MEMS 传感器融合技术在农业工程的应用与前景

黎永键，赵祚喜，关 伟

（1.广东农工商职业技术学院；2.华南农业大学工程学院，广州 510000）

0 引 言

传感器技术是现代农业的一项重要研究内容，其作用是提供被测农业车辆以及装备的姿态、航向、加速度、角速度和位置等信息[1]。MEMS 传感器（Micro-electro-mechanical System，微电子机械系统)是集微型传感器、执行器以及信号处理和控制电路、接口电路、通信和电源于一体的微型机电系统，属于惯性式传感器。近年来，基于MEMS 传感器的测量系统已在民事应用领域有了较快发展，主要应用于智能检测系统、智能制造系统、工业机器人、遥感等方面[2]。由于MEMS 传感器在体积、质量、功耗上都具有很大优势，基于MEMS 传感器技术的系统在精细农业作业、农业机械导航以及农业自动化控制等方面有重要的应用价值。然而，MEMS 传感器存在测量精度不高、漂移大等缺点，特别是MEMS 陀螺由于其较大的漂移，只能在短时间内提供可靠的信息[3]。由于农业生产环境复杂，单一传感器由于获取的信息有限，通常会存在不确定性以及偶然的错误或缺失，影响整个系统的稳定性和精度，这就需要将一些传感器结合起来使用，将它们各自产生的信息进行综合，以便获得合适的环境信息[4]。

多传感器的信息融合是20 世80 年代形成和发展起来的一种自动化信息综合处理技术，是指对来自多个传感器的数据进行多级别、多方面、多层次的处理，即组合或融合来自多个传感器或其他信息源的数据，以获得综合的、更好的估计从而产生新的有意义的信息，而这种新信息是任何单一传感器所无法获得的[5]。多传感器信息融合技术在军事、工业、遥感等众多领域已得到广泛应用。近年来，大量研究工作证明，MEMS 传感器融合技术对于推动农业现代化生产具有重要意义[6]。

本文首先介绍MEMS 惯性传感器原理，并对MEMS 惯性传感器融合技术的研究方法进行论述，然后介绍该技术农业工程中的研究内容和现状，最后分析应用的前景以及发展方向。

1 MEMS 惯性传感器测量原理

1.1 MEMS 惯性传感器类型

随着MEMS 技术的发展, 微机械惯性器件的研究取得了很大的进展。目前已有微型加速度计和微型硅陀螺仪的商品生产,体积和重量均很小,但尚需提高精度[7]。美国模拟器件公司（Analog Devices Inc，简称ADI）的集成加速度计是微机械与微电子集成的标志性产品, 主要用于汽车防撞气囊的弹出控制,年产值超过2 亿美元。ADI 公司基于MEMS 技术的惯性传感器供货量已达到2 亿只。NJM 公司正在研制使用MEMS 技术的战术级IMU，与现有装置相比，成本大幅降低，体积大为减小, 功耗也更小[8]。MEMS 惯性传感器正在向精度更高和集成度更高的方向发展，其中MEMS 陀螺的发展尤为明显。MEMS加速度计是所有MEMS 传感器中商业市场化最为成功的，它在精度方面已能满足战略导弹的应用要求。微机械加速度计在工程上达到的精度为1×10-4g，潜在精度还可以提高一个数量级。MEMS 陀螺的性能也接近或达到战术级导航的水平。微机械陀螺的分辨率达到（1°～100°）/h,在工程上可以实现10°/h的精度[9]。石英微机械陀螺已批量生产,有的硅微陀螺已实用化。尽管也开发出来一些高精度的微机械加速度计,但其价格昂贵,从整体上来说精度水平还不很高[10]。

1.2 MEMS 加速度计测量原理

微加速度计通常由一个悬臂梁构成, 梁的一端固定,另一端悬挂着一个质量块[11]。其常用的工作原理如图1 所示。当没有加速度的时候，质量块不运动，而当有-y 方向的加速度时，质量块向此方向运动。通过不同的检测方式，比如电容、热、机械等，可以得到质量块的运动位移，由于位移与加速度成一定的关系，自然知道位移就可以获得加速度信息。基于上述原理，目前有压阻式、电容式、隧道式、共振式、热形式等几种微加工加速度计，这几种形式的加速度计的区别就在于检测质量块运动的方式的不同，对它们的命名通常也是根据检测形式来进行的。

1.3 MEMS 陀螺仪测量原理

陀螺仪是一种具有比较复杂的运动学和动力学现象的装置，它有一个高速旋转的定点运动转子，该转子的轴线具有定向性，这是陀螺的最大特点。文献[12]介绍了微机械陀螺的基本工作原理。由加速度计附加抖动装置组成，抖动装置有角振动和线振动两种。所以，从本质上来说，微机械陀螺是一种振动式角速度传感器。

