MEMS加速度计(accelerometer)与陀螺仪的(gyroscope)原理介绍
MEMS加速度计和MEMS陀螺仪区别 常见MEMS加速度传感器介绍
MEMS 加速度计和MEMS 陀螺仪区别常见MEMS
加速度传感器介绍
MEMS 加速度计和MEMS 陀螺仪区别
最大的区别就是：工作原理和应用的区别（具体概念看下百科），前者是利用加速度，后者是利用惯性；前者是用在测斜调平，后者是知道通过知道角速率，可以知道物体的姿态，以便进行姿态控制。
两种东西通常是结合到一起应用。
比如IMU（惯性测量单元）：就是由三轴陀螺仪和三轴加速度计组合而成。
结合一起的原因就是：加速度计多用在静态或者匀慢速运动中，而陀螺仪应多用在动态中，而惯性器件随着时间的延长，会有零漂。
所以加速度计会给出一定的修正。
现在为了满足各种需要，有组合导航，即卫星导航和惯导组合
（GNSS/INS）。
STM微控制器的加速度计和陀螺仪应用案例分享
STM微控制器的加速度计和陀螺仪应用案例分享微控制器是现代电子应用领域中非常重要的组件，而STM （STMicroelectronics）微控制器因其高性能和广泛应用而备受青睐。
在众多的传感器中，加速度计和陀螺仪是微控制器中常见的传感器之一。
本文将为你介绍STM微控制器中加速度计和陀螺仪的应用案例，并探讨其在不同领域中的实际应用。
一、STM微控制器中的加速度计加速度计是一种用于测量物体在运动中的加速度的传感器。
在STM 微控制器中，加速度计常用于以下应用领域。
1.1 智能手机和平板电脑智能手机和平板电脑中的屏幕可以根据用户的手势和倾斜角度进行自动旋转。
这是通过加速度计检测设备的倾斜角度来实现的。
通过接入STM微控制器的加速度计，设备可以自动调整屏幕方向，提供更好的用户体验。
1.2 运动追踪设备加速度计还广泛应用于运动追踪设备，如智能手环和运动手表。
通过测量用户的运动状态和步数，运动追踪设备可以提供健康数据和运动建议。
STM微控制器中的加速度计可以实时获取用户的运动数据，并通过无线通信传输给手机应用程序进行处理和显示。
1.3 环境监测加速度计可以用于环境监测，如地震检测和结构健康监测。
对于地震检测，加速度计可以测量地壳的振动，帮助科学家和工程师更好地了解地震的特征和模式。
在结构健康监测中，加速度计可以检测建筑物或桥梁的振动，提供及时的结构安全警报。
二、STM微控制器中的陀螺仪陀螺仪是一种用于测量物体在自转中的角速度的传感器。
在STM 微控制器中，陀螺仪常用于以下应用领域。
2.1 无人机和飞行器无人机和飞行器需要实时监测和控制姿态，以确保平稳飞行和精确操控。
陀螺仪可以测量飞行器的角速度，并向STM微控制器提供准确的姿态信息。
基于这些数据，微控制器可以对飞行器进行实时调整和控制。
2.2 虚拟现实和增强现实虚拟现实（VR）和增强现实（AR）技术需要实时追踪用户的头部运动和姿态。
通过接入STM微控制器的陀螺仪，VR和AR设备可以准确地感知用户的头部运动，并实时更新虚拟场景或增强内容，提供更逼真的用户体验。
MEMS加速度计(accelerometer)与陀螺仪的(gyroscope)原理介绍
MEMS加速度計
• 加速度計是一種慣性傳感器，主要功用為測量物 體速度變化率，一般經常被用來測量距離及衝擊 力。
• 在微機電(MEMS)技術製造的加速度計，使尺寸 大大縮小，故具有體積小、重量輕、可靠度高、 低功率等優點。
• 目前最廣泛的應用在車用電子領域(high g & low g)，近年來已有趨勢大量朝著Game 和手機的應 用。
• 陀螺儀又名角速度計，利用內部振動機械結構感測物體轉動所產生角速度， 進而計算出物體移動的角度。
• 兩者看起來很接近，不過加速度計只能偵測物體的移動行為，並不具備精確 偵測物體角度改變的能力，陀螺儀可以偵測物體水平改變的狀態，但無法計 算物體移動的激烈程度。
• 用簡單的例子就是Eee Stick 體感遙控器,這是一個類似 Wii 遊戲的遙控捍 ， 例如玩平衡木遊戲，當搖桿向前傾斜時，陀螺儀用來計算搖桿傾斜的角度， 三軸加速度計可以偵測搖桿晃動的劇烈程度以及搖桿是否持續朝斜下方。
基本ቤተ መጻሕፍቲ ባይዱ用原理
• v = ω ×r • ω=2π/T • ω=n ×2π • a=v^2/r
=w^2 ×r =ω ×v ×r • F=ma
線速度=角速度×半徑 角速度=圓周/周期 角速度=轉速×圓周率 向心加速度=線速度平方/半徑
=角速度平方×半徑 =角速度×線速度×半徑 向心力=質量×向心加速度
MEMS陀螺儀結構
基本應用原理
• F：物體所受合外力 • m：物體質量 • a：物體的加速度
• k：物質的彈性係數 • x：位移量
• C：電容量 • ε：介電常數 • A：極板截面積 • d：板間距離
MEMS加速度計原理
物體的加速度=物質的彈性係數X位移量/物體質量
mahony互补滤波算法
mahony互补滤波算法互补滤波算法（Complementary Filter）是一种常用的传感器融合（Sensor Fusion）算法，用于融合加速度计（Accelerometer）和陀螺仪（Gyroscope）的数据来估计设备的姿态（Orientation）。
具体来说，加速度计用于测量设备的重力方向，而陀螺仪用于测量设备的角速度，通过互补滤波算法将两者的数据进行融合得到较为准确的姿态估计结果。
互补滤波算法的基本思想是通过加速度计测量的重力方向来修正陀螺仪测量的姿态变化，并通过陀螺仪测量的角速度来修正重力方向的变化。
具体来说，互补滤波算法将加速度计和陀螺仪的数据按照一定的权重进行加权平均，得到最终的姿态估计。
