無論是在制造業、農業、物流業、能源業、汽車業還是無人機行業，機械自動化都有望顯著提高資源效率、設備精度和安全性。為實現這些效益，關鍵是找出合適的檢測技術以增強對設備狀況相關情境的了解，使得設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定位，精密慣性傳感器有望發揮巨大作用。在某些應用中，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聯，將產生意義重大的價值。很多情況下，尤其是在復雜或惡劣環境下工作時，確定位置有著關鍵性作用。運動物聯網(IoMT)在實現效率大幅提升的道路上還面臨著許多挑戰，高性能慣性傳感器將對其發展起到重要的推動作用。

傳感器推動機器自動化

機械設備已從執行簡單的被動測量發展到包含嵌入式控制功能，現在正進軍完全自主式運作，這其中傳感器發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用和環境狀態相關的情境——取得重要進步。此外，在涉及多平臺交互和需要獲取歷史系統狀態的復雜系統中，連接技術的進步為智能程度日益提高的傳感器系統提供支持，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正在一些所謂的成熟行業掀起革命，把農業變成智能農業，把基礎設施變成智能基礎設施，把城市變成智能城市。由于傳感器被部署在這些環境中以收集相關的情境信息，數據庫管理和通信方面出現了新的挑戰，不僅要求傳感器之間的融合，而且要求實現跨平臺、跨時間的復雜融合（例如：對跨時間的基礎設施狀況、前一年的農作物產量、交通狀況及模式進行基于云計算的分析），如圖1所示。

在機動性很重要的情況下，需要確定情境傳感器數據的地理位置。事實上，物聯網很少被視為靜態。工廠、田野和醫院中的可移動設備能發揮更大的用處，而地理位置不動的設備的光學傳感器也可能需要局部移動，比如轉向和對位。運動物聯網（表2）能融合情境數據和位置數據，極大地提高數據分析的價值和效益。舉個例子，當分析農作物增產的機會時，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播撒的農地的溫度和土壤條件；顯然第一種情形更有利于做出準確分析。

表2. 精確定位與情境交融，實現運動物聯網

智能機器中的慣性傳感器

在大多數智能機器中，慣性傳感器主要起到兩個作用：一是設備穩定和瞄準，二是導航和制導，如圖2所示（另一個重要作用是振動分析和條件監控，對此將單獨說明）。GPS由于無處不在，可能被視為大多數系統的首選導航輔助手段，但在某些情況下，依賴GPS會帶來一些嚴重問題，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量足夠好，并能在此期間提供足夠高的精度。對于穩定或伺服環路，反饋機制可能要依賴慣性傳感器，以使天線、吊車平臺、施工刀片、農具或無人飛行器上的相機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（如手機中的手勢控制等），而是發展到要在異乎尋常的困難環境中提供關鍵精度或安全機制（參見表3）。

表3. 困難環境下的工業應用對慣性傳感器提出極具挑戰性的要求

傳感器的質量非常重要

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。但即使是在這些情況下，也只能依據環境來校準給定傳感器，而無法提高它在校準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精度。質量較差的傳感器通常會迅速漂移，如果不進行廣泛和成本高昂的校準，精度會立即下降。

盡管如此，為使器件發揮最高性能，即使高質量傳感器通常也需要進行一定的校準。為了以最具性價比的方式進行校準，必須了解傳感器的復雜細節和運動力學的深厚知識（參見圖3），更不用說需要比較獨特的測試設備。因此，校準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。

將基本檢測輸出轉換為有用的應用級智能的第二個重要步驟是狀態驅動的傳感器切換。這就意味著要對應用動力學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4中的概念示例說明了傳感器融合在工業應用中的作用。這是一種精密從動工業應用，通過精心選擇傳感器來滿足預期需求，在GPS有很大可能被阻擋，或在有復雜磁場和其他環境干擾的情況下保持運作。為此必須高度依賴無基礎設施的慣性傳感器，并選擇其他傳感輔助手段來應對特定環境挑戰，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行規劃以實現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，場景規劃中仍存在一定的不確定性。已有算法來執行重要的傳感器校準，以及管理應用狀態驅動的復雜傳感器切換。

歸根結底，最終應用將決定所需的精度水平，而所選的傳感器質量將決定其能否實現。

表4比較了兩種場景，說明了傳感器選擇對設計過程和設備精度均很重要。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的應用，相對較低的精度便足夠了。雖然多數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運動（包括振動）下的機器，因為性能較低的慣性測量單元無法將動態運動與簡單的線性加速度或所需的傾斜測量區分開來。在工業環境中工作時，為實現優于1度的精度，應當選擇專門設計的傳感器，以便抑制振動或溫度影響導致的誤差漂移。這種高精度傳感器能夠支持更大范圍的預期應用狀態，工作時間也更長。

表4. 具有復雜、關鍵任務要求的工業應用依賴高精度傳感器

高性能慣性傳感器

針對性能的設計與針對成本、尺寸、功耗效率的設計并不是互相排斥的。然而，以降低成本為主要目標的MEMS結構設計通常會犧牲性能，有時甚至會嚴重削弱性能。為降低成本而做出的一些簡單選擇，例如縮小硅片質量和用塑料封裝消費級產品等，對MEMS性能有很大的不利影響。為了從微機電器件（例如圖5所示）提取精確穩定的信息，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，另外還要選擇適當的器件封裝和系統外殼，使硅片受到的應力最小。在一開始定義傳感器時便牢記最終應用的性能要求，據此優化硅片、集成、封裝、測試和校準方法，使得在復雜環境下也能維持原有性能，并且使成本最低。

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

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

這款工業傳感器設計用于預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鍵。工作期間的失調漂移（運動中穩定度）應最小，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，應用無法為后端系統濾波校正提供所需的時間，此時必須使開機漂移（可重復性）最小化。低噪聲加速度計同陀螺儀一起使用，以幫助區別并校正任何g相關漂移。

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

近年來，噪聲在區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用中，線性g效應和對準誤差之類的參數成為噪聲源，通過芯片設計方法或器件專用校準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對準進行設計或校正。基于給出的假設，本例顯示了器件規格及其對誤差預算的影響。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（對準誤差）為主，工業器件則實現了更好的平衡。最終，不考慮耐用性較差消費級產品的其他潛在誤差源的話，二者性能相差至少20倍。

表6. 在動態運動中，線性g和對準是主要誤差源；工業器件平衡了所有規格以使總誤差較低

系統權衡

大部分復雜運動應用需要一個全功能IMU（三軸線性加速度和三軸角速率運動）來實現充分有效的定位。當今的IMU既有芯片式（消費級），也有模塊式（工業級），參見圖6中的工業IMU示例。邏輯上看，消費級芯片式IMU的系統集成度似乎更高，但如果最終目標是在復雜的工業環境中精準確定運動狀況，則情況正好相反。工業IMU性能優越，而且開箱即可使用。在應用的全壽命期間都能可靠地獲得一致的高性能，對系統中校正的要求（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）才能勉強實現類似水平的性能（通常幾乎是不可能的），而且可能永遠無法實現同樣可靠的運作。

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