在激增的高質(zhì)量傳感器、可靠連接和數(shù)據(jù)分析的共同推動下，工業(yè)效率邁上了新的臺階，而不斷提高這些智能節(jié)點(diǎn)的自動化和移動化程度也能帶來好處。在這些情況下，對傳感器節(jié)點(diǎn)進(jìn)行精密運(yùn)動捕捉和位置跟蹤成為事關(guān)應(yīng)用成敗的核心。這樣，智能農(nóng)場就可以基于豐富的地理位置、傳感器內(nèi)容以及分析學(xué)習(xí)結(jié)果來聯(lián)合利用自動化地面車輛和航空器更加有效地指導(dǎo)地面作業(yè)。智能手術(shù)室將經(jīng)典的導(dǎo)引技術(shù)帶到手術(shù)臺上，供精密制導(dǎo)機(jī)械臂使用，其運(yùn)用傳感器融合技術(shù)來確保各種條件下的精準(zhǔn)導(dǎo)引。在多個(gè)領(lǐng)域，基于運(yùn)動的傳感器成為移動應(yīng)用的價(jià)值倍增器。

 

 

工業(yè)機(jī)械和流程最具價(jià)值的進(jìn)步集中在有形的系統(tǒng)級優(yōu)勢上，而這通常會帶來設(shè)計(jì)和實(shí)現(xiàn)方面的挑戰(zhàn)，這些挑戰(zhàn)又會發(fā)展成新的問題解決方案和業(yè)務(wù)模式。這種系統(tǒng)級推動因素可以歸納為三項(xiàng)追求，即對資源效率、關(guān)鍵精度和更高安全性的追求。瞄準(zhǔn)這些橫跨多個(gè)行業(yè)的改進(jìn)的應(yīng)用，包括跨越空中/地面/海上、室內(nèi)/室外、短期/長期和人/機(jī)等，但無論如何，它們都依賴于共同的屬性；即精度、可靠性、安全性和智能處理與分析，如表1所示。

 

表1. 運(yùn)動物聯(lián)網(wǎng)應(yīng)用重要的系統(tǒng)屬性轉(zhuǎn)變成極具挑戰(zhàn)性的設(shè)計(jì)需求

 

多種類型的傳感器成為目標(biāo)應(yīng)用設(shè)計(jì)任務(wù)的核心。目標(biāo)設(shè)計(jì)涉及的系統(tǒng)復(fù)雜性要求基于廣泛變化的條件下慎重考慮傳感器質(zhì)量和魯棒性。雖然有些行業(yè)有可能出于方便考慮而選擇傳感器（比如，利用手機(jī)上已經(jīng)存在的傳感器組合），但其他行業(yè)則會重新設(shè)計(jì)傳感器組合，根據(jù)精度做出選擇，將傳感器智能地結(jié)合起來，以全面、可靠地覆蓋目標(biāo)系統(tǒng)狀態(tài)。

 

 

在傳感器大量存在的背景下，這些已面世的智能型系統(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數(shù)據(jù)融合，而且要求實(shí)現(xiàn)跨平臺、跨時(shí)間的復(fù)雜融合（例如：對跨時(shí)間的基礎(chǔ)設(shè)施狀況、前一年的農(nóng)作物產(chǎn)量、交通狀況及模式等進(jìn)行基于云計(jì)算的分析），如圖1所示。

 

圖1. 新興工作需求將情境和運(yùn)動檢測與多層融合結(jié)合起來。

 

從設(shè)備和環(huán)境中可靠地抽取哪些信息的決定成為這些新興應(yīng)用最終效用和發(fā)展前景的主要度量指標(biāo)。精度驅(qū)動效率，進(jìn)而轉(zhuǎn)變成必要的經(jīng)濟(jì)因素，同時(shí)也是確保安全、可靠運(yùn)行的關(guān)鍵。雖然多數(shù)基礎(chǔ)傳感器可以添加簡單的功能，但添加的這些簡單功能卻無法滿足目標(biāo)運(yùn)動物聯(lián)網(wǎng)應(yīng)用的需求，在這類應(yīng)用中，是/否、上/下、開/關(guān)等狀態(tài)會被更精細(xì)的分辨率代替，添加的功能會影響傳感器的選擇。

 

 