下面是互补滤波算法的伪代码实现：1. 初始化变量：- roll = 0- pitch = 0- yaw = 0- alpha = 0.98 # 加速度计权重- dt = 0.01 # 采样周期2. 循环执行：- 读取陀螺仪的角速度数据 gyroscope_data- 读取加速度计的加速度数据 accelerometer_data# 陀螺仪积分得到姿态估计角度roll += gyroscope_data.x * dtpitch += gyroscope_data.y * dtyaw += gyroscope_data.z * dt# 加速度计得到重力方向的姿态估计角度roll_acc = atan2(accelerometer_data.y, accelerometer_data.z)pitch_acc = atan2(-accelerometer_data.x,sqrt(accelerometer_data.y * accelerometer_data.y + accelerometer_data.z * accelerometer_data.z))# 互补滤波计算最终姿态估计角度roll = alpha * roll + (1 - alpha) * roll_accpitch = alpha * pitch + (1 - alpha) * pitch_acc其中，roll、pitch和yaw分别表示绕X轴、Y轴和Z轴的姿态角度；alpha是加速度计的权重，决定了加速度计和陀螺仪数据在融合中的相对作用；dt是采样周期，即两次采样之间的时间间隔；gyroscope_data和accelerometer_data分别表示陀螺仪和加速度计的原始数据。
基于MEMS陀螺仪和加速度计的自适应姿态测量算法
基于MEMS陀螺仪和加速度计的自适应姿态测量算法盛娟红;张志安;邢炳楠【摘要】针对 MEMS陀螺仪以及加速度计传感器单独测姿时,传感器数据中存在复杂噪声和测量误差导致测量得不到最优姿态角的问题,设计了一种基于 MEMS陀螺仪和加速度计的自适应姿态测量算法.算法采用扩展卡尔曼滤波方法实现数据融合,并且在利用 Allan方差估计 MEMS陀螺动态噪声的同时,加入了遗忘因子和限定记忆的算法思想,从而实时地跟踪数据的量测噪声,实时修正角度估计误差,有效地提高了姿态测量系统的精度.实验结果表明,二者组合定姿可实现高精度的姿态测量,验证了算法良好的动态噪声抑制能力,提高了系统对环境变化的适应性.%Aiming at the problem that the MEMS gyroscope and the accelerometer sensor measure sepa-rately,the measurement data can not get the optimal Attitude angle due to the complicated noise and the measurement error.An adaptive attitude measurement algorithm is designed which is based on the MEMS gyroscope and the accelerometer sensor.The algorithm uses extended Kalman filter to achieve data fusion.In addition,Allan variance is used to estimate the dynamic noise of the MEMS gyroscope. At the same time,the forgetting factor and memory-limited algorithm are added to track the measured noise of the data in real time,and the angle estimation error is corrected in real time,which effectively improves the accuracy of attitude measurement system.The experimental results show that the combi-nation of the MEMS gyroscope and the accelerometer can achieve high precision attitude measurement,and verify the good dynamic noise suppression ability of the algorithm and improve the adaptability of the system to environmental changes.【期刊名称】《测试技术学报》【年(卷),期】2018(032)004【总页数】8页(P277-284)【关键词】MEMS陀螺仪;自适应姿态测量;多传感器数据融合;扩展卡尔曼滤波;Allan方差【作者】盛娟红;张志安;邢炳楠【作者单位】南京理工大学机械工程学院,江苏南京 210094;南京理工大学机械工程学院,江苏南京 210094;南京理工大学机械工程学院,江苏南京 210094【正文语种】中文【中图分类】V241.50 引言随着低成本惯性器件传感器技术的逐渐成熟，利用MEMS陀螺仪和加速度计进行姿态测量成为近年来捷联式低成本、全固态测量系统的研究热点之一[1-3]. 