Design and Implementation of an IMU Sensor System to Estimate a Hockey Puck’s Peak Velocity
Notice bibliographique
Résumé
The rapid advancement in sensor technology can revolutionize how sports dynamics are understood and analyzed. This thesis focuses on designing and implementing an Inertial Measurement Unit (IMU) sensor system to be deployed within a hockey puck to estimate its peak velocity. \n \nThe research involved the intricate design of a sensor system comprising an accelerometer, two gyroscopes, and a magnetometer. Moreover, puck preparation was carried out to secure the sensor and battery within the puck to ensure functionality and durability. Furthermore, a data acquisition system is developed to receive, save, and plot data transmitted via Bluetooth Low Energy (BLE) protocol. \n \nThree distinct methods for estimating the puck's peak velocity from the sensor data are compared. It is discovered that the method based on an extended Kalman filter and utilizing data from all three sensor types exhibits superior accuracy. This method is subsequently validated under various hockey shot conditions, reinforcing its practical applicability. Moreover, the relationship between velocity estimation error versus true velocity is investigated. \n \nPrimarily designed for research studies, this work offers a foundational understanding of hockey puck dynamics, despite the sensor system not being tailored for real-game scenarios. The insights gained have substantial implications for further sports analytics and player training. Furthermore, the results outline a promising pathway for future sports engineering and wearable technology investigations.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».