多數(shù)情況下，物聯(lián)網(wǎng)都處于運(yùn)動狀態(tài)。即使不處于運(yùn)動狀態(tài)——比如，靜止的工業(yè)安全攝像頭——精密指向仍可能必不可少，或者，關(guān)于無用運(yùn)動（篡改）的知識也可能非常有價(jià)值。如果能在惡劣的飛行條件下維持精確的指向角度，用光學(xué)載荷捕捉作物圖像的無人機(jī)就有可能更快地帶來更好的結(jié)果；如果能為光學(xué)數(shù)據(jù)提供準(zhǔn)確的地理測繪信息，則有可能實(shí)現(xiàn)對數(shù)據(jù)和趨勢的歷史比較。智能交通工具，無論是地面交通工具，還是空中或海上交通工具，它們都越來越依賴GPS導(dǎo)航。然而，GPS遭受的精度壓力也越來越大，無論是有意為之，還是自然使然（建筑物、樹木、隧道等）。如果選擇時(shí)考慮了精度需求，則額外的傳感器仍然可以在事故中斷期間可靠地進(jìn)行航向角推算。表2列出了使IoMT（運(yùn)動物聯(lián)網(wǎng)）中的M（運(yùn)動）概念名符其實(shí)的一些因素，注意運(yùn)動與通用應(yīng)用之間的關(guān)系。

 

表2. 運(yùn)動知識、甚至運(yùn)動知識的缺乏都事關(guān)多種應(yīng)用的成敗

 

如果有機(jī)會和手段捕捉設(shè)備或人的自然慣性，抽取的系統(tǒng)狀態(tài)意義就會得到增強(qiáng)，并且可能與可用的情境信息適當(dāng)?shù)厝诤掀饋?，如?所示。

 

表3. 位置檢測是物聯(lián)網(wǎng)的價(jià)值倍增器

 

 

運(yùn)動物聯(lián)網(wǎng)節(jié)點(diǎn)輸出的有效性和價(jià)值最為依賴的是核心傳感器的質(zhì)量以及它們高保真地捕捉應(yīng)用情境的能力。因此，融合處理是傳感器校正/增強(qiáng)的必然選擇，也是理想捕捉傳感器間狀態(tài)動態(tài)的必備條件（例如，在任意給定時(shí)間點(diǎn)，哪個(gè)傳感器最可靠）。應(yīng)用級的處理以分層方式融入解決方案之中，并根據(jù)環(huán)境特點(diǎn)進(jìn)行優(yōu)化，包括適當(dāng)?shù)倪吔鐥l件。雖然這種方式是自動的，但在有些情況下，這些節(jié)點(diǎn)會協(xié)同工作，比如在地面或空中成群的無人駕駛交通工具中。在這些情況下會部署安全鏈路，強(qiáng)調(diào)可靠傳輸和受保護(hù)的特有身份信息，如圖2所示。

 

圖2. 綜合情境和位置信息的互聯(lián)安全傳感器。

 

 

就如人體一樣，自動運(yùn)動物聯(lián)網(wǎng)節(jié)點(diǎn)依賴檢測多個(gè)輸入來實(shí)現(xiàn)需要的感知能力，從而獨(dú)立行動并根據(jù)隨機(jī)、甚至亂序事件優(yōu)化其結(jié)果，最終隨時(shí)間改進(jìn)。如表4所示，從基本測量到控制、再到自動化的過渡會提高傳感器融合層的復(fù)雜性以及嵌入式設(shè)備計(jì)算的復(fù)雜性。由于這些節(jié)點(diǎn)也會取得很高的互聯(lián)能力和自適應(yīng)性學(xué)習(xí)能力，所以他們可能走向人機(jī)融合。

 

表4.以高質(zhì)量傳感器為基礎(chǔ)，日益提升的集成度和智能程度推動自動化和人機(jī)融合

 

 

GPS無處不在，除非衛(wèi)星信號被阻擋或中斷。在可用的條件下，無線測距技術(shù)可能非常精確。如果未受干擾，始終都有磁場讀數(shù)。慣性具有獨(dú)有的自恃性。顯然，慣性MEMS傳感器有自身的不足（漂移），但這些不足都在可控范圍以內(nèi)，采用小尺寸經(jīng)濟(jì)型封裝的新型工業(yè)慣性測量裝置(IMU)具有前所未有的穩(wěn)定性。

 

慣性MEMS器件采用標(biāo)準(zhǔn)半導(dǎo)體工藝、復(fù)雜封裝和集成模式，通常以線性加速度(g)或角速度（°/秒，或速率）為單位，直接檢測、測量和解讀其運(yùn)動，如圖3所示。由于除要求最溫和的應(yīng)用以外，所有其他應(yīng)用都擁有所謂的多自由度（實(shí)際上指，可以在任何所有軸上運(yùn)動，且所有設(shè)備在其運(yùn)動中都相互不受限），這就必須捕捉x、y和z各軸的加速度和角速度值；或者在有些情況下，稱為翻滾軸、俯仰軸和偏航軸。綜合起來，這些有時(shí)被稱為六自由度慣性測量單元。

 

