3. 传感器基础与选型
在Edge AI设备闭环控制系统中，传感器是物理世界与数字控制逻辑之间的唯一桥梁。无论是微型直流电机的转速闭环，还是六轴机械臂的末端力控，控制精度与响应速度的上限，本质上由传感器的分辨率、延迟和噪声特性决定。本章将系统梳理IMU、编码器、力传感器与视觉传感器四大类核心传感器，从物理原理出发，深入其输出特性与接口协议，并给出面向Edge AI场景的选型判断框架。
3.1 核心原理：从物理量到数字量的转换机制
传感器选型的第一性原则是理解其物理转换机制。IMU（惯性测量单元）基于MEMS微机械结构，加速度计通过检测质量块在静电力作用下的位移变化，利用差分电容或压阻效应输出电信号；陀螺仪则利用科里奥利力效应，当质量块在驱动轴方向振动时，角速度输入会产生与振动方向垂直的感测位移。编码器分为增量式与绝对式：增量式通过光栅或磁极产生A/B正交脉冲，通过相位差判断旋转方向；绝对式则通过格雷码或二进制码盘直接输出绝对位置，断电后位置信息不丢失。力传感器中，应变片式利用金属或半导体材料的压阻效应，将弹性体形变转化为电阻变化，经惠斯通电桥输出差分电压；压电式则利用石英或压电陶瓷的正压电效应，适用于动态力测量。视觉传感器本质上是将光子转换为电荷，CMOS有源像素传感器（APS）通过光电二极管积累电荷，经列并行ADC转换为数字灰度值。
3.2 输出特性与接口协议：选型的关键判据
不同传感器的输出特性差异显著，直接影响接口电路设计与数据采集策略。下表对比了四类传感器在Edge AI闭环控制中的关键参数。
| 传感器类型 | 典型输出信号 | 分辨率/精度 | 采样率范围 | 接口协议 | 适用场景 |
|---|---|---|---|---|---|
| IMU (MPU-6050/ICM-42688) | 数字 (I2C/SPI) | 16bit, 加速度±2~16g | 100Hz~1kHz | I2C (400kHz), SPI (1MHz) | 姿态估计、振动监测 |
| 增量编码器 (E6B2-CWZ6C) | 差分方波 (A/B/Z) | 100~5000 PPR | 1kHz~100kHz (脉冲频率) | 正交解码 (QEI) | 电机转速/位置闭环 |
| 绝对编码器 (BiSS-C/SSI) | 串行数字 | 17~23bit | 1kHz~10kHz | BiSS-C, SSI, SPI | 机械臂关节绝对定位 |
| 力传感器 (应变式) | 模拟差分电压 (0~20mV) | 0.1%~0.5% FS | 1kHz~5kHz (需ADC) | 模拟→Σ-Δ ADC (24bit) | 末端力控、装配检测 |
| 视觉传感器 (OV2640/IMX219) | 数字 (MIPI/USB) | 640×480~1920×1080 | 30~200fps | MIPI-CSI2, USB3.0 | 目标定位、缺陷检测 |
接口协议的选择需考虑三个维度：实时性（数据延迟是否满足控制周期）、带宽（数据量是否超出总线能力）、同步性（多传感器时间戳是否对齐）。例如，增量编码器通过QEI外设直接计数，延迟可控制在微秒级；而视觉传感器经MIPI传输后还需ISP处理，延迟通常在10ms以上，不适合作为唯一反馈源用于高带宽电流环。
3.3 选型判断方法：从需求到参数的映射流程
传感器选型不是参数堆砌，而是从系统需求出发的逆向推导。推荐以下五步流程：
- 明确控制带宽与精度目标：例如，要求速度环带宽50Hz，则传感器采样率至少为500Hz（10倍法则），分辨率需满足速度波动小于0.1%的要求。
- 确定物理量范围与过载能力：力传感器量程需覆盖最大峰值力的1.5~2倍，避免过载损坏；IMU量程需考虑冲击振动峰值。
- 评估环境鲁棒性：温度漂移、电磁干扰、油污粉尘等环境因素决定传感器类型（如磁编码器抗污染但精度低于光栅）。
- 计算接口与计算资源匹配：Edge AI处理器（如STM32H7、ESP32-S3）的外设数量、DMA通道、中断优先级是否满足多传感器并发采集。
