黎永鍵，趙祚喜，關(guān) 偉

（1.廣東農(nóng)工商職業(yè)技術(shù)學(xué)院；2.華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣州 510000）

0 引 言

傳感器技術(shù)是現(xiàn)代農(nóng)業(yè)的一項(xiàng)重要研究?jī)?nèi)容，其作用是提供被測(cè)農(nóng)業(yè)車輛以及裝備的姿態(tài)、航向、加速度、角速度和位置等信息[1]。MEMS 傳感器（Micro-electro-mechanical System，微電子機(jī)械系統(tǒng))是集微型傳感器、執(zhí)行器以及信號(hào)處理和控制電路、接口電路、通信和電源于一體的微型機(jī)電系統(tǒng)，屬于慣性式傳感器。近年來(lái)，基于MEMS 傳感器的測(cè)量系統(tǒng)已在民事應(yīng)用領(lǐng)域有了較快發(fā)展，主要應(yīng)用于智能檢測(cè)系統(tǒng)、智能制造系統(tǒng)、工業(yè)機(jī)器人、遙感等方面[2]。由于MEMS 傳感器在體積、質(zhì)量、功耗上都具有很大優(yōu)勢(shì)，基于MEMS 傳感器技術(shù)的系統(tǒng)在精細(xì)農(nóng)業(yè)作業(yè)、農(nóng)業(yè)機(jī)械導(dǎo)航以及農(nóng)業(yè)自動(dòng)化控制等方面有重要的應(yīng)用價(jià)值。然而，MEMS 傳感器存在測(cè)量精度不高、漂移大等缺點(diǎn)，特別是MEMS 陀螺由于其較大的漂移，只能在短時(shí)間內(nèi)提供可靠的信息[3]。由于農(nóng)業(yè)生產(chǎn)環(huán)境復(fù)雜，單一傳感器由于獲取的信息有限，通常會(huì)存在不確定性以及偶然的錯(cuò)誤或缺失，影響整個(gè)系統(tǒng)的穩(wěn)定性和精度，這就需要將一些傳感器結(jié)合起來(lái)使用，將它們各自產(chǎn)生的信息進(jìn)行綜合，以便獲得合適的環(huán)境信息[4]。

多傳感器的信息融合是20 世80 年代形成和發(fā)展起來(lái)的一種自動(dòng)化信息綜合處理技術(shù)，是指對(duì)來(lái)自多個(gè)傳感器的數(shù)據(jù)進(jìn)行多級(jí)別、多方面、多層次的處理，即組合或融合來(lái)自多個(gè)傳感器或其他信息源的數(shù)據(jù)，以獲得綜合的、更好的估計(jì)從而產(chǎn)生新的有意義的信息，而這種新信息是任何單一傳感器所無(wú)法獲得的[5]。多傳感器信息融合技術(shù)在軍事、工業(yè)、遙感等眾多領(lǐng)域已得到廣泛應(yīng)用。近年來(lái)，大量研究工作證明，MEMS 傳感器融合技術(shù)對(duì)于推動(dòng)農(nóng)業(yè)現(xiàn)代化生產(chǎn)具有重要意義[6]。

本文首先介紹MEMS 慣性傳感器原理，并對(duì)MEMS 慣性傳感器融合技術(shù)的研究方法進(jìn)行論述，然后介紹該技術(shù)農(nóng)業(yè)工程中的研究?jī)?nèi)容和現(xiàn)狀，最后分析應(yīng)用的前景以及發(fā)展方向。

