如何在复杂运营环境下，实现轨道车辆厘米级至毫米级的动态定位与50Hz以上刷新率，以确保列车自动驾驶的高可靠性？【多传感器融合】

1. 轨道车辆动态定位的基本结构与技术要求

轨道车辆的动态定位，就像给一列高速行驶的火车安装一双“实时眼睛”和“精准大脑”。它不仅仅是知道列车当前在哪条轨道上，更重要的是要精确地知道它在轨道上的具体位置、速度、行驶方向，甚至车体的倾斜角度等信息，并且这些信息需要持续、快速地更新。

想象一下，列车司机在驾驶室里，需要实时知道列车距离前方信号灯还有多远，距离下一个站台的停车点还有多远，以及与前车、后车的安全距离。在自动化程度更高的列车控制系统中，这些信息是实现自动驾驶、精准停车、避免碰撞、优化调度和提升运行效率的核心。如果定位信息不准确或更新不及时，就可能导致列车停车过站、未能精确对齐站台门、甚至发生安全事故。

因此，轨道车辆的动态定位系统需要满足以下几个关键技术要求：

• 高精度： 无论是绝对位置还是相对位置，都需要达到厘米级甚至毫米级的精度，尤其是在站台停车、道岔转换、编组作业等关键场景。

• 高实时性与低延迟： 列车高速运行，定位数据必须以极高的频率更新，并且从采集到系统使用的时间延迟要尽可能小，才能保证控制系统能及时响应车辆的实际状态。比如，一辆时速100公里的列车，如果定位系统有100毫秒的延迟，那么列车在这段时间内就会向前移动约2.8米，这在某些需要精确停车的场合是无法接受的。

• 高可靠性与鲁棒性： 系统需要在各种恶劣的运行环境下（如隧道、高架桥、雨雪、高温、振动、强电磁干扰等）稳定工作，不易受外部环境影响而失效。

• 连续性： 定位信息不能出现“盲区”或长时间中断，即使在信号受阻的复杂环境中也要能保持连续定位能力。

• 多维度信息： 除了位置，通常还需要提供速度、加速度、姿态（如俯仰角、横滚角、航向角）等辅助信息，以便全面评估车辆的运动状态。

2. 针对轨道车辆的相关技术标准简介

轨道车辆的动态定位，涉及到对其运行状态的精确监测和评估。以下是一些关键的监测参数及其评价方法：

• 定位精度： 这是衡量定位系统性能最核心的指标。它可以分为绝对定位精度和相对定位精度。

  • 绝对定位精度指的是车辆在某一时刻相对于全球坐标系（如WGS84）的实际位置与其定位系统输出位置之间的误差。通常用水平误差和垂直误差来评价，单位是米或厘米。例如，在RTK（实时动态）模式下，高精度系统的水平精度可能优于0.01米。

  • 相对定位精度指的是车辆相对于某个参考点或另一辆车的距离误差。例如，列车在站台停车时，车门与站台门之间的对齐精度，或者列车编组时车厢连接点的精确对位。评价方法通常是通过与高精度参考基准（如测量站或高精度GNSS基站）进行比对，计算统计学的均方根误差（RMSE）或最大误差。

• 测速精度： 衡量定位系统输出的车速与实际车速之间的误差。对于列车的运行控制和安全保障至关重要。例如，在自动驾驶模式下，车速误差需要控制在非常小的范围内。评价方法通常是与高精度测速设备（如多普勒雷达或里程计标定）进行比对。

• 姿态角精度： 主要包括俯仰角（Pitch）、横滚角（Roll）和航向角（Heading）。

  • 俯仰角反映车辆前后方向上的倾斜程度。

  • 横滚角反映车辆左右方向上的倾斜程度，对车辆在弯道行驶时的稳定性评估有重要意义。

  • 航向角反映车辆的行驶方向相对于某个参考方向（如正北）的角度。这些参数对于车辆的平稳性控制、悬挂系统调节以及某些特殊设备的指向性控制（如受电弓姿态）至关重要。评价方法通常使用高精度惯性测量单元（IMU）或全站仪进行对比测量。

• 刷新率（或数据更新率）： 指的是定位系统每秒能够输出多少次定位数据。刷新率越高，系统对车辆运动状态变化的感知越及时，动态响应能力越强。例如，100Hz的刷新率意味着每秒更新100次位置数据。

