工业机械设备的自动化，无论是在制造、农业、物流、能源、汽车、或无人驾驶飞行器等领域，都能在资源效率、设备精度、及安全性方面，取得相当大的改善。 而实现这些改善的关键推动因素之一，是要找到适当的感测技术，来增强对于设备状况的情境知识(Contextual Knowledge)。 设备的位置或定位信息，对于精确计算而言是重要的输入，而精确的惯性传感器便可实质地定位出位置或维持准确的姿态。

　　在以移动性为考虑的应用中，位置和情境传感器信息的耦合处理，具有重要的实质价值。 在许多情况下，如果能判定复杂或恶劣的操作环境中的姿态，会具有特别的关键价值。 这类移动式物联网(IoMT)在提高效率增益的发展过程中会有许多挑战，而高性能的惯性传感器可在这点上提供很大的帮助。

　　实现机械设备自动化 工业传感器扮要角

　　随着机械设备从简单的被动测量，演变到内建嵌入式控制功能，乃至于现在完全自主无人化的操作，传感器正在发挥着一股推进的力量。 无论是支持脱机分析的简单测量、或是过程控制，在过去很多这类的传感器都是以相当独立的分式在动作。 对于获取实时性优势的期待、以及越来越多的感测类型及高效处理的出现，让传感器融合(Sensor Fusion)有重要的进展，以便能良好地判定跨越于多种应用及环境状况的情境。 最后，在涉及到多个平台互动且需要知道先前系统状态的复杂系统中，链接性的进展也正推进越来越高智能性的传感器系统。

　　这些智能型且可存取的传感器系统，正在彻底改变原本可能将进入成熟阶段的产业，让农业转变为智能农业，让基础设施建设转变为智能基础设施，并让城市变为智能城市。 由于传感器被部署在这些环境中，以收集相关的情境信息，让数据库管理及通讯出现新的复杂性，所需要的复杂感测融合不仅要跨传感器，还需跨平台与跨时间，例如：针对基础设施状况的时变云端分析、去年的农作物产量、或是交通状况及模式等，如图1所示。

　　在某些移动性为重要考虑的场合中，对这类情境传感器数据进行地理定位是必要的。 事实上，只有极少的物联网可被视为静态的。 移动性会让工厂、现场、和医院中的设备更为有用，而在地理静态性质的设备上的光学传感器，由于需要操控驾驶和指向，也仍然可能会是局部移动性。 这种移动式物联网(表2)融合了情境和位置信息，本质上会放大信息的有用性和效率增益。 举例来说，为了分析改善产量的机会，如果我们能够知道每个被种植的种子的温度、湿度、和精确位置，相对于只是简单地知道被随机种植种子的农场温度和土壤条件，其差异会有多大。

　　回授机制大靠山 惯性传感器助设备稳定

　　惯性传感器在大多数智能机器设备中，提供了两个主要功能：分别为设备稳定和指向，或导航及指引，如图2所示(一单独且重要的用途是用于振动分析和状态监测，这是单独涵盖的)。 虽然GPS由于其无处不在的特点，可以被视为是大多数系统导航辅助的首选，但在某些情况下，对于GPS的依赖会存在着不小的隐忧，这主要是由于其潜在的拥塞问题。 在GPS拥塞期间转换到惯性感测会有其效果，但前提是此惯性感测的质量，能够在这段期间内提供足够的精度。 对于稳定化或伺服回路而言，回授机制可以借重惯性传感器，以维持如天线、起重机平台、工程推土车、耕作工具、或UAV上的照相机的可靠指向角度。 在所有这些例子中，其用途已超出了提供有用的特性(例如，在移动电话中的手势控制)，因而得以在令人难以想象的困难环境中，提供关键的精度或安全机制(参见表3)。

　　校准/补偿受重视 传感器质量影响甚大

　　这也许是一个神话，也许只是梦想，即传感器融合算法可用于将良好的性能，带入到原本可能边缘化的传感器技术中。 传感器融合可被应用在一些校正上，例如使用一温度传感器来校正另一个传感器的温度漂移，或是利用一加速度(g)传感器来校正陀螺仪上的重力效应(Gravitational Effect）。 但即使是这样的应用例，实际上也只是将原先的传感器，校准到对应于该环境中。 它不会提高其既有能力以维持校准点之间的性能，而只是对其进行插值处理。 质量不佳的传感器由于漂移快，在没有广泛或昂贵校准点的情况下，准确度会快速下降。

　　然而，为了从感测组件中取得最高可能的性能，即使是高质量的传感器，通常还是会被期望要有一些程度的校准。 要达到此期望的最具成本效益作法，取决于传感器的复杂细节，以及对于运动动力学的深入了解(图3)，再加上对于相当独特的测试设备的存取。 为此，校准和补偿步骤越来越普遍被传感器制造商视为必要的嵌入项目。

　　将基本感测输出转换为有用的应用等级信息，其过程中的第二个重要步骤，是受状态驱动传感器的切换。 这需要对于应用变化的广泛知识，以及传感器的能力，以便能最佳地判定在任何时间点上所适合的传感器。

　　图4所示是传感器融合在工业应用中扮演角色的概念性例子。 在此，已经先针对该精确驱动的工业应用，仔细地挑选了能符合预期需要的传感器，也就是能在可能出现GPS阻塞、具有潜在干扰磁场以及其他环境影响中执行精确感测操作的工业等级传感器。

