【導讀】隨著(zhù)物聯(lián)網(wǎng)(IoT)的發(fā)展，諸如“霧計算”的去集中化分布式智能概念正大行其道，以滿(mǎn)足對更低延時(shí)、更高安全性、更低功耗和更高可靠性的要求。這種向更加分布式的數據處理和存儲方法發(fā)展的趨勢，需要有更加智能的傳感器和全新的無(wú)線(xiàn)傳感器網(wǎng)絡(luò )架構。
雖然霧計算這個(gè)術(shù)語(yǔ)比較新，但其基本前提是經(jīng)典的去集中化，即一些處理功能和存儲功能在本地執行，要比將數據從傳感器一路發(fā)送到云端，然后再返回執行器的性能更好。這樣做可以縮短延時(shí)，并減少需要來(lái)回傳送的數據量?？s短延時(shí)有助于改善消費類(lèi)應用的用戶(hù)體驗，而在工業(yè)應用中，它還可以改善關(guān)鍵系統功能的響應時(shí)間，節省費用甚至拯救生命。
這種分布式方法通過(guò)減少需要從網(wǎng)絡(luò )邊緣傳送到云端的數據量提高了安全性，還降低了功耗和數據網(wǎng)絡(luò )負載，從而提高了總體服務(wù)質(zhì)量(QoS)。霧計算還能促進(jìn)本地資源池的建立，以充分利用給定區域的可用資源，并將物聯(lián)網(wǎng)的基礎功能之一——數據分析加進(jìn)來(lái)。
霧計算在充分發(fā)揮其潛力所需的網(wǎng)絡(luò )架構和協(xié)議方面存在著(zhù)細微差別，以致于成立了諸如開(kāi)放霧聯(lián)盟的組織來(lái)定義怎樣才能獲得最佳的實(shí)現（題圖：開(kāi)放霧聯(lián)盟正在尋求確定最佳的架構和編程方法，以確保從傳感器到云端以及回傳路徑中的功能和智能的最優(yōu)分布(來(lái)源：開(kāi)放霧聯(lián)盟))。
目前為止，開(kāi)放霧聯(lián)盟成員包括思科、英特爾、ARM、戴爾、微軟、東芝、RTI和普林斯頓大學(xué)。開(kāi)放霧聯(lián)盟迫切希望與其它組織協(xié)同發(fā)展，包括工業(yè)互聯(lián)網(wǎng)聯(lián)盟(IIC)、移動(dòng)邊緣計算(ETSI-MEC)、開(kāi)放互連基金(OCF)以及OpenNFV。開(kāi)放霧聯(lián)盟已經(jīng)發(fā)布了一份白皮書(shū)，用于指導大家當前的思維過(guò)程(必須注冊才能下載)。
用于霧計算的可靠傳感器
隨著(zhù)霧計算的興起，設計師必須估算出系統的每個(gè)節點(diǎn)應該有多少智能才能獲得最優(yōu)性能。這意味著(zhù)傳感器需要開(kāi)始變得更加智能，需要具有一定程度的內置處理、存儲和通信能力。雖然這個(gè)要求已經(jīng)提出來(lái)一段時(shí)間了，但似乎到達了一個(gè)臨界點(diǎn)，即從傳感器提供商角度看正在成為必要條件，雖然通常存在著(zhù)成本、空間、功耗和尺寸方面的折衷。
雖然在小尺寸和功能集成方面，MEMS傳感器一直是設計師的理想選擇，但在后續集成過(guò)程中，為了滿(mǎn)足霧計算提出的智能傳感器需求，需要考慮可靠性方面的問(wèn)題。到目前為止，MEMS傳感器上數字功能的集成已經(jīng)實(shí)現了雙向通信、自檢和補償算法的實(shí)現(圖2)。
圖2：從基本的模擬信號調節(A)一直到板載MCU(B)、本地內存和ADC(C)提高數字集成程度，有助于MEMS傳感器更好地實(shí)現自檢和主動(dòng)補償例程，但實(shí)時(shí)的可靠性監視仍然很難。
如果MEMS傳感器對于監視電能分配、醫療系統功能以及工業(yè)系統狀態(tài)和過(guò)程來(lái)說(shuō)，是長(cháng)時(shí)間受信任的，那么這些功能就很重要了。這種MEMS傳感器應用如此重要，以致于位于墨西哥哈拉帕市的韋拉克魯斯大學(xué)研究人員一直在調查其它的可靠性保證方法，這些方法通過(guò)監視常見(jiàn)故障率進(jìn)行可靠性預測。正如研究人員指出的那樣，這些方法都缺少實(shí)際能力，來(lái)預測從北極圈到熱帶的各種工作環(huán)境中的可靠性。
當我們用無(wú)處不在的智能傳感器義無(wú)反顧地實(shí)現霧計算時(shí)，確保來(lái)自這些傳感器的數據的可靠性變得越來(lái)越重要。與此同時(shí)，霧計算原理的實(shí)際運用意味著(zhù)通信基礎設施正在落實(shí)到位，以確保節點(diǎn)間能夠更好地通信。這兩個(gè)因素使得韋拉克魯斯大學(xué)開(kāi)發(fā)實(shí)時(shí)傳感器故障分析方法變得令人更加感興趣，因為這些方法適用于新的檢測和組網(wǎng)范例。
在建議的設計中，研究小組使用了一個(gè)低功耗的8位PIC18F4550 MCU、一個(gè)10位的模數轉換器(ADC)、一個(gè)TI INA333儀器放大器和一個(gè)HC-05藍牙模塊來(lái)監視傳感器健康數據(平均無(wú)故障時(shí)間(MTBF))，并將數據傳送給智能手機(圖3)。故障可以像通信鏈路丟失這么簡(jiǎn)單。
圖3：建議的實(shí)時(shí)傳感器監視方法消除了傳感器可靠性預測的異常行為，因而使得關(guān)鍵的物聯(lián)網(wǎng)MEMS傳感器數據變得在很長(cháng)時(shí)間內都更為可靠。
這里的關(guān)鍵是，所有傳感器的MTBF都存儲在本地的非易失性存儲器中，并且隨著(zhù)時(shí)間的推移，其可靠性數據會(huì )被不斷地重新計算和更新。
向傳感器中增加更多的智能是好事，但隨著(zhù)我們越來(lái)越依賴(lài)這些傳感器，更好地理解傳感器(和系統)的狀態(tài)，將可以確保我們用于霧計算的數據本身變得更為可靠。
推薦閱讀：
