Sviluppo di una metodologia per l'ottimizzazione di prove sperimentali per la caratterizzazione di giroscopi MEMS monoassiali e biassiali

The characterization phase of monoaxial and biaxial MEMS gyroscopes (Final Test) has a fundamental relevance in the whole manufacture of gyroscopes themselves: it is during this phase that devices are tested to reveal their effectiveness in the survey of angular rates. Currently, the characterization phase is based on a set of several tests that allow to evaluate some characteristic parameters of the gyroscope, such as the resonance frequency of Drive, the quality factor , the quadrature error , and the sensitivity of the gyro. The sensitivity calculation is done by a proof board (where gyros are placed); this is done by imposing a known signal and comparing it with the signal revealed by the gyro. This characterization phase takes up a lot of time in order to execute every test, and because each one gyro has to be tested before its introduction on the market, the variable “time” becomes of fundamental importance. In order to this reason, a new procedure for the optimization of experimental proofs used for the characterization of gyroscopes is proposed. A new integral method has been proposed to compute the gyro sensitivity as an example: a known angular input has been imposed to the proof board, and the integration of the output signal of the gyro is recorded: the ratio between the integrated signal and the known angular movement gives the expected value of sensitivity. This trapezoidal integral method allows to perform a less-time procedure for the characterization of the gyroscope. This new testing procedure has been used both in monoaxial and biaxial gyroscopes; in the monoaxial gyro, only one sensitivity value has to be identified, and the procedure doesn’t fell the effect of cross-axis sensitivities that instead appear in the biaxial gyro when its two Sensing axes are both stimulated, with the result of sub-estimate the expected sensitivity. To solve this problem, an appropriate modality to compensate this error has been used. The proposed approach has been validated through comparison with experimental data of the previous method.

La fase di caratterizzazione dei giroscopi MEMS monoassiali e biassiali (Final Test) è di fondamentale importanza nella produzione dei giroscopi stessi.: è durante questa fase che i dispositivi sono testati per determinare la loro efficacia nella rilevazione delle velocità angolari. Attualmente, la fase di caratterizzazione è basata su di un set di diversi test che permettono di valutare alcuni parametri caratteristici del giroscopio, come la frequenza di risonanza del Drive, il fattore di qualità , l’errore di quadratura , e la sensitivity del giroscopio. Il calcolo della sentitivity avviene per mezzo di una tavola di prova (Rate Table) dove il giroscopio è posizionato; viene eseguita imponendo un segnale noto e comparando questo con il segnale rilevato dal giroscopio. Ogni test per poter essere eseguito, e quindi caratterizzare il giroscopio, richiede molto tempo e, siccome ogni giroscopio necessita di essere testato prima di essere introdotto sul mercato, la variabile “tempo” diventa di fondamentale importanza. Per questa ragione, viene proposta una nuova procedura di ottimizzazione delle prove sperimentali adoperate per la caratterizzazione dei giroscopi. Un nuovo metodo integrale è stato proposto per calcolare la sensitivity del giroscopio: un input angolare noto viene imposto alla tavola di prova e l’integrazione del segnale in output del giroscopio viene registrata: la relazione tra il segnale integrato ed il movimento angolare noto dà il valore atteso di sensitivity. Questo metodo integrale permette di eseguire la procedura di caratterizzazione del giroscopio in minor tempo. Questa nuova procedura di testing è stata usata sia per i giroscopi mono- e biassiali: nel giroscopio monoassiale solo un valore di sensitivity deve essere identificato, e la procedura non subisce gli effetti del cross-axis sensitivities che invece appaiono nel giroscopio biassiale quando entrambi gli assi di Sensing sono stimolati, con risultato una sottostima della sensitivity attesa. Per risolvere questo problema, un metodo appropriato per compensare questo errore è stato adoperato. L’approccio proposto è stato validato facendo un paragone con dati sperimentali di metodi precedenti.