IMU Signal Software Simulator
Notice bibliographique
Résumé
This paper describes the implementation and experimental results of a software based inertial measurement unit (IMU) signal simulator. The simulated signal generation of inertial sensors is an inverse process of the IMU mechanization (navigation) equations. Compared with using hardware, the IMU simulator (IMUS) saves significant time and money for research work and is very flexible when developing new integration algorithms as it does not impose experimental limitations. Furthermore, the IMUS can be used efficiently when choosing or designing the required hardware characteristics for a given application. It is often difficult to accurately translate IMU errors into state errors (position, velocity, and attitude) which the simulator does with ease. The IMU simulator was developed by the MMSS group, the University of Calgary. It can simulate a variety of sensor errors such as bias instability, random walk, scale factor errors, sensor errors due to thermal drift, gsensitivity, non-orthogonalities, misalignments, and their combinations. The user can also define the output data rate, bandwidth, low pass filter cutoff and so on, based on a variety of vehicle dynamics such as straight line, accelerations, turns, U-turns, bumpy roads, constant velocities, static periods as well as varying attitude, and their combinations for different applications. Meanwhile, the simulator provides GPS position and velocity simulated measurements as an optional function. This tool gives users a fast and effective way for evaluating new inertial sensors using datasheet characteristics provided by the manufacturers or obtained through lab testing. Or, if the IMU characteristics are not known, they can be inferred by generating state errors for given IMU errors, in this way developing the required IMU parameters. The correctness and effectiveness of the IMUS has been verified not only in theory but also in practice by comparing the results from the IMUS to the results from a real hardware IMU using field test data. A real case example for both a simulated and a real hardware MEMS ADI IMU on the IMU/GPS integration level is presented in the paper. It shows that the average position drift during GPS outages using simulator data corresponds well to field test results using the ADI hardware IMU and GPS from a NovAtel OEM4 receiver.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,016 |
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 ».