工業機械設備的自動化，無論是在制造、農業、物流、能源、汽車、或無人駕駛飛行器等領域，都能在資源效率、設備精度、及安全性方面，取得相當大的改善。 而實現這些改善的關鍵推動因素之一，是要找到適當的感測技術，來增強對于設備狀況的情境知識(Contextual Knowledge)。 設備的位置或定位信息，對于精確計算而言是重要的輸入，而精確的慣性傳感器便可實質地定位出位置或維持準確的姿態。

　　在以移動性為考慮的應用中，位置和情境傳感器信息的耦合處理，具有重要的實質價值。 在許多情況下，如果能判定復雜或惡劣的操作環境中的姿態，會具有特別的關鍵價值。 這類移動式物聯網(IoMT)在提高效率增益的發展過程中會有許多挑戰，而高性能的慣性傳感器可在這點上提供很大的幫助。

　　實現機械設備自動化 工業傳感器扮要角

　　隨著機械設備從簡單的被動測量，演變到內建嵌入式控制功能，乃至于現在完全自主無人化的操作，傳感器正在發揮著一股推進的力量。 無論是支持脫機分析的簡單測量、或是過程控制，在過去很多這類的傳感器都是以相當獨立的分式在動作。 對于獲取實時性優勢的期待、以及越來越多的感測類型及高效處理的出現，讓傳感器融合(Sensor Fusion)有重要的進展，以便能良好地判定跨越于多種應用及環境狀況的情境。 最后，在涉及到多個平臺互動且需要知道先前系統狀態的復雜系統中，鏈接性的進展也正推進越來越高智能性的傳感器系統。

　　這些智能型且可存取的傳感器系統，正在徹底改變原本可能將進入成熟階段的產業，讓農業轉變為智能農業，讓基礎設施建設轉變為智能基礎設施，并讓城市變為智能城市。 由于傳感器被部署在這些環境中，以收集相關的情境信息，讓數據庫管理及通訊出現新的復雜性，所需要的復雜感測融合不僅要跨傳感器，還需跨平臺與跨時間，例如：針對基礎設施狀況的時變云端分析、去年的農作物產量、或是交通狀況及模式等，如圖1所示。

　　在某些移動性為重要考慮的場合中，對這類情境傳感器數據進行地理定位是必要的。 事實上，只有極少的物聯網可被視為靜態的。 移動性會讓工廠、現場、和醫院中的設備更為有用，而在地理靜態性質的設備上的光學傳感器，由于需要操控駕駛和指向，也仍然可能會是局部移動性。 這種移動式物聯網(表2)融合了情境和位置信息，本質上會放大信息的有用性和效率增益。 舉例來說，為了分析改善產量的機會，如果我們能夠知道每個被種植的種子的溫度、濕度、和精確位置，相對于只是簡單地知道被隨機種植種子的農場溫度和土壤條件，其差異會有多大。

　　回授機制大靠山 慣性傳感器助設備穩定

　　慣性傳感器在大多數智能機器設備中，提供了兩個主要功能：分別為設備穩定和指向，或導航及指引，如圖2所示(一單獨且重要的用途是用于振動分析和狀態監測，這是單獨涵蓋的)。 雖然GPS由于其無處不在的特點，可以被視為是大多數系統導航輔助的首選，但在某些情況下，對于GPS的依賴會存在著不小的隱憂，這主要是由于其潛在的擁塞問題。 在GPS擁塞期間轉換到慣性感測會有其效果，但前提是此慣性感測的質量，能夠在這段期間內提供足夠的精度。 對于穩定化或伺服回路而言，回授機制可以借重慣性傳感器，以維持如天線、起重機平臺、工程推土車、耕作工具、或UAV上的照相機的可靠指向角度。 在所有這些例子中，其用途已超出了提供有用的特性(例如，在移動電話中的手勢控制)，因而得以在令人難以想象的困難環境中，提供關鍵的精度或安全機制(參見表3)。