目前，绝大部分的微加工陀螺仪采用振动来检测旋转[12]。由于没有旋转部件，因此它们易于采用微加工技术来批量生产。常见的振动陀螺仪有音叉、振动梁和振动壳等形式，其中音叉陀螺仪是比较普遍的一种。图2 是音叉型陀螺仪工作原理的一个示意图。

2 MEMS 传感器融合技术方法研究

多传感器信息融合的概念很直观，但实际上真正实现一个多传感器融合系统是较困难的。由于多传感器融合系统具有改善系统性能的巨大潜力，人们还是投入了大量的精力进行研究[13]。目前比较成熟、使用较广泛的信息融合方法有：统计推理法、Bayes 推理、Dempster-Shafer 证据理论、模糊集合理论、估值理论最佳状态估计，应用于目标对象的定位、跟踪、测向等[14]。以下介绍基于Kalman 滤波的传感器融合算法理论的传感器融合算法的研究情况。

2.1 基于Kalman 滤波的传感器融合算法

在农业机械组合导航定位的理论方法研究方面，应用最广泛的多传感器信息融合方法是卡尔曼滤波法[15]。Guo LS 介绍了卡尔曼滤波的原理和基本方程。Greg.Welch、Gray Bishop 在Kalman 滤波器状态方程和观测方程的建立的基础上，提出了线性离散Kalman 滤波器的递归差分方程组，其核心是一组具有递归性质的基于最小方差方法的数学方程组。以该数学方程组构成的卡尔曼滤波器可以对研究对象过去，现在和将来的状态做出线性最优估计，即线性最小方差估计。当噪声为高斯分布的白噪声时，卡尔曼滤波可提供信息融合的统计意义下的最优递推估计[16]。这种方法适用于动态环境中冗余传感器信息的实时融合。付旭等利用多MEMS 传感器研制了一种微型姿态测量系统，利用三轴MEMS 加速度计和三轴MEMS 陀螺数据，由方向余弦矩阵的姿态表示形式推导了扩展Kalman 滤波方程，解算出飞行器的俯仰角和横滚角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较，二者在静态情况下非常吻合，在动态情况下基本吻合[17]。

2.2 基于联合Kalman 滤波的传感器融合算法

Carlosn 提出的联合滤波模型，继承了分散滤波的处理器结构，并对其算法结构作了重要的改进，在滤波过程中包含了一个信息分配的过程。由于联合滤波器模型设计灵活、计算量小、容错性好、便于工程实现等优点而备受重视[18]。联合滤波模型核心算法是应用最优融合定理以融合各局部滤波器的局部状态估计，以得到全局最优状态估计。在局部滤波器中由于采用方差上界技术引起的信息丢失，在融合过程中被重新综合起来，得到全局最优状态估计解。

2.3 基于自适应Kalman 滤波的传感器融合算法

由于工作环境干扰、加速度计的物理特性、电子伺服系统回路中噪声的影响，加速度计的误差特性会发生变化，很难用一个准确的统计特性噪声来表示。采用自适应卡尔曼滤波技术可以解决以上问题[19]。自适应滤波的目的之一是在利用观测数据进行滤波递推的同时，不断地由滤波本身去判断目标在动态上是否有变化，当判断有变化时,要进一步决定是把这种变化看作随即干扰而归到模型噪声中去，还是队员动态模型进行修正，使之适应目标变化后的动态。自适应滤波的另一个目的，适当系统噪声方差阵Qk和观测噪声方差Rk未知或近似已知时，利用观测数据带来的信息，由滤波本身不断的估计和修正噪声统计特性或滤波器增益阵，以减少状态估计误差，提高滤波器的精度[20]。

3 MEMS 传感器融合技术在农业工程应用

3.1 基于GPS/SINS 组合的农业导航系统

当装备了GPS 接收器的农用导航车辆在田间行走时，由于轮胎在土壤里受力不均匀，车体发生了颠簸而导致了GPS 接收天线位置倾斜，其结果是GPS 天线与车体质心在大地坐标系上不重合，则GPS 数据不能真实反映车体真实位置。试验表明，车体的姿态角对于GPS 的定位精度有较大影响。为提高农业导航定位精度，农业智能车辆田间导航定位需要测量载体位置坐标、航向角以及姿态角等导航参数，其测量值应尽量准确[21]。因此，农业自动导航必须准确测量出车体的姿态角。

