OpenVPX (VITA 65) 為關鍵軍事應用提升了系統速度、可靠性、升級性、包裝和交換 C (尺寸、重量和效能-冷卻 *) 方面顯著改善。它還可以在多個盒子,甚至跨服務中提供更大的總線結構共同性。
隨著系統密度的增加,需要更積極和創新的熱管理技術。OpenVPX 現在擁有多種標準,提供了系統內散熱的各種方法。
在這裡,我們仔細研究 VITA 48.8,因為它顯示了成為最實用且可能最具成本效益的選擇令人鼓舞的跡象。它採用通風冷卻,其機械設計支持兩個卡邊緣的空氣入口,同時將空氣流通過板的整個頂部表面。通常,傳導冷卻方法可以提供更好的系統冷卻替代方案,比液體冷卻所需的複雜性和基礎架構。
由於更高的速度和緊湊的設計,客戶應用需要在大致相同的空間內散熱量比以前更多 50% 到 75%。熱輸出主要由於在 HPEC(高性能嵌入式計算)系統中使用 FPGA 有效負載決定,尤其是在軟體定義無線電和雷達系統等應用中。
這增加了在設計過程中維護 swap-C 的挑戰日益增加,並加強了 VITA 48.8 作為下一代 OpenVPX 系統設計中的最佳冷卻策略之一的出現。
VITA 48.8 的改進的 SWAP-C 特性對軍事應用,尤其是直升機和無人飛機(無人機)有價值。VITA 48.8 改進的空氣流設計,同時允許使用更輕的複合機殼,而傳統卡夾和噴射器/噴射器手柄被輕巧的插孔螺絲取代,並且不會依賴模塊對機箱傳導冷卻。
設計師還可以將 1.0」、1.2 英寸和 1.5 英寸的固定槽間距離解除 VITA 48.5 中的限定 1.52 英寸,以實現交替的空氣流排列,並在傳統的頂端入口以外在卡片邊緣添加一個空氣入口。
由於 VPX 架構往往複雜,因此錯誤差距可能很高,尤其是在初次實作中。通常,系統架構師與嵌入式卡供應商合作,以解決目標設計的功能要求,然後與包裝解決方案和系統整合商(例如 Elma)合作,審查電源需求並提出最佳的冷卻方法。
由國防部(DoD)推動的 OpenVPX 社區中的新硬件融合計劃可實現更大的計算密度,從而導致對先進的冷卻方法的需求。雖然 VITA 48.8 仍然是設計工程師的新工具,但預計它在下一代板和背板的應用方面將迅速發展。
Elma 的 3U OpenVPX CMOSS 背板和開發機箱為支持這些措施,提供了基礎,以創建針對性能最佳化的系統、降低 Swap 並通過快速插入技術降低生命週期成本。背板包括精確的徑向網路計時,以及適用於 SBC、交換器、徑向時脈和擴充的插槽輪廓。(圖二)
SOSA(感測器開放系統架構)等後續標準也增加了對冷卻方案的需求,除了標準 VITA 48.X 導電冷標準之外。
嵌入式系統中的熱量和密度將繼續增加,基於 VPX 的電子產品並不受到免疫。了解可用的選擇來管理熱輪廓並仍在 VPX 標準的定義參數範圍內,將提供一種有用的方法來開發可以處理這些增加的設計壓力的系統。
* 為了進行本討論,交換 C 中的「C」指「冷卻」,而某些定義則將「C」定義為「成本」。
System integration challenges have changed over the past few years, with new demands being put on manufacturers for integration, troubleshooting and system upgrades. This blog explores how Elma and its partners Interface Concept, Concurrent Technologies and EIZO Rugged Solutions define what partnering means within our ecosystem when working together.
Similar to how cloud computing evolved over the last decade to the de facto way of storing and managing data, Edge AI is taking off. Edge AI is one of the most notable trends in artificial intelligence, as it allows people to run AI processes without having to be concerned about security or slowdowns due to data transmission. And its impact is notable in industrial embedded computing, since it allows platforms to react quickly to inputs without access to the cloud. We asked some Edge AI partners: If analytics can be performed in the cloud, what is the benefit of an Edge AI approach, especially as it’s related to industrial embedded computing?