它具有体积小、成本低、重量轻、能耗低、可靠性高等优点，在各个领域都有广泛的应用[4，5].由于器件的硬件精度问题，陀螺仪本身存在漂移误差，且易受振动、温度等外部环境因素干扰，导致漂移误差逐渐累积变大，因此，单一的MEMS陀螺仪传感器无法保证长时间测姿的准确性[6]. 文献[7] 采用的是多传感器进行加权平均的融合算法来保证算法可适应动态环境,但是测量精度有待提高；文献[8]通过建立多传感器误差数据模型比较准确地预测飞行体的姿态，但是却不能适应动态飞行环境. 本文设计了一种基于MEMS陀螺仪和加速度计的自适应姿态测量算法在线实时估计运动体的姿态角度. 算法基于扩展卡尔曼滤波算法来实现数据融合，利用带遗传因子的限定记忆长度的Allan方差在线估计运动时传感器数据误差的量测噪声，实时修正角度估计误差，从而有效解决了动态噪声和姿态最优估计的问题.1 姿态的运动学模型图 1 导航坐标系Fig.1 Navigation coordinate system本文采用弹道方程中的基准坐标系为导航坐标系，如图 1 所示. 其中OX轴沿水平线指向射击方向，OY轴铅直向上，OZ轴按右手法则确定，垂直于射击面指向右方.运动体的空间位置可看做依次绕y轴做航向、绕z轴做俯仰、绕x轴做横滚的复合运动，因此，有(1)从而推出(2)其中角标n, b分别代表导航坐标系、由运动体确定的动坐标系； Wx, Wy, Wz指陀螺仪输出的3个角速度.2 自适应扩展Kalman滤波算法2.1 扩展Kalman滤波器根据Kalman滤波算法可知，要估计当前时刻姿态角度的状态估计必须获得前一时刻姿态角度的状态估计以及当前时刻的量测yk. 因此，本文把陀螺仪输出的3个角速度信息用于Kalman滤波算法的状态方程，状态噪声为wk，以预测下一时刻的状态值. 设离散化的周期为ΔT，根据式(2)可写出状态方程(3)如(3)其中，Wk=[WγWψWθ]T是状态噪声序列； [Wx Wy Wz]T是陀螺输出的角速率. 同时，得到状态方程的雅克比矩阵为(4)其中，a11, a13, a21, a23, a31为利用重力场测量姿态倾角时，把三轴加速度计测得的线加速度值转化成姿态角度信息，以此作为量测值，量测噪声为Vk. 其中，根据量测值和状态值可知Hk为3×3的单位矩阵，此处忽略不写，写出量测方程为(5)由于航向角ψ的方向与重力场方向正交，此处加速度计不能用来预测估计航向角度值. 其他两个角为(6)根据状态方程与量测方程可以得到预测(时间更新)与量测更新方程，即预测(时间更新)方程为(7)量测更新方程为Px,k=I-KkHkPx,k/k-1,(8)其中，Φk/k-1为式(4)中的雅克比矩阵； Px,k和Px,k-1分别为状态量和的均方误差； Px,k/k-1为状态量预测值的均方误差； Kk为卡尔曼增益系数，决定最终估计值偏向预测模型还是偏向观测模型； Qk为系统噪声方差值，可通过陀螺静态数据利用Allan方差获取； Rk为量测噪声，实时受外部环境影响.为了尽可能消除量测噪声时变的这部分影响，本文在利用Allan方差估计量测噪声的同时，加入了遗忘因子以及限定记忆长度的算法思想，实时估计量测白噪声方差参数，以期获得更为准确的姿态解算结果. 下面开始给出系统噪声方差和实时动态量测噪声的获取方法.2.2 改进自适应Kalman滤波2.2.1 陀螺仪系统噪声估计陀螺仪的系统噪声主要由陀螺仪系统内部机理决定，相对来说比较稳定. 滤波时，未知的噪声参数越多，滤波越容易发散，所以应尽可能减少未知噪声参数，并且相比于大数据量的静态测量，对系统噪声在线自适应估计的精度更低. 综合以上两点，本文对于系统噪声不采用实时估计的方法，主要利用Allan方差对MEMS传感器测得的静态数据事先进行建模分析，获得MEMS传感器误差的随机噪声种类，确定各项系数,从而求出系统噪声.1) Allan方差原理Allan方差是一种基于时域分析的分析方法，可以比较容易地对各种误差源以及整个噪声统计特性进行细致的辨识，获取随机噪声种类，确定噪声系数，因此被广泛地用来辨识惯性传感器的噪声误差源[9]. Allan可按式(9)来估算.(9)假设采样频率是fs，数据样本个数是M，则τL=L/fs，NL=M/L. 把数据样本分成L长度的串，计算每个数据串的平均值Ωk，然后按照式(9)计算.对于陀螺仪而言，系统噪声主要有量化噪声(quantization noise, QN)、角度随机游走(angular random walk, ARW )、角速率随机游走(rate random walk, RRW)、零偏不稳定噪声(bias instability, BI)以及速率斜坡(rate ramp, RR)[10]. 这五种噪声可以通过 Allan 方差分析方法来辨识，并且误差分离结果较好，对应关系如表 1 所示[11].表 1 常见噪声系数与Allan方差的对应关系Tab.1 Correspondence between common noise and Allan variance噪声方差Allan方差交点纵坐标QN3Q2/τ23QARWN2/τNBI4B2/92B/3RRWK2τ/3K/3RRR2τ2/R/22) Allan方差分析实验采用的是目前市场上比较常见的MPU6050姿态传感器，以100 Hz的频率在实验室单轴转台采集陀螺仪输出的静态数据，得到随机漂移数据样本，如图 2所示.图 2 陀螺仪随机漂移数据Fig.2 Gyroscope random drift data根据陀螺静态数据计算Allan方差，得到Allan方差的双对数图，如图 3 所示.