MEMS加速度计如何选型?

简介: MEMS加速度计如何选型?

目录

1、选型要素


1.1、倾斜检测


1.2、高温和动态环境


1.3、稳定


2、可穿戴设备MEMS加速度计应用


加速度计能够测量加速度、倾斜、振动或冲击,因此适用于从可穿戴健身装置到工业平台稳定系统的广泛应用。市场上有成百上千的加速度计器件可供选择,其成本和性能各不相同。


本文第一部分讨论设计人员需要知道的关键参数和特性,以及它们与倾斜和稳定应用的关系,从而帮助设计人员选择最合适的加速度计。第二部分将重点关注可穿戴设备、状态监控(CBM)和物联网应用。


最新MEMS电容式加速度计应用于传统上由压电加速度计和其他传感器主导的应用领域。新一代MEMS加速度计可为CBM、结构健康监控(SHM)、资产健康监控(AHM)、生命体征监测(VSM)和物联网无线传感器网络等应用提供解决方案。然而,在有如此多加速度计和如此多应用的情况下,选择合适的加速度计并非易事。


尚无行业标准界定加速度计属于何种类别,加速度计的一般分类及相应的应用如表1所示。其中带宽和g值(重力加速度)范围是加速度计用在所列终端应用中的典型值。

image.png

1、选型要素

1.1、倾斜检测

对MEMS电容式加速度计而言,精确的倾斜检测是一种要求颇高的应用,尤其是在有振动的情况下。在动态环境中利用MEMS电容式加速度计实现0.1°的倾斜精度非常困难、小于1°很困难,大于1°较易实现。


为使加速度计有效测量倾斜度,必须对传感器性能和终端应用环境有很好的了解。相比于动态环境,静态环境对倾斜测量更加有利,因为振动或冲击可能会破坏倾斜数据,引起严重测量误差。


倾斜测量的最重要特性有:温度系数失调、迟滞、低噪声、短期/长期稳定性、可重复性和良好的振动校正。


0 g偏置精度、焊接引起的0 g偏置漂移、PCB外壳对准引起的0 g偏置漂移、0 g偏置温度系数、灵敏准确度和温度系数、非线性度以及跨轴灵敏度等误差,是可以观测到的,并且可以通过装配后校准流程加以降低。


迟滞、使用寿命期间的0 g偏置漂移、使用寿命期间的灵敏度漂移、潮湿引起的0 g漂移,以及温度随时间变化引起的PCB弯曲和扭转等,这些误差项无法通过校准或其他方法解决,需要通过一定程度的原位维修才能减少。


1.2、高温和动态环境

在适合高温或恶劣环境的加速度计可用之前,一些设计人员曾不得不将标准温度IC用在远超出数据手册限值的情形中。


这意味着最终用户须承担在高温下检验器件质量的责任和风险,成本高昂且颇费时间。密封封装能够耐受高温已是广为人知的事实,它通过一道能抵御湿气和污染的屏障来防止腐蚀。


1.3、稳定

检测并了解运动可以给许多应用带来好处,掌控一个系统发生的运动,然后利用该信息提高性能(缩短响应时间、提高精度、加快运行速度),增强安全性或可靠性(系统在危险情况下关机),或者获得其他增值特性,是很有益的。


在稳定性应用中,MEMS传感器必须精确测量平台方位,特别是在运动时。下图是一个采用伺服电机校正角向运动的典型平台稳定系统的框图。反馈/伺服电机控制器将方向传感器数据转换为伺服电机的校正控制信号。

image.png

最终应用将决定所需的精度水平,而所选的传感器质量(消费级还是工业级)将决定其能否实现。区分消费级器件和工业级器件很重要,有时候二者的区别很微妙,可能需要仔细考虑。下表显示了消费级加速度计和IMU中集成的中档工业级加速度计的主要区别。

image.png

在某些条件有利且可接受较低精度数据的情况下,使用低精度器件便可满足性能需要。然而,对能在动态环境中工作的传感器需求迅速增长,较低精度器件由于不能降低实际测量中的振动效应或温度效应而大受影响,很难达到小于3°至5°的指向精度。多数低端消费级器件未提供诸如振动校正、角度随机游走之类的参数规格,而这些规格在工业应用中恰恰可能是最大的误差源。


2、可穿戴设备MEMS加速度计应用

用于电池供电型可穿戴应用的加速度计的关键指标是超低功耗(通常为μA级),以确保尽量延长电池寿命。其他关键指标是尺寸和集成的特性,比如备用ADC通道和深度FIFO,其作用是增进终端应用的电源管理和功能性。


