2018年，G. Araghi等人报道了基于神经网络的MEMS惯性传感器的温度补偿模型。采用径向基函数神经网络作为函数近似的工具，可以获得传感器测量值、温度和误差之间的非线性映射。选择传感器的温度和测量值作为神经网络的输入，并选择误差信号作为神经网络输出。该网络通过使用正交最小二乘法来进行正向选择的训练。采用径向基函数神经网络，热补偿被认为是函数逼近问题，在较大温度范围内能补偿加速度计和陀螺仪的误差。经实验验证和比较，结果表明，IMU的温度变化范围为22~51℃，在MEMS加速度计和陀螺仪的静态场景中，基于神经网络的方法可使两者的平均误差改善99%；而采用多项式回归方法使加速度计和陀螺仪的平均误差最大改善分别为69%和87%。在动态测试中，采用多项式补偿和神经网络补偿技术对惯性导航的平均位置误差分别改善了49%和81%。
2. MEMS压力智能传感器
MEMS压力智能传感器是最广泛使用的MEMS产品之一，可用于智能手机、汽车、航空动力学、工艺控制和生物医学等方面，压力的传感范围也很宽，从微压、低压、中压到高温高压。根据传感原理，MEMS压力传感器可以分为压阻式、电容式、光学、谐振传感器以及其他类型等，其中最常用的是压阻传感器，本文以MEMS压阻传感器为主、MEMS电容传感器为辅来分析其发展特点。
MEMS压力传感器的研究始于20世纪50年代，经历了金属一光阑压力传感器、掺杂剂扩散膜的硅压阻式传感器、离子注入的硅压阻式传感器、硅融合成键MEMS传感器等发展，于21世纪初发展为采用表面微机械技术的新一代压力传感器。2005年，G. Lammel等人报道了Bosch公司开发出新一代MEMS压力智能传感器，基于先进的多孔Si膜工艺，采用多孔Si和外延以形成带腔体的Si单晶膜。后来批产的代表产品为BMP085，其电子学部分包含ADC、控制器、E2PROM和I2C总线等电路，计算软件为Bosch公司的C代码，该传感器在300～1100hPa的压力内，0～65℃下的压力绝对精度为±1.0hPa。近几年MEMS压力智能传感器的研究热点为新传感结构、新补偿算法与电路设计、宽禁带材料高温高压传感器、压阻悬臂微传感器和纳米尺度传感结构。
MEMS压力智能传感器具有小尺度、直接信号变换机制和成熟制造等特点，但在微压测量领域，传感器的灵敏度和线性度之间的权衡总是不可调和的。因此，减轻其敏感性和线性之间的矛盾是提高传感器精度的关键。2017年，C. Li等人报道了4个短梁和一个中心方形凸起（FBBM）组成的新传感膜结构的压阻压力传感器的设计。通过将4个短梁引入到膜中，将导致出现应力集中区域，压敏电阻器被放置于该区域，薄膜上的小偏转可改善压阻灵敏度。此外，具有中心方形凸起的膜可起到减少偏转的作用，从而降低了压力的非线性。通过有限元分析、传感器的系列方程的建立和优化设计以获得FBBM结构膜的尺寸。设计了基于MEMS体微机械工艺和阳极键合技术的压力传感器芯片的主要制造工艺。模拟结果表明，在室温下，压力范围为0～5 kPa，其灵敏度为4.71mV/V/kPa，低压力的非线性为0.75%。