1 MEMS 慣性傳感器測(cè)量原理

1.1 MEMS 慣性傳感器類型

隨著MEMS 技術(shù)的發(fā)展, 微機(jī)械慣性器件的研究取得了很大的進(jìn)展。目前已有微型加速度計(jì)和微型硅陀螺儀的商品生產(chǎn),體積和重量均很小,但尚需提高精度[7]。美國(guó)模擬器件公司（Analog Devices Inc，簡(jiǎn)稱ADI）的集成加速度計(jì)是微機(jī)械與微電子集成的標(biāo)志性產(chǎn)品, 主要用于汽車防撞氣囊的彈出控制,年產(chǎn)值超過(guò)2 億美元。ADI 公司基于MEMS 技術(shù)的慣性傳感器供貨量已達(dá)到2 億只。NJM 公司正在研制使用MEMS 技術(shù)的戰(zhàn)術(shù)級(jí)IMU，與現(xiàn)有裝置相比，成本大幅降低，體積大為減小, 功耗也更小[8]。MEMS 慣性傳感器正在向精度更高和集成度更高的方向發(fā)展，其中MEMS 陀螺的發(fā)展尤為明顯。MEMS加速度計(jì)是所有MEMS 傳感器中商業(yè)市場(chǎng)化最為成功的，它在精度方面已能滿足戰(zhàn)略導(dǎo)彈的應(yīng)用要求。微機(jī)械加速度計(jì)在工程上達(dá)到的精度為1×10-4g，潛在精度還可以提高一個(gè)數(shù)量級(jí)。MEMS 陀螺的性能也接近或達(dá)到戰(zhàn)術(shù)級(jí)導(dǎo)航的水平。微機(jī)械陀螺的分辨率達(dá)到（1°～100°）/h,在工程上可以實(shí)現(xiàn)10°/h的精度[9]。石英微機(jī)械陀螺已批量生產(chǎn),有的硅微陀螺已實(shí)用化。盡管也開發(fā)出來(lái)一些高精度的微機(jī)械加速度計(jì),但其價(jià)格昂貴,從整體上來(lái)說(shuō)精度水平還不很高[10]。

1.2 MEMS 加速度計(jì)測(cè)量原理

微加速度計(jì)通常由一個(gè)懸臂梁構(gòu)成, 梁的一端固定,另一端懸掛著一個(gè)質(zhì)量塊[11]。其常用的工作原理如圖1 所示。當(dāng)沒有加速度的時(shí)候，質(zhì)量塊不運(yùn)動(dòng)，而當(dāng)有-y 方向的加速度時(shí)，質(zhì)量塊向此方向運(yùn)動(dòng)。通過(guò)不同的檢測(cè)方式，比如電容、熱、機(jī)械等，可以得到質(zhì)量塊的運(yùn)動(dòng)位移，由于位移與加速度成一定的關(guān)系，自然知道位移就可以獲得加速度信息?；谏鲜鲈?，目前有壓阻式、電容式、隧道式、共振式、熱形式等幾種微加工加速度計(jì)，這幾種形式的加速度計(jì)的區(qū)別就在于檢測(cè)質(zhì)量塊運(yùn)動(dòng)的方式的不同，對(duì)它們的命名通常也是根據(jù)檢測(cè)形式來(lái)進(jìn)行的。

1.3 MEMS 陀螺儀測(cè)量原理

陀螺儀是一種具有比較復(fù)雜的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)現(xiàn)象的裝置，它有一個(gè)高速旋轉(zhuǎn)的定點(diǎn)運(yùn)動(dòng)轉(zhuǎn)子，該轉(zhuǎn)子的軸線具有定向性，這是陀螺的最大特點(diǎn)。文獻(xiàn)[12]介紹了微機(jī)械陀螺的基本工作原理。由加速度計(jì)附加抖動(dòng)裝置組成，抖動(dòng)裝置有角振動(dòng)和線振動(dòng)兩種。所以，從本質(zhì)上來(lái)說(shuō)，微機(jī)械陀螺是一種振動(dòng)式角速度傳感器。

目前，絕大部分的微加工陀螺儀采用振動(dòng)來(lái)檢測(cè)旋轉(zhuǎn)[12]。由于沒有旋轉(zhuǎn)部件，因此它們易于采用微加工技術(shù)來(lái)批量生產(chǎn)。常見的振動(dòng)陀螺儀有音叉、振動(dòng)梁和振動(dòng)殼等形式，其中音叉陀螺儀是比較普遍的一種。圖2 是音叉型陀螺儀工作原理的一個(gè)示意圖。

