無論是在制造業(yè)、農(nóng)業(yè)、物流業(yè)、能源業(yè)、汽車業(yè)還是無人機(jī)行業(yè)，機(jī)械自動化都有望顯著提高資源效率、設(shè)備精度和安全性。為實現(xiàn)這些效益，關(guān)鍵是找出合適的檢測技術(shù)以增強(qiáng)對設(shè)備狀況相關(guān)情境的了解，使得設(shè)備的地點或位置成為有價值的輸入。對此，通過指出精確地點或維持精準(zhǔn)定位，精密慣性傳感器有望發(fā)揮巨大作用。在某些應(yīng)用中，運動是一個重要因素，若將其位置信息和傳感器情境信息相關(guān)聯(lián)，將產(chǎn)生意義重大的價值。很多情況下，尤其是在復(fù)雜或惡劣環(huán)境下工作時，確定位置有著關(guān)鍵性作用。運動物聯(lián)網(wǎng)（IoMT）在實現(xiàn)效率大幅提升的道路上還面臨著許多挑戰(zhàn)，高性能慣性傳感器將對其發(fā)展起到重要的推動作用。

傳感器推動機(jī)器自動化

機(jī)械設(shè)備已從執(zhí)行簡單的被動測量發(fā)展到包含嵌入式控制功能，現(xiàn)在正進(jìn)軍完全自主式運作，這其中傳感器發(fā)揮著重要的推動作用。無論是支持離線分析的簡單測量，還是過程控制，很多此類傳感器在孤立環(huán)境下都能充分有效地工作。獲取實時信息的需求，加上日益豐富的檢測類型和高效處理，使傳感器融合——通過它能夠最有效地確定與多種應(yīng)用和環(huán)境狀態(tài)相關(guān)的情境——取得重要進(jìn)步。此外，在涉及多平臺交互和需要獲取歷史系統(tǒng)狀態(tài)的復(fù)雜系統(tǒng)中，連接技術(shù)的進(jìn)步為智能程度日益提高的傳感器系統(tǒng)提供支持，如表1所示。

表1.傳感器集成和連接水平

這些已面世的智能型傳感器系統(tǒng)正在一些所謂的成熟行業(yè)掀起革命，把農(nóng)業(yè)變成智能農(nóng)業(yè)，把基礎(chǔ)設(shè)施變成智能基礎(chǔ)設(shè)施，把城市變成智能城市。由于傳感器被部署在這些環(huán)境中以收集相關(guān)的情境信息，數(shù)據(jù)庫管理和通信方面出現(xiàn)了新的挑戰(zhàn)，不僅要求傳感器之間的融合，而且要求實現(xiàn)跨平臺、跨時間的復(fù)雜融合（例如：對跨時間的基礎(chǔ)設(shè)施狀況、前一年的農(nóng)作物產(chǎn)量、交通狀況及模式進(jìn)行基于云計算的分析），如圖1所示。

圖1.面向地點感知型工業(yè)智能檢測的集成

在機(jī)動性很重要的情況下，需要確定情境傳感器數(shù)據(jù)的地理位置。事實上，物聯(lián)網(wǎng)很少被視為靜態(tài)。工廠、田野和醫(yī)院中的可移動設(shè)備能發(fā)揮更大的用處，而地理位置不動的設(shè)備的光學(xué)傳感器也可能需要局部移動，比如轉(zhuǎn)向和對位。運動物聯(lián)網(wǎng)（表2）能融合情境數(shù)據(jù)和位置數(shù)據(jù)，極大地提高數(shù)據(jù)分析的價值和效益。舉個例子，當(dāng)分析農(nóng)作物增產(chǎn)的機(jī)會時，試著想象比較以下兩種情形：一是對每顆所種種子的溫度、濕度、精確位置都了如指掌，二是僅知道種子隨機(jī)播撒的農(nóng)地的溫度和土壤條件；顯然第一種情形更有利于做出準(zhǔn)確分析。

表2.精確定位與情境交融，實現(xiàn)運動物聯(lián)網(wǎng)

