导言
无人机、无人车、无人船、机器人等代表性无人体系的智能自主操控是当时主动操控范畴的研讨热门，更是进步无人体系自主性和智能化水平的中心技能。自主导航技能运用对应的自主导航体系获取无人体系本身的方位、速度及姿势信息，是完成无人体系智能自主操控必不可少的技能确保。在无线电导航、地形匹配导航、惯性导航、卫星导航、磁导航及视觉导航等许多导航技能中，不需求依靠外界信息的惯性导航技能是现在完成无人体系自主导航的一种最强有力技能手法。依据微机电体系（micro-electro-mechanical system， MEMS）惯性传感器的MEMS惯性导航技能是惯性导航技能的一个重要分支，其体系具有本钱低、体积小、功耗低以及抗冲击强等长处。因而，针对MEMS惯性传感器及其导航技能的研讨对无人体系自主导航技能的快速展开和满意其日益进步的运用需求有重要的支撑含义。
1. MEMS惯性传感器
1.1 MEMS惯性传感器的分类
MEMS惯性传感器包含MEMS陀螺仪及MEMS加速度计，其分类有多种办法，依据精度由低到高其可分为消费级（零偏》100°/h）和战术级（零偏0.1°/h ~ 10°/h）。
依据感知角速度的办法，MEMS陀螺仪能够分为振荡臂式、振荡盘式和环形谐振式。振荡臂式MEMS陀螺仪经过丈量改动振荡崎岖以及改动振荡相位来获取角速度，典型代表为ENV-05A系列音叉式陀螺。振荡盘式MEMS陀螺经过丈量元件与底部之间电容量的改动来获取角速度，典型代表为霍尼韦尔公司的HG1940惯性丈量单元。环形谐振MEMS陀螺仪经过丈量磁场改动来获取角速度，典型代表是SiIMU02陀螺仪。
依据感知加速度的办法，MEMS加速度计可分为位移式、谐振式和静电悬浮式。位移式MEMS加速度计经过检测电容改动来丈量加速度巨细，典型代表为Northrop Grumman公司的SiACTM。谐振式MEMS加速度计经过丈量谐振频率的改动来丈量加速度巨细，精度很高，典型代表是霍尼韦尔公司的SiMMA。静电悬浮式MEMS加速度计经过丈量电容来获取悬浮状况下的圆盘或圆球方位然后丈量加速度巨细，理论精度高，典型代表是法国ONERA公司的SuperSTAR加速度计。
依据传感原理，MEMS加速度计可分为压阻式、压电式和电容式3类。压阻式加速度计经过将相应悬臂梁上的电阻转化成电压输出，即可将加速度信息转变为电信号输出，具有体积小、加工工艺简略、精度高、呼应速度快、抗电磁搅扰强等长处。压电式MEMS加速度计经过丈量内部压敏阻值改动与被测加速度的联系，然后推算出外界加速度，具有丈量规模大、分量小、体积小、抗搅扰才能强、结构简略和丈量精度高的长处。电容式MEMS加速度计经过检测电容值的改动量，然后推算出外界加速度，具有丈量精度高、灵敏度高、稳定性好、功耗低一级长处。
1.2 MEMS惯性传感器的展开概略
从MEMS陀螺仪与加速度计研发成功至今，伴跟着MEMS技能的展开，MEMS陀螺仪与加速度计器材功能得到显着的进步。
1.2.1 国外MEMS陀螺仪展开进程
1954年，C.S史密斯发现了压阻效应，为微型压力传感器的研发供给理论基础。1967年，外表献身层工艺技能被提出，并在此基础上具有高谐振频率的悬梁技能被研发出。1989年，美国Draper试验室研发出第一台振荡式微机电陀螺仪，这是惯性技能范畴的一大革新；1993年，该试验室研发出一种音叉线振荡式微机电陀螺仪，将陀螺仪的展开向前迈出一大步。1997年，在美国加州大学伯克利分校，首个外表微机械的Z轴陀螺仪被规划出，其分辨率为1°/s。1999年，横滨技能中心提出一种选用解耦规划的MEMS陀螺仪，其分辨率可达1°/h。2001年，美国Draper试验室规划出一种单晶硅音叉式MEMS陀螺仪，温度漂移为1°/（h/℃）。2002年，美国ADI公司研发出世界上第一款单片集成的商用陀螺仪ADXRS。2004年，德国的HSG公司规划出一款外表微机械的X轴陀螺仪，灵敏度为8mV/（°/s）。2006年，日本兵库大学的K. Maenska报导了一种仅由一个带电极的锆钛酸铅棱柱体构成的新式的压电振荡固态微机械陀螺。2013年，法国电子与信息技能试验室规划出一种选用了横向悬挂规划的3D电容音叉陀螺。