• 数据延迟： 指的是从传感器采集原始数据到系统处理完成并输出最终定位结果所花费的时间。延迟越低，数据的“新鲜度”越高，控制指令就能越快地基于最新的车辆状态做出决策。对于高速运动的轨道车辆，低延迟是保障实时性和安全性的关键。

• 环境适应性： 评价系统在不同环境条件下（如温度、湿度、振动、冲击、电磁干扰、灰尘、雨雪、光照等）的性能稳定性。这通常通过各项防护等级（如IP等级）、工作温度范围、抗振动冲击标准来体现。

3. 实时监测/检测技术方法

（1）市面上各种相关技术方案

在轨道车辆动态定位领域，目前主流的技术方案各有千秋，我们可以从几个典型的测量技术来了解它们的工作原理、特点和适用场景。

1. 基于激光飞行时间（Time-of-Flight, TOF）原理的激光测距

想象一下，你站在山谷里对着远处的峭壁大喊一声，然后根据听到回声的时间来估算你和峭壁的距离。激光飞行时间测距传感器的工作原理与此类似，只不过它使用的是光速极快的激光脉冲。

工作原理和物理基础：激光飞行时间测距传感器通过发射一个短促的激光脉冲，这个脉冲以光速（c）在空气中传播，当它碰到目标物体表面时会发生反射，然后被传感器内部的光接收器接收。传感器会精确测量从激光发射到接收到反射光之间的时间间隔（t）。由于光速是已知常数，根据简单的物理公式就可以计算出传感器到目标物体的距离：

距离 (D) = (光速 (c) × 时间间隔 (t)) / 2

这里的除以2是因为激光走了“去”和“回”两趟路程。

这种技术需要传感器内部配备高精度的计时器，能够测量纳秒甚至皮秒级别的时间差。例如，如果目标物体距离传感器150米，激光来回需要经过1000纳秒（1微秒）。要达到毫米级的精度，就需要计时器能分辨出几皮秒的时间差异。

核心性能参数的典型范围：* 测量范围： 从几厘米到数百米，甚至上千米。* 精度： 激光测量精度一般为±1mm~±50mm，高端系统可达更高精度。* 响应时间/测量速度： 从几赫兹到数百赫兹，甚至更高。* 分辨率： 通常与精度相近，指示最小可检测的距离变化。

技术方案的优缺点：* 优点： 测量距离远，非接触式测量，响应速度快，可以在各种工业环境中使用，对目标表面的颜色和反射率有一定适应性，也能在一定程度上抵抗环境光干扰。适用于对动态车辆进行远程、高频的距离监测。* 局限性： 测量精度受环境光（尤其是太阳光）影响较大，对目标物体表面的反射特性有要求（例如镜面反射可能导致信号丢失），在有雾、雨雪或沙尘等恶劣天气条件下，激光信号可能会衰减，影响测量稳定性和距离。成本相对较高。* 成本考量： 这类传感器通常属于中高成本范畴，具体取决于测量范围、精度和环境适应性等参数。

2. GNSS/IMU 组合导航技术

想象一下，你开车出门，一边用手机导航（类似GNSS），一边又用自己的方向感和对速度的判断（类似IMU）来辅助定位。GNSS/IMU组合导航就是将这两种定位方式巧妙地结合起来。

工作原理和物理基础：* GNSS（全球导航卫星系统）：通过接收来自天空中多颗卫星（如GPS、GLONASS、Galileo、北斗）发射的信号，根据信号到达接收机的时间差（ToA或TDoA），计算出接收机（即轨道车辆）在地球上的绝对三维坐标。在差分技术（如RTK）的加持下，可以达到厘米级的定位精度。* IMU（惯性测量单元）：内部包含加速度计和陀螺仪。加速度计测量车辆在三个轴向上的线加速度，陀螺仪测量车辆在三个轴向上的角速度。通过对这些数据进行积分运算，可以推算出车辆的相对位移、速度和姿态（俯仰、横滚、航向）。IMU的优点是更新率高，不受外部信号干扰，但缺点是长期积分会产生累积误差，即漂移。

