TinyLiDAR برای IoT: 3 مرحله

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:57

اگر به اطراف خود نگاه کنید ، متوجه خواهید شد که بسیاری از دستگاه های کوچک هوشمند در زندگی روزمره مورد استفاده قرار می گیرند. آنها معمولاً از باتری استفاده می کنند و معمولاً به نحوی به اینترنت (معروف به "ابر") متصل می شوند. اینها همه دستگاه هایی هستند که ما آنها را "اینترنت اشیا" می نامیم و امروزه به سرعت در جهان رایج شده اند.

برای مهندسان سیستم اینترنت اشیا ، تلاش زیادی برای بهینه سازی مصرف برق صرف می شود. البته دلیل این امر محدود بودن ظرفیت موجود در باتری ها است. تغییر باتری در مقادیر زیاد در مناطق دور افتاده می تواند یک پیشنهاد بسیار گران قیمت باشد.

بنابراین این دستورالعمل در مورد بهینه سازی قدرت در tinyLiDAR است.

TL ؛ خلاصه DR

ما یک حالت اندازه گیری "Real Time" جدید (از سیستم عامل 1.4.0) داریم که به حداکثر رساندن زمان کارکرد باتری در دستگاه های اینترنت اشیا کمک می کند.

فشار بیشتر آب از باتری ها

به طور بصری ، ما می توانیم با کاهش مصرف برق دستگاه های اینترنت اشیا ، زمان اجرا را افزایش دهیم. خوب پس واضح است! اما چگونه می توانید این کار را به طور م doثر انجام دهید و زمان اجرای مورد انتظار را به درستی محاسبه کنید؟ بیایید دریابیم…

مرحله 1: انرژی خالص

روش های زیادی برای انجام این کار وجود دارد ، اما ما ترجیح می دهیم آن را به اصول اولیه تقسیم کرده و همه چیز را به انرژی تبدیل کنیم. انرژی الکتریکی با ژول (نماد J) اندازه گیری می شود و با تعریف:

ژول انرژی است که به عنوان گرما از بین می رود هنگامی که جریان الکتریکی یک آمپر از مقاومت یک اهم برای یک ثانیه عبور می کند.

از آنجا که انرژی (E) همچنین ولتاژ (V) x بار (Q) است ، ما داریم:

E = V x Q

Q فعلی (I) x زمان (T) است:

Q = I x T

بنابراین انرژی در ژول را می توان به صورت زیر بیان کرد:

E = V x I x T

جایی که V ولتاژ است ، I جریان در آمپر و T زمان در ثانیه است.

فرض کنیم یک بسته باتری داریم که از چهار باتری AA قلیایی (LR6) به صورت سری متصل شده است. این یک ولتاژ شروع کلی 4*1.5v = 6v به ما می دهد. پایان عمر باتری قلیایی AA تقریباً 1.0 ولت است ، بنابراین ولتاژ متوسط حدود 1.25 ولت خواهد بود. با توجه به برگه اطلاعات mfr "ظرفیت تحویل شده بستگی به بار اعمال شده ، دمای کار و ولتاژ قطع دارد." بنابراین ما می توانیم حدود 2000mAhr یا بهتر را برای یک برنامه تخلیه کم مانند دستگاه IoT فرض کنیم.

بنابراین ما می توانیم محاسبه کنیم که 4 سلول x 1.25V در هر سلول x 2000mAhr * 3600sec = 36000 J انرژی از این باتری قبل از تعویض نیاز داریم.

به دلیل محاسبات ساده تر ، می توان فرض کرد که بازده تبدیل 100 درصد برای تنظیم کننده سیستم ما است و مصرف برق کنترل کننده میزبان را نادیده می گیریم.

