新闻中心

EEPW首页 > 物联网与传感器 > 设计应用 > 智能工业物联网边缘 (Edge)平台的关键属性(下)

智能工业物联网边缘 (Edge)平台的关键属性(下)

作者:时间:2018-02-06来源:电子产品世界收藏

作者/Chetan Khona 赛灵思公司工业IoT战略与商务经理

本文引用地址:http://www.eepw.com.cn/article/201802/375423.htm

  4 软件定义的硬件

  “网络安全:硬化的和适应未来威胁的能力”一节中曾提到,硬件卸载获得的不只是 All Programmable SoC 可编程硬件的支持。实现整个愿景需要能优化这一技术的软件自动化功能。像 SDSoC™ 开发环境这样的工具能让用户编写 C/C++/OpenCL 及其它日益增多的语言,将功能的全部或部分分区到可编程硬件或软件中。SDSoC 开发环境还能在处理器和可编程硬件间生成数据移动引擎和基础架构。2015 年,SDSoC 工具

  结合使用高级加密标准 (AES)-256 算法,在将算法部分移到可编程硬件时,显示性能提升高达 4 倍提升。《Xcell 软件刊》中的“使用 SDSoC 加速 AES 加密”一文。

  该基准测试的重点是探索软件智能与可编程硬件优化的最佳平衡。不过这个工具也能将该功能完整地卸载到可编程硬件。与此相似,通过硬件加速引擎,马达控制环路收敛时间与纯软件实现方案相比,能将性能提升 30-40 倍。见图 4。

图4 SDSoC 设计环境 设计流程

  5 边缘计算:可扩展、低成本与实时

  如同通信和安全,边缘计算正朝向超多个方向演进。云的计算能力运行在之前无法访问的系统所释放的数据流上,为用户提供了前所未有或无法理解的可执行的洞察力。这就建立起一套可用作新基线的预期或桌面筹码。正如依靠 GPS 实时导航系统会让大部分高速公路地图过时,工业设备的购买者和使用者对来自他们的 IIoT 系统的反馈有着不同的期望。目前在下列三大因素的推动下,趋势是把这些洞察的生成从云端推向边缘:

  · 在从边缘到云端的往返环路中以尽量快的速度应用洞察

  · 发送(在许多情况下)大数量数据到云端的成本

  · 发送数据到云端的安全、可靠性和隐私问题

  有些行业趋势不应该看得那么绝对。对解决部分此类安全和隐私问题,即便只是在本地预处理数据,然后把优化后的混淆数据发送到云端,也能带来巨大的好处。最简单的例子是把低通或平均滤波器应用到负责控制机器的控制器上的时间序列数据。结果是既减少发送到云端的数据点数量,也抑制了离群数据。通过可编程硬件,您能将这些优化功能

  在数据流出机器时应用到数据上。与使用复杂内存事务相比,能实现最高效的数据处理。这是因为内存事务会影响根据数据制定任何可能决策的响应时间。这个例子可以表达为来自单个传感器的单数据流,但实际上许多工业系统是由数百个乃至数千个并行数据流组成的。连接的数量放大了问题,以及可编程硬件通过各种传感器融合技术和片上分析提供的解的值。

  在这里描述的示例中,智能嵌入在控制器中,对时间敏感反馈项进行本地调整,将时间关键性较低的数据

  以压缩格式推送到云端。这是边缘和云端相互补充的最好例证。这种对嵌入式智能和边缘-云端协作的描述也能适用于边缘上的机器学习,这是 IIoT 领域重要性不断上升的一个课题。机器学习 — 其中包括基于神经网络的机器学习推断和部署,以及回归和其它经典方法,极其适合可编程硬件构成的高能效、可定制和大规模并行计算架构。出于这个原因,基于可编程硬件的加速卡在云中得到广泛使用。同一 All Programmable 技术可供在边缘使用,为多传感器机器学习应用提供最低时延、功耗与成本。由于 All Programmable 技术既能高效支持IT-OT 融合的所有基本方面,同时又能为新兴领域提供一流功能,该技术单个器件可以覆盖最广泛的 IIoT 应用。比如将马达控制、机器视觉、网络通信、功能安全、网络安全等应用与边缘分析和机器学习相结合,是 All Programmable 技术在 IIoT 中的预期用例。通过使用附带支持库的 SDSoC 开发环境等工具,用户只需占用最小型 All Programmable 器件的一部分资源,就能把大量算法实现在器件中。见图 5。