GNSS/IMU融合：通过卡尔曼滤波等先进算法，实时融合GNSS和IMU的数据。当GNSS信号良好时，以GNSS提供的绝对位置信息来校正IMU的漂移；当GNSS信号受阻（如进入隧道、高架桥下）时，IMU可以提供短时间内的连续、高频的相对定位和姿态信息，作为GNSS的补充。这种“优势互补”的机制，实现了在各种复杂环境下连续、高精度、高可靠性的定位和姿态确定。

核心性能参数的典型范围：* 定位精度： 水平优于0.01米（RTK模式），垂直优于0.02米。* 航向精度： 优于0.05度。* 更新率： 最高可达100赫兹。* 信号跟踪： 支持多星座、多频率。

技术方案的优缺点：* 优点： 在开阔环境下能提供全球范围内的厘米级高精度绝对定位，同时提供丰富的姿态信息；通过融合IMU数据，大大提升了在信号受阻环境下的连续性和鲁棒性，抗干扰能力强。* 局限性： 在隧道、地下车库等GNSS信号完全缺失的区域，IMU的漂移误差会逐渐累积，导致定位精度下降；初次启动和初始化可能需要一定时间；系统和天线安装位置对性能有一定影响。* 成本考量： 高精度GNSS/IMU组合导航系统通常成本较高，包括GNSS接收机、IMU模块、天线以及复杂的软件算法授权等。

3. 超宽带（UWB）定位技术

想象一个大型仓库里，你贴了一个特殊的“电子标签”在货物上，仓库里几个固定位置的“接收器”同时捕捉这个标签发出的微弱信号，然后精确计算出货物在仓库里的位置。这就是UWB定位的形象比喻。

工作原理和物理基础：UWB技术利用纳秒级极窄的脉冲信号进行无线通信和测距。系统主要由固定部署在特定区域的锚点（Anchor）和安装在移动物体（如轨道车辆）上的标签（Tag）组成。标签会周期性地发送UWB脉冲信号。锚点接收到这些信号后，会精确测量信号的到达时间（ToA, Time of Arrival）或者到达时间差（TDoA, Time Difference of Arrival）。* ToA原理：标签发送信号，锚点接收并记录时间。通过同步的多个锚点测量标签到各自的距离（距离 = 光速 × ToA），然后通过三角测量法计算出标签的位置。* TDoA原理：多个锚点同时接收标签信号，通过测量信号到达不同锚点的时间差，构建双曲线定位方程组，解算出标签位置。这种方式对锚点的时间同步要求极高。

UWB信号的带宽非常宽（超过500MHz），这使得它具有极高的时间分辨率，能够精确区分直射径和多径反射信号，从而大大提高了在复杂室内环境下的定位精度和抗干扰能力。

核心性能参数的典型范围：* 定位精度： 可达10-30厘米，在理想环境下甚至更高。* 刷新率： 高，通常可达数百毫秒甚至更高，满足实时定位需求。* 覆盖范围： 室内或特定室外区域，通过增加锚点可扩展覆盖范围。* 传输频率： 主要使用3.1 GHz至10.6 GHz的UWB频段。

技术方案的优缺点：* 优点： 在室内和特定封闭区域（如维修车间、调度站）能够提供高精度的厘米级定位，抗多径干扰能力强，穿透能力较好，功耗相对较低。* 局限性： 需要预先部署大量锚点，安装成本和维护工作量较大；定位范围受锚点覆盖区域限制，不适合广阔的开放区域；精度会受锚点部署密度和环境复杂度的影响。* 成本考量： 初期部署基础设施（锚点）的成本较高，但单个标签的成本相对较低。

4. 线性编码器定位技术

想象一下，你用卷尺去量一个东西，卷尺上的刻度就是“光栅尺”，你的眼睛就是“读数头”。线性编码器就是一种高精度的电子卷尺。

工作原理和物理基础：线性编码器系统通常由两部分组成：带有精密刻度的光栅尺（通常是玻璃或不锈钢材质）和能够读取刻度的读数头。读数头内部的光源向光栅尺发射光线，光线经过光栅刻线反射或透射后，形成周期性的光强度变化（干涉条纹）。读数头内的光电探测器阵列检测这些光强度变化，并将其转换为高频的正弦/余弦电信号。这些模拟信号经过电子电路的细分（Interpolation）和处理，可以生成极高分辨率的数字脉冲输出。每一个脉冲都代表一个预设的极小位移量（例如1微米、100纳米甚至更小）。通过计数这些脉冲，系统就能精确地测量安装有光栅尺的物体（如轨道车辆或其部件）的直线位移。这是一种增量式测量，即它测量的是相对于某个参考点的位移量，而不是绝对位置。但如果结合参考点标记或零位开关，也可以在每次上电后重新建立绝对参考。