سخنی در مورد دوچرخه سواری

نه ، نه نوع سوار شدن شما! دو مفاهیم فنی وجود دارد که به عنوان "دوچرخه سواری قدرت" و "دوچرخه سواری خواب" شناخته می شوند. از هر دو می توان برای کاهش مصرف برق استفاده کرد اما بین این دو تفاوت وجود دارد. اولین مورد شامل خاموش کردن دستگاه شما تا زمان نیاز است و سپس روشن کردن آن برای مدت کوتاهی برای انجام اندازه گیری و غیره. اگرچه استفاده از این روش به دلیل جریان خالی صفر آن وسوسه انگیز است ، اما در آنجا کمی اشکال دارد. زمان بی اهمیتی برای راه اندازی مجدد و سوزاندن انرژی در حین انجام این کار.

مفهوم دوم فقط شامل نگه داشتن دستگاه در حالت خواب است با این امید که سریعتر از خواب بیدار شود اما در حین خواب مقداری جریان محدود را بسوزانید. بنابراین کدام یک برای استفاده بهتر است؟

بستگی به این دارد که چند وقت یکبار باید از خواب بیدار شوید.

مرحله 2: اعداد را اجرا کنید

ما می خواهیم کل انرژی (E) نرمال شده به 1 ثانیه برای هر سناریوی ذکر شده در زیر را بیابیم.

مورد A: Tc = 1sec؛ اندازه گیری فاصله را در هر ثانیه انجام دهید مورد B: Tc = 60 ثانیه ؛ هر دقیقه اندازه گیری فاصله را انجام دهید مورد C: Tc = 3600 ثانیه ؛ هر ساعت اندازه گیری فاصله را انجام دهید

برای انجام این کار ، می توانیم بگوییم Tc زمان چرخه اندازه گیری های ما است ، زمان فعال را افزایش داده و زمان غیرفعال را کنار گذاشته و فرمول های انرژی خود را همانطور که در اینجا نشان داده شده است تنظیم مجدد می کنیم:

برای tinyLiDAR ، زمان راه اندازی حدود 300 میلی ثانیه یا کمتر است و در این مدت به طور متوسط 12.25 میلی آمپر طول می کشد در حالی که از منبع تغذیه 2.8 ولت کار می کند. بنابراین برای هر استارت آپ تقریباً 10.3mJ انرژی مصرف خواهد کرد.

جریان خواب/آرام برای tinyLiDAR 3uA فوق العاده کم است. این بسیار کمتر از میزان 0.3٪ تخلیه ماهانه یک بسته باتری قلیایی است ، بنابراین ما در اینجا فقط از روش "دوچرخه سواری خواب" استفاده می کنیم.

چرا میکرو را کنار نگذارید و مستقیماً به سنسور VL53 مراجعه نکنید؟

پاسخ این سوال چندان واضح نیست. در روزهای اولیه توسعه تلفن های هوشمند ما دریافتیم که زنده نگه داشتن پردازنده پرسرعت پرقدرت برای پخش mp3 یک روش مطمئن برای کاهش عمر باتری است. حتی در آن زمان ما تمام تلاش خود را به کار گرفتیم تا از "پردازنده های برنامه" با قدرت کمتر برای کارهای جانبی مانند پخش موسیقی استفاده کنیم. امروزه تفاوت چندانی با هم ندارند و در واقع ، می توانید از اهمیت بیشتری برخوردار باشید زیرا ما با کاهش ظرفیت باتری همه این دستگاه های اینترنت اشیا را کوچک می کنیم. بنابراین استفاده از یک پردازنده کاربردی با قدرت بسیار کم برای تنها وظیفه کنترل سنسور VL53 و ارائه اطلاعات آماده برای پردازش بیشتر ، یک مزیت قطعی برای هر برنامه باتری است.

tinyLiDAR حالت های اندازه گیری

ممکن است در حال حاضر در دفترچه راهنمای کاربر مشخص نباشد [اما در برخی موارد مشخص خواهد شد زیرا ما همیشه دفترچه راهنمای کاربر خود را به روز می کنیم:)] - در واقع 3 حالت مختلف اندازه گیری در tinyLiDAR وجود دارد.