  图5 Zynq-7000 和 Zynq UltraScale+ SoC 的机器学习推断流程

  6 传统处理器的辅助 FPGA

  要实现宽泛的 IT-OT 功能,IIoT 边缘平台首选 All Programmable SoC。这些器件可提供前面描述的集成优势,同时还可降低功耗和成本。在已经有之前的架构存在的现实环境中,比如说存在专门用于传统嵌入式处理器的传统代码的情况,此时还有另一个选择。在这种情况下,通过使用称为 FPGA 的纯可编程硬件器件,仍可发挥上文介绍的部分优势。FPGA 作为能与主嵌入式处理器方便接口的辅助器件运行。这些 FPGA 发挥主嵌入式处理器的协处理器的作用,提供实现紧凑的微处理器

  或微协处理器(例如赛灵思 MicroBlaze™)的选项。这些软处理器(用可编程硬件构建)支持多种操作系统和实时操作系统。使用这些选项,在传统系统环境中也能卸载不断演进的或时间关键的功能。FPGA 和 SoC 等赛灵思 All Programmable 产品组合不仅能实现可在更大温度范围内使用的生命周期长、可用性高的芯片,而且还能够对整个或部分器件进行重配置,即便在运行中也能如此。同时在共享封装兼容的情况下提供多 FPGA 选项,便于采取平台化措施。双芯片方法与 All Programmable SoC 相比,处理器与 FPGA 之间缺乏高带宽。这种高带宽和单芯片 SoC 内的连接数量,有助于软硬软件之间的动态劳动分工(即之前的示例的前提条件),这种特性是双芯片解决方案无法媲美的。即便有这些局限性,可编程硬件的价值也大到足以让越来越多的嵌入式处理器在它们的数据集中推广专用 FPGA 接口(一般根据 PCIe、SPI、QSPI 等标准构建)。

  7 新工业时代针对寿命的软硬件可编程性

  采用电气化工业控制系统问世已有百余年时间。正如有些人将 IIoT 称为第四次工业革命一样,不仅可用的技术和所需完成的任务发生了改变,整个行业的发展速度也随着变革的速度加快。目前,IT-OT 任务随着时间不断深化和扩展, IIoT 边缘平台的构建块新技术应运而生,使其基本上能够很好处理这些任务。与前二三十年使用的传统嵌入式架构构建块相比,Zynq-7000 和 Zynq UltraScale+器件等 All Programmable SoC 运用软件和硬件可编程性保持资产长期有用。那种针对每个端点产品使用不同嵌入式处理器,而毫不考虑其连接的是同一云基础设施的方法,是一种行将失败的方法,因为 IIoT 系统开发中大约 75% 的成本都与云和嵌入式软件开发息息相关。对系统供应商来说,最重要的是通过软件服务让他们投入的研发时间和资金创造价值,而不是再开发通信接口、安全基础架构、控制环路时序、数据分析算法等。FPGA 方法为那些必须处理传统处理器的供应商提供了众多这种优势。All-Programmable SoC 方法有助于最大化可用选项,是面向工业系统供应商及其客户增加投资回报的关键。

  8 结论

  总之,本白皮书重点介绍赛灵思 All Programmable SoC 和 FPGA 如何通过以下优势为系统供应商及其客户带来最大投资回报 (ROI):

  · 赛灵思 All Programmable SoC 和 FPGA 的更长生命周期它们特有的软硬件可编程特性相结合结合,既能实现实时的现场更新,又能避免不能遵循 IIoT 新标准和趋势的风险;

  · 面向系统供应商平台的扩月多个赛灵思器件系列的可扩展特性,可在整个产品线中降低总拥有成本;

  · 集成来自 IT 域和 OT 域的多重 IIoT 功能到单个高灵活性、低时延、高能效器件中。



关键词: 工业物联网

推荐阅读

评论

技术专区

关闭