Table of Contents
האתגר הצומח של חום באינטרנט של דברים
האינטרנט של הדברים (IoT) ארס את עצמו לתוך הבד של החיים המודרניים, מתרמוסטטים חכמים ומעקבים רפואיים מחוננים תעשייתיים וציוד חקלאי מחובר עד 2025, מספר המכשירים המחוברים ל-IoT צפוי לעלות על 75 מיליארד דולר ברחבי העולם.כפי שהמכשירים האלה מתרבים, הם פרוסים בסביבה תובענית יותר ויותר: חתמים, מיקומים בחוץ, מפעלים ואפילו בתוך גוף אנושי אחד.
כל רכיב אלקטרוני מייצר חום במהלך המבצע.בתקני IoT קומפקטיים עם מרחב מוגבל עבור ventilation, חום יכול לצבור במהירות.ללא ניהול תרמי תקין, טמפרטורות פנימיות יכולות לעלות מעבר לסף בטוח, המוביל לביצועים מוזנחים, חיי סוללה מופחתים, מקרי חיישנים שגויים, ובסופו של דבר, כישלונות קטסטרופליים.ה של המשתמש במכשירים לאסון בהגדרות תעשייתיות או בטיחות רפואית.
למה נפילה מסורתית ל-IoT
טכניקות ניהול תרמיות לאותיות - כגון כיור חום פסיבי, מעריצים פשוטים, או מעגלים סגורים תרמיים - לעתים קרובות לא מספיק עבור מכשירים מודרניים IoT. שיטות אלה נוטות להיות בגודל אחד בגודל אחד - כולם, פועל ללא קשר עומס תרמי בפועל, בזבוז אנרגיה, ייצור רעש מיותר, כמו גם, מכשירים רבים של IoT הם מופעלים סוללות, ומריצים מאוורר במהירות מלאה ניקוז כוח יקר כל הזמן.
למערכות ניהול תרמיות חכמות להתגבר על המגבלות הללו על ידי מינוף של אלגוריתמים של זמן אמת, מתוחכמת ומיומנויות תקשורת כדי לספק קירור או חימום רק כאשר והיכן זה נחוץ.הם:0 מעלות צלזיוס:0 מעלות צלזיוס:0 מעלות צלזיוס ⁇ ⁇ spher טמפרטורה ⁇ spher טמפרטורה 1, FLT:2predict תרמי ספייקsFLT 3 מבוסס על דפוסי עבודה, ו-Fjusterderder דינמי יותר, בתנאי אנרגיה, 000, 000, 000, 000, 000, 000, ואפקטים, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 רחב יותר, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 גבוה יותר יעיל יותר, 000, 000 קיבולת פעולה, 000, 000.
מערכת ניהול חכמה
מערכת ניהול תרמי חכמה משולבת כוללת ארבעה אבני בניין חיוניות.כל אחד חייב להיות נבחר בקפידה וניתן להתאים את פרופיל הכוח של המכשיר, מגבלות פיזיות וסובלנות סביבתית.
טמפרטורות חיישן
מדידה טמפרטורה גבוהה היא הבסיס.סוגי חיישן משותף כוללים:
- (ב) ,0) , ThermocoupuplesFLT:1 , טווח טמפרטורה מחוספס רחב, אך דורש פיצוי צום קר והם פחות מדויקים עבור מכשירים קטנים של IoT.
- (ב) ,0) טמפרטורות הטמפרטורות של ה-RTDsues) 1 (RTDs)FLT:1 - מדויק ויציב מאוד, אך יקר יותר ויותר גדול.
- (FLT:0) ThermistorsFLT:1 - בעלות נמוכה, רגישה וקומפקטית, מה שהופך אותם לבחירה המועדפת ביותר עבור רוב יישומי IoT.טמפרטורות שליליות Coefficients מציעים רגישות מצוינת על פני טווחי הפעלה טיפוסיים.
- (FLT:0) חיישנים טמפרטורה מוליכים 1 (למשל, LM75, DS18B20) - משולבים במיקרו-בקרים רבים ומציעים פלט דיגיטלי באמצעות I2C או 1-Wire ממשקים, הפשטת שילוב המערכת.
- (FLT:0) חיישנים (IR) חיישנים 1FLT: מאפשר ניטור טמפרטורה לא מגע של משטחים, שימושי במכשירים שאינם יכולים לצרף ישירות חיישן (למשל, אלקטרוניקה כוח במודולים חתומות).
חיישנים מרובים שהונחו בנקודות חמות קריטיות (מעבדים או מתים, סוללה, פסטור אלחוטי, ניהול חשמל IC) מספקים מפה תרמית מקיפה שמזנה ללוגיקה הבקרה.
שליטה על Algorithms
המוח של מערכת ניהול תרמי החכם הוא אלגוריתם הבקרה.זה מפריש את נתוני החיישן, מעריך מצבים תרמיים עתידיים, ומחלליט על פקודות אקטוטור.
- (FLT:0) בקרים ראשיים (Proportional-Integral-Derivative) - גישה קלאסית שמגיבת לההבדל בין הטמפרטורה הנוכחית לבין סטמנט. PID כוונון הוא מובן היטב, אך יכול להיאבק עם התנהגויות לא ליניאריות או שינויים פתאומיים ב-IoT.
- (FLT:0) בקרים לוגיים Fuzzy לוגיקה בקרים 1FLT - לטפל קלטות מזהמים וניתן לשלוט על בסיס כללי ("אם הטמפרטורה גבוהה ועלייה מהירה, להגדיל את מהירות המעריצים לגובה גבוה") הם קלים חישוביים ועובדים היטב כאשר הדינמיקה של המערכת אינה ממודלת לחלוטין.
- (FLT:0)Model Predictive Control (MPC)cioFLT:1) - משתמש במודל תרמי של המכשיר כדי לחזות טמפרטורות עתידיות ובחירת פקודות הפעלה המפחיתות אנרגיה תוך שמירה על גבולות בטוחים. MPC דורש יותר משאבי מחשוב אבל מציע ביצועים מעולים ביישומים מורכבים.
- (FLT:0) Machine למידה מבוססת שליטה על שליטה 1FLT - רשתות עצביות או מודלים של למידה חיזוק יכולים ללמוד מהנתונים ההיסטוריים לצפות עומס תרמי מבוסס על דפוסי עומס עבודה (למשל, פיזור עיבוד AI, תקופות שידור רדיו) והתאמה מוקדמת של קירור.זה בעל ערך במיוחד במכשירי IoT בעלי ביצועים גבוהים.
אלגוריתמים של הבקרה מבוצעים לעתים קרובות על המיקרובקר הראשי של המכשיר או על מעבד כוח נמוך ייעודי כדי להבטיח תגובה בזמן אמת ללא הפרעה משימות ראשוניות.
Actuators
החוקרים מבצעים את פקודות הקירור או החימום.הבחירה תלויה בגודל המכשיר, תקציב החשמל ורמת הרעש המקובלת.
- (ב) [[1924]]]]]] [[1924]]]]]] [[1924]]]]]]]]]] [[1924]]]]]]]]]] [[1924]]]]]]]]]]]]]]]]]]]]]]]]]] [[1924]]]]]]]]]]]]]]]]]]]]]]]]]] [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]
- (ב) ,0) מטוסים נייניתטיים (FLT:1), ייצר זרימת אוויר ללא חלקים נעים באמצעות הדופק אווירי מונע על ידי diaphragm; שקט ואמינה.
- (FLT:0) הקרירים הירומאלקטריים (Peltier מכשירים)FLT:1 - משאבות חום מוצקות של מדינת ישראל שיוצרות הבדל טמפרטורה. אידיאלי עבור קירור מדויק במקום, אך דורשות כיור חום בצד החם שלהם וצורכים כוח משמעותי.
- (FLT:0) מיקרו-ערוצי קירור נוזליים 1 (FLT:1) – בשימוש בשרתים בעלי עוצמה גבוהה או מאיצים של AI; מורכבים ועדיין לא נפוצים ב-IoT בעל כוח נמוך.
מערכות חכמות יכולות לשלב סוגים רבים של אקטוטור, למשל באמצעות כיור חום כניתוק ראשוני ומעורבות של מעריץ רק כאשר סף טמפרטורה מסוימת חוצה במהלך העומס.
מודול תקשורת
כדי לאפשר ניטור מרחוק, איסוף נתונים ואופטימיזציה מבוססת ענן, תת-מערכת ניהול תרמי חייבת לתקשר עם שאר המכשיר ופוטנציאל עם שרתים חיצוניים.
- (FLT:0) על גבי לוח תקשורת תקשורת (FLT:1) - חיישנים ופועלים משתמשים לעתים קרובות אוטובוסים I2C או SPI כדי ממשק עם המיקרובקר.לוגיקה הבקרה יכול להזין את ההיסטוריה של הטמפרטורה מקומית לניתוח שלאחר event.
- (FLT:0) קישורים ללא תשלום (Wireless קישורים) 1 - פרוטוקולים כמו BLE (כחול אנרגיה נמוכה), Wi-Fi, LoRaWAN, או NB-IoT מאפשרים למערכת ניהול תרמי לשלוח התראות, לקבל עדכונים קושחה, או להסיר מודלים תרמיים לשירות ענן.
- (FLT:0) אינטגרציה של עננים אינטגרציה 1FIRLT 1 (פלטפורמות כמו AWS IoT Core, Azure IoT Hub, או Thingsboard.io יכול לאסוף טלמטרי תרמי להאכיל אותו לתוך סימולציות תאולוגיות דיגיטליות או לוחות נתונים המסייעים למהנדסים לחדד עיצובים תרמיים.
Key Technologies Powering Smart Thermal Management
מעבר לרכיבי הליבה, מספר טכנולוגיות המאפשרות מבדילות מערכות חכמות ממרכיבים מסורתיים.
Machine Learning for Predictive Thermal Optimization
מודלים של למידת מכונות יכולים להיות מאומן על טמפרטורה היסטורית, עומס ונתונים סביבתיים כדי לחזות מצבים תרמיים עתידיים.לדוגמה, תרמוסטט חכם יכול ללמוד את האינטרטי התרמית של בניין ולהתאים את לוח הזמנים HVAC טרום חימום או קירור כדי למזער אנרגיה תוך שמירה על נוחות.באינטרנט תעשייתי, מעבד חיישן רטט עשוי להתאים את השימוש CPU עם טמפרטורה מחממת כדי לחזות כאשר עלייה של חום תהיה על פני גבול בטוח תחת מחזור מסוים, ואז להפעיל את המעבד פעיל או אפילו על פני טמפרטורה.
מחקרים הראו כי סוכני למידה חיזוק יכולים להפחית את צריכת האנרגיה של המעריצים ב-20-30% בהשוואה לבקרי PID תוך שמירה על גבולות טמפרטורה זהה (ראה FLT:0 זה מחקר על RL עבור מרכזי אבטחת מידע קירור FLT:1).
קישוריות דיגיטלית ואבחון מרחוק
מערכות ניהול תרמי חכמות משתמשות בקישוריות IoT כדי לייעל את הטלמטים - קריאה זמנית, מדינות אקטוטור, צריכת חשמל - לענן לוחות נתונים. מהנדסים יכולים לדמיין פרופילים תרמיים לאורך זמן, להציב סף לערנות אוטומטיות (למשל, "מהירות המעריצים עולה על 80% יותר מ 5 דקות"), ודוחפים פרמטרים חדשים של שליטה על האוויר.
לדוגמה, מצלמה חיצונית מחוברת עשויה להשתמש ב-LRAWAN כדי לדווח על מגמת טמפרטורה פנימית עולה, היזהר טכנאי שמשה השתנה לפני המצלמה מחממת ונכשל.
אלגוריתמים ותקנות עצמיות
אלגוריתמים הסתגלותיים את התנהגותם בהתבסס על שינוי התנאים.לדוגמה, ניהול תרמי של המל"ט יכול ללמוד כי מרחף באור השמש הישיר בצהריים דורש קירור אגרסיבי יותר מאשר לטוס בדימוס.חלק מהמערכות ליישם את FLT:0 מרחיבות את עצמו ללומות ל-FLT:1 שבו אלגוריתם הבקרה מסדיר אוטומטית חיישן או מעוקלות כדי לפצות על רכיב ההזדקנות או אבק זה מונע ביצועים קטלניים על פני החיים של התקני ה-ידי ה-ה.
היתרונות של מינוף IoT
השקעה בניהול תרמי חכם מספק החזרות למדידה על פני ממדים רבים.
בסביבה הקרובה של Extended Device Lifespan
חום הוא הנהג העיקרי של רכיב אלקטרוני ללבוש-out. כלל כללי של אצבע: עבור כל 10 מעלות צלזיוס ירידה בטמפרטורת הצומת, זמן ממוצע של כשל (MTTF) של מוליכים למחצה כפולים. מערכות חכמות שמרות על טמפרטורות בקצה התחתון של טווח מקובל יכול להאריך באופן דרמטי את חיי המוצר, צמצום עלויות החלפת ו e-waste. בתקני סוללה מופעלים, שליטה גם טמפרטורה איטית סוללות ומניעה תרמיים תאים בורחים בתאים לימיים.
אנרגיה יעילה
(הופנה מהדף אנרגיה מתחדשת תמידית) מערכות חכמות יכולות להפחית את האנרגיה הקירור ב-40-60 אחוזים על ידי התאמת תפוקה של אקטוטור לביקוש מיידי, בחיישן אינטרנטי המופעל על ידי השמש, זה עשוי להיות ההבדל בין שבוע אחד לחודש של פעולה אוטונומית.השילוב של עומס:0low-powerFLT:1, FLT2 יעיל בקרת שליטה FLT3, ו- 4APTIVEL) מבטיח כוח LT5 לא LT5 לא LT5.
אמינות מוגברת בסביבה החריפה
מכשירים IoT פועלים במגוון מדהים של תנאים: הצטננות, חום המדבר, לחות גבוהה, מכונות רטט כבד. ניהול תרמי חכם להסתגל קיצוניות. A Smart thermostat יכול לעסוק תנור כדי למנוע הדבקה, בעוד חיישן רטט במפעל יכול לרסק את המעבד שלו כדי לשמור את הטמפרטורה מתחת לגיל 65 מעלות צלזיוס אפילו כאשר הטמפרטורה האוויר מגיע 50 מעלות צלזיוס.
חיסכון בעלויות באמצעות תחזוקה חיזוי
על ידי ניטור מגמות תרמיות לאורך זמן, מפעילי יכולים לזהות חריגות - כמו טמפרטורת בסיס עולה לאט כי מצביע על מאוורר הנושא הוא לבוש בחוץ - ולוח הזמנים החלפת לפני כישלון קטסטרופלי מתרחשת.שינויים אלה מתחזוקה של reactive to יזום, חיתוך עלויות חירום ולהימנע מ unplanned downtime. ברשתות גדולות של IoT בקנה מידה גדול (למשל, 10,000 זרמי רחוב חכמים), החיסכון יכול להיות משמעותי.
מגמות עתידיות בניהול חכם
כמה כיוונים מתעוררים ידחפו את היכולות של ניהול תרמי קדימה, מה שהופך את מכשירי IoT ליותר אוטונומיים, יעילים, ומשתנים.