حالت MC

از ابتدای tinyLiDAR ، ما وسواس زیادی برای اندازه گیری سریعتر از سنسور VL53 ToF داشتیم. بنابراین ما سیستم عامل خود را بهینه کردیم تا سریعترین و ثابت ترین داده جریان را از آن دریافت کنیم. این شامل معرفی بافر بود. اندکی بافر کردن چیز خوبی است زیرا به کنترل کننده میزبان (یعنی آردوینو) اجازه می دهد تا داده های اندازه گیری خود را به صورت فوری بدست آورد و به موارد مهم تری بپردازد. بنابراین بافر کردن کاملاً ضروری است و به همین دلیل ما می توانیم حتی در آردوینو UNO نسبتاً آهسته به نرخ پخش بیش از 900 هرتز برسیم. بنابراین ، سریعترین زمان پاسخگویی در استفاده از MC tinyLiDAR یا حالت "پیوسته" خواهد بود.

BTW ، اگر فرصتی پیش آمد ، باید یک کابل سریال را به پین خروجی TTY در tinyLiDAR وصل کنید و خواهید دید که این حالت MC چه کار می کند. به معنای واقعی کلمه تا آنجا که ممکن است اندازه گیری می شود و با انجام این کار ، بافر I2C خود را با آخرین اطلاعات مطلق پر می کند. متأسفانه ، از آنجا که با سرعت کامل کار می کند ، حداکثر توان را نیز می سوزاند. برای مشاهده نمودار فعلی در مقابل زمان این حالت MC به زیر مراجعه کنید.

حالت SS

حالت بعدی چیزی است که ما آن را "SS" برای حالت "تک مرحله" می نامیم. این اساساً همان حالت عملکرد بالا در بالا است ، اما به جای آن در یک حلقه پله ای قرار دارد. بنابراین می توانید از tinyLiDAR پاسخ های سریع دریافت کنید اما داده ها از نمونه قبلی خواهد بود بنابراین برای بدست آوردن آخرین داده ها باید دو اندازه گیری انجام دهید. در زیر نمودار زمان و زمان این حالت SS را مشاهده کنید.

هر دو حالت فوق از نظر سریع و آسان برای اکثر کاربران با این صورتحساب مطابقت دارد - فقط دستور "D" را صادر کرده و نتایج را بخوانید. با این حال …

با حرکت به سمت دنیای اینترنت اشیا که هر میلی ژول در آن مهم است ، الگوی جدیدی داریم.

و دقیقاً برعکس چیزی است که در tinyLiDAR کدگذاری کرده ایم! برای دنیای اینترنت اشیاء ، به منظور حفظ قدرت و افزایش زمان اجرا ، به اندازه گیری های واحد در فواصل نادر نیاز داریم.

حالت RT

خوشبختانه ، اکنون می توانیم بگوییم که برای سیستم عامل 1.4.0 راه حلی برای این سناریو داریم. این حالت برای اندازه گیری های "زمان واقعی" حالت "RT" نامیده می شود. و اساساً از روش ماشه ، صبر و خواندن استفاده می کند. برای استفاده از آن ، فقط می توانید دستور "D" را برای شروع اندازه گیری صادر کنید ، اما برای این حالت RT باید مدت زمان مناسبی منتظر بمانید تا اندازه گیری به پایان برسد و سپس نتایج را بخوانید. tinyLiDAR بین نمونه ها به طور خودکار به پایین ترین حالت آرامش زیر 3uA می رود. در واقع استفاده از آن هنوز ساده است و از نظر انرژی نیز بسیار کارآمد است ، زیرا برای بدست آوردن آخرین داده ها ، یعنی بافر صفر ، فقط باید به جای دو اندازه گیری را انجام دهید.

برای مشاهده نمودار فعلی در مقابل زمان این حالت RT جدید به زیر مراجعه کنید.