2 MEMS 傳感器融合技術(shù)方法研究

多傳感器信息融合的概念很直觀，但實(shí)際上真正實(shí)現(xiàn)一個(gè)多傳感器融合系統(tǒng)是較困難的。由于多傳感器融合系統(tǒng)具有改善系統(tǒng)性能的巨大潛力，人們還是投入了大量的精力進(jìn)行研究[13]。目前比較成熟、使用較廣泛的信息融合方法有：統(tǒng)計(jì)推理法、Bayes 推理、Dempster-Shafer 證據(jù)理論、模糊集合理論、估值理論最佳狀態(tài)估計(jì)，應(yīng)用于目標(biāo)對(duì)象的定位、跟蹤、測(cè)向等[14]。以下介紹基于Kalman 濾波的傳感器融合算法理論的傳感器融合算法的研究情況。

2.1 基于Kalman 濾波的傳感器融合算法

在農(nóng)業(yè)機(jī)械組合導(dǎo)航定位的理論方法研究方面，應(yīng)用最廣泛的多傳感器信息融合方法是卡爾曼濾波法[15]。Guo LS 介紹了卡爾曼濾波的原理和基本方程。Greg.Welch、Gray Bishop 在Kalman 濾波器狀態(tài)方程和觀測(cè)方程的建立的基礎(chǔ)上，提出了線性離散Kalman 濾波器的遞歸差分方程組，其核心是一組具有遞歸性質(zhì)的基于最小方差方法的數(shù)學(xué)方程組。以該數(shù)學(xué)方程組構(gòu)成的卡爾曼濾波器可以對(duì)研究對(duì)象過(guò)去，現(xiàn)在和將來(lái)的狀態(tài)做出線性最優(yōu)估計(jì)，即線性最小方差估計(jì)。當(dāng)噪聲為高斯分布的白噪聲時(shí)，卡爾曼濾波可提供信息融合的統(tǒng)計(jì)意義下的最優(yōu)遞推估計(jì)[16]。這種方法適用于動(dòng)態(tài)環(huán)境中冗余傳感器信息的實(shí)時(shí)融合。付旭等利用多MEMS 傳感器研制了一種微型姿態(tài)測(cè)量系統(tǒng)，利用三軸MEMS 加速度計(jì)和三軸MEMS 陀螺數(shù)據(jù)，由方向余弦矩陣的姿態(tài)表示形式推導(dǎo)了擴(kuò)展Kalman 濾波方程，解算出飛行器的俯仰角和橫滾角。將實(shí)驗(yàn)結(jié)果與國(guó)外最新的商用自動(dòng)駕駛儀的姿態(tài)結(jié)果進(jìn)行了比較，二者在靜態(tài)情況下非常吻合，在動(dòng)態(tài)情況下基本吻合[17]。

2.2 基于聯(lián)合Kalman 濾波的傳感器融合算法

Carlosn 提出的聯(lián)合濾波模型，繼承了分散濾波的處理器結(jié)構(gòu)，并對(duì)其算法結(jié)構(gòu)作了重要的改進(jìn)，在濾波過(guò)程中包含了一個(gè)信息分配的過(guò)程。由于聯(lián)合濾波器模型設(shè)計(jì)靈活、計(jì)算量小、容錯(cuò)性好、便于工程實(shí)現(xiàn)等優(yōu)點(diǎn)而備受重視[18]。聯(lián)合濾波模型核心算法是應(yīng)用最優(yōu)融合定理以融合各局部濾波器的局部狀態(tài)估計(jì)，以得到全局最優(yōu)狀態(tài)估計(jì)。在局部濾波器中由于采用方差上界技術(shù)引起的信息丟失，在融合過(guò)程中被重新綜合起來(lái)，得到全局最優(yōu)狀態(tài)估計(jì)解。

