- 方案描述****
ARMxy 系列工业级网关（如 BL450、BL335、BL410 等）凭借丰富的硬件接口（以太网、RS485、BLE、LoRa 等）、稳定的 Linux 系统底层及强大的边缘计算能力，成为工业物联网边缘侧的核心硬件载体。Node-RED 作为轻量级可视化编程工具，可快速实现多协议数据采集、边缘数据处理与设备联动；ThingsBoard 则提供成熟的 IoT 云端管理能力，涵盖设备接入、数据存储、可视化监控、远程控制等全功能。三者深度融合，构建 “边缘采集 - 本地处理 - 云端管控” 的一体化 IoT 解决方案，适用于智能制造、智慧水务、智能仓储等多领域，以下是详细的实现流程与方案优势。
- 方案核心价值
低代码快速落地： Node-RED 可视化拖拽编程，无需复杂代码开发，即可完成传感器数据采集、协议转换、云端对接，大幅缩短项目部署周期（传统开发需数周，此方案仅需 1-3 天）。
边缘-云端协同： ARMxy网关本地运行Node-RED，实现数据预处理（过滤、聚合、清洗），减少无效数据上传，降低网络带宽占用；ThingsBoard 云端集中管理设备、存储数据、下发指令，兼顾实时性与管控效率。
多场景适配性：ARMxy支持多接口、多协议兼容，可对接 Modbus 传感器、PLC、AGV、智能仪表等各类工业设备；Node-RED 丰富的社区节点（2000+）可快速扩展协议支持，适配不同行业需求。
高可靠性与安全性： ARMxy工业级硬件设计（宽温、抗电磁干扰）保障恶劣环境稳定运行；ThingsBoard 支持 MQTT over TLS 加密传输、设备身份认证，Node-RED 可集成边缘侧安全校验，构建端到端安全防护。
- 前置准备
1.硬件环境
ARMxy网关： 推荐 BL450（RK3588 芯片，6TOPS NPU，支持复杂边缘 AI 推理）、BL335（入门级工业网关，适配轻量级数据采集场景），需确保网关已接入网络（有线 / 4G/WiFi）。
外设设备：根据场景需求接入传感器（温湿度、振动、流量等）、控制器（PLC、继电器）、执行器等，支持 Modbus、CAN、BLE、LoRa 等协议设备。
网络环境： 网关与ThingsBoard 云端网络互通（公网/内网穿透），确保数据传输畅通。
2.软件环境
ARMxy网关： 预装 Ubuntu 20.04/Linux 系统，已安装 Node.js（推荐 16.x LTS 版本）、npm 包管理器。
ThingsBoard平台： 已注册账号（社区版/专业版/私有部署），并创建目标设备（获取设备 Access Token）。
Node-RED： 通过npm全局安装，搭配node-red-contrib-thingsboard（ThingsBoard 通信节点）、node-red-contrib-modbus（Modbus 协议节点）等扩展节点。 - 详细实现步骤
- ThingsBoard云平台上创建项目
（1）创建设备
（2）记录下MQTT Basic
2.创建Node-RED流程
（1）创建Node-RED流程
3.上传遥测
（1）发布主题
v1/devices/me/telemetry
（2）配置MQTT
首先选择mqtt out节点，并双击对其进行编辑，设置其主题与服务端
在连接参数设置服务端的ip:demo.thingsboard.io和 Client ID
输入用户名密码，点击Update保存
（2）配置流程
（3）在ThingsBoard上查看数据
4.上传属性设置
在inject节点上设置上传属性
Inject:
{
"attribute1": "value1",
"attribute2": true,
"attribute3": 42.0,
"attribute4": 73,
"attribute5": {
"someNumber": 42,
"someArray": [1, 2, 3],
"someNestedObject": {
"key": "value"
}
}
}
（2）编辑mqtt out节点,填写主题：v1/devices/me/attributes
(3)最终流程
ThingsBoard最新属性数据：
5.订阅与发布服务端属性
（1）创建发布主题v1/devices/me/attributes/request/1
（2）订阅主题：v1/devices/me/attributes/response/+
（3）发布消息请求的属性
{
"clientKeys": "attribute1,attribute2",
"sharedKeys": "shared1,shared2"
}
构建流程
调试窗口查看结果
6.服务端RPC
（1）配置流程
（2）编辑mqtt in节点
在ThingsBoard上创建仪表盘
在画布上选择一个开关
触发开关查看Node-RED调试窗口，可以发现接收到ThingsBoard下发的指令
五、典型应用场景
1.新能源充电桩智能运维管理（新能源领域）
场景痛点： 城市充电桩分布分散，传统人工巡检效率低，存在设备故障（如充电模块损坏、网络中断）导致用户无法充电，且充电数据统计繁琐、电费结算困难。
硬件部署： 每10 台充电桩部署 1 台 ARMxy BL450 网关，通过 Modbus TCP 对接充电桩控制器、智能电表，通过以太网连接充电桩摄像头与故障告警灯；网关通过 4G 模块接入公网，所有设备数据汇总至 ThingsBoard 云端。
软件配置： Node-RED 安装node-red-contrib-modbus（采集充电桩数据）、node-red-contrib-thingsboard节点；配置充电桩电压、电流、充电功率数据采集间隔 1 秒，电表数据采集间隔 5 秒；ThingsBoard 创建充电桩设备组，设置故障告警阈值（如电压低于 220V）。