智能機(jī)器中的慣性傳感器

在大多數(shù)智能機(jī)器中，慣性傳感器主要起到兩個作用：一是設(shè)備穩(wěn)定和瞄準(zhǔn)，二是導(dǎo)航和制導(dǎo)，如圖2所示（另一個重要作用是振動分析和條件監(jiān)控，對此將單獨說明）。GPS由于無處不在，可能被視為大多數(shù)系統(tǒng)的首選導(dǎo)航輔助手段，但在某些情況下，依賴GPS會帶來一些嚴(yán)重問題，因為它可能會被阻擋。在GPS被阻擋期間切換到慣性檢測是可行的，但要求慣性傳感器質(zhì)量足夠好，并能在此期間提供足夠高的精度。對于穩(wěn)定或伺服環(huán)路，反饋機(jī)制可能要依賴慣性傳感器，以使天線、吊車平臺、施工刀片、農(nóng)具或無人飛行器上的相機(jī)維持一個可靠的指向角。在所有這些例子中，慣性傳感器的作用已不僅僅是提供有用的功能（如手機(jī)中的手勢控制等），而是發(fā)展到要在異乎尋常的困難環(huán)境中提供關(guān)鍵精度或安全機(jī)制（參見表3）。

圖2.在其他傳統(tǒng)傳感器有局限性的應(yīng)用中，慣性測量單元起到關(guān)鍵的穩(wěn)定和定位作用

表3.困難環(huán)境下的工業(yè)應(yīng)用對慣性傳感器提出極具挑戰(zhàn)性的要求

傳感器的質(zhì)量非常重要

有一種不切實際的說法是，可以利用傳感器融合算法，通過編程使技術(shù)水平很差的傳感器獲得良好的性能。傳感器融合的確可用于某些校正，例如：利用溫度傳感器校正其他傳感器的溫漂，或利用加速度計（g）傳感器校正陀螺儀的重力效應(yīng)。但即使是在這些情況下，也只能依據(jù)環(huán)境來校準(zhǔn)給定傳感器，而無法提高它在校準(zhǔn)點之間維持性能的固有能力；也就是說，只能插值而無法維持校準(zhǔn)精度。質(zhì)量較差的傳感器通常會迅速漂移，如果不進(jìn)行廣泛和成本高昂的校準(zhǔn)，精度會立即下降。

盡管如此，為使器件發(fā)揮最高性能，即使高質(zhì)量傳感器通常也需要進(jìn)行一定的校準(zhǔn)。為了以最具性價比的方式進(jìn)行校準(zhǔn)，必須了解傳感器的復(fù)雜細(xì)節(jié)和運動力學(xué)的深厚知識（參見圖3），更不用說需要比較獨特的測試設(shè)備。因此，校準(zhǔn)和補償步驟越來越多地被看成是傳感器制造商必須提供的嵌入式功能。

將基本檢測輸出轉(zhuǎn)換為有用的應(yīng)用級智能的第二個重要步驟是狀態(tài)驅(qū)動的傳感器切換。這就意味著要對應(yīng)用動力學(xué)以及傳感器性能有廣泛深入的了解，從而最有效地在任一給定時間點確定可以利用和依賴的傳感器。

圖3.從慣性傳感器提取有價值的應(yīng)用級信息需要復(fù)雜校準(zhǔn)和高級處理

圖4中的概念示例說明了傳感器融合在工業(yè)應(yīng)用中的作用。這是一種精密從動工業(yè)應(yīng)用，通過精心選擇傳感器來滿足預(yù)期需求，在GPS有很大可能被阻擋，或在有復(fù)雜磁場和其他環(huán)境干擾的情況下保持運作。為此必須高度依賴無基礎(chǔ)設(shè)施的慣性傳感器，并選擇其他傳感輔助手段來應(yīng)對特定環(huán)境挑戰(zhàn)，幫助校正長期慣性漂移。雖然較好的做法是對傳感器選擇進(jìn)行規(guī)劃以實現(xiàn)所有條件下的精確跟蹤，但這種做法在實際上是不可行的。因此，場景規(guī)劃中仍存在一定的不確定性。已有算法來執(zhí)行重要的傳感器校準(zhǔn)，以及管理應(yīng)用狀態(tài)驅(qū)動的復(fù)雜傳感器切換。