图 3 陀螺仪Allan方差双对数图Fig.3 Allan variance double logarithmic curve of gyroscope根据Allan方差的双对数图确认该陀螺仪主要存在角速率随机游走、角度随机游走和零偏不稳定性3种噪声. 根据表1即可得到三轴陀螺仪的噪声系数，如表 2 所示. 表 2 各轴陀螺仪噪声系数Tab.2 The noise coefficient of each axisgyroscope陀螺仪ARW/((°)·h-1/2)BI/((°)·h-1)RRW/((°)·h-3/2)x轴0.68.136y轴1.210.872z轴0.69.7272根据表 2 的数据分析可知，该陀螺仪的角度随机游走噪声系数较小，主要误差项为零偏不稳定性和角速率随机游走，以此两项求得白噪声方差作为系统噪声方差值.2.2.2 陀螺仪动态噪声估计量测噪声主要由外部环境造成，容易发生变化，且存在一定的不可预知性. 因此，对量测噪声进行自适应处理，有利于保证系统滤波的稳定性.本文在采用Allan方差来估计量测白噪声方差参数的同时，加入了遗传因子和限定于记忆的算法思想. 一方面对旧数据加入了遗传因子，降低了旧数据对误差辨识的影响，提高了新数据对误差辨识的作用；另一方面，限定算法的记忆长度，即辨识数据达到一定个数的时候，每增加一个新数据，同时剔除一个旧数据，克服了仅带遗传因子的渐消记忆算法中老数据时刻影响辨识的缺点，更能有效地实时估计量测噪声.式(10)是Allan方差估计公式的递推.(10)式中： k=2，3，4，...； yi为观测向量，在这里为根据三轴加速度计测得的线加速度求解得到的姿态量测值；初始值为任意值.从式(10)可以看出，Allan方差递推公式最后得到的结果和带遗传因子的渐消记忆算法在形式上是一致的.当k值越来越大时，此时无法明显体现出过往数据在Allan方差计算中所占比重的减少. 因此，我们将式(10)做一定调整得公式(11)，有式中： b是一个常值，取值范围为0<b<1，β1=1.通过调整常值b的大小，可适当调整过往数据在Allan方差计算中所占比重，相比较于式(10)可进行一定的比重调整，有利于提高辨识精度. 并且本文只利用最新固定长度的N个数据来递推方差值，这个固定长度可以利用Allan方差仿真已知数学模型方差变化的数据来估计得到. 通过多次实验仿真验证，本文中N取600时，既能保证数据方差的及时更新，也能使计算结果的波动尽量小.当获取的数据长度大于固定长度N时，可以将式(10)转化为式(12)，即(12)式中： k为设置的最新数据个数，在k<N时求解使用式(10)与(11)估计；当k≥N时对于每一个根据式(12)求解，利用Allan方差的自适应算法在每一次扩展Kalman滤波的递推中，实时修正量测噪声的方差参数，从而提高滤波精度.3 实验仿真验证图 4 MPU-6050传感器检测轴及其方向Fig.4 The detection axis and its orientation of MPU-6050 sensor3.1 实验条件本文所使用的姿态传感器为较常见的MPU-6050，内部集成有三轴MEMS陀螺仪和三轴加速度计. 为了应对实际使用中物体运动快慢的不同，传感器的测量范围以及传感器输出频率等等都可通过设置相关寄存器进行设定. 本文所设定的陀螺仪量程为±1 000 (°)/s，加速度计量程为±8 g，姿态传感器的数据输出频率为100 Hz. 试验是利用摇摆平台在俯仰方向摆动来测取数据的，将MPU-6050安装在摇摆平台上，将Y轴平行于旋转主轴方向，MPU-6050和摇摆平台的俯仰运动方向保持在具体的试验过程中使用遥控器控制摇摆平台在俯仰方向进行随机角度摆动，在来回的摆动过程中采集三轴陀螺仪和三轴加速度计数据以及8191线编码器数据，其中，编码器数据得到的旋转角度精度小于0.04°，可以作为旋转过程中的真实角度值，以方便比较.3.2 实验结果多次进行俯仰方向的摇摆实验，利用采集到的数据通过本文改进之后的自适应滤波算法进行解算，同时通过常规自适应滤波算法计算，计算结果与真实角度值比照，求取误差的绝对值来作为精度比较的依据. 本文选取了其中一组实验数据仿真图进行分析，数据仿真图如图 5～7 所示.图 5 实验数据仿真的整体图Fig.5 The overall map of experimental data simulation图 6 实验数据仿真的误差图Fig.6 Error graph of experimental data simulation图 7 实验数据仿真局部图Fig.7 The partial map of experimental data simulation图 5～7 为本文摆动实验中采集得到的数据仿真图. 从仿真图 5 与图 6 可以发现，使用本文基于MEMS陀螺仪和加速度计的自适应算法解算出来的角度曲线和实际的角度曲线基本吻合；通过图 7 可以发现，相对于常规的滤波算法，该算法解算出来的角度曲线更为接近编码器解算的实际角度曲线. 说明本文中提出的基于MEMS陀螺仪和加速度计的自适应算法有良好的抑制动态噪声能力, 能提高系统对环境变化的适应性，得到更好的滤波效果.4 结论本文对姿态求解算法进行了一定的研究，提出了一种基于MEMS陀螺仪和加速度计的自适应姿态测量算法. 首先，通过对MEMS陀螺静态数据进行Allan方差分析，得到MEMS陀螺仪系统噪声估计；然后，采用扩展卡尔曼滤波算法进行数据融合，同时，在对动态噪声估计的过程中加入了遗传因子、限定记忆长度的算法思想；最后，通过实验和仿真，验证了本文提出的算法可有效地跟踪噪声参数的变化,提高了姿态角度测量精度.参考文献：【相关文献】[1] 鲍亚琪，陈国光，吴坤，等. 