MétaCan
Menu
Retour à la cohorte
Enregistrement W2401759074 · doi:10.3390/s16060765

Instantaneous Observability of Tightly Coupled SINS/GPS during Maneuvers

2016· article· en· W2401759074 sur OpenAlexaff
Junxiang Jiang, Fei Yu, Haiyu Lan, Qianhui Dong

Notice bibliographique

RevueSensors · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueTarget Tracking and Data Fusion in Sensor Networks
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésObservabilityControl theory (sociology)Global Positioning SystemInertial navigation systemObservableChannel (broadcasting)Computer scienceInertial frame of referenceMathematicsPhysicsArtificial intelligenceClassical mechanicsApplied mathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The tightly coupled strapdown inertial navigation system (SINS)/global position system (GPS) has been widely used. The system observability determines whether the system state can be estimated by a filter efficiently or not. In this paper, the observability analysis of a two-channel and a three-channel tightly coupled SINS/GPS are performed, respectively, during arbitrary translational maneuvers and angle maneuvers, where the translational maneuver and angle maneuver are modeled. A novel instantaneous observability matrix (IOM) based on a reconstructed psi-angle model is proposed to make the theoretical analysis simpler, which starts from the observability definition directly. Based on the IOM, a series of theoretical analysis are performed. Analysis results show that almost all kinds of translational maneuver and angle maneuver can make a three-channel system instantaneously observable, but there is no one translational maneuver or angle maneuver can make a two-channel system instantaneously observable. The system's performance is investigated when the system is not instantaneously observable. A series of simulation studies based on EKF are performed to confirm the analytic conclusions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,211
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetTarget Tracking and Data Fusion in Sensor NetworksTravaux en français237 207