2.3 基于自適應(yīng)Kalman 濾波的傳感器融合算法

由于工作環(huán)境干擾、加速度計(jì)的物理特性、電子伺服系統(tǒng)回路中噪聲的影響，加速度計(jì)的誤差特性會(huì)發(fā)生變化，很難用一個(gè)準(zhǔn)確的統(tǒng)計(jì)特性噪聲來(lái)表示。采用自適應(yīng)卡爾曼濾波技術(shù)可以解決以上問題[19]。自適應(yīng)濾波的目的之一是在利用觀測(cè)數(shù)據(jù)進(jìn)行濾波遞推的同時(shí)，不斷地由濾波本身去判斷目標(biāo)在動(dòng)態(tài)上是否有變化，當(dāng)判斷有變化時(shí),要進(jìn)一步?jīng)Q定是把這種變化看作隨即干擾而歸到模型噪聲中去，還是隊(duì)員動(dòng)態(tài)模型進(jìn)行修正，使之適應(yīng)目標(biāo)變化后的動(dòng)態(tài)。自適應(yīng)濾波的另一個(gè)目的，適當(dāng)系統(tǒng)噪聲方差陣Qk和觀測(cè)噪聲方差Rk未知或近似已知時(shí)，利用觀測(cè)數(shù)據(jù)帶來(lái)的信息，由濾波本身不斷的估計(jì)和修正噪聲統(tǒng)計(jì)特性或?yàn)V波器增益陣，以減少狀態(tài)估計(jì)誤差，提高濾波器的精度[20]。

3 MEMS 傳感器融合技術(shù)在農(nóng)業(yè)工程應(yīng)用

3.1 基于GPS/SINS 組合的農(nóng)業(yè)導(dǎo)航系統(tǒng)

當(dāng)裝備了GPS 接收器的農(nóng)用導(dǎo)航車輛在田間行走時(shí)，由于輪胎在土壤里受力不均勻，車體發(fā)生了顛簸而導(dǎo)致了GPS 接收天線位置傾斜，其結(jié)果是GPS 天線與車體質(zhì)心在大地坐標(biāo)系上不重合，則GPS 數(shù)據(jù)不能真實(shí)反映車體真實(shí)位置。試驗(yàn)表明，車體的姿態(tài)角對(duì)于GPS 的定位精度有較大影響。為提高農(nóng)業(yè)導(dǎo)航定位精度，農(nóng)業(yè)智能車輛田間導(dǎo)航定位需要測(cè)量載體位置坐標(biāo)、航向角以及姿態(tài)角等導(dǎo)航參數(shù)，其測(cè)量值應(yīng)盡量準(zhǔn)確[21]。因此，農(nóng)業(yè)自動(dòng)導(dǎo)航必須準(zhǔn)確測(cè)量出車體的姿態(tài)角。

GPS 與MEMS 慣性傳感器組合能夠充分發(fā)揮各自優(yōu)勢(shì)，采用組合導(dǎo)航系統(tǒng)可以有效解決慣性導(dǎo)航系統(tǒng)誤差隨時(shí)間積累的問題[22]。華南農(nóng)業(yè)大學(xué)張智剛以水田插秧機(jī)為平臺(tái)，建立了以RTK-DGPS 為主要導(dǎo)航方式、姿態(tài)航向參考系統(tǒng)AHRS500GA 為輔助的聯(lián)合導(dǎo)航系統(tǒng)，通過(guò)卡爾曼濾波的方式提高定位信息精度[23]。美國(guó)Zhang Q 設(shè)計(jì)出多傳感器融合系統(tǒng)，建立了位置、速度和姿態(tài)的融合方程模型，可以為無(wú)人駕駛的農(nóng)業(yè)車輛提供姿態(tài)角、航向角信息，用于GPS 數(shù)據(jù)的校正。文獻(xiàn)[24]利用SINS 提供的姿態(tài)信息修正GPS 定位數(shù)據(jù)，對(duì)多傳感器集成模塊ADIS16355 的信息融合處理，確定了基于卡爾曼濾波的融合算法用于測(cè)量姿態(tài)角。試驗(yàn)結(jié)果表明：在農(nóng)業(yè)車輛運(yùn)動(dòng)較劇烈的情況下，只用加速度計(jì)計(jì)算姿態(tài)角誤差較大，其結(jié)果不可靠；而通過(guò)信息融合解算的姿態(tài)角結(jié)果精度較高，誤差一般不超過(guò)2°。