　　因此，此例中除了在最大程度上是依靠惯性传感器，还选择了其他的辅助感测来对应特定的环境挑战，及协助校正任何长期性的惯性漂移。 虽然理想上最好是能让选择到的传感器在所有的条件下都可实现精确追踪，但这在现实上是不可能的。 因此，情境规画中还是会存在小程度的不确定性。 此外，有各种算法的存在，可用于重要的传感器校准，以及管理由应用状态驱动的复杂传感器与传感器间切换。 总结来说，终端应用将决定所需的精密程度，而所选择的传感器的质量将决定这是否可实现。

　　表4比较了两种情况，并说明了传感器挑选的重要性，不仅是影响设计过程，同时也影响设备的精确度。 如果仅使用于有限的应用场合，且该应用能容忍误差，则低精确度传感器实际上可能是适合的。 也就是说，如果未涉及到安全或生命问题，则这类传感器较不精确的准确性已经够用。

　　不同消费传感器 工业传感器准度关卡更高

　　虽然大多数消费等级的传感器具有低噪声，且在良好条件下能表现正常，但它们并不适用于可能处于动态运动的机器设备。 这里所说的运动包括了振动，其在低性能惯性测量单元中，会无法与我们实际上想得到的简单线性加速度或倾斜测量分离出来。 为了要在工业环境中工作时实现优于1度的准确度，我们的选择应集中于，专门设计用于抑制由振动或温度影响引起的误差漂移的传感器。 这样的高精确度传感器才能够支持更大范围的预期应用状态，以及更长的使用时间。

　　高性能设计不一定必须与成本、尺寸、和电力的效率互相冲突。 然而，以成本降低为主要目标的MEMS结构设计，通常确实会牺牲性能，而且有时是相当显著的。 一些用于降低成本的简单选择，如采用较小硅重量和塑料封形的消费等级封装，对MEMS性能会有很大的伤害。

　　要想从MEMS组件获取准确而稳定的信息如图5所示，须要维持良好的噪声比，而这就必须从组件封装一路到系统等级外壳的选择上，透过硅面积和厚度的控制，以及将施加到硅的应力最小化来达到。 在开始定义传感器时，就考虑到终端使用上的性能要求，便能优化硅、整合、封装、以及测试和校准方法，即使在复杂环境下也能维持本机性能，并使成本最小化。

　　表5所示，为与手机上常见的典型消费者传感器相比，中阶工业感测组件所具有的性能(请注意，还有更高阶的工业感测组件，其性能要比所此处所示的更好上一个数量级)。 大多数低阶消费等级组件并不提供诸如线性加速效应、振动矫正、角随机游动等参数的规格，而这些参数实际上可能会是工业应用中最大的误差源。

　　这类工业传感器是被设计用于可能会出现相当快速或极端运动(2000。 /秒，40g)的情境中，而在这种情境下，高带宽的传感器输出对于最佳讯号辨别的实现，也是相当关键的。 在操作期间，偏位的漂移越小越佳(运行稳定性)，以避免为了达到正确的性能，而需要更大规模互补传感器。

　　在某些情况下，对于那些不能容许后端系统滤波校正所需时间的应用，启动漂移的最小化(重复性)就极为重要。 低噪声加速度计与陀螺仪的配合使用，能有助于任何g关联漂移的分离和校正。

　　陀螺仪传感器实际上是被设计为，可直接消除任何g事件，包括振动、冲击、加速度、重力，对组件偏移所造成的影响，因而能在线性g上提供实质的优点。 此外，其温度漂移和对准都已经透过校准而被修正。 如果没有对准修正，则一个典型的多轴MEMS组件即使被整合到单个硅结构中，都还是可能未能对准到误差主要来源的点上。

　　近年来，虽然噪声已逐渐不再是传感器等级的显著分类因素，但诸如线性g效应和对准这类改善(透过硅设计或组件专属校准)成本最高的参数，已成为简单或相对静态运动判定之外的各种应用的噪声额外来源。

　　表6中的一使用例，比较了一实际的工业等级MEMS IMU与一消费等级IMU，此两者都有相当良好的噪声性能。 然而，消费等级产品并未针对振动或对准，而设计或校准。 此范例显示了基于所述的假设，组件的规格以及其对误差预测值的影响。 总误差是三个所示误差源的平方根，线性g及跨轴(Cross Axis，Misalignment未对准)为消费等级设备产品的主导误差，而工业设备则取得较好的平衡。 总体而言，在忽略消费产品的额外潜在误差源条件下，此比较呈现了至少20倍的性能差异。

　　准确实现运动判定 工业IMU效率佳

　　大多数的复杂运动应用都需要一个完整的IMU(三轴的线性加速度和角速度运动)，以适切地判定姿态。 现今的IMU功能，有芯片等级(消费等级)的形式，以及模块等级的整合(工业等级)见图6中的工业IMU例。 虽然消费等级的芯片IMU在系统整合方面看似更加先进，但如果最终目标是要在复杂的工业环境中，准确地实现运动判定，则事实是相反的。

　　对于工业IMU来说，其高性能是开箱即用的。 此外，其在整个寿命期内，能可靠地得到一致的高性能，且只需要最低程度的系统校正要求。 消费等级IMU虽然看起来有很高的整合度与完整性，但事实上却须要耗用大量的额外时间、整合、和成本(图7)，才有机会实现类似工业等级的性能水平(通常甚至也不可能)，而且还无法实现同等可靠的动作。

　　位置感知的工业智能性传感器，能为机器自动化带来的巨大的效率提升。 系统等级的精确度和可靠性主要是由核心传感器质量来决定，而非系统及其软件。 尽管如此，当我们使用高质量传感器来建立系统时，整体整合、嵌入式软件、以及方法的链接，能建构出智能型感测解决方案，这可大幅提高信息的质量和效用，而不需牺牲同等重要的安全性和可靠性。