An Efficient Method for Evaluating the Performance of MEMS IMUs
Notice bibliographique
Résumé
Advances in MEMS technology combined with the miniaturization of electronics, have made it possible to produce chip-based inertial sensor for use in measuring angular velocity and acceleration. These chips are small, lightweight, consume very little power and are extremely reliable. They have therefore found a wide spectrum of applications in the automotive and other industrial applications. Currently, new MEMS inertial sensors or IMUs developed by various manufacturers continue to emerge on the market. However, such sensors should be evaluated in terms of navigation performance. Common testing in the lab can provide parameters such as sensor noise density and bias instability but cannot predict the corresponding performance of a full navigation system. IMU/GPS field testing is the only way to evaluate the performance of MEMS IMUs especially when GPS signals are temporarily blocked. However, testing every MEMS sensor (or IMU) in the field is not practical since it is a time- consuming and costly task. Therefore, the main objective of this paper is the development of an efficient method for evaluating the navigation performance of any MEMS IMU using lab testing only. The developed method is based on using MEMS sensors static data signals to estimate the MEMS sensor errors. Hence, by grafting these errors into the signals of a high quality IMU (gyro drift of 0.005 deg/h), collected in a previously conducted typical field test, a quasi field dataset of the MEMS is obtained since the high quality IMU signals can be considered as the true inertial sensor. Such emulated MEMS IMU field data can then be processed with the corresponding GPS data collected in the same test to evaluate the MEMS IMU navigation performance. To test the efficiency of the proposed method, several land-vehicle kinematic datasets with GPS, a high-quality IMU and different MEMS IMUs were used. Static data of the same MEMS IMUs was collected and then the proposed method was applied. The performance of the MEMS IMU actual and emulated datasets is compared during several GPS signal blockage periods. The results show that both solutions have a similar behavior with an average difference of only 20% in terms of accumulated position drifts. This illustrates the usefulness of the proposed technique in addition to the cost and time savings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».