以上研究表明，使用卡爾曼濾波技術(shù)進(jìn)行傳感器信息融合測(cè)量，測(cè)量載體姿態(tài)角，同時(shí)對(duì)GPS 與SINS 進(jìn)行有效組合，改善定位精度，更真實(shí)反映農(nóng)用車輛的運(yùn)動(dòng)狀態(tài)。

3.2 水平激光平地技術(shù)

激光平地機(jī)是將激光、液壓技術(shù)應(yīng)用于整地作業(yè)的農(nóng)業(yè)新產(chǎn)品，激光平地技術(shù)可有效提高農(nóng)田的平整度，提高農(nóng)田灌溉水的利用率，是目前國(guó)際上推廣應(yīng)用的節(jié)水技術(shù)之一[25]。水田激光機(jī)在水田平地作業(yè)中，必須解決平地鏟的姿態(tài)控制問題，即保持水平姿態(tài)[26]。華南農(nóng)業(yè)大學(xué)趙祚喜設(shè)計(jì)了基于MEMS慣性傳感器融合的平地鏟水平控制系統(tǒng)，該系統(tǒng)采用雙軸加速度計(jì)ADXL203 和單軸陀螺儀ADXRS信息融合的算法測(cè)量平地鏟實(shí)時(shí)傾角，通過(guò)脈寬調(diào)節(jié)普通電磁閥實(shí)現(xiàn)平地鏟水平控制。試驗(yàn)證明該系統(tǒng)能較好實(shí)現(xiàn)平地鏟水平控制，但仍存在傳感器融合的切入時(shí)機(jī)不完善、陀螺儀累加誤差較大的問題[27]。文獻(xiàn)[28]設(shè)計(jì)了基于MEMS 慣性傳感器ADIS16300 姿態(tài)測(cè)量系統(tǒng)，提出了三軸加速度計(jì)與數(shù)字陀螺儀信息融合的算法，通過(guò)對(duì)重力加速度的觀測(cè)修正陀螺儀偏差。試驗(yàn)證明該系統(tǒng)能較準(zhǔn)確測(cè)量平地鏟動(dòng)態(tài)情況下的水平傾角。文獻(xiàn)[29]設(shè)計(jì)了平地鏟水平姿態(tài)測(cè)量系統(tǒng)，采用MEMS 慣性傳感器集成模塊ADIS16355 作為姿態(tài)測(cè)量單元，基于卡爾曼濾波實(shí)現(xiàn)多傳感器信息融合，通過(guò)改進(jìn)的位置控制算法對(duì)平地鏟的水平姿態(tài)進(jìn)行調(diào)節(jié)。以上研究引入了非線性I-PD 位置控制算法在平地鏟水平控制上的應(yīng)用，提高了水平控制精度和穩(wěn)定性。通過(guò)水田平地的作業(yè)，證明平地效果良好，滿足現(xiàn)代農(nóng)業(yè)精細(xì)耕作的要求。

3.3 拖拉機(jī)田間自動(dòng)轉(zhuǎn)向控制器

自動(dòng)轉(zhuǎn)向控制是實(shí)現(xiàn)農(nóng)業(yè)自動(dòng)導(dǎo)航的關(guān)鍵環(huán)節(jié)，轉(zhuǎn)向控制技術(shù)的研究對(duì)于實(shí)現(xiàn)精細(xì)農(nóng)業(yè)和農(nóng)業(yè)現(xiàn)代化具有重要意義。轉(zhuǎn)向控制系統(tǒng)包括導(dǎo)航控制器和轉(zhuǎn)向操縱控制器，導(dǎo)航控制器的作用是根據(jù)農(nóng)業(yè)機(jī)械模型，設(shè)計(jì)最優(yōu)的導(dǎo)航控制算法，將GPS、陀螺儀、慣性傳感器、視覺傳感器等多源傳感器信息融合，計(jì)算分析最終決策出農(nóng)業(yè)機(jī)械轉(zhuǎn)向控制量。智能農(nóng)業(yè)機(jī)械在很多發(fā)達(dá)國(guó)家和地區(qū)已有深入研究，并在上世紀(jì)九十年代研制出相關(guān)智能農(nóng)業(yè)機(jī)械[30]。如日本Kubota 公司，利用激光距離傳感器，在DGPS 結(jié)合慣性導(dǎo)航技術(shù)下實(shí)現(xiàn)車輛自主導(dǎo)航，研制出的智能農(nóng)用機(jī)械在0.7 m/s 速度下，路徑跟蹤誤差僅為0.05 m。