圖4.傳感器融合算法依賴精密傳感器，需正確選擇以支持特定應(yīng)用環(huán)境

歸根結(jié)底，最終應(yīng)用將決定所需的精度水平，而所選的傳感器質(zhì)量將決定其能否實現(xiàn)。

表4.具有復(fù)雜、關(guān)鍵任務(wù)要求的工業(yè)應(yīng)用依賴高精度傳感器

表4比較了兩種場景，說明了傳感器選擇對設(shè)計過程和設(shè)備精度均很重要。如果只在很有限的情況下依賴傳感器，并且應(yīng)用有較高的容錯性，那么可以使用低精度傳感器。換言之，如果不是安全或生命攸關(guān)的應(yīng)用，相對較低的精度便足夠了。雖然多數(shù)消費級傳感器在有利條件下噪聲很低且性能良好，但它們不適合用于動態(tài)運動（包括振動）下的機(jī)器，因為性能較低的慣性測量單元無法將動態(tài)運動與簡單的線性加速度或所需的傾斜測量區(qū)分開來。在工業(yè)環(huán)境中工作時，為實現(xiàn)優(yōu)于1度的精度，應(yīng)當(dāng)選擇專門設(shè)計的傳感器，以便抑制振動或溫度影響導(dǎo)致的誤差漂移。這種高精度傳感器能夠支持更大范圍的預(yù)期應(yīng)用狀態(tài)，工作時間也更長。

高性能慣性傳感器

針對性能的設(shè)計與針對成本、尺寸、功耗效率的設(shè)計并不是互相排斥的。然而，以降低成本為主要目標(biāo)的MEMS結(jié)構(gòu)設(shè)計通常會犧牲性能，有時甚至?xí)?yán)重削弱性能。為降低成本而做出的一些簡單選擇，例如縮小硅片質(zhì)量和用塑料封裝消費級產(chǎn)品等，對MEMS性能有很大的不利影響。為了從微機(jī)電器件（例如圖5所示）提取精確穩(wěn)定的信息，必須有很高的信噪比，而信噪比是由硅片面積和厚度決定的，另外還要選擇適當(dāng)?shù)钠骷庋b和系統(tǒng)外殼，使硅片受到的應(yīng)力最小。在一開始定義傳感器時便牢記最終應(yīng)用的性能要求，據(jù)此優(yōu)化硅片、集成、封裝、測試和校準(zhǔn)方法，使得在復(fù)雜環(huán)境下也能維持原有性能，并且使成本最低。

圖5.用于確定精密運動的微機(jī)電結(jié)構(gòu)

表5顯示了一款中檔工業(yè)器件的性能，并將其與手機(jī)等設(shè)備使用的典型消費級傳感器進(jìn)行比較（注意還有更高端的工業(yè)器件，其性能比表中所示高出一個數(shù)量級）。多數(shù)低端消費級器件未提供諸如線性加速度效應(yīng)、振動校正、角度隨機(jī)游走之類的參數(shù)規(guī)格，而這些規(guī)格在工業(yè)應(yīng)用中恰恰可能是最大的誤差源。

這款工業(yè)傳感器設(shè)計用于預(yù)期會有相對迅速或極端運動（2000 °/s、40 g）的場景，寬帶寬傳感器輸出對最佳地辨別信號也很關(guān)鍵。工作期間的失調(diào)漂移（運動中穩(wěn)定度）應(yīng)最小，以降低對一大套補充傳感器（用來校正性能）的依賴。在某些情況下，應(yīng)用無法為后端系統(tǒng)濾波校正提供所需的時間，此時必須使開機(jī)漂移（可重復(fù)性）最小化。低噪聲加速度計同陀螺儀一起使用，以幫助區(qū)別并校正任何g相關(guān)漂移。

陀螺儀傳感器設(shè)計用來直接消除任何g事件（振動、沖擊、加速度、重力）對器件失調(diào)的影響，可大幅改善線性g。通過校準(zhǔn)，溫漂和對準(zhǔn)均得以校正。若不進(jìn)行對準(zhǔn)校正，典型多軸MEMS器件即使集成到單片結(jié)構(gòu)中，也可能有較大對準(zhǔn)誤差，使其成為誤差預(yù)算的主要貢獻(xiàn)因素。