　　校準/補償受重視 傳感器質量影響甚大

　　這也許是一個神話，也許只是夢想，即傳感器融合算法可用于將良好的性能，帶入到原本可能邊緣化的傳感器技術中。 傳感器融合可被應用在一些校正上，例如使用一溫度傳感器來校正另一個傳感器的溫度漂移，或是利用一加速度(g)傳感器來校正陀螺儀上的重力效應(Gravitational Effect）。 但即使是這樣的應用例，實際上也只是將原先的傳感器，校準到對應于該環境中。 它不會提高其既有能力以維持校準點之間的性能，而只是對其進行插值處理。 質量不佳的傳感器由于漂移快，在沒有廣泛或昂貴校準點的情況下，準確度會快速下降。

　　然而，為了從感測組件中取得最高可能的性能，即使是高質量的傳感器，通常還是會被期望要有一些程度的校準。 要達到此期望的最具成本效益作法，取決于傳感器的復雜細節，以及對于運動動力學的深入了解(圖3)，再加上對于相當獨特的測試設備的存取。 為此，校準和補償步驟越來越普遍被傳感器制造商視為必要的嵌入項目。

　　將基本感測輸出轉換為有用的應用等級信息，其過程中的第二個重要步驟，是受狀態驅動傳感器的切換。 這需要對于應用變化的廣泛知識，以及傳感器的能力，以便能最佳地判定在任何時間點上所適合的傳感器。

　　圖4所示是傳感器融合在工業應用中扮演角色的概念性例子。 在此，已經先針對該精確驅動的工業應用，仔細地挑選了能符合預期需要的傳感器，也就是能在可能出現GPS阻塞、具有潛在干擾磁場以及其他環境影響中執行精確感測操作的工業等級傳感器。

　　因此，此例中除了在最大程度上是依靠慣性傳感器，還選擇了其他的輔助感測來對應特定的環境挑戰，及協助校正任何長期性的慣性漂移。 雖然理想上最好是能讓選擇到的傳感器在所有的條件下都可實現精確追蹤，但這在現實上是不可能的。 因此，情境規畫中還是會存在小程度的不確定性。 此外，有各種算法的存在，可用于重要的傳感器校準，以及管理由應用狀態驅動的復雜傳感器與傳感器間切換。 總結來說，終端應用將決定所需的精密程度，而所選擇的傳感器的質量將決定這是否可實現。

　　表4比較了兩種情況，并說明了傳感器挑選的重要性，不僅是影響設計過程，同時也影響設備的精確度。 如果僅使用于有限的應用場合，且該應用能容忍誤差，則低精確度傳感器實際上可能是適合的。 也就是說，如果未涉及到安全或生命問題，則這類傳感器較不精確的準確性已經夠用。

　　不同消費傳感器 工業傳感器準度關卡更高

　　雖然大多數消費等級的傳感器具有低噪聲，且在良好條件下能表現正常，但它們并不適用于可能處于動態運動的機器設備。 這里所說的運動包括了振動，其在低性能慣性測量單元中，會無法與我們實際上想得到的簡單線性加速度或傾斜測量分離出來。 為了要在工業環境中工作時實現優于1度的準確度，我們的選擇應集中于，專門設計用于抑制由振動或溫度影響引起的誤差漂移的傳感器。 這樣的高精確度傳感器才能夠支持更大范圍的預期應用狀態，以及更長的使用時間。

　　高性能設計不一定必須與成本、尺寸、和電力的效率互相沖突。 然而，以成本降低為主要目標的MEMS結構設計，通常確實會犧牲性能，而且有時是相當顯著的。 一些用于降低成本的簡單選擇，如采用較小硅重量和塑料封形的消費等級封裝，對MEMS性能會有很大的傷害。

