[发明专利]极端环境下MEMS传感器未知扰动智能控制方法

说明书

本发明涉及一种极端环境未知干扰作用下的MEMS传感器零位稳定输出的智能控制方法，属于微机电系统领域。该方法以实现极端环境未知干扰作用下MEMS传感器的扰动智能抑制，该方法基于量测数据驱动控制的自适应期望最大值，它通过基于历史少量样本数据的斜率变化标准作为驱动模型判别环境扰动特征类型，构建输出样本数据的斜率与滤波器带宽函数自适应关系，通过对带宽内的量测数据建立完整数据的对数似然函数，并计算对似然函数的数学期望，然后分别在E步进行状态估计和M步进行参数识别，执行对数似然函数的数学期望最大化，通过对E步和M步进行交替迭代，达到收敛极限时，得到MEMS传感器输出最优估计值。

技术领域

本发明涉及一种极端环境未知干扰作用下的MEMS传感器零位稳定输出的智能控制方法，属于微机电系统领域。

背景技术

微机电系统技术已经成功地实现了多种传感器的小型化和成本降低。这些传感器已广泛应用于许多领域，包括人工智能，物联网和工业4.0等。

外部极端环境因素，如大温差、压差、强辐射、高真空、微重力、大冲击等，广泛作用于MEMS传感器，导致传感器灵敏度及其线性度、零位偏差、重复性、零位漂移等参数显著恶化，极大降低了传感器精度。多种方法被用来提高环境干扰作用的MEMS传感器输出精度，主要包括MEMS传感器机械结构拓扑设计、力平衡闭环电路控制以及封装隔离技术等三种方法。

机械结构拓扑设计是一种常见的提升MEMS传感器抗扰动性能的方法，检索发现，文献“Design and fabrication ofthe high Q gyroscope with ring springstructure”中描述了一种采用环形拓扑结构的技术方案，这种结构特征没有可动的弹性梁结构，同时采用中心支撑的对称分布结构，上述结构具有优于其他形状如四质量、音叉等结构的温度共模抑制以及抗振动特性，然而，环形拓扑结构的电容变化量极小导致灵敏度极低，严重制约MEMS传感器精度提升空间；力平衡闭环电路控制方法是另一种常见的提升MEMS传感器抗扰动性能的方法，检索发现，文献“A single-mass self-resonatingclosed-loop capacitive MEMS accelerometer”中描述了一种采用闭环控制电路有效降低传感器结构的交叉灵敏度误差以及模态耦合误差，在一定程度上抑制了外部扰动引入的传感器零位漂移，然而，该方法需要严格控制闭环电路的相位关系，同时，额外的调制、解调单元增加了传感器系统的复杂度；封装技术是一种间接提升MEMS 传感器环境扰动抑制能力的方法，检索发现，文献“Anovel packaging stress isolation structure for SOIbased MEMS gyroscopes”中提出了一种用于基于绝缘体上硅(SOI)的微机电系统 (MEMS)陀螺仪的封装应力隔离结构，该技术通过在传感器和密封壳之间添加额外的缓冲组件(如：减震片、有机胶水)来隔离外部扰动，然而，该方法仅能实现有限振动、冲击扰动抑制，而对于温度、辐射等干扰很难有效隔离。基于以上已有方案以及存在的相应问题，本发明提出一种能够有效降低未知扰动作用下的MEMS传感器输出波动抑制控制方法，显著提升传感器抗干扰特性。

发明内容

本发明提出一种极端环境下MEMS传感器未知扰动智能控制方法，以实现极端环境未知干扰作用下MEMS传感器的扰动智能抑制，该方法基于量测数据驱动控制的自适应期望最大值，它通过基于历史少量样本数据的斜率变化标准作为驱动模型判别环境扰动特征类型，构建输出样本数据的斜率与滤波器带宽函数自适应关系，通过对带宽内的量测数据建立完整数据的对数似然函数，并计算对似然函数的数学期望，然后分别在E步进行状态估计和M步进行参数识别，执行对数似然函数的数学期望最大化，通过对E步和M步进行交替迭代，达到收敛极限时，得到MEMS传感器输出最优估计值。

参考图1，本发明提出的极端环境下MEMS传感器未知扰动智能控制方法，包括如下步骤：