核心性能参数的典型范围：* 测量精度： 可达±1微米/米，甚至更高。* 分辨率： 最高可达纳米级别（例如1纳米）。* 最大速度： 可支持高速运动应用。* 防护等级： 通常IP64或更高。

技术方案的优缺点：* 优点： 极高的测量精度和重复定位精度，不受电磁干扰影响，非接触式读取减少磨损，抗污染能力强，在短距离内的精确定位（如站台停车、维修区域）效果卓越。* 局限性： 只能测量直线位移，需要物理安装光栅尺，因此安装长度有限，不适用于长距离、非预设路径的广阔区域定位；如果光栅尺受到物理损坏或污染严重，可能影响读数。* 成本考量： 光栅尺和读数头本身价格较高，特别是高精度产品。安装和维护成本也需要考虑。

（2）市场主流品牌/产品对比

在轨道车辆定位领域，有多个国际知名品牌提供了不同技术路线的解决方案。以下是几个代表性的对比：

• 加拿大诺瓦泰 (GNSS/IMU组合导航) 诺瓦泰是全球高精度GNSS/IMU组合导航领域的领导者，其OEM7系列产品以卓越的精度、稳定性和鲁棒性著称。它通过GNSS接收机和惯性测量单元（IMU）的数据融合，相互补偿各自的不足。在开放环境中，其定位精度（水平优于0.01米，RTK模式）和航向精度（优于0.05度）表现出色，更新率最高可达100赫兹。诺瓦泰的方案特别适合铁路干线等广阔区域的列车控制和自动驾驶，能提供厘米级高精度定位，确保车辆在复杂环境下也能连续可靠运行。

• 英国真尚有 (激光飞行时间测距) 英国真尚有的LCJ系列激光测距传感器，是工业应用中强大的激光测距仪。它最远可测量500米，精度达到±1毫米，测量速度高达250赫兹。这款传感器采用先进的激光技术，通过测量激光脉冲的飞行时间来精确计算距离，即使在深色表面、户外有太阳辐射或测量高达1550℃的高温物体表面，也能保持准确性。LCJ系列传感器由坚固的金属外壳构成，提供IP65级保护，扩展温度范围为-40℃至+60℃，使其非常适合轨道车辆在各种恶劣工业和户外环境下的动态定位，例如车辆间距控制、精准停车辅助，或与固定参照物进行相对定位。LCJ系列还提供多种串行接口（RS232，RS485，RS422，SSI和USB）和高精度模拟输出（0.1%），以及两个可编程数字输出（DO1和DO2）。

• 德国西克 (激光飞行时间测距/激光雷达) 德国西克的NAV350导航传感器是一款基于飞行时间（TOF）原理的二维激光扫描仪。它通过发射红外激光脉冲并测量反射时间来计算距离，能在一个二维平面内进行360度扫描，实时获取环境点云数据。该传感器测量范围可达250米，扫描频率最高25赫兹，防护等级IP67。西克的激光雷达产品以坚固耐用、高精度和高可靠性著称，适用于移动机器人和AGV导航。在轨道车辆定位中，它提供非接触式、高刷新率的环境感知能力，可用于精准停车、防撞以及复杂交通枢纽的辅助导航。

• 美国斑马技术 (超宽带 UWB 定位) 美国斑马技术的Dart™ UWB实时定位系统利用超宽带无线电技术实现高精度定位。系统由固定锚点和移动标签组成，通过精确测量UWB信号的到达时间或时间差来计算位置。其定位精度可达10-30厘米，刷新率高，适合室内或特定室外区域的覆盖。斑马技术的UWB系统在需要厘米级高精度定位的室内和封闭环境中表现出色，具有高实时性、抗干扰能力强等特点，适用于轨道车辆在维修车间、调度站、货场或站台等区域的精确停车、自动调度和资产跟踪管理。