　　要想從MEMS組件獲取準確而穩定的信息如圖5所示，須要維持良好的噪聲比，而這就必須從組件封裝一路到系統等級外殼的選擇上，透過硅面積和厚度的控制，以及將施加到硅的應力最小化來達到。 在開始定義傳感器時，就考慮到終端使用上的性能要求，便能優化硅、整合、封裝、以及測試和校準方法，即使在復雜環境下也能維持本機性能，并使成本最小化。

　　表5所示，為與手機上常見的典型消費者傳感器相比，中階工業感測組件所具有的性能(請注意，還有更高階的工業感測組件，其性能要比所此處所示的更好上一個數量級)。 大多數低階消費等級組件并不提供諸如線性加速效應、振動矯正、角隨機游動等參數的規格，而這些參數實際上可能會是工業應用中最大的誤差源。

　　這類工業傳感器是被設計用于可能會出現相當快速或極端運動(2000。 /秒，40g)的情境中，而在這種情境下，高帶寬的傳感器輸出對于最佳訊號辨別的實現，也是相當關鍵的。 在操作期間，偏位的漂移越小越佳(運行穩定性)，以避免為了達到正確的性能，而需要更大規模互補傳感器。

　　在某些情況下，對于那些不能容許后端系統濾波校正所需時間的應用，啟動漂移的最小化(重復性)就極為重要。 低噪聲加速度計與陀螺儀的配合使用，能有助于任何g關聯漂移的分離和校正。

　　陀螺儀傳感器實際上是被設計為，可直接消除任何g事件，包括振動、沖擊、加速度、重力，對組件偏移所造成的影響，因而能在線性g上提供實質的優點。 此外，其溫度漂移和對準都已經透過校準而被修正。 如果沒有對準修正，則一個典型的多軸MEMS組件即使被整合到單個硅結構中，都還是可能未能對準到誤差主要來源的點上。

　　近年來，雖然噪聲已逐漸不再是傳感器等級的顯著分類因素，但諸如線性g效應和對準這類改善(透過硅設計或組件專屬校準)成本最高的參數，已成為簡單或相對靜態運動判定之外的各種應用的噪聲額外來源。

　　表6中的一使用例，比較了一實際的工業等級MEMS IMU與一消費等級IMU，此兩者都有相當良好的噪聲性能。 然而，消費等級產品并未針對振動或對準，而設計或校準。 此范例顯示了基于所述的假設，組件的規格以及其對誤差預測值的影響。 總誤差是三個所示誤差源的平方根，線性g及跨軸(Cross Axis，Misalignment未對準)為消費等級設備產品的主導誤差，而工業設備則取得較好的平衡。 總體而言，在忽略消費產品的額外潛在誤差源條件下，此比較呈現了至少20倍的性能差異。

　　準確實現運動判定 工業IMU效率佳

　　大多數的復雜運動應用都需要一個完整的IMU(三軸的線性加速度和角速度運動)，以適切地判定姿態。 現今的IMU功能，有芯片等級(消費等級)的形式，以及模塊等級的整合(工業等級)見圖6中的工業IMU例。 雖然消費等級的芯片IMU在系統整合方面看似更加先進，但如果最終目標是要在復雜的工業環境中，準確地實現運動判定，則事實是相反的。

　　對于工業IMU來說，其高性能是開箱即用的。 此外，其在整個壽命期內，能可靠地得到一致的高性能，且只需要最低程度的系統校正要求。 消費等級IMU雖然看起來有很高的整合度與完整性，但事實上卻須要耗用大量的額外時間、整合、和成本(圖7)，才有機會實現類似工業等級的性能水平(通常甚至也不可能)，而且還無法實現同等可靠的動作。

　　位置感知的工業智能性傳感器，能為機器自動化帶來的巨大的效率提升。 系統等級的精確度和可靠性主要是由核心傳感器質量來決定，而非系統及其軟件。 盡管如此，當我們使用高質量傳感器來建立系統時，整體整合、嵌入式軟件、以及方法的鏈接，能建構出智能型感測解決方案，這可大幅提高信息的質量和效用，而不需犧牲同等重要的安全性和可靠性。