4 MEMS 傳感器融合技術(shù)的發(fā)展展望

在當(dāng)今倡導(dǎo)工程技術(shù)創(chuàng)新的條件下，多傳感器信息融合技術(shù)在農(nóng)業(yè)中將有廣闊的應(yīng)用前景。

基于MEMS 多傳感器構(gòu)成慣性測(cè)量模塊IMU，并與GPS 構(gòu)成聯(lián)合導(dǎo)航控制系統(tǒng)，實(shí)現(xiàn)了兩者的優(yōu)勢(shì)互補(bǔ)，提高了農(nóng)業(yè)機(jī)械導(dǎo)航精準(zhǔn)度。近年來(lái)，國(guó)內(nèi)外科研機(jī)構(gòu)在組合系統(tǒng)結(jié)構(gòu)優(yōu)化、組合測(cè)量算法、控制算法等方面做了大量研究工作。例如文獻(xiàn)[30]以東方紅X804 拖拉機(jī)為試驗(yàn)平臺(tái)，結(jié)合拖拉機(jī)田間作業(yè)的特點(diǎn)，對(duì)轉(zhuǎn)向控制算法作相應(yīng)改進(jìn)，加入了ADIS16300 慣性測(cè)量模塊測(cè)量角速度，設(shè)計(jì)了一種新的東方紅拖拉機(jī)自動(dòng)轉(zhuǎn)向控制器，采使轉(zhuǎn)向輪以較低的速度平穩(wěn)達(dá)到目標(biāo)角度。田間試驗(yàn)表明：ADIS16300 角速度積分的角度值有較高準(zhǔn)確度，平均誤差為0.53°。方波信號(hào)的角度跟蹤穩(wěn)態(tài)時(shí)平均誤差為0.40°，平均跟蹤時(shí)間為1.3 s，角速率跟蹤穩(wěn)態(tài)時(shí)平均誤差為1.25°/s，延時(shí)時(shí)間平均值為0.2 s。

近年來(lái)，我國(guó)自主研發(fā)北斗導(dǎo)航系統(tǒng)的研究工作取得突破，其應(yīng)用已實(shí)現(xiàn)商業(yè)化，并開展應(yīng)用于農(nóng)業(yè)導(dǎo)航領(lǐng)域。利用IMU 提供被測(cè)量物體的姿態(tài)信息，用于修正北斗導(dǎo)航定位的中心位置坐標(biāo)信息，則可得到高精度、高可靠的導(dǎo)航設(shè)備，且有助于實(shí)現(xiàn)產(chǎn)品國(guó)產(chǎn)化和低成本制造。

5 結(jié) 語(yǔ)

隨著傳感器技術(shù)、數(shù)據(jù)處理技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)通訊技術(shù)、人工智能技術(shù)等相關(guān)技術(shù)的發(fā)展，各種面向復(fù)雜應(yīng)用背景的多傳感器信息系統(tǒng)將大量涌現(xiàn)。在多傳感器系統(tǒng)中，信息表現(xiàn)形式的多樣化、信息容量及信息處理速度等要求，都已大大超出了傳統(tǒng)信息處理方法的能力，多傳感器信息融合必將成為未來(lái)智能檢測(cè)、智能控制與數(shù)據(jù)處理中的重要技術(shù)，它無(wú)疑將有助于提高與改善系統(tǒng)的性能。