مرحله 3: اندازه گیری های واقعی

استفاده از حالت پیوسته MC برای اندازه گیری های نادر IoT منطقی نیست زیرا ما فقط به اندازه گیری های واحد نیاز داریم. بنابراین می توانیم توجه خود را به حالت های SS و RT متمرکز کنیم. عملکرد tinyLiDAR از منبع تنظیم شده +2.8v کمترین اتلاف انرژی را برای ما فراهم می کند. بنابراین با استفاده از ایستگاه از پیش تنظیم شده با دقت بالا (200 میلی ثانیه) ، مصرف انرژی زیر را در tinyLiDAR اندازه گیری کردیم:

SS/حالت تک مرحله ای: میانگین 31.2 میلی jJ در 2 اندازه گیری

حالت RT/زمان واقعی: به طور متوسط 15.5mJ در 1 اندازه گیری

با وارد کردن این مقادیر فوق به فرمول انرژی و عادی شدن آن در یک ثانیه ، می توان انتظارات زمان اجرا را با فرض اینکه انرژی از باتری ما 36000 J باشد ، پیدا کنیم.

مورد A: خواندن در هر ثانیه (برای خواندن آخرین اطلاعات 2 بار مطالعه کنید) Tc = 1secTon = 210ms در هر خواندن x 2 قرائت Toff = Tc - Ton = 580msIon (میانگین) = 26.5mA در هر بار خواندن Ioff (میانگین) = 3uA جریان آرام Vcc = 2.8V ولتاژ منبع تغذیه انرژی مصرفی توسط بار در ژول Eon = Vcc x Ion x Ton = 2.8V x 26.5mA * 420ms = 31.164mJ انرژی غیرفعال مصرف شده توسط بار در ژول Eoff = Vcc x Ioff x Toff = 2.8V x 3uA است x 580ms = 4.872uJ عادی سازی به TcE = (Eon + Eoff)/Tc = (31.164mJ + 4.872uJ)/1 = 31.169mJ یا 31.2mJ در ثانیه زمان اجرا در ثانیه برابر است با کل انرژی منبع/انرژی مصرف شده که 36000J است / 31.2mJ = 1155000 ثانیه = 320 ساعت = 13.3 روز

با تکرار این محاسبات ، می توانیم زمان اجرای سایر سناریوها را بیابیم:

حالت SS

مورد A: 2 قرائت در ثانیه. انرژی نرمال 31.2mJ است. بنابراین زمان اجرا 13.3 روز است.

مورد B: 2 قرائت در دقیقه. انرژی نرمال شده 528uJ است. بنابراین زمان اجرا 2.1 سال است.

مورد C: 2 قرائت در ساعت. انرژی عادی 17uJ است. زمان اجرا >> 10 سال محاسبه می شود ، بنابراین بارگذاری به دلیل tinyLiDAR ناچیز است. بنابراین بسته باتری فقط به دلیل ماندگاری آن محدود می شود (یعنی حدود 5 سال)

حالت RT

مورد A: 1 خواندن در ثانیه. انرژی نرمال 15.5mJJ است. بنابراین زمان اجرا 26.8 روز است.

مورد B: 1 مطالعه در دقیقه. انرژی نرمال شده 267uJ است. بنابراین زمان اجرا 4.3 سال است.

مورد ج: 1 مطالعه در ساعت. انرژی عادی 12.7uJ است. زمان اجرا >> 10 سال محاسبه می شود ، بنابراین بارگذاری به دلیل tinyLiDAR ناچیز است. بنابراین بسته باتری فقط به دلیل ماندگاری آن محدود می شود (یعنی حدود 5 سال)

بنابراین ، حالت جدید Real Time با استفاده از دوچرخه سواری در اینجا مزیتی برای افزایش زمان اجرا در 4 سال است ، اگر هر دقیقه یک بار اندازه گیری شود ، همانطور که در مورد B نشان داده شده است.

توجه داشته باشید که مصرف انرژی کنترل کننده میزبان برای این تجزیه و تحلیل در نظر گرفته نشده است و مشخصات بسته باتری در جنبه محافظه کارانه است. شما می توانید باتری های بسیار قوی تر به دلخواه متناسب با نیاز خود پیدا کنید.

با تشکر از شما برای خواندن و با ما همراه باشید زیرا ما یک نمونه کار IoT را با استفاده از tinyLiDAR برای دستورالعمل بعدی خود ارائه می دهیم. به سلامتی!