基于磁强计和MEMS陀螺的弹箭全姿态探测[J]. 兵工学报，2008(10)： 1227-1231.Bao Yaqi，Chen Guoguang，Wang Xiaorong，et al. Research on attitude determination using magnetometers and MEMS inertial sensors[J]. Acta Armamentarii，2008(10)：1227-1231. (in Chinese)[2] Mehran Zareh，Sahel Soheili. A modified model reference adaptive control with application to MEMS gyroscope[J]. Journal of Mechanical Science and Technology，2011，25(8)： 2061-2066.[3] 杜烨，冯顺山，苑大威，等. 基于磁强计和MEMS陀螺的弹箭姿态探测系统[J]. 北京理工大学学报，2014，34(12)： 1267-1271.Du Ye，Feng Shunshan，Yuan Dawei，et al. An attitude determination system using magnetometers and MEMS gyro[J]. Transaction of Beijing Institute of Technology，2014，34(12)： 1267-1271. (in Chinese)[4] 李玎，卜雄洙，向超，等. 基于磁/惯性传感器旋转弹体定姿的Kalman滤波器设计[J]. 中国惯性技术学报，2010，18(01)： 76-80.Li Ding，Bu Xiongzhu，Xiang Chao，et al. Design of Kalman filter of attitude measurement of spinning projectile based on magnetic sensors and inertial Sensors[J]. Journal of Chinese Inertial Technology，2010，18(01)： 76-80. (in Chinese)[5] 宋海峰，邓浩，张蓉，等. 小角度随机往复振动条件下陀螺姿态测量研究[J]. 兵工学报，2008(4)： 411-414.Song Haifeng，Deng Hao，Zhang Rong，et al. Measurement model for attitude of gyroat small angle random to-and-fro vibration[J]. Acta Armamentarii，2008(04)： 411-414.(in Chinese)[6] 苏菲，尚德重，汪建波，等. 基于陀螺仪和加速度计的帆船运动姿态测量[J]. 太赫兹科学与电子信息学报，2014，12(2)： 183-189.Su Fei，Shang Dezhong，Wang Jianbo，et al. A measurement method of sailing attitude based on MEMS gyroscope and accelerometer[J]. Information and Electronic Engineering，2014，12(2)： 183-189. (in Chinese)[7] 李媛媛，张立峰. 多传感器自适应加权融合算法及其应用研究[J]. 自动化与仪器仪表，2008(2)：10-13.Li Yuanyuan，Zhang Lifeng. Multi-sensor adaptive weighted fusion algorithm and application[J]. Automation & Instrumentation，2008(2)： 10-13. (in Chinese)[8] 冯智勇，曾瀚，张力，等. 基于陀螺仪及加速度计信号融合的姿态角度测量[J]. 西南师范大学学报(自然科学版)，2011，36(4)： 137-141.Feng Zhiyong，Zeng Han，Zhang Li，et al. Angle measurement based on gyroscope and accelerometer signal fusion[J]. Journal Press of Southwest University，2011，36(4)： 137-141. (in Chinese)[9] Vagner M，Benes P，Havranek Z. Experience with Allan variance method for MEMS gyroscope performance characterization[C]. Instrumentation and Measurement Technology Conference (I2MTC)，2012 IEEE International，2012.[10] 邹学锋，卢新艳. 基于Allan方差的MEMS陀螺仪性能评价方法[J]. 微纳电子技术，2010，47(8)： 490-493+498.Zhou Xuefeng，Lu Xinyan. Estimate method of MEMS gyroscope performance based on Allan variance[J]. Micronanoelectronic Technology，2010，47(8)： 490-493+498. (in Chinese)[11] 曹慧芳，吕洪波，孙启国. 基于MEMS陀螺仪的随机误差分析[J]. 计算机测量与控制，2016，24(1)： 178-181.Cao Huifang，Lü Hongguo，Sun Qiguo. Analyses on random error based on MEMS gyroscope[J]. Computer Measurement & Control，2016，24(1)： 178-181. (in Chinese)。