由于这些原因,可穿戴应用中通常采用MEMS加速度计。下表所示为部分生命体征监测(VSM)应用及其在具体应用中的对应设置。用于可穿戴应用的加速度计通常可以对:运动分类;检测自由落体;测量运动是否存在以确定是使系统上电、关断还是休眠;辅助实现数据融合,供ECG和其他VSM测量使用。同样的加速度计也用在无线传感器网络和物联网应用中,因为它们具有超低功耗的特性。

image.png

在为超低功耗应用选择加速度计时,必须在数据手册中标称的功耗水平下观察传感器的功能。要观察的一项关键指标是带宽和采样速率是否会降至无法测量可用加速度数据的水平。


有些竞争产品通过每秒关断并唤醒的方式达到维持低功耗的目的,但这样做会错过关键的加速度数据,因为有效采样速率下降了,为了测量实时人体运动的范围,需要大幅提高功耗。


下图显示了各种MEMS加速度计的快照,并依据特定应用的主要性能指标和智能/集成水平将各传感器归类。

image.png

相关文章
|
26天前
|
人工智能 前端开发 数据挖掘
AI学习全景图:从大模型到RAG,从工具到变现,一条从0到1的路线
告别碎片化学习!本文系统梳理AI知识五层结构:从基础认知到商业变现,提供完整学习路径与优质资源链接。帮你构建AI知识网络,实现从工具使用到能力落地的跃迁。
588 2
|
12月前
「Mac畅玩鸿蒙与硬件46」UI互动应用篇23 - 自定义天气预报组件
本篇将带你实现一个自定义天气预报组件。用户可以通过选择不同城市来获取相应的天气信息,页面会显示当前城市的天气图标、温度及天气描述。这一功能适合用于动态展示天气信息的小型应用。
531 38
「Mac畅玩鸿蒙与硬件46」UI互动应用篇23 - 自定义天气预报组件
|
存储
「Mac畅玩鸿蒙与硬件34」UI互动应用篇11 - 颜色选择器
本篇将带你实现一个颜色选择器应用。用户可以从预设颜色中选择,或者通过输入颜色代码自定义颜色来动态更改界面背景。该应用展示了如何结合用户输入、状态管理和界面动态更新的功能。
346 3
「Mac畅玩鸿蒙与硬件34」UI互动应用篇11 - 颜色选择器
|
机器学习/深度学习 存储 并行计算
深度学习之声纹识别
基于深度学习的声纹识别(Speaker Recognition)是一种通过分析和识别人的声音特征来确认身份的技术。
2523 2
|
人工智能 自然语言处理 机器人
掌握未来沟通的艺术:运用TensorFlow与自然语言处理(NLP)技术,从零开始构建你的专属智能对话机器人,让机器理解你的一言一行
【8月更文挑战第31天】本文详细介绍如何利用TensorFlow与自然语言处理技术开发对话机器人。从准备问答数据集开始,通过预处理、构建Seq2Seq模型、训练及预测等步骤,最终实现了一个简易的聊天机器人。示例代码涵盖数据加载、模型搭建及对话功能,适合希望在实际项目中应用AI技术的开发者参考。
352 0
一文教你学会keil软件仿真
一文教你学会keil软件仿真
2390 1
|
存储 监控 负载均衡
Elasticsearch 集群副本
【8月更文挑战第24天】
349 13
|
SQL 存储 Java
Hive 拉链表详解及实例
拉链表是一种数据仓库技术,用于处理持续增长且存在时间范围内的重复数据,以节省空间。它在Hive中通过列式存储ORC实现,适用于大规模数据场景,尤其当数据在有限时间内有多种状态变化。配置涉及事务管理和表合并选项。示例中展示了如何从原始订单表创建拉链表,通过聚合操作和动态分区减少数据冗余。增量数据可通过追加到原始表然后更新拉链表来处理。提供的Java代码用于生成模拟的订单增量数据,以演示拉链表的工作流程。
783 3
|
NoSQL Java 关系型数据库
软件开发常用之若依修改之添加数据库,添加redis,利用RDM连接宝塔
软件开发常用之若依修改之添加数据库,添加redis,利用RDM连接宝塔
|
消息中间件 Go API
Golang深入浅出之-Go语言中的微服务架构设计与实践
【5月更文挑战第4天】本文探讨了Go语言在微服务架构中的应用,强调了单一职责、标准化API、服务自治和容错设计等原则。同时,指出了过度拆分、服务通信复杂性、数据一致性和部署复杂性等常见问题,并提出了DDD拆分、使用成熟框架、事件驱动和配置管理与CI/CD的解决方案。文中还提供了使用Gin构建HTTP服务和gRPC进行服务间通信的示例。
994 0