考虑各种模拟传感器输入的面向IoT的模拟电路设计
IoT时代多种多样的传感器
我们身边的产品使用了各种各样的传感器。近些年来,物联网的热点领域显示了传感器的多种用途。
传感器应用
- 工厂:收集并分析机床上安装的振动传感器等信息。应用于远程监视和预知保全等
- 农业:收集温度、湿度、土壤水分含量等信息进行分析。灵活运用于浇水的频度、肥料的时机等的调整
- 保健:收集心跳等身体信息,用于判断健康状态
在这里,如果传感器的输出是统一的话就轻松了,当然情况不是那样。
如果是模块型的话,也有数字输出,即使是模拟的,振幅不同,差动/单一输出,输出阻抗不同等,根据传感器的不同,输出方法也不同。
收集传感器信息的终端设备中有用于获得传感器信息的模拟输入,这个部分的设计要怎么做才好? 当然如果传感器已经决定了的话就简单了。只要按照那个制作就可以了。
另外,也确实存在有可能连接各种传感器的终端设备。如果是这种情况要怎么办才好?
考虑各种模拟传感器输入的模拟电路设计
首先考虑振幅不同的模拟传感器输入。
基本上是调整作为运算放大器基础的运算放大器的放大电路。
也就是说,放大率是由上述的R1和R2的比决定的,所以只要调整这个电阻,就可以应对各种振幅的输入。
因为可以通过软件改变电阻,量产时会比较轻松,所以使用数字电位器比较好。
美国Analog Devices公司准备了各种类型的数字电位器, 请参考。
另外也可以考虑排列电阻,用模拟开关选择使用的电阻的方法。但是,不管怎样,必须要考虑电阻值的选定、电阻的偏差的考虑、布局的考虑等各种事情是事实。虽说是简单的电路,但考虑的事情也不少。
在这里介绍一种更简单的方法。
活用Analog Devices公司的Circuits from the Lab
Analog Devices公司提供参考电路CFTL(Circuits from the Lab)。
简单地说CFTL是为了实现某种功能的参考电路集,但是那个电路不仅是桌上,实际上作为评价板被提供,那个电路图和布局信息,甚至实验数据等也一起被提供。用户可以直接使用一部分或全部有工作实绩的电路。
最适合不同振幅模拟传感器输入的参考设计
简单说明信号线的构成。
- ADG5027:8ch输入差动多路复用器
- AD8251:带有PGA的仪表放大器
- AD8475:具有将单输入转换为差动输出功能的ADC驱动器
- AD4003:18bit,2.0MSPS SAR型AD转换器
- ADuM141E:数字信号隔离数字隔离器
特别是AD8251带有PGA(Programmable Gain Amp),可以对应各种振幅的模拟输入。具体来说,可以对应一般的以下输入范围。
如果使用CN0385的话,振幅的问题就可以解决,而且还可以进行AD转换器和绝缘。
当然,如果不需要如此高精度的AD转换器,也可以替换,如果不需要绝缘,那部分也可以不用。
我们认为,通过使用具有实际成果的CFTL,可以大大缩短设计周期。
对于其他各种模拟输入
即使振幅的问题能够解决,也存在其他各种各样的模拟传感器输出。下面是一些想法。
输出阻抗高的模拟传感器输出
是指光电二极管的输出,或者有"请使用不受附带护罩的噪音影响的电缆"这样的注意事项的传感器。在这种情况下,必须在初级阶段使用"低偏压"放大器。
ADA4610等低偏压的运算放大器最好配置在第一层。
热电偶
这个有点棘手。有怎样处理0点保证的电路等的问题。当然也可以制作成热电偶专用的,但如果可能的话,希望能制作成通用的。Analog Devices公司准备了热电偶专用的放大器,可以根据热电偶的种类等分别使用AD8494/95/96/97。
微电压输入
测力计输入等是非常微小的振幅。增益有时必须是100倍以上,所以上述介绍的CN0385也不能对应。高增益的情况下,因为补偿也要加上增益,所以"低补偿"是关键字。
我推荐ADA4638等斩波型的可以取消偏移类型的放大器。
电流输入
电流输入一般是通过电阻等转换成电压输入的。
电感耦合等离子体(ICP)传感器
需要电流源和AC结合的电路。
如上所述,根据用途不同,可以使用的放大器也不同,所以目前仅靠软件配置很难应对各种模拟输入。
其中,通过使用通用封装(如SOIC8引脚等),只需更换IC即可解决问题(如在CN0385的前段准备SOIC8引脚用图案,根据传感器选择IC等)。
利用CFTL顺利进行电路设计
虽然能够连接所有模拟传感器的万能产品相当困难, 但Analog Devices公司CFTL的参考电路和多彩的模拟产品线大部分都能跟进,希望这些信息有所帮助。
Macnica使用Circuits from the Lab参考设计开发了原创产品(Analog Sensor Terminal)。Analog Sensor Terminal可以连接各种模拟传感器,是一种能够很容易地发送到电脑和网关的装置。由此,丰富的CPU能力也有边缘计算的潜在的可能性。