MEMS陀螺仪的简要介绍
MEMS陀螺仪的简要介绍MEMS陀螺仪（Micro-Electro-Mechanical System gyroscope）是一种基于微机电系统技术的陀螺仪，具有小尺寸、低功耗、高灵敏度等特点。
它广泛应用于无人机、手机、平衡车等设备中，用于测量角速度和方向。
首先，我们来看一下MEMS陀螺仪的性能参数。
主要包括灵敏度、测量范围、精确度和稳定性。
1.灵敏度：指陀螺仪对角速度变化的感知程度，通常以每秒多少度/秒来表示。
灵敏度越高，陀螺仪对角速度变化的检测越精准。
2.测量范围：指陀螺仪能够测量的角速度的最大值和最小值。
通常以度/秒为单位，在不同应用场景下需根据需求选择合适的测量范围。
3.精确度：指陀螺仪测量结果与真实值之间的偏差。
精确度越高，陀螺仪的测量结果越接近真实值。
4.稳定性：指陀螺仪在长时间使用过程中保持测量精度的能力。
稳定性包括零漂、温漂等参数，可通过校准等方法来提高。
1.姿态控制：MEMS陀螺仪被广泛应用于飞行器、导航设备等需要进行姿态控制的设备中。
通过测量角速度变化，可以帮助设备实时检测自身的姿态，从而进行调整和控制。
2.稳定平台：MEMS陀螺仪可以用于制作稳定平台，如相机防抖系统。
通过补偿相机的晃动，可以提高拍摄的稳定性和图像质量。
3.导航定位：MEMS陀螺仪可以与其他传感器（如加速度计、磁力计）结合使用，用于导航和定位应用。
通过测量角速度和加速度，可以估计设备的位置和方向。
4.虚拟现实和增强现实：MEMS陀螺仪可以用于虚拟现实和增强现实设备中，如头戴式显示器和手持设备。
通过检测用户头部的旋转动作，可以实现对虚拟场景的观察和交互。
5.运动追踪：MEMS陀螺仪可以用于运动追踪设备中，如运动手柄和运动传感器。
通过测量角速度和加速度，可以捕捉用户的运动，实现与设备的交互。
综上所述，MEMS陀螺仪是一种小尺寸、低功耗、高灵敏度的陀螺仪，广泛应用于姿态控制、稳定平台、导航定位、虚拟现实和运动追踪等领域。
MEMS陀螺仪与加速度传感器
点击这里观看挥挥鼠M3鼠标演示视频
三、稳定平台的应用 1、相机、摄像机的光学防抖
光学防抖通过镜头组 实现防抖。依靠磁力包裹 悬浮镜头，从而有效克服 因相机振动产生的图像模 糊，这对于大变焦镜头的 数码相机所能起到的效果 更加明显。通常，镜头内 的陀螺仪侦测到微小的移 动，并且会将信号传至微 处理器，微处理器立即计 算需要补偿的位移量，然 后通过补偿镜片组，根据 镜头的抖动方向及位移量 加以补偿，从而有效的克 服因相机的振动产生的影 像模糊
r 2 2 2 0 0 2
阻尼器
0
Q
2
MEMS加速度传感器基本原理
• 传递函数幅值
由图可见，为提高灵敏度， 需要降低固有频率。 降低固有频率有两个方案： 降低刚度或增大质量。
• 在单位阶跃加速度
• 作用下的响应为
其中 由图可见，对于开环 加速度传感器，为提 高响应速度，传感器 应该具有较大的阻尼 比（即小品质因子）。
六、精确导航的应用
集成电子罗盘MEMS传感器可 以使GPS导航更精确，Sensor Platforms公司和其它供应商都在 开发集成有MEMS航位推算功能的系 统，这样你的导航系统就可以跟随 你进入建筑物内（甚至是地铁）而 不迷路。其它的开发者在开发把 GPS、相机、MEMS传感器集成在一 个平台，这样导航系统不但知道使 用者身处何处，还知道使用者看到 些什么，这样屏幕上的数据交互以 确定你寻找的建筑物
五、点线接触机器的应用
1、交通工具
因为陀螺仪的方向敏感能力 极高，利用陀螺仪控制轮子，从而 保持平衡 ，具有运动灵活、智能 控制、操作简单、节省能源、绿色 环保、转弯半径为0等优点
五、点线接触机器的应用 2、机器人
利用陀螺仪就很好的解决机 器人的平衡性问题，使机器人不再 那么容易摔倒，日后是机器人发展 的主流
MEMS 之重力加速传感器mma7660,与陀螺仪
这两天调好了3轴g-sensor ,mma7660, 可以用了. 倾斜晃动或改变板子的方向(水平或垂直), mma7660就会产生中断, 并给出当前板子的姿态(水平/垂直, 上下,左右等).1. 重力加速度计 mma76601.1 作用:mma7660只是一个3轴g-sensor, 它主要用于测量倾斜角,惯性力,冲击力及震动.1.2 工作原理:mma7660是一种电容式g-sensor. 电容式g-sensor大多为欧美厂商, 其技术是在wafer的表面做出梳状结构, 当产生动作时,由侦测电容差来判断变形量, 反推出加速度的值.与压阻式不同的是, 电容式很难在同一个结构中同时感测到三个轴(X,Y,Z)的变化, 通常都是X,Y和Z分开来的, (这也就是为什么当板子水平放置时,无论如何改变X,Y的位置,都不会有中断产生,因为这时它只能检测Z轴的变化,X,Y的变化它检测不到, 只有当我们将板子倾斜一个角度后才能检测X,Y的变化) . 而压阻式在同一个结构就能感测到三个轴的变化.1.3 工作模式:mma7660主要有三种工作模式.