1.2.2 国外MEMS加速度计展开进程
20世纪60年代末，对MEMS加速度计的研讨和开发作业开端发动，首要研发单位为美国的Draper试验室、斯坦福大学以及加州大学伯克利分校。20世纪70年代，归纳MEMS工艺与压阻效应，呈现了压阻式加速度计，初次完成了MEMS加速度计的商业化。20世纪80年代晚期，跟着外表MEMS工艺与传感技能的结合，电容式MEMS加速度计得到迅速展开，并在轿车职业得到初次运用。1989年，美国的ADI公司研发出一款ADXL50加速度计，该加速度计有50g量程。自21世纪以来，跟着集成电路及核算机职业的迅速展开，MEMS加速度计更多运用于轿车安全气囊，而且在手机、核算机等电子消费工业中发挥越来越重要的效果。未来MEMS加速度计将向着轻量化、高精度、经济化的方向展开。
1.2.3 国内MEMS惯性器材展开进程
我国的MEMS惯性器材的研讨起步于20世纪90年代后期，自1995年起得到科技部、教育部、国家自然科学基金委员会等大力支撑，国内的MEMS陀螺仪研发取得了明显效果。1998年清华大学研发出全国第一个音叉式MEMS陀螺仪，其分辨率为3°/s。2006年，电子集团49所与俄罗斯运用物理研讨所协作研发出分辨率为70°/h的陀螺。2010年，中国科学院传感器技能国家重点试验室报导了一种选用高对称结构的微机械振荡环型陀螺。2012年，台湾大学的Chun-Wei Tsai等制作了具有宽驱动频率的双解耦微机械陀螺。经过20多年的展开，我国现有的技能现已构成从规划到出产、测验的一系列体系，国内许多闻名MEMS惯性器材公司的器材精度也有了明显进步。
2. MEMS惯性导航的关键技能
MEMS惯性导航体系软件规划方面首要是导航算法，包含初始对准、惯性解算及差错补偿等算法；其硬件规划方面首要包含电路及结构的规划、惯性导航传感器（陀螺仪、加速度计）及导航核算机的挑选等。体系精度不只与硬件相关，而且与软件有很大联系。在现在硬件加工技能展开较慢的条件下，体系中差错补偿算法尤为重要。关于导航精度要求较高的运用，因为体系具有长航时的特色，MEMS惯性导航差错易发散，多选用组合导航的办法来按捺惯性导航体系的差错发散。本节首要介绍MEMS惯性传感器的差错剖析与补偿以及MEMS组合导航算法规划。
2.1 MEMS惯性传感器的差错剖析与补偿
惯性传感器是惯性导航体系的中心组成，其精度决议了惯性导航体系的精度，所以惯性导航体系的一项首要作业便是将惯性传感器差错进行补偿。进步惯性导航体系精度的手法大致有以下两种，第一种是从工艺进步步惯性传感器的精度，可是此办法技能难度大，且关于加工条件、资料等要求高；第二种便是选用差错补偿办法来关于体系的差错进行补偿。
MEMS惯性传感器的差错剖析与补偿办法大致分为3种：第一种是选用差错补偿算法的办法进行补偿，行将差错经过算法拟合办法进行补偿；第二种是选用旋转调制技能，将IMU（惯性丈量单元）加上滚动组织进行旋转，经过旋转来消除常值差错（称为旋转调制）；第三种是选用Allan方差剖析法，以补偿体系的随机差错。
2.1.1 惯性传感器的温度差错补偿技能
温度所带来的惯性器材精度差错首要来自惯性器材本身关于温度的灵敏程度以及温度梯度或许温度与温度梯度的穿插乘积项的影响。跟着温度的改动，惯性器材的结构资料因为热胀冷缩会构成搅扰力矩，因而需求关于惯性器材的温度特性进行研讨，以获取温度关于惯性器材输出功能影响的规矩，树立加速度计静态温度模型而且对因温度改动引起的差错进行补偿，是进步其精度的一种有用手法。