表5.工業(yè)MEMS器件對所有已知潛在誤差源進(jìn)行全面測定，通常能實現(xiàn)高出一個數(shù)量級或更高的精度水平

圖7.消費級器件雖然成本較低，但系統(tǒng)層面的必要開銷較高，最終會影響可靠性和性能

近年來，噪聲在區(qū)分傳感器級別上所起的作用有所降低。在超出簡單判定或相對靜止運動確定的應(yīng)用中，線性g效應(yīng)和對準(zhǔn)誤差之類的參數(shù)成為噪聲源，通過芯片設(shè)計方法或器件專用校準(zhǔn)來改善它們需要付出高昂的成本。表6中的使用案例比較了實際工業(yè)MEMS IMU和消費級IMU，二者均有比較好的噪聲性能。然而，消費級器件并未針對振動或?qū)?zhǔn)進(jìn)行設(shè)計或校正。基于給出的假設(shè)，本例顯示了器件規(guī)格及其對誤差預(yù)算的影響。總誤差為所示三個誤差源的和方根，消費級器件的誤差以線性g和跨軸（對準(zhǔn)誤差）為主，工業(yè)器件則實現(xiàn)了更好的平衡。最終，不考慮耐用性較差消費級產(chǎn)品的其他潛在誤差源的話，二者性能相差至少20倍。

表6.在動態(tài)運動中，線性g和對準(zhǔn)是主要誤差源；工業(yè)器件平衡了所有規(guī)格以使總誤差較低

抖動 =（噪聲 + 振動 + 跨軸靈敏度）的和方根

假設(shè)條件：50 Hz帶寬，2 g rms振動，100 °/s離軸旋轉(zhuǎn)

*最佳情況：未包括其他漂移因素

系統(tǒng)權(quán)衡

大部分復(fù)雜運動應(yīng)用需要一個全功能IMU（三軸線性加速度和三軸角速率運動）來實現(xiàn)充分有效的定位。當(dāng)今的IMU既有芯片式（消費級），也有模塊式（工業(yè)級），參見圖6中的工業(yè)IMU示例。邏輯上看，消費級芯片式IMU的系統(tǒng)集成度似乎更高，但如果最終目標(biāo)是在復(fù)雜的工業(yè)環(huán)境中精準(zhǔn)確定運動狀況，則情況正好相反。工業(yè)IMU性能優(yōu)越，而且開箱即可使用。在應(yīng)用的全壽命期間都能可靠地獲得一致的高性能，對系統(tǒng)中校正的要求（如有）極低。消費級IMU看似全面集成且很完整，但其實需要大量額外時間、集成和成本（參見圖7）才能勉強(qiáng)實現(xiàn)類似水平的性能（通常幾乎是不可能的），而且可能永遠(yuǎn)無法實現(xiàn)同樣可靠的運作。

圖6.6 自由度慣性測量單元ADIS16460，在復(fù)雜和動態(tài)環(huán)境中也能提供高精度水平

地點感知型工業(yè)智能傳感器有望大幅提升機(jī)器自動化的效率。系統(tǒng)的精度和可靠性主要取決于核心傳感器質(zhì)量，而不是其周圍的系統(tǒng)和軟件。盡管如此，圍繞高質(zhì)量傳感器的整體集成、嵌入式軟件和連接方法可幫助實現(xiàn)智能檢測解決方案，從而大大增強(qiáng)信息的質(zhì)量和利用率，同時又不影響同樣重要的安全和可靠性。

作者簡介

Bob Scannell是ADI公司MEMS慣性傳感器產(chǎn)品的業(yè)務(wù)開發(fā)經(jīng)理。他在ADI公司工作已超過20年，先后從事傳感器、DSP、無線產(chǎn)品的各種技術(shù)營銷和業(yè)務(wù)開發(fā)工作。之前他曾在Rockwell International公司從事設(shè)計和市場方面的工作。他擁有美國加州大學(xué)洛杉磯分校電氣工程學(xué)士學(xué)位和美國南加州大學(xué)計算機(jī)工程碩士學(xué)位。