核心流程：ARMxy 网关通过 Modbus 采集充电桩运行参数，Node-RED 过滤无效数据（如瞬时波动值），将充电量、时长、故障代码上传 ThingsBoard；当检测到充电模块故障时，Node-RED 触发告警灯闪烁，同时 ThingsBoard 向运维人员推送工单（含故障位置、设备编号）；云端自动统计各充电桩充电量，生成电费结算报表，支持按时段 / 区域分析使用率。
2.智慧电力配网监测（电力领域）
场景痛点： 城市配电网线路分散，传统人工巡检难以覆盖所有节点，线路过载、漏电等故障易引发停电，且配网损耗数据统计不及时，能源浪费严重。
硬件部署： 配电网关键节点（变压器、分支箱）部署 ARMxy BL450 网关，通过CT 互感器、电压传感器采集线路电流、电压数据，网关通过 4G Cat M1 网络（适配偏远地区弱信号）接入 ThingsBoard 云端与电力调度系统；变压器区域安装红外摄像头监测设备温度。
软件配置： Node-RED 安装node-red-contrib-modbus（采集电力数据）、node-red-contrib-signalK（数据解析）节点；电流、电压数据采集间隔1秒，故障数据实时上传；ThingsBoard配置配网损耗计算模型，预设线路过载阈值（如10kV线路电流≤400A）。
核心流程：网关实时采集配网电流、电压数据，Node-RED 计算功率、损耗等参数并上传云端；线路电流超阈值时，ThingsBoard推送过载告警至调度中心，同时联动故障指示器标记故障位置；红外摄像头检测到变压器温度超 80℃时，触发设备过热告警；云端生成配网损耗报表，分析高损耗区域并提出优化建议。
3.工业废水处理 MBR 膜工艺管控（环保工业领域）
场景痛点： 工业园区废水处理厂采用MBR膜工艺，存在膜污染导致产水率下降、曝气能耗高、出水水质不稳定的问题，且膜组件更换成本高（单组超 10 万元），故障难提前预判。
硬件部署： MBR池区域部署1台 ARMxy BL450 网关，通过浊度传感器、DO（溶解氧）传感器（RS485）采集数据，通过 Modbus TCP 对接曝气风机、膜清洗泵控制器；通过流量传感器监测产水量；网关接入 ThingsBoard 云端与环保监管系统。
软件配置：Node-RED 安装node-red-contrib-modbus（对接风机/水泵）、node-red-contrib-json（水质数据解析）节点；DO、浊度数据采集间隔1秒，产水量数据采集间隔5秒；ThingsBoard 预设出水水质标准（浊度≤1NTU），配置膜污染预警模型。
核心流程： DO 传感器检测到数值低于2mg/L时，Node-RED 调大曝气风机功率；浊度超阈值时，判断膜污染程度，启动在线清洗泵进行化学清洗；产水量持续下降时，推送膜组件更换预警；出水水质不达标时，自动回流至调节池重新处理，避免超标排放；云端记录处理全过程数据，生成环保合规报表。
- 工业机器人产线协同管控（智能制造领域）
场景痛点： 汽车零部件产线10台工业机器人（ABB、FANUC）协议不兼容，协同作业时易出现动作冲突，故障排查依赖人工（平均耗时 2 小时），且机器人能耗浪费严重（待机功率高）。
硬件部署： 每条产线部署1台 ARMxy BL450 网关，通过Modbus TCP对接机器人控制器、末端执行器力传感器，通过以太网连接产线视觉相机、智能电表；网关通过工业以太网接入ThingsBoard云端与MES系统。
软件配置： Node-RED安装node-red-contrib-ethercat（机器人通信）、node-red-contrib-thingsboard节点；机器人运行参数（关节角度、负载电流）采集间隔 500ms，能耗数据采集间隔 1 秒；ThingsBoard 构建机器人协同作业数字孪生模型，预设动作冲突预警阈值。
核心流程：MES系统下发生产工单后，Node-RED 通过数字孪生模型规划机器人动作时序，避免协同冲突；力传感器检测到末端负载异常时，立即暂停作业并推送故障告警，ThingsBoard 同步显示故障关节与历史数据；机器人待机超5分钟时，自动切换至低功耗模式；云端生成机器人运行报表，分析稼动率与能耗优化空间。
5.工业码头皮带输送机智能运维（港口工业领域）
场景痛点： 煤炭码头 12 条皮带输送机（总长超 5 公里）易出现跑偏、撕裂、电机过热等故障，传统人工巡检效率低（覆盖一次需 4 小时），故障导致货物堆积、运输中断，损失严重。
硬件部署：每条输送机部署 2 台 ARMxy BL450 网关（头部、尾部各 1 台），通过跑偏传感器、撕裂传感器、温度传感器采集设备状态，通过 Modbus TCP 对接输送机变频器、纠偏装置控制器；部署 AI 摄像头（识别皮带跑偏、异物）；网关通过 4G 模块接入 ThingsBoard 云端与码头调度系统。
软件配置： Node-RED 安装node-red-contrib-modbus（对接变频器）、node-red-contrib-image-processing（AI 图像识别）节点；传感器数据采集间隔 500ms，摄像头画面每1秒帧采样；ThingsBoard 预设故障告警阈值，配置纠偏联动逻辑。
核心流程：跑偏传感器检测到皮带偏移时，Node-RED 立即启动纠偏装置，同时降低输送机运行速度；撕裂传感器检测到皮带破损时，立即停机并推送告警至调度中心，标记故障位置；电机温度超 80℃时，推送过热告警并建议降载运行；AI 摄像头识别到皮带上有大块异物时，触发分拣装置剔除；云端生成输送机运维报表，预测轴承、电机等部件维护周期。