对陀螺仪及加速度计的静态温度模型进行拟合的办法一般采纳最小二乘法，以此得到陀螺仪和加速度计的数学模型系数与温度的联系并树立静态温度差错补偿模型，然后进步器材精度。国内多家陀螺仪及加速度计出产单位均对温度差错补偿进行研讨，使之较补偿前的产品静态差错减小了一个数量级。
2.1.2 惯性传感器常值漂移差错的旋转调制技能
旋转调制技能起先运用于静电陀螺体系，经过壳体旋转来主动补偿漂移差错力矩。自激光陀螺问世以来，美国迅速展开了旋转式惯性导航体系的研讨，1968年，有学者初次提出经过旋转IMU的办法来对惯性传感器的漂移差错进行补偿。20世纪70年代，罗克韦尔公司研发了静电陀螺检测器，壳体选用了旋转技能，使得与其配套的舰船体系具有长期的精度功能。20世纪80年代，Sperry公司研发了单轴旋转惯性导航体系，选用了经典的单轴四方位正回转停计划，直到现在该计划仍被广泛运用。1989年，北约船用规范惯性导航体系即MK49型双轴旋转式激光陀螺惯性导航体系，在潜艇以及水面舰艇进步行装备。在国内国防科技大学首要开端旋转调制技能在光学陀螺上的运用。现在旋转调制技能在MEMS上首要选用单轴旋转计划，双轴旋转计划因为旋转组织杂乱等原因相对运用较少。
因为旋转的需求，导航体系采纳捷联算法，从原理上来讲，MEMS惯性导航体系旋转调制能够有用抵消体系常值差错，体系的差错传达方程如下：
在式（1）中，因为陀螺仪以及加速度计本身丈量差错所带来的体系差错为σωbib和σfb，因而式中的Cnbσωbib以及Cnbσfb两项差错是因为丈量差错引进的，故差错补偿首要补偿这两项差错。因为以上两项均包含Cnb，周期性地改动Cnb值即可消除这两项差错，故在惯性导航体系上施加旋转设备，将周期性差错经过旋转抵消，这便是旋转调制技能进步惯性导航体系精度的原理。
旋转调制计划需求确认旋转轴个数（单轴、双轴或多轴）、旋转速率、旋转角加速度、转停时刻及中止方位数等参数。静基座及动基座下转停计划的不同会对旋转调制效果发生影响。
2.1.3 惯性传感器随机差错的Allan方差剖析
现在常用的随机差错建模办法有时刻序列剖析法、Allan方差法及功率谱密度剖析法。
因为惯性导航的差错方程推导都是树立在差错为白噪声的基础上，而在实际中，MEMS惯性器材的输出数据包含的各种噪声都会对体系发生搅扰，导致核算结果中呈现随机差错。陀螺输出值的差错中的随机噪声需求建模来补偿，而Allan方差剖析法则是现在随机噪声剖析中运用最遍及、最广泛的办法之一。MEMS器材中随机差错首要分为视点随机游走、加速度随机游走、量化噪声及零偏稳定性等。
Allan法是在1966年DavidAllan提出的，其首要是用于剖析振荡器相位以及评价频率稳定性。Allan方差能够反映出两个接连采样区间内均匀频率差的崎岖情况，依据相位数据和频率数据的阿伦方差估量式为
2.2 MEMS组合导航算法
MEMS惯性导航体系具有低本钱、体积小、功耗低一级优势。可是因为MEMS惯性器材精度较低，长期运用会导致差错发散较快，不能担任长期的导航使命，所以现在一般选用多传感器交融的办法来进行导航，行将MEMS惯性导航与其他导航办法进行交融，经过其他导航体系的导航信息辅佐来批改惯性导航体系的差错，由此来进步整个导航体系的精度。若要进行多个导航体系的数据交融，则要运用滤波等办法。
2.2.1 卡尔曼滤波算法
卡尔曼（Kalman）滤波是一种经过在被提取的观测信号中取得信息来对状况量进行估量的滤波算法。Kalman滤波是一种实时递推算法，处理目标是随机目标，依据体系噪声与观测噪声，将体系的观测值的输出作为滤波器输入，将需求估量的状况量作为输出，即经过上一时刻的观测值估量出下一时刻的体系状况量，故其实质上是一种最优估量办法。