圖3. 用于確定精密運(yùn)動的微機(jī)電結(jié)構(gòu)。

 

雖然經(jīng)濟(jì)上的考量自然會促使MEMS設(shè)計(jì)師用最少的硅片面積在各個(gè)軸上（x、y、z）抽取這些多個(gè)檢測類型（加速度、角速度），但仍然需要采取更加平衡的性能設(shè)計(jì)視角，以滿足更具挑戰(zhàn)性的工業(yè)檢測需求。事實(shí)上，有些MEMS結(jié)構(gòu)在嘗試用單個(gè)MEMS模塊測量所有6種模式。在考察這種方式對于高性能檢測的有效性之前，我們必須知道，MEMS器件需要捕捉一些運(yùn)動，這非常重要，但同樣重要的是，同一器件還要能夠放棄會變成誤差的其他形式的運(yùn)動（或者不受其影響）。例如，雖然陀螺儀測量角速率，但它同樣應(yīng)該能做到忽略角速率測量上的加速度或重力效應(yīng)。對一個(gè)簡單的MEMS器件來說，如果試圖以小小的結(jié)構(gòu)測量一切，自然（在設(shè)計(jì)上）會非常容易受到這些其他干擾誤差源的影響，并且無法把有用運(yùn)動與無用運(yùn)動區(qū)分開來。最終，這些誤差源會變成導(dǎo)航或應(yīng)用中的噪聲和誤差。

 

運(yùn)動物聯(lián)網(wǎng)要兌現(xiàn)必要時(shí)提高資源效率、增加安全或關(guān)鍵精度的承諾，就需要比當(dāng)今移動設(shè)備中無處不在的簡單傳感器具有更高的精度。著眼于性能的設(shè)計(jì)模式就變成了為每種檢測模式和每個(gè)檢測軸獨(dú)立設(shè)計(jì)的模式，但其目的是走向融合和集成。最后，必須知道的是，為性能設(shè)計(jì)并不一定意味著不能為經(jīng)濟(jì)考量而設(shè)計(jì)。

 

 

有些應(yīng)用可以通過添加功能（設(shè)備的手勢/方向模式切換）獲得極大的價(jià)值，用簡單的MEMS器件就能相對容易地獲得這些信息。工業(yè)或?qū)I(yè)器件可能更容易測量不同方位的精度與亞度間的差值，或者能以優(yōu)于一個(gè)數(shù)量級以上的精度分辨位置，同時(shí)還能在高振動環(huán)境里工作。低端傳感器與高端傳感器之間的性能差異并不小，事實(shí)上，二者的差異非常大，在選擇組件時(shí)有必要慎重考慮。

 

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(shí)現(xiàn)。表5選擇了兩種解決方案進(jìn)行比較，說明了傳感器選擇對設(shè)計(jì)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(cuò)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(fèi)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(yùn)動（包括振動）下的機(jī)器，因?yàn)樾阅茌^低的慣性測量單元無法將動態(tài)運(yùn)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(shí)，為實(shí)現(xiàn)優(yōu)于1度的精度，應(yīng)當(dāng)選擇專門設(shè)計(jì)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(shí)間也更長。

 

表5.推動精度和效用的是傳感器的質(zhì)量而非傳感器融合的復(fù)雜性

 

精密儀器設(shè)計(jì)師最感興趣的一般是慣性測量裝置(IMU)，這類裝置輸出的是經(jīng)校準(zhǔn)的加速度和速率而非運(yùn)動角度或距離，因?yàn)檫@種系統(tǒng)級的信息高度依賴于具體應(yīng)用，因而是系統(tǒng)設(shè)計(jì)師而非慣性傳感器設(shè)計(jì)師的工作重點(diǎn)。結(jié)果導(dǎo)致的問題，舉例來說，是從慣性傳感器規(guī)格表中分辨指向精度。

 

表6展示的是一款中端工業(yè)器件的規(guī)格，同時(shí)還用手機(jī)中常見的消費(fèi)級傳感器進(jìn)行了比較。請注意，也有更高端的工業(yè)器件可用，其精度比表中所示器件要高一個(gè)數(shù)量級。多數(shù)低端消費(fèi)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。

 

表6.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(shí)現(xiàn)消費(fèi)類器件高出一個(gè)數(shù)量級或更高的精度水平

 

這款工業(yè)傳感器樣品設(shè)計(jì)用于預(yù)期會有相對迅速或極端運(yùn)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(yùn)動中穩(wěn)定度）應(yīng)最小，以降低對更多補(bǔ)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(shí)間，此時(shí)必須使開機(jī)漂移（可重復(fù)性）最小化。低噪聲加速度計(jì)同陀螺儀一起使用，以幫助區(qū)別并校正任何關(guān)于加速度的漂移。

