MEMS IMU Error Mitigation Using Rotation Modulation Technique
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
Micro-electro-mechanical-systems (MEMS) inertial measurement unit (IMU) outputs are corrupted by significant sensor errors. The navigation errors of a MEMS-based inertial navigation system will therefore accumulate very quickly over time. This requires aiding from other sensors such as Global Navigation Satellite Systems (GNSS). However, it will still remain a significant challenge in the presence of GNSS outages, which are typically in urban canopies. This paper proposed a rotary inertial navigation system (INS) to mitigate navigation errors caused by MEMS inertial sensor errors when external aiding information is not available. A rotary INS is an inertial navigator in which the IMU is installed on a rotation platform. Application of proper rotation schemes can effectively cancel and reduce sensor errors. A rotary INS has the potential to significantly increase the time period that INS can bridge GNSS outages and make MEMS IMU possible to maintain longer autonomous navigation performance when there is no external aiding. In this research, several IMU rotation schemes (rotation about X-, Y- and Z-axes) are analyzed to mitigate the navigation errors caused by MEMS IMU sensor errors. As the IMU rotation induces additional sensor errors, a calibration process is proposed to remove the induced errors. Tests are further conducted with two MEMS IMUs installed on a tri-axial rotation table to verify the error mitigation by IMU rotations.
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