- 验证标定与补偿可行性：传感器是否支持在线标定（如IMU的六面标定），标定参数存储与加载机制是否完善。
3.4 案例拆解：双轮平衡机器人的传感器选型与联动
背景与约束：设计一台基于Edge AI的双轮自平衡机器人，要求姿态角控制精度±0.5°，速度环响应带宽20Hz，主控为STM32F446（180MHz），运行TinyML倾斜预测模型。成本预算控制在300元以内。
初始现象与目标：初版方案采用MPU-6050（IMU）+ 霍尔编码器（电机自带），但实测发现：静止时姿态角波动±1.2°，速度环在高速时出现振荡。分析发现，MPU-6050的加速度计噪声密度为400μg/√Hz，在1kHz采样下等效角度噪声约0.3°；霍尔编码器仅13PPR，低速时速度反馈分辨率不足。
关键输入数据与参数：
- MPU-6050：陀螺仪零偏稳定性 5°/h，加速度计噪声 400μg/√Hz
- 霍尔编码器：13PPR，经4倍频后52计数/圈，轮径65mm，最低可测速度 0.05m/s
- 控制周期：1ms（1kHz中断）
分析判断过程：姿态角波动主要源于加速度计高频噪声，需将加速度计截止频率降至20Hz（低通滤波），但会引入相位延迟；速度环振荡源于编码器分辨率不足，导致低速时速度估计量化误差大。决定更换为500线光电编码器（2000计数/圈），并将IMU升级为ICM-42688（噪声密度 70μg/√Hz，支持SPI 1MHz）。
实际操作步骤：
- 将编码器接口从定时器编码模式改为QEI模式，启用DMA传输计数。
- IMU通信从I2C（400kHz）切换至SPI（1MHz），采样率提升至2kHz，并启用FIFO批量读取。
- 在1kHz控制中断中，对加速度计数据执行二阶巴特沃斯低通滤波（截止频率30Hz），陀螺仪数据仅做高通滤波（截止频率0.1Hz）去除零偏。
- 使用互补滤波融合姿态角，系数α=0.98（信任陀螺仪积分）。
结果对比：升级后静止姿态角波动降至±0.3°，速度环在0.02m/s低速下仍能稳定运行，高速振荡消失。整机功耗增加约15mA（SPI通信+更高分辨率编码器），但控制裕量显著提升。
风险与代价：500线光电编码器成本是霍尔编码器的3倍，且对安装同轴度要求更高；ICM-42688的SPI时序需严格匹配，否则可能产生数据错位。
复盘经验：传感器选型应优先满足“最小可测物理量”和“最大噪声容忍度”，而非单纯追求高分辨率。同时，接口协议升级（I2C→SPI）带来的延迟降低，往往比单纯提高采样率更有效。
3.5 常见误区与总结复盘
在Edge AI传感器选型中，工程师常陷入以下误区：
- 误区一：分辨率越高越好。高分辨率传感器往往伴随更高的成本、功耗和数据处理负担。例如，23bit绝对编码器在普通电机轴上并无必要，17bit已足够。
- 误区二：忽略时间同步。多传感器融合时，IMU与编码器数据若存在1ms以上的时间偏差，在高速运动下会产生明显的相位误差。应使用硬件同步信号（如PPS或共享中断）对齐采样时刻。
- 误区三：接口协议只看速率。SPI速率高但无内置校验，I2C有ACK机制但速率低。在电磁干扰强的电机驱动环境中，应优先选择带CRC校验的协议（如BiSS-C）或差分信号（如RS-422编码器）。
- 误区四：忽视标定环节。IMU的轴间失准角、力传感器的温漂、编码器的偏心误差，若不进行标定，即使传感器本身精度再高，系统精度也无法提升。
总结：传感器选型的本质是“物理量→电信号→数字量→控制量”链路中的误差预算分配。Edge AI设备要求传感器不仅提供数据，还要支持低延迟、可同步、可标定的特性。建议工程师建立“需求-参数-接口-成本”四维评估矩阵，在项目初期即完成传感器选型验证，避免后期因反馈质量不足而重构控制算法。本章所涉及的IMU、编码器、力传感器与视觉传感器，构成了绝大多数Edge AI闭环控制系统的感知基础，下一阶段将深入探讨传感器标定与联动调试的具体方法。