GPS 与MEMS 惯性传感器组合能够充分发挥各自优势，采用组合导航系统可以有效解决惯性导航系统误差随时间积累的问题[22]。华南农业大学张智刚以水田插秧机为平台，建立了以RTK-DGPS 为主要导航方式、姿态航向参考系统AHRS500GA 为辅助的联合导航系统，通过卡尔曼滤波的方式提高定位信息精度[23]。美国Zhang Q 设计出多传感器融合系统，建立了位置、速度和姿态的融合方程模型，可以为无人驾驶的农业车辆提供姿态角、航向角信息，用于GPS 数据的校正。文献[24]利用SINS 提供的姿态信息修正GPS 定位数据，对多传感器集成模块ADIS16355 的信息融合处理，确定了基于卡尔曼滤波的融合算法用于测量姿态角。试验结果表明：在农业车辆运动较剧烈的情况下，只用加速度计计算姿态角误差较大，其结果不可靠；而通过信息融合解算的姿态角结果精度较高，误差一般不超过2°。

以上研究表明，使用卡尔曼滤波技术进行传感器信息融合测量，测量载体姿态角，同时对GPS 与SINS 进行有效组合，改善定位精度，更真实反映农用车辆的运动状态。

3.2 水平激光平地技术

激光平地机是将激光、液压技术应用于整地作业的农业新产品，激光平地技术可有效提高农田的平整度，提高农田灌溉水的利用率，是目前国际上推广应用的节水技术之一[25]。水田激光机在水田平地作业中，必须解决平地铲的姿态控制问题，即保持水平姿态[26]。华南农业大学赵祚喜设计了基于MEMS惯性传感器融合的平地铲水平控制系统，该系统采用双轴加速度计ADXL203 和单轴陀螺仪ADXRS信息融合的算法测量平地铲实时倾角，通过脉宽调节普通电磁阀实现平地铲水平控制。试验证明该系统能较好实现平地铲水平控制，但仍存在传感器融合的切入时机不完善、陀螺仪累加误差较大的问题[27]。文献[28]设计了基于MEMS 惯性传感器ADIS16300 姿态测量系统，提出了三轴加速度计与数字陀螺仪信息融合的算法，通过对重力加速度的观测修正陀螺仪偏差。试验证明该系统能较准确测量平地铲动态情况下的水平倾角。文献[29]设计了平地铲水平姿态测量系统，采用MEMS 惯性传感器集成模块ADIS16355 作为姿态测量单元，基于卡尔曼滤波实现多传感器信息融合，通过改进的位置控制算法对平地铲的水平姿态进行调节。以上研究引入了非线性I-PD 位置控制算法在平地铲水平控制上的应用，提高了水平控制精度和稳定性。通过水田平地的作业，证明平地效果良好，满足现代农业精细耕作的要求。

3.3 拖拉机田间自动转向控制器

自动转向控制是实现农业自动导航的关键环节，转向控制技术的研究对于实现精细农业和农业现代化具有重要意义。转向控制系统包括导航控制器和转向操纵控制器，导航控制器的作用是根据农业机械模型，设计最优的导航控制算法，将GPS、陀螺仪、惯性传感器、视觉传感器等多源传感器信息融合，计算分析最终决策出农业机械转向控制量。智能农业机械在很多发达国家和地区已有深入研究，并在上世纪九十年代研制出相关智能农业机械[30]。如日本Kubota 公司，利用激光距离传感器，在DGPS 结合惯性导航技术下实现车辆自主导航，研制出的智能农用机械在0.7 m/s 速度下，路径跟踪误差仅为0.05 m。

4 MEMS 传感器融合技术的发展展望

在当今倡导工程技术创新的条件下，多传感器信息融合技术在农业中将有广阔的应用前景。

基于MEMS 多传感器构成惯性测量模块IMU，并与GPS 构成联合导航控制系统，实现了两者的优势互补，提高了农业机械导航精准度。近年来，国内外科研机构在组合系统结构优化、组合测量算法、控制算法等方面做了大量研究工作。例如文献[30]以东方红X804 拖拉机为试验平台，结合拖拉机田间作业的特点，对转向控制算法作相应改进，加入了ADIS16300 惯性测量模块测量角速度，设计了一种新的东方红拖拉机自动转向控制器，采使转向轮以较低的速度平稳达到目标角度。田间试验表明：ADIS16300 角速度积分的角度值有较高准确度，平均误差为0.53°。方波信号的角度跟踪稳态时平均误差为0.40°，平均跟踪时间为1.3 s，角速率跟踪稳态时平均误差为1.25°/s，延时时间平均值为0.2 s。

近年来，我国自主研发北斗导航系统的研究工作取得突破，其应用已实现商业化，并开展应用于农业导航领域。利用IMU 提供被测量物体的姿态信息，用于修正北斗导航定位的中心位置坐标信息，则可得到高精度、高可靠的导航设备，且有助于实现产品国产化和低成本制造。

5 结 语

随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术等相关技术的发展，各种面向复杂应用背景的多传感器信息系统将大量涌现。在多传感器系统中，信息表现形式的多样化、信息容量及信息处理速度等要求，都已大大超出了传统信息处理方法的能力，多传感器信息融合必将成为未来智能检测、智能控制与数据处理中的重要技术，它无疑将有助于提高与改善系统的性能。