惯例的Kalman滤波适用于线性高斯模型，而大多数惯性导航体系均为非线性体系，故惯例的Kalman滤波不能满意要求，有必要树立适用于非线性体系的滤波算法。因而展开出扩展Kalman滤波办法，其将非线性体系的非线性函数经过泰勒级数等办法线性化，并省去高阶项，得到线性体系模型。
因为扩展Kalman滤波是将非线性函数进行线性化，因而不可避免的带来线性化差错，由此展开出无迹Kalman滤波。该滤波法针对非线性函数，对其概率密度进行近似，运用现已确认的样原本估量状况的后验概率密度，不需求对非线性函数进行近似。比较于扩展卡尔曼滤波而言，无迹Kalman滤波的统计量不只具有更高的精度，而且具有更高的稳定性。
2.2.2 互补滤波算法
传统的扩展Kalman滤波具有雅可比矩阵，存在核算量大、而且白噪声条件不能确保时刻建立等缺陷；可是选用互补滤波算法能够减小核算量，进步体系丈量精度，而且不需求在白噪声条件下也可建立。运用陀螺仪与加速度计在频域上的互补特功能够将陀螺仪与加速度计的数据交融精度进步，完成高精度的交融。
2.2.3 神经网络
机器神经网络是以生物神经网络为原型。神经网络是机器学习的一种，经过网络体系来练习模型参数，神经网络首要由输入层、输出层及隐含层构成。从20世纪40年代的M-P神经元和Hebb学习规矩，到50年代的Hodykin-Huxley方程、感知器模型与自适应滤波器，再到60年代的自组织映射网络、神经认知机、自适应共振网络，许多神经网络核算模型已展开成为核算机视觉、信号处理等范畴的经典办法，带来了深远的影响。
神经网络有正向神经网络及反向神经网络两种。神经网络具有并行处理、分布式存储、高冗余度、能够进行非线性运算以及杰出的容错性等特色。跟着神经网络技能的展开，其运用范畴也在不断拓展，现在在惯性导航、图画处理等范畴发挥着至关重要的效果。神经网络算法具有广泛的理论基础，其间包含神经网络结构模型、网络通信模型、回忆模型。学习算法标明，依据神经网络算法的大数据剖析具有杰出的功能和运用远景，在传感器的数据交融中供给了决策依据，为无人体系的自主导航作出重要的奉献。含糊神经网络在数据交融、数据发掘中功能优越，能够较好运用言语，且常识表达形式易于了解，但存在自学习才能弱、难运用数值信息等缺陷，故可将人工神经网络与含糊体系进行结合。
3. MEMS惯性导航的运用
MEMS惯性导航技能以其体积小、功耗低、分量轻及低本钱等特色在多种无人体系，如无人机、无人车、无人船及机器人等体系中得到遍及运用。
3.1 无人机范畴
在近几年来，微小型无人机在军用以及民用范畴内发挥着越来越重要的效果，而为了完成无人机本身的定位以及定位问题，航姿测控体系发挥着至关重要的效果。航姿测控体系首要由GPS天线、GPS接纳板、捷联式磁传感器、惯性丈量单元、高度空速传感器以及调度单元构成。传感器的精度直接决议无人机位姿的精度，传感器收集到的数据经过导航算法核算出无人机的方位姿势信息。现在无人机的导航首要采纳将MEMS惯性导航体系与GPS组合的手法，这样既能够进步体系精度，又能够缩短初始对准的时刻。现在无人机上面搭载的导航体系精度为消费级，如Invensense MP6500的精度为2°/s，而跟着MEMS器材精度的进步以及本钱的下降，未来无人机的导航精度将进步。
3.2 无人车范畴
无人车是经过车载传感器来感知外界环境，而且获取车辆方位、姿势信息以及障碍物信息，然后操控车辆行进速度、转向以及起停等。现在谷歌、百度等公司均在展开无人车的研发作业，并现已展开路途试验。当无人车行走到巨大建筑物下，且GPS被遮挡而无法正常作业时，无人车上搭载的惯性导航体系短时刻内的精度能够满意车辆自主前行的需求。无人车上的MEMS惯性导航体系，一般精度要求较高。