(通过设置MODE寄存器)1). Standby(待机)模式此时只有I2C工作,接收主机来的指令. 该模式用来设置寄存器. 也就是说, 要想改变mma7660的任何一个寄存器的值,必须先进入Standby模式. 设置完成后再进入Active或Auto-Sleep模式.2). Active and Auto-Sleep (活动并且Auto-Sleep) 模式mma7660的工作状态分两种, 一种是高频度采样, 一种是低频度采样. 为什么这样分呢, 为了节省功耗,但是在活动时又保持足够的灵敏度.所以说mma7660的Active模式其实又分两种模式,一种是纯粹的Active模式, 即进了Active模式后一直保持高的采样频率,不变. 还有一种是Active & Auto-Sleep模式, 就是说系统激活后先进入高频率采样,经过一定时间后,如果没检测到有活动,它就进入低频率采样 ,所以就叫做Auto-Sleep, Sleep并不是真的Sleep , 只是说降低采样频率.低频率采样模式又叫Auto-Wake摸式, 即自动唤醒模式.它不是睡眠模式, 它只是降低采样频率.3). Auto-Wake (自动唤醒) 模式Auto-Sleep后就进入低频率采样模式,这种模式就叫做Auto-Wake摸式, 即自动唤醒模式.它不是睡眠模式, 它只是降低采样频率.1.4 初始化:Init|| MODE=(0)进入 Standby 模式,设置寄存器|| SRST=0x03, SR=(2,2,1), INTSU中,asint=1,plint=1,fbint=1| MODE=(0, 1, 0, 1, 1, 0, 1)|Active & Auto-Sleep (64 Samples/Sec)^ || state changes | SPCNT=0xA0 timeout| interrupt || vAuto-Wake ( = Half Sleep) (8 Samples/Sec)也就是说,系统初始化时先进入Standby模式,通过I2C设置寄存器, 设好后进入Active &Auto Sleep模式, 当定时器计数超时后,进入Auto-Wake(低频采样模式),在Auto-Wake模式下,只有板子状态改变(比如改变水平/垂直方向,拍打等),由此产生中断后才会唤醒,重新进入Active & Auto-Sleep模式.2. 陀螺仪用过g-sensor后就很好奇它跟陀螺仪的关系.在动作感应方面, 加速度计对有变化量的动作感应还不错, 但是对均匀的动作变化, 精度就不够了,陀螺仪则刚好弥补了这一点.陀螺仪的原理是, 对一个旋转的物体, 旋转轴所指的方向在不受外力影响时, 是不会改变的. 人们根据这个原理,用它来保持方向. 陀螺仪在工作时要给它一个力, 使它快速旋转起来, 然后用多种方法读取轴所指的方向,并自动将数据信号传给系统.物体在高速旋转后,其轴心就存在指向的稳定性.陀螺仪是一种在立体空间内,全方位的角度偏移检测仪器.2.1 模型直升机上陀螺仪的功用直升机飞行的基本原理是利用主旋翼可变角度产生反向推力而上升, 但对机身会产生扭力作用, 于是需要加设一个尾旋翼来抵消扭力,平横机身. 但怎样使尾旋翼利用合适的角度来平衡机身呢? 这就用到陀螺仪了, 它可以根据机身的摆动多少,自动作出补偿讯号给伺服器,去改变尾旋翼的角度,产生推力平衡机身.以前,模型直升机是没有陀螺仪的, 油门, 主旋翼角度很难配合, 起动后便尽快往上空飞(因为飞行时较易控制),如要悬停就要控制杆快速灵敏的动作,所以很容易撞毁,现在已有多种直升机模型使用的陀螺仪,分别有机械式,电子式,电子自动锁定式.2.2 智能手机上陀螺仪的使用关注IPHONE4的都知道,它的超强卖点就是内置了陀螺仪, 既有陀螺仪,又有重力加速计. 陀螺仪的主要用途有:1).导航. 陀螺仪自被发明以来, 就用于导航, 如果配合GPS, 手机的导航能力将达到前所未有的水准(电子惯导, 但是不能长时间没有GPS校正, 否则会随时间出现偏差). 事实上, 目前很多专业手持式GPS也装了陀螺仪, 如果手机上安装了相应的软件, 其导航能力不亚于目前很多船舶,飞机上的导航仪.2).摄像防抖. 配合手机上的摄像头3).各类游戏的传感器. 陀螺仪完整检测游戏者手的移动,从而实现个种游戏操作的效果.4).可以用作输入设备, 陀螺仪相当于一个立体的鼠标.对于安装了陀螺仪,摄像头,以及各种传感器的手机来说,它已经由通讯工具转为娱乐中心,再提升为高效率的生产工具.==================================================呵呵,发扬自由软件的精神,把mma7660的驱动在这里共享出来(带了很多调试信息), 是Android接口的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基本應用原理
• F：物體所受合外力 • m：物體質量 • a：物體的加速度
• k：物質的彈性係數 • x：位移量
• C：電容量 • ε：介電常數 • A：極板截面積 • d：板間距離
MEMS加速度計原理
物體的加速度=物質的彈性係數X位移量/物體質量
A A點移動到B點
距離＝1/2加速度 ×時間平方
• 陀螺儀又名角速度計，利用內部振動機械結構感測物體轉動所產生角速度， 進而計算出物體移動的角度。
• 兩者看起來很接近，不過加速度計只能偵測物體的移動行為，並不具備精確 偵測物體角度改變的能力，陀螺儀可以偵測物體水平改變的狀態，但無法計 算物體移動的激烈程度。
• 用簡單的例子就是Eee Stick 體感遙控器,這是一個類似 Wii 遊戲的遙控捍 ， 例如玩平衡木遊戲，當搖桿向前傾斜時，陀螺儀用來計算搖桿傾斜的角度， 三軸加速度計可以偵測搖桿晃動的劇烈程度以及搖桿是否持續朝斜下方。
MEMS陀螺儀工作原理
• MEMS陀螺儀依賴於由相互正交的振動和轉動引起的交變 科氏力。振動物體被柔軟的彈性結構懸掛在基底之上。整 體動力學系統是二維彈性阻尼系統，在這個系統中振動和 轉動誘導的科氏力把正比於角速度的能量轉移到傳感模式。
Hale Waihona Puke 影響MEMS信號輸出因素• 透過改進設計和靜電調試使得驅動和傳感的共振頻率一致，以實現最大可能 的能量轉移，從而獲得最大靈敏度。大多數MEMS陀螺儀驅動和傳感模式完 全匹配或接近匹配，它對系統的振動參數變化極其敏感，而這些系統參數會 改變振動的固有頻率，因此需要一個好的控制架構來做修正。如果需要高的 品質因子（Q），驅動和感應的頻寬必須很窄。增加1%的頻寬可能降低20%的 信號輸出。(圖 a） 還有阻尼大小也會影響信號輸出。（圖 b）
MEMS加速度計
• 加速度計是一種慣性傳感器，主要功用為測量物 體速度變化率，一般經常被用來測量距離及衝擊 力。
• 在微機電(MEMS)技術製造的加速度計，使尺寸 大大縮小，故具有體積小、重量輕、可靠度高、 低功率等優點。
• 目前最廣泛的應用在車用電子領域(high g & low g)，近年來已有趨勢大量朝著Game 和手機的應 用。
電容的變化經ASIC轉換及綜合運算 B
位移量可藉由
得知
電容的變化和加速度成正比
距離及衝擊力
MEMS陀螺儀
• MEMS陀螺儀(gyroscope)的設計和工作原理可能 各式各樣，但公開的MEMS陀螺儀均採用振動物 體傳感角速度的概念，是經由科氏力進行驅動件， 與感測件之間機械能的轉換 。
• 利用振動來誘導和探測科氏力而設計的MEMS陀 螺儀沒有旋轉部件，不需要軸承，已被証明可以 利用微機電加工技術大批量生產。
的直線運動的偏移的一種描述。 • 科里奧利力是來自於物體運動所具有的慣性。
• 其他名稱： – 地轉偏向力
• 定義： – 由於地球自轉運動而作用於地球上運動質點的偏向力。
MEMS陀螺儀工作原理
• MEMS陀螺儀是利用科氏力效應，其原理如圖。當圖中的物體沿X軸， 做週期性振動，或其他運動時，而載具沿Z軸，做旋轉運動(角速度為 ω)，則該物體就會沿Y軸方向，產生一個科氏力，其向量級大小，
MEMS加速度計與陀螺儀的原 理介紹
MEMS加速度計與陀螺儀
• 有些人看到微機電產品會誤以為這個是純電子的產品，實際上微機電產品都 是帶有一半物理裝置設計的產品，而微機電感測器是透過物理發生的類比效 果轉換成數位訊號。
• 加速度計顧名思義就是偵測物品的加速度，利用封裝內配置兩個電容點，並 且在中間使用一個可導電並且可晃動的物質，並且透過偵測導電物質移動改 變兩個電容點的電壓，藉此計算感測器的移動狀態。
• 依據不同應用，中間電容板懸臂結構的強度or彈性係數設 計也不同，且不同方向的加速度也會使MEMS結構有很大 的不同。
• 電容的變化會由另一晶片轉化成電壓訊號，有時也會把電 壓訊號放大。訊號再經轉化處理，在零點和靈敏度校正後 輸出。
MEMS加速度計結構
MEMS結構原理
C：電容量 ε：介電常數 A：極板截面積 d：板間距離
MEMS加速度計方塊圖
• 一般加速計由兩個晶片組成，一是MEMS傳感器， 一是客製化的訊號處理晶片(ASIC)。
MEMS傳感器
訊號處理晶片(ASIC)
MEMS加速度計工作原理
• 工作原理：靠MEMS中可移動部分的慣性。由於中間電容 板質量很大，且是一種懸臂結構，當速度變化or加速度達 到足夠時大時，它所受的慣性力超過固定or支撐它的力， 這時它會移動，它和上、下電容板之間的距離也因此改變。 電容的變化和加速度成正比。
• 物體在圓盤上沒有徑向運動，科氏力就不會產生。在MEMS陀螺儀的 設計上，這個物體被驅動，不停地來回做徑向運動或者震盪，與此對 應的科氏力就是不停地在橫向來回變化，並有可能使物體在橫向作微 小震盪，相位正好與驅動力差90度。
• MEMS陀螺儀通常有兩個方向的可移動電容板。徑向的電容板加震盪 電壓迫使物體作徑向運動（有點象加速度計中的自測試模式），橫向 的電容板測量由於橫向科氏力運動帶來的電容變化（就象加速度計測 量加速度）。因為科氏力正比於角速度，所以由電容的變化可以計算 出角速度。
基本應用原理
• v = ω ×r • ω=2π/T • ω=n ×2π • a=v^2/r
=w^2 ×r =ω ×v ×r • F=ma
線速度=角速度×半徑 角速度=圓周/周期 角速度=轉速×圓周率 向心加速度=線速度平方/半徑
=角速度平方×半徑 =角速度×線速度×半徑 向心力=質量×向心加速度
MEMS陀螺儀結構
FC=ma=-2m ω ×V
V a=-2 ω ×V
科氏力原理
FC是科氏力 m是該物體的質量 ω是載具坐標系旋轉的角速度 V是該物體的速度向量
科氏力產生的加速度為a=2 ω ×V。其中振動速度V為系統設計的已知量，如果能 得到感測質量塊上的科氏力加速度a(t)，然後結合振動速度，進行同步解調，就 可以檢測出在XY坐標系的旋轉角速度ω ，這就是微機械振動陀螺儀的基本工作原 理
• 陀螺儀最主要是被用來感測角速度，而絕大數陀 螺儀其內部振動機械結構感測物體轉動所產生角 速度，通常可利用體型或面型加工製作而成，在 材料使用上包括石英或矽最為常見。
科氏力
• 科里奧利力( Coriolis force)，or稱作哥里奧利力，簡稱科氏力。 • 是對旋轉體系中進行直線運動的質點，由於慣性相對於旋轉體系產生