• 英国雷尼绍 (线性编码器) 英国雷尼绍的TONiC™增量式线性编码器系统结合RELM光栅尺，采用非接触式光学原理，通过读数头读取光栅尺上的光学刻度来精确测量直线位移。该系统具有极高的测量精度（可达±1微米/米）和纳米级的分辨率，支持高速运动应用，防护等级IP64。雷尼绍的编码器以高精度、高可靠性和坚固耐用著称。它特别适合轨道车辆在需要极高重复定位精度的场景，如列车在站台的精确停车、维修区内车辆或部件的精确定位，避免了传统里程计的误差。

（3）选择设备/传感器时需要重点关注的技术指标及选型建议

选择轨道车辆动态定位的传感器，就像为列车选择合适的“感官器官”，需要根据具体应用场景和需求，综合考虑多方面技术指标：

1. 精度 (Accuracy) 和分辨率 (Resolution)

   • 实际意义： 精度决定了定位结果与车辆真实位置的接近程度，分辨率则表示传感器能识别的最小位移变化。例如，毫米级精度可以实现站台门的精准对齐，而厘米级精度可能只够识别车厢大致位置。

   • 影响： 精度不足可能导致停车偏差、对位失败、甚至碰撞；分辨率太低则无法感知微小运动，影响精细控制。

   • 选型建议： 对于需要毫米级精度的应用（如站台精准停车、部件检测），应选择激光测距或线性编码器等高精度传感器。例如，英国真尚有的LCJ系列激光测距传感器能提供高达±1mm的精度。对于广域定位或对精度要求稍低（厘米级）的应用，GNSS/IMU组合导航或UWB系统可能更适用。

2. 刷新率 (Refresh Rate) / 测量速度 (Measurement Speed) 和延迟 (Latency)

   • 实际意义： 刷新率指传感器每秒提供数据更新的次数，直接影响控制系统的实时响应能力。延迟是数据从采集到输出所需的时间，延迟越低，控制系统就能越快地获得最新状态信息。

   • 影响： 低刷新率或高延迟会导致控制系统滞后，无法及时调整车辆状态，尤其在高速行驶时，这会严重影响安全性。想象一下，如果列车的“眼睛”每隔1秒才更新一次前方路况，那在高速行驶时非常危险。

   • 选型建议： 轨道车辆动态定位通常需要高刷新率和低延迟。至少需要50Hz，对于高速或高动态场景，100Hz甚至250Hz以上的刷新率是理想选择。例如，英国真尚有LCJ系列可达250Hz的测量速度。同时，要关注传感器本身的处理延迟和数据传输延迟。

3. 测量范围 (Measurement Range)

   • 实际意义： 传感器能有效测量的最大距离和最小距离。

   • 影响： 范围不足可能导致无法覆盖整个监控区域，例如无法提前感知远方障碍物。

   • 选型建议： 对于长距离（数百米）的车辆间距控制或与远端固定点定位，选择长量程激光测距或GNSS系统。例如，英国真尚有LCJ系列激光测距仪的测量范围可达500米。对于短距离（几十米内）的局部精确定位（如入库、停车），短量程激光测距、UWB或线性编码器可能更合适。

4. 环境适应性 (Environmental Adaptability)

   • 实际意义： 传感器在各种恶劣工况下（温度、湿度、振动、冲击、灰尘、雨雪、强光、电磁干扰等）正常工作的能力。

   • 影响： 环境适应性差会导致传感器在特定条件下失效，影响系统稳定性和可靠性。

   • 选型建议： 选择具有高防护等级（如IP65/IP67）、宽工作温度范围，并具备抗振动、抗冲击、抗电磁干扰能力的传感器。例如，英国真尚有LCJ系列的工作温度范围为-40℃到+60℃，并且坚固的外壳提供IP65防护等级。对于户外应用，还要考虑抗太阳光干扰能力。

5. 接口类型 (Interface Type)

   • 实际意义： 传感器与车辆控制系统或其他数据采集系统进行通信的方式。常见的有RS232、RS485、RS422、SSI、USB、Ethernet、模拟输出等。

   • 影响： 接口不兼容会增加系统集成的难度和成本。

   • 选型建议： 确保传感器提供的接口类型与现有控制系统或数据总线兼容，方便数据集成和系统调试。支持多种接口能提供更高的灵活性。

（4）实际应用中可能遇到的问题和相应解决建议

轨道车辆动态定位在实际应用中会遇到各种挑战，需要有针对性的解决方案：

1. 环境干扰问题

   • 原因与影响：

     • 光学传感器（激光测距/雷达）： 灰尘、雨雪、雾霾、强太阳光会衰减激光信号，导致测量距离缩短或精度下降，甚至无法测量。目标表面反射率低（如深色物体）或不稳定（如晃动）也会影响测量。