 

陀螺儀傳感器設(shè)計(jì)可用來直接消除任何加速度g事件（振動、沖擊、加速度、重力）對器件失調(diào)的影響，可大幅改善線性加速度；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，使其成為誤差計(jì)算的主要貢獻(xiàn)因素。

 

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(yùn)動確定的應(yīng)用中，線性加速度效應(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(jì)方法或器件專用校準(zhǔn)來改善它們需要付出高昂的成本。

 

 

答案很簡單，不能。傳感器融合是一個(gè)濾波和算法處理的過程，它將相對于環(huán)境、運(yùn)動動態(tài)信息和應(yīng)用狀態(tài)對傳感器組合進(jìn)行合并或管理。傳感器融合可以提供確定性的校正（如溫度補(bǔ)償），并會基于系統(tǒng)狀態(tài)知識，管理從一個(gè)傳感器到另一個(gè)傳感器的切換過程，但無法彌補(bǔ)傳感器內(nèi)在的缺陷。

 

在傳感器融合設(shè)計(jì)中，最關(guān)鍵的任務(wù)是首先要深入挖掘應(yīng)用狀態(tài)知識，為設(shè)計(jì)流程的剩余環(huán)節(jié)提供支撐和動力。針對給定的應(yīng)用選擇適當(dāng)?shù)膫鞲衅鲿r(shí)，應(yīng)先進(jìn)行詳細(xì)分析，了解其在總體任務(wù)的不同階段中的權(quán)重（相關(guān)性）。在行人導(dǎo)航定位推算示例中，解決方案主要取決于可用的設(shè)備（如智能手機(jī)中的嵌入式傳感器），而不是通過性能設(shè)計(jì)。因此，會嚴(yán)重依賴GPS以及其他可用的傳感器，例如嵌入慣性和磁性傳感器，僅為確定有用的位置信息發(fā)揮一小部分作用。它在室外能夠正常工作，但在具有挑戰(zhàn)性的城市環(huán)境或室內(nèi)，GPS就不準(zhǔn)確了，其他可用傳感器的質(zhì)量很差，存在較大差距，換言之，位置信息的質(zhì)量具有不確定性。盡管先進(jìn)的濾波器和算法通常用來融合這些傳感器的數(shù)據(jù)，無需任何額外傳感器或質(zhì)量更好的傳感器，軟 件對于彌補(bǔ)不確定性差距的作用不大，最終只是大大降低了報(bào) 告位置的信心。圖4中為概念性說明。

 

圖4. 應(yīng)用級精度取決于傳感器質(zhì)量而非傳感器融合復(fù)雜性。

 

與其形成鮮明對比的是，工業(yè)導(dǎo)航定位推算方案是針對系統(tǒng)性能定義而設(shè)計(jì)的，要根據(jù)具體精度要求選擇組件。更高質(zhì)量的慣性傳感器允許其發(fā)揮主要作用，適當(dāng)利用其他傳感器來縮小不確定性差距。比起推算/估算可靠的傳感器讀數(shù)間的位置，算法在概念上更關(guān)注最佳權(quán)重、切換和傳感器互補(bǔ)，以及對于環(huán)境和實(shí)時(shí)運(yùn)動動力學(xué)的認(rèn)識。

 

精度在任何一種情況下都可以通過選擇質(zhì)量更高的傳感器來提高，雖然傳感器濾波和算法是解決方案的重要一部分，但它們本身并不能消除低質(zhì)傳感器覆蓋范圍的差距。

 

新型工業(yè)傳感器的性能已經(jīng)接近以前用于導(dǎo)彈制導(dǎo)的傳感器的水平。這些新型工業(yè)傳感器采用最初針對可靠和精密汽車應(yīng)用設(shè)計(jì)并以經(jīng)濟(jì)型工藝制成的架構(gòu)，在性能-成本比和性能-尺寸比方面具有獨(dú)特的優(yōu)勢，如圖5所示。

 

圖5. 工業(yè)級6自由度IMU ADIS1647x和ADIS1646x，在復(fù)雜和動態(tài)環(huán)境中也能提供高精度水平。

 

精密運(yùn)動檢測不再是小眾應(yīng)用的專屬，其他應(yīng)用也別無選擇，只得投資采購昂貴的跟蹤解決方案。隨著迷你型IMU工業(yè)級精密傳感器的上市，物聯(lián)網(wǎng)設(shè)計(jì)師現(xiàn)在可以通過整合優(yōu)質(zhì)運(yùn)動檢測功能和嵌入式情境檢測功能，成倍提高其產(chǎn)品的價(jià)值。

 

本文轉(zhuǎn)載自亞德諾半導(dǎo)體。