Research on Initial Alignment and Self-Calibration of Rotary Strapdown Inertial Navigation Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The errors of inertial sensors affect the navigation accuracy of the strapdown inertial navigation system (SINS) and are accumulated over time in nature. In order to continuously maintain the high navigation accuracy of vehicles for a long time period, an initial alignment and self-calibration is necessary after the SINS starts. Additionally, the observability analysis is one of the key techniques during the initial alignment and self-calibration process. For marine systems, the observability of inertial sensor errors is extremely low, as their motion states are always slow. Therefore, studying the rotating SINS is urgent. Since traditional analysis methods have their limitations, the global observation analysis method was used in this paper. On the basis of this method, the relationship between the observability and the kinestate of the rotating SINS has been established. After the discussion about the factors that affect the observability in detail, the design principle of the initial alignment and self-calibration rotating scheme, which is appropriate for marine systems, id proposed. With the proposed principle, a novel initial alignment and self-calibration method, named the eight-position rotating scheme, is designed. Simulations and experiments are carried out to verify its performance. The results have shown that compared with other rotating schemes and the static state, the estimated accuracy of the eight-position scheme rotating about axes x and y was the best, and the position error was significantly reduced with this new rotating scheme. The feasibility and effectiveness of the proposed design principle and the rotating scheme were verified.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle