head

2017年7月14日金曜日

消費電力比較、RN4020 BLE とesp8266(途中編)

前回製作した、rasPi対応のRN4020+ atmega基板で省エネ化が進んだ為
主に他機種との比較の消費電力調査を行いました。
測定機器/部品等の関係で誤差が出ましたので、測定方法等の見直し必要の状態ですが
ある程度まとまりましたので、公開したいと思います。

比較対象は WIFI(esp8266)とし、
測定方法としては、特定の時間帯の消費電力を測定し
理論値でモバイル電源の連続可能時間を予想する方法としており。
実測値での、連続稼動時間(電池切れまで)を測定している方法ではありません。

*1 ) esp32は、消費電力が大きい為 対象外としました。
*2) BLE server(rasPi)機の消費電力は計測しておりません。
 子機の消費部分となります。


#結果
RN4020 基板が消費電力が少なく、約 1/ 8.5 の電力で稼動できそうです
*) 測定誤差が確認でましたので、補正の計算を実施しています。


# 測定方法/測定機
arduino UNO 内臓 ADCを使って、100mSec 単位で電圧を測定、
PCに送信し、python でファイル保存 (集計)
電流測定用抵抗 =1R
を ADC/GNDで結線し、電位差を測定。電流値を算出
この場合 1Rなので、電圧値= 電流値として読んでいます。


計測条件:
測定間隔= 0.1sec (100 mSec)
測定時間 : 1H
測定サンプリング数: 36000 件(3600秒 * 10)
デバイス Sleep間隔: 5分 (300 sec)
測定箇所 : 5Vライン

*1) センサ等の周辺部品は外して計測しています。(両方のデバイス)
実際には接続するセンサ消費電力との合計値を把握する必要があると思います。
*2) 結果の差が大きかった為、各3回測定しています。
さほど差は出ませんでした。


*) 補正の計算処理について
この計測方法での、ADCの読み込み値が 1mV(1mA)より少ない値が、読み込み出来なかった為、
実際の消費と差が生じている点を発見できました。
暫定対応で、スリープ時の消費電力をテスタで計測し、
加算した計算結果を、最終比較データとしています。

# 消費電力グラフ


*) スリープ解除後の、上昇値で差が出ている部分は、
測定間隔(100 mSec) が長く、瞬間上昇値のタイミングを
計測できていない為と予想しています。

# 累計消費


*1) 累積 折れ線グラフを見ると、大差がよく把握できました。
*2) スリープ時が、平行になっている部分は。測定方法の問題で
実際には、少し右上がりに傾くのが正解と予想しています。

[考察]
右側が補正後の集計値となります。
測定不可能だった、 1mA以下のスリープ時 電流値を テスタ計測で加算しています。
補正値:
esp8266    : 0.80 mA
RN4020 : 0.10 mA

*) esp8266のスリープ時の消費電力が多いのは、
 電源周辺の部品(LDO)で、消費が多いようです。
 消費の少ない部品に変更できれば 基板全体で消費は下がると予想されますが
 LDO出力値の高い機種は、やや消費電力は多いのかもしれません。
 1mA - 0.5mAでも、この場合長時間が多くなると。悪影響が大きくなるようです

最終的に機種比較している電流値(mAh /1時間当り消費電流  )は
esp8266= 1.961527 mAh
RN4020 = 0.23011 mAh
*) ケタ違いで大差がでています。

[連続可能時間 (仮計算) ]
 例として、単三(二次電池)×4本の場合
1000mAh * 1.2V * 4 = 4800 mWh ですが、
出力誤差を考慮して、 4000mWh程度で仮定します。
電池容量 / 1Hあたりの消費電力(mWh) = 連続稼動時間(予想)
として、計算しています。













# まとめ
BLEデバイス等での、IoT 省電力化の検討面で
ご参考になればと。思います


# 関連のページ
RN4020 BLE + ATMEGA328, 省エネ改良版
http://knaka0209.blogspot.jp/2017/07/esp32-21.html

Raspberry Pi , BLE gateway 設置、 複数台のBeacon からの送信値をクラウド転送
http://knaka0209.blogspot.jp/2017/07/raspi-5-BLE.html



# BLE -IoT関連まとめ
http://knaka0209.blogspot.jp/2017/07/BLE-matome.html








0 件のコメント:

コメントを投稿

google colaboratory お試し編 、GPUも使える機械学習の環境構築

前回続き、機械学習の関連となります。 開発環境まわりの内容となり。先人様の情報を元に調査しました。 google colab(google colaboratory) を試してみました。機械学習系の いくつかのライブラリがインストール済みで、 クラウド上で、ある程度機械学...

AD-parts

Shop
Bluetooth搭載
ベース基板

Social