     • GNSS系统： 隧道、高架桥、高楼林立的城市峡谷会阻挡卫星信号，导致定位失效或精度急剧下降（多径效应）。

     • UWB系统： 金属遮挡、复杂的多径反射也会影响信号质量和定位精度。

   • 解决建议：

     • 激光传感器： 选择抗环境光能力强、具备自清洁功能（如吹气、雨刷）的传感器。对于反射率低的物体，可考虑增加反光板。通过多传感器冗余配置和数据融合来提高鲁棒性。

     • GNSS系统： 结合IMU（惯性测量单元）进行组合导航，在GNSS信号受阻时由IMU提供短时连续定位。可以考虑部署伪卫星或室内定位系统作为补充。

     • UWB系统： 优化锚点部署位置，避免金属遮挡，利用先进算法处理多径信号。

2. 振动和冲击问题

   • 原因与影响： 轨道车辆在运行过程中会产生持续的振动和间歇性的冲击，这会影响传感器的内部机械结构和光学元件的稳定性，导致测量数据抖动或长期性能下降，甚至设备损坏。

   • 解决建议：

     • 选择经过严格工业认证、防护等级高、抗振动冲击性能好的传感器，例如采用坚固金属外壳和内部减震设计的设备。

     • 安装时使用专业的减振支架和缓冲垫，将传感器与车辆本体的振动有效隔离。

     • 定期检查传感器的安装紧固情况和连接线缆，防止因松动导致故障。

3. 数据融合与系统集成复杂性

   • 原因与影响： 为了实现高精度、高可靠性的定位，通常需要结合多种传感器（如激光测距、GNSS/IMU、里程计等）的数据。不同传感器的数据格式、更新频率、坐标系可能不同，数据融合算法（如卡尔曼滤波、扩展卡尔曼滤波）的开发和调试复杂，系统集成难度大。

   • 解决建议：

     • 采用模块化设计和标准化接口的传感器，简化集成过程。

     • 利用先进的传感器融合算法，如卡尔曼滤波，将不同传感器的数据进行最优估计，消除各传感器误差，获得更稳定、更精确的定位结果。

     • 进行充分的系统测试和标定，确保所有传感器数据在统一的坐标系下进行处理，并验证融合算法的有效性。

4. 实时性与延迟问题

   • 原因与影响： 传感器本身的测量速度、数据传输带宽、处理器的计算能力以及通信链路的质量都可能引入延迟，导致定位数据不能及时反映车辆的最新状态。这在高动态、高速运行的场景中会带来严重的安全隐患。

   • 解决建议：

     • 选择高刷新率、低延迟的传感器。

     • 优化数据传输协议和通信链路，使用高速稳定的工业以太网或其他实时总线。

     • 在控制系统中采用预测算法，根据车辆的历史运动轨迹和当前数据，预估下一时刻的位置，以补偿系统延迟。

4. 应用案例分享

轨道车辆动态定位技术在多个领域都有着广泛而关键的应用：

• 自动驾驶与列车控制 (ATO)： 列车能够根据精确的实时位置信息，自动控制启停、加速、减速，实现精准对标停车，提高运行效率和安全性，减少人为操作失误。

• 站台门精准对齐： 在地铁、轻轨等有站台门系统的场景中，通过高精度定位确保列车精确停靠，使车门与站台门严丝合缝地对齐，保障乘客上下车的安全。

• 车辆编组与调车作业： 在编组站或维修车间，实现列车车厢或机车的自动化精准连接与分离，提高调车作业效率，降低人工操作风险。

• 轨道几何状态检测： 将定位系统与轨道检测设备结合，实时获取检测车在轨道上的精确位置，从而将检测到的轨道几何参数（如轨距、高低、水平）与地理位置信息精确关联。

• 基础设施与资产管理： 结合定位数据，实时追踪列车、工程车等资产的位置和运行状态，优化调度，提高资产利用率和管理效率。英国真尚有的激光测距传感器由于其坚固的结构和精确的测量能力，也常被用于此类应用中。