מערכות בינה מלאכותית ולמידה עצמית
כמודל מעבדי AI להיות זול יותר, מערכות ניהול תרמי לשלב רשתות עצביות מתעתקים כי כל הזמן ללמוד את ההתנהגות התרמית של החומרה הספציפית שלהם.במשך שבועות של פעולה, מכשיר יכול לבנות תאום דיגיטלי מדויק מאוד של הפרופיל התרמי שלו וייעל פעולות שליטה עבור שילוב ייחודי של שחלות ייצור, הזדקנות, וחשיפה סביבתית.זה עובר מעבר למודלים הגנריים כדי להתאים באמת, ניהול מותאם אישית.
חומרים מתקדמים מגניבים
חומרים חדשים דוחקים את הגבולות של קירור פסיבי. Graphene-enhanced פערים תרמיים מציעים מוליכות תרמית מעל 500 W / mK. שלב שינוי חומרים עם נקודות נמס מותאמות יכול לספוג חום ללא עלייה בנפח: 3.FLT:0Microchannel vapor תאים HDFLT:1 מייצור עם תהליכי סיליקון ניתן לשלב ישירות לתוך חבילות קטנות אלה, ללא מצופה חומרים קומפקטיים יותר של מעבדים (מתאים קומפקטיים)
מערכות אנרגיה-Harvesting-Integrated Thermal Systems
גנרטורים ה-ERMOאלקטריים (TEGs) יכולים להמיר ⁇ טמפרטורה לאנרגיה חשמלית.ביישומים מסוימים של IoT - כגון צגים צינור תעשייתי שבו סוף אחד חם והשני קר - TEG יכול כוח הן החיישן והן מעריץ קירור פעיל באמצעות חום פסולת.זה מוביל מערכות ניהול תרמיות לחלוטין עצמית שאינה זקוקה לכוח חיצוני, אידיאלי עבור אפס נחיתות ללא שום.
שילוב עם תאומים דיגיטליים וניהול צי
נתונים חכמים לניהול תרמי מאלפי מכשירים יכולים להאכיל לתוך תא דיגיטלי ברמה צינית המדמיינת התנהגות תרמית בכל יחידות.התאום יכול לזהות חולשות עיצוב, לחזות כישלונות ספציפיים באזור (למשל, מכשירים במזרח התיכון לרוץ חם יותר), וממליץ על עדכוני קושחה או תיקונים בחומרה.מנהלי צי יכולים לדחוף פרופילים תרמיים מותאם אישית עבור הסביבה של כל מכשיר, אופטימיזציה ביצועים בקנה מידה.
ביקורת: Embrace the Heat Challenge early
ככל שהתקני IoT מתכווץ וכוח העיבוד שלהם גדל, החום יהיה רק קריטי יותר. Relying על קירור כוח רוטט או התעלמות סיכונים תרמיים לחלוטין הוא כבר לא קיימא. מערכות ניהול תרמי חכם חכם, בנוי על שליטה מדויקת, אינטליגנטית, פעולה הסתגלות, וקישוריות ענן, הם חיוניים לאספקת מוצרים אמינים, יעילים, וארוכים של IoT צריך לשקול אדריכלות תרמית מן השלב המוקדם ביותר - חיישנים חכמים, אשר מאפשר עיבוד יעיל, כלומר, ולא מאפשר לתאים של מכונות למידה, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, תכונות אבטחה, כלומר, תכונות למידה מחוברות, כלומר, כלומר, כלומר, כלומר, תכונות יעילות, תכונות אבטחה, כלומר, לא רק תכונות של עיבוד יעיל, יעיל, יעיל, יעיל, יעיל, יעיל, יעיל, יעיל, ותוחלת חיים ארוכים של טכנולוגיות בעתיד.
לתובנות עמוקות יותר ליישום המערכות הללו, ה-FLT:0 (Electronics Cooling MagazineFelove:1) כולל באופן קבוע מחקרים והנחיות עיצוב עבור ניהול תרמי של IoT, בעוד ה-FLT:2NIST IoT Reliability ותוכנית ניהול התרמומלית: ®Ral Management ProgramcioFLT:3 מציעה הדרכה על שיטות הטובות ביותר עבור פריסות קריטיות המשימה.