Inertial sensors technologies for navigation applications: state of the art and future trends
Notice bibliographique
Résumé
Abstract Inertial navigation represents a unique method of navigation, in which there is no dependency on external sources of information. As opposed to other position fixing navigation techniques, inertial navigation performs the navigation in a relative sense with respect to the initial navigation state of the moving platform. Hence, inertial navigation systems are not prone to jamming, or spoofing. Inertial navigation systems have developed vastly, from their occurrence in the 1940s up to date. The accuracy of the inertial sensors has improved over time, making inertial sensors sufficient in terms of size, weight, cost, and accuracy for navigation and guidance applications. Within the past few years, inertial sensors have developed from being purely mechanical into incorporating various technologies and taking advantage of numerous physical phenomena, from which the dynamic forces exerted on a moving body could be computed accurately. Besides, the evolution of inertial navigation scheme involved the evolution from stable-platform inertial navigation system, which were mechanically complicated, to computationally demanding strap-down inertial navigation systems. Optical sensory technologies have provided highly accurate inertial sensors, at smaller sizes. Besides, the vibratory inertial navigation technologies enabled the production of Micro-electro-machined inertial sensors that are extremely low-cost, and offer extremely low size, weight and power consumption, making them suitable for a wide range of day-to-day navigation applications. Recently, advanced inertial sensor technologies have been introduced to the industry such as nuclear magnetic resonance technology, cold-atom technology, and the re-introduction of fluid-based inertial sensors. On another note, inertial sensor errors constitute a huge research aspect in which it is intended for inertial sensors to reach level in which they could operate for substantially long operation times in the absence of updates from aiding sensors, which would be a huge leap. Inertial sensors error modeling techniques have been developing rapidly trying to ensure higher levels of navigation accuracy using lower-cost inertial sensors. In this review, the inertial sensor technologies are covered extensively, along the future trends in the inertial sensors’ technologies. Besides, this review covers a brief overview on the inertial error modeling techniques used to enhance the performance of low-cost sensors.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».