MétaCan
Menu
Retour à la cohorte
Enregistrement W3203947708 · doi:10.3390/aerospace8100280

Opportunistic In-Flight INS Alignment Using LEO Satellites and a Rotatory IMU Platform

2021· article· en· W3203947708 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAerospace · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésPseudorangeObservabilityInertial measurement unitComputer scienceInertial navigation systemGNSS applicationsKalman filterExtended Kalman filterSatellite systemSatelliteControl theory (sociology)Real-time computingGlobal Positioning SystemInertial frame of referenceEngineeringAerospace engineeringComputer visionMathematicsArtificial intelligenceTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

With the emergence of numerous low Earth orbit (LEO) satellite constellations such as Iridium-Next, Globalstar, Orbcomm, Starlink, and OneWeb, the idea of considering their downlink signals as a source of pseudorange and pseudorange rate measurements has become incredibly attractive to the community. LEO satellites could be a reliable alternative for environments or situations in which the global navigation satellite system (GNSS) is blocked or inaccessible. In this article, we present a novel in-flight alignment method for a strapdown inertial navigation system (SINS) using Doppler shift measurements obtained from single or multi-constellation LEO satellites and a rotation technique applied on the inertial measurement unit (IMU). Firstly, a regular Doppler positioning algorithm based on the extended Kalman filter (EKF) calculates states of the receiver. This system is considered as a slave block. In parallel, a master INS estimates the position, velocity, and attitude of the system. Secondly, the linearized state space model of the INS errors is formulated. The alignment model accounts for obtaining the errors of the INS by a Kalman filter. The measurements of this system are the difference in the outputs from the master and slave systems. Thirdly, as the observability rank of the system is not sufficient for estimating all the parameters, a discrete dual-axis IMU rotation sequence was simulated. By increasing the observability rank of the system, all the states were estimated. Two experiments were performed with different overhead satellites and numbers of constellations: one for a ground vehicle and another for a small flight vehicle. Finally, the results showed a significant improvement compared to stand-alone INS and the regular Doppler positioning method. The error of the ground test reached around 26 m. This error for the flight test was demonstrated in different time intervals from the starting point of the trajectory. The proposed method showed a 180% accuracy improvement compared to the Doppler positioning method for up to 4.5 min after blocking the GNSS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,447

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,226
Écart entre enseignants0,201 · 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