3.3 无人船范畴
因为边境巡查、水质勘探等使命所采纳一般的舰船设备较为风险而且本钱较高，致使无人船技能展开迅速。获取无人船方位姿势信息是无人船能够自主展开作业的重要条件。现在无人船上装备的传感器首要有GPS，MEMS惯性导航体系及避障雷达等。跟着MEMS惯性导航体系精度的进步，惯性导航体系在无人船的方位姿势信息获取中发挥着至关重要的效果。无人船上搭载的MEMS惯性导航体系，一般消费级的中低精度即可满意需求。
3.4 机器人范畴
移动机器人是一种能够自主在固定或时变环境中进行作业的主动化设备。近年来在服务业、家居、工业等范畴运用广泛。轮式机器人在运用方面与无人车类似，均经过视觉相机、MEMS惯性传感器、激光雷达及里程计等传感器收集数据进行导航。国内高校如国防科技大学、清华大学、上海交通大学、哈尔滨工业大学等高校均对轮式机器人较早开端研讨作业。在采纳惯性传感器与里程计的轮式机器人的导航过程中，MEMS惯性传感器供给准确的姿势角，而因为轮子打滑等对惯性导航以及里程计发生影响，现大多经过视觉里程计与MEMS惯性导航组合导航，经过扩展Kalman滤波算法来进行数据交融，然后进步体系精度。
3.4 其他范畴
除了上述范畴外，MEMS惯性传感器还在电子设备，如手机、平板电脑、游戏机、相机、VR眼镜以及用于室内定位的单兵导航。现在消防员在楼房救活时以及行动不便的白叟在家的人身安全问题是社会遍及重视的问题，假如将MEMS惯性导航体系放置在勘探人员身进步行导航，则能够取得实时方位姿势信息，这样就能够进步被监督人员的安全系数。运用MEMS惯性导航体系进行室内人员定位办法大致有以下几种：一种是运用MEMS加速度计对人员脚步状况进行检测辨认，再经过磁力计检测人员运动方向，由此来进行室内人员的定向定位。别的一种办法是选用两个或多个MEMS惯性导航体系，安装在人员脚部以及腰部方位，经过多个MEMS惯性导航体系批改办法来进行定位。
4. MEMS惯性导航的展展开望
4.1 MEMS惯性导航器材
近几年来，MEMS惯性传感器展开迅速，精度不断进步。虽然比较光纤陀螺、激光陀螺仍有很大距离，可是其价格低、体积小、分量轻，使MEMS惯性导航体系在惯性导航体系中发挥重要效果。未来跟着MEMS资料工艺与制作工艺不断展开，MEMS惯性导航体系精度必将不断进步，其本钱也将不断下降，因而选用战略级高精度MEMS陀螺仪替代光纤陀螺仪是一个重要展开趋势。跟着微加工工艺的不断进步，MEMS惯性传感器将向着轻质、小型化方向展开。
4.2 MEMS组合导航算法
虽然MEMS惯性传感器精度在不断进步，可是战术级MEMS惯性导航体系差错随时刻堆集依然发散较大，在许多场合还不能满意高精度的要求，故MEMS惯性导航与GPS组合导航依然是首要导航办法。因而，研讨精度以及功率更高、鲁棒性更强的算法，在软件方面给予组合导航体系支撑也是重要的展开方向。
4.3 MEMS惯性导航的运用
在MEMS技能展开的数十年内，MEMS惯性导航技能在电子范畴、轿车职业以及家居服务职业得到了广泛运用。跟着MEMS惯性导航精度和稳定性不断进步，未来MEMS惯性导航技能必将在无人体系范畴，如航天器、卫星、机器人等无人体系中，扮演重要的人物。
5. 结语
MEMS惯性导航技能具有小型化、低本钱等优势，在曩昔数十年内得到了迅速展开，在无人体系范畴内得到了越来越多的运用，其作为未来惯性导航的首要展开方向，正在展现出强壮的潜力以及杰出的运用远景。本文回忆了MEMS惯性导航体系展开进程，总结其关键技能，并对MEMS惯性导航技能的运用及展开进行展望，为MEMS惯性导航体系的研讨供给参阅。
来历；MEMS
