长。同样,快速检测生物传感器,也在高速发展,以便促使及时诊断、体外诊断。

    无人机中的传感器也是一个焦点。实际上,无人机就是一窝传感器的集合,它可以认为是一个飞行的传感器群。无人机广泛使用激光雷达、倾斜传感器、惯性测量单元等。深圳大疆无疑是佼佼者,而美国军火供应商洛克希德·马丁、波音也在积极参与。无人机市场,从拍照娱乐中无疑引爆了市场,而军方使用则大大提高了它的关注度。这市场依然刚刚起步,各种传感器也是机会巨大。

    激光雷达,作为一种非接触式传感器正在受到推崇。它可以即时捕获数百万个数据点,从而在自动驾驶汽车上面得到最直接的应用。目前国内进展并不差,华为、速腾聚创、禾赛科技都有很好的产品。而在搬运机器人AGV领域,仓储智能管理也推动了激光雷达的应用,包括德国最大的传感器厂商西克光电Sick、日本最大激光雷达厂商北阳Hokuyo等,都有广泛应用。无人机、机器人也都是不错的应用领域。

    还有一种传感器的方向,就是友好的自然交互界面,它是围绕着人类感官的捕捉能力发展而来。计算机从诞生依赖,交互界面首推键盘排名第一,而鼠标则引发了第二轮的图形化界面。但自此之后,人机交互并无决定性的进展。谁能成为人机交互界面的第三名?语音、触控和手势,这些高度符合人类生物特征的自然界面都有可能。但智能语音在音箱控制的表现令人大失所望,语音控制并没有如愿引爆家庭。亚马逊的Echo所开启的智能音箱时代,以及随后谷歌的Nest、还有国内的小米等一众音箱,都被证明不过是界面交互的一次虚妄的狂欢。智能家居的界面,还在等待全新的主宰者。自然界面的传感器,还有巨大的发展空间。

小记:暗坑

    传感器的作用无论如何强调也不为过。传感器就是自动化系统的五官,是数字化技术的先锋部队。它也是中国不为人注意的一块超级短板,其中原因之一就在于它的应用场合过于分散。全球传感器有3万多种,量小面窄的应用。但是,它在智能世界所留下的坑,都是不动声色。只顾仰天追星,很容易会在这些暗坑中跌落。
 

    作者简介:

    林雪萍:北京联讯动力咨询公司总经理,天津大学精仪学院兼职教授

责任编辑:杨培
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