传感器和边缘节点架构

在物联网（IoT）无处不在的连接和低成本传感器的推动下，数字孪生（DT）模型正迅速走进制造业和其他行业。不过实施DT计划将对信号链的各个层级提出严格要求，特别是在靠近或位于孪生机器的边缘节点上。在本文中，我们将简单介绍传感器和边缘节点架构，说明边缘节点的重要性，并讨论边缘节点通信，帮助大家最大限度地发挥DT的全部潜力。

传感器和边缘节点架构数字孪生架构非常类似于三层物联网架构（图1）。

位于边缘节点的传感器收集有关作业装置（如工业机器人、飞机发动机或风力涡轮机）运行状况的实时信息，并通过有线或无线局域网（LAN）传输这些信息。

网关节点与多个边缘节点通信（可能使用各种协议），并将这些信息整合到广域网（WAN）中。

企业节点接收网关数据，将其应用于数字模型，并传送结果。

图1：数字孪生架构与物联网架构类似，其边缘节点、网关节点和企业节点上都有传感器。 有了足够精确的模型和高质量的数据，DT就可以预测故障、提高效率，甚至改变实际操作。

边缘节点的重要性DT需要现实世界持续不断的高质量数据流来验证虚拟机相对于其对应物理机的性能。否则，现实世界和虚拟世界会逐渐分化，DT的计算和预测将毫无价值。 边缘节点是这个数据收集过程的基础，因为它包含负责收集现实世界、操作和环境数据的传感器，并包含向上游发送这些信息的通信链路。如果DT可以对物理过程进行更改，边缘节点还会包含允许此过程发生的执行器。 传感器测量分为两类：

操作测量（与机器或设备的物理性能有关），如抗拉强度、速度、流量、位移、扭矩、作业温度或振动

环境或外部数据（影响物理过程的运行），如环境温度、大气压和湿度

边缘节点传感器可以有多种形式。温度传感器、压力传感器、称重传感器和加速度计等设备测量现实世界的特性并生成数字信息。传感器融合系统将多个传感器的结果整合在一起，形成单一设备无法提供的洞察力。摄像头和麦克风使用复杂的非结构化信息创建视频和音频流，这些信息需要经过大量处理才能解释。

传统机器带来挑战理想情况下，DT设计是从对现实设备建模的数字设计开始，因此提供实时数据的传感器可以包含在模型中并传递到最终版本。在石油和天然气、核能、航空航天和汽车工业的许多高科技应用中，都是如此。但如果在实现虚拟模型之前去设计机器，就会出现问题。升级边缘节点以激活数字孪生会带来一系列新的挑战。 传统行业的设计师很少有机会从头开始设计DT在现实世界的孪生产品。他们往往必须使用现有的工厂基础设施，而这些基础设施可能已经运行了好几年，甚至几十年。如果是这样，DT基础设施就必须“嫁接”到现有系统上。尽管底层系统可以改造为支持数字孪生技术，但如果现有机器很少或没有传感器来监测其性能，那么集成过程的复杂度会呈指数级增长。在这种情况下，数十到数百个传感器必须嫁接到一台机器上，然而这台机器在当初设计时却根本没有考虑过为这些先进技术留出实施的余地。 即使原来的机器安装了传感器，传感器的精度也可能不足以为数字模型提供有用的数据。例如，原有的温度传感器只能检测温度过高故障，但不提供识别温度过高应力模式所需的数据质量，导致无法帮助提前预测故障。 现有通信网络的容量是另一个潜在问题。传统的物联网设备使用许多不同的有线和无线标准将边缘节点连接到各自的网关。这些标准包括以下行业标准：

Zigbee–适用于低功耗网状网络应用

Sub-1GHz–适用于低功耗和长距离传输应用

Wi-Fi–适用于高速、直接的互联网连接

蓝牙–功耗最低

其他

每个标准都必须经过仔细评估，以确定它是否能够处理数字孪生数据所带来的负荷增加。

现有DT应用中的常见实例

尽管在许多行业，数字孪生尚处于起步阶段，但许多技术产品在第一个原型出现之前就已经在虚拟世界进行了设计、测试和验证；另外这些产品还倾向于从专门的实时传感器收集大量数据。飞机发动机和F1赛车就是两个很好的例子：

飞机发动机

飞机发动机已经装备了很多的仪器仪表。传统的涡扇发动机（图2）包含用来测量压力、温度、气流、振动和速度的传感器。每种类别都有多个专用传感器。例如，对于压力，有涡轮压力、机油压力、机油或燃油滤清器压差、失速检测压力、发动机控制压力、轴承室压力等传感器类型。

图2：一个飞机涡扇发动机包含数百个传感器，因此每增加一个DT，传感器就需要增加一个数量级。（资料来源：patruflo/Shutterstock.com）

DT比传统的监控应用需要更多的数据，因此它的传感器设计必须适应不断增加的需求。尽管目前大多数在役飞机的发动机所包含的传感器少于250个，但制造商正在展示下一代兼容DT的产品，其中包含5000多个传感器。另外还有数据来自于监控燃油流量、燃油和机油压力、海拔高度、空速、电力负荷和外部空气温度的传感器。Rolls-Royce、GE和Pratt & Whitney公司已经在使用DT来提高发动机可靠性、提升其效率并降低维护成本。

一级方程式（F1）赛车

DT技术有助于提升驾驶员和赛车在F1比赛高压力环境下的表现（图3）。例如，迈凯轮-本田车队使用200多个传感器来传输与发动机、变速箱、制动器、轮胎、悬架和空气动力学有关的实时数据。在比赛过程中，传感器向位于英国沃金的迈凯轮技术中心发送最多达100GB的数据，在那里分析人员研究数据并使用DT将最佳比赛策略发送给驾驶员。DT以虚拟方式与实体车一样比赛，甚至根据相同的路况、天气和温度进行调整。

图3：F1赛车可以使用200多个传感器来传输有关发动机、变速箱、制动器、轮胎、悬架和空气动力学的实时数据（资料来源：Digital Storm/Shutterstock.com）

DT边缘节点架构的未来

如果要全面实现DT模型，必须解决现有边缘节点架构的几个问题：

智能传感器和边缘节点处理

随着传感器收集的数据量不断增加，清楚地了解如何在数字模型中使用数据以及在哪里处理数据（在节点、网关还是云中？）就变得非常重要。在节点上处理会减少网络带宽的消耗，但会有信息丢失风险，从而导致DT性能降低。

传感器的类型会影响最终决定。尽管许多传感器是以易于使用的结构化格式传输信息（例如，传输表示压力的数字），但诸如麦克风和图像传感器之类的传感器会生成大量的原始数据，这些数据是非结构化的，不经过大量处理根本无法使用。

增强的通信接口

尽管增加了边缘节点的处理能力，但大幅增加的数据流将要求系统设计师在所有层级增加网络带宽。例如，飞机的每台发动机每秒产生最多5GB数据，而商用双发动机飞机每天产生最多844TB数据。

传统行业会产生大量数据，也会带来额外的复杂性：传统工业物联网应用中的许多远程边缘节点使用电池和低性能无线协议来实现低功耗优化。现有的设计权衡可能需要重新评估以检测通信瓶颈。 稳健的边缘节点安全性

现有物联网的边缘节点设备中出现了新的安全问题，加密、安全硬件设计、应用程序密钥和设备证书等安全措施变得越来越普遍。DT应用的增加将提高这些技术的重要性，特别是在增加了互联网协议（IP）连接的节点上，这种连接为潜在的黑客提供了一个攻击入口。

结论

实施DT计划将对信号链的各个层级提出严格要求，特别是在靠近或位于孪生机器的边缘节点上。边缘节点是数字孪生的基础，因为它包含负责收集现实世界、操作和环境数据的传感器，并包含向上游发送这些信息的通信链路。目前，数字孪生已在航空航天和汽车等行业得到应用，在这些行业中，有许多数字孪生所必需的专用传感器。在改造设备以支持数字孪生时，必须将几十到数百个传感器嫁接到从未设计为容纳它们的机器上。为了使数字孪生继续获得发展，有多种解决方案非常重要，它们必须考虑传感器以及边缘节点处理、通信处理和边缘节点安全性。