今天的惯性导航系统(INS)的实现发生在所谓的“皮带降”技术中,其中所有惯性传感器(陀螺仪和加速传感器)都安装在车辆上。过去,这些系统是在所谓的“ gimbal”技术中设计的,其中陀螺仪用于机械地稳定太空中的加速度传感器。在绑带系统中,稳定化是数学上的,因此所有惯性传感器均暴露于整个车辆动力学。由于缺乏机甲鼻子式辅助,在运行中的皮带系统要比Gimball Systems强大得多,但是测量范围,尺度的准确性和传感器的稳健性的要求相应地更高。
在这种情况下,反应性技术与Aemo和Arena合作,在大陆NEM中进行实时惯性测量的试点示范项目[17]。这些测量是使用反应性开发的新技术进行的,该技术由调制器和几个可扩展的测量单元(XMU)以及算法组成,以分析数据[18] [19]。使用该技术,该系统能够以约10%的置信范围来测量惯性。此外,[20]表明,使用该技术使用该技术的惯性测量可能比其他方法更准确地计算惯惯性较低的系统(基于事件的方法或理论计算),并且快速效果控制器(通常称为快速频率响应(FFR)服务)的惯性测量值(基于事件的方法或理论计算)。
摘要,监督机器学习方法从生物学家的惯性测量中识别行为模式已成为行为生态学的标准工具。几种设计选择可以影响识别行为模式的准确性。这样的选择是包含或排除在机器学习模型培训数据中包含不仅是单个行为(混合段)组成的细分。目前,常见的实践是在模型培训期间忽略此类段。在本文中,我们检验了以下假设:在模型训练中包括混合段将提高准确性,因为该模型在测试数据中识别它们的表现更好。我们使用在四个加速度计数据数据集上进行了一系列数据模拟,并从四个研究物种(Damaraland mole鼠,Meerkats,Meerkats,Olive Baboons,Polar Bears)获得了一系列数据模拟。结果表明,当大量测试数据是混合行为段(高于10%)时,包括机器学习模型培训中的混合段可提高分类的准确性。这些结果在四个研究物种中是一致的,并且在混合段内的片段长度,样本量和混合物程度的变化稳健。但是,与未经混合段的训练的模型相比,在某些情况下(尤其是在狒狒中)模型(尤其是在狒狒)模型中显示出仅包含单个行为(纯)段的测试数据的准确性降低。在这种情况下,应避免将混合段过量包含在培训数据中。基于这些结果,我们建议当预期分类模型处理大量混合行为细分(> 10%)时,将它们包括在模型培训中是有益的,否则,这是不必要的,但也不有害。当时有一个基础假设培训数据包含的混合段率要比要分类的实际(未观察到的)数据更高 - 可能发生这种情况,尤其是在收集训练数据的情况下,并用于将数据分类并从野外分类。关键字身体加速器,生物遗传,机器学习,动物行为
• 区域调制方法:系统的整体性能表明,区域调制方法可能为 NEM 的使用提供最佳的弹性、灵活性和准确性。通常,我们预计每个联邦州需要一个调制器。由于监控网络及其安全性的责任在于 TNSP,我们建议相关 TNSP 应负责根据可用性和需求要求,通过专用资产或替代共享资产使用调制来采购测量服务。对于持续服务,需要更长的运行时间和连续调制,这可能会使经济平衡转向超级电容器而不是 BESS,但这可以考虑到任何设计和开发决策中。
新闻稿2021年9月13日EURISA:为太空应用开发第一个紧凑型和具有成本效益的欧洲惯性测量单位(IMU),旨在开发欧洲紧凑,表现和成本效益的IMU,以确保欧洲对欧洲的非依赖性,以确保欧洲对空间的关键设备。由欧盟委员会作为Horizon H2020计划的一部分资助,3.3 M€项目汇集了4位欧洲太空生态系统的主要参与者 - 空中客车防御和太空,Eth Zurich,Eth Zurich,German Aerospace Center(DLR)和Ixblue - 并将运行3.5岁。截至今天,欧洲在紧凑,高性能和具有成本效益的IMU上没有其他选择,因此,许多欧盟太空任务取决于非欧洲的惯性测量单位(IMU),并依靠外国伙伴的商誉来采购这些关键组成部分。Eurisa的主要目的是提供IMU,其中包括登陆,漫游车导航和行星际巡航等任务的TRL的精心设计杂交算法。由ixblue领导的项目是建立在4个合作伙伴的广泛专业知识上的:参与诸如Insight和Lisa for Eth Zurich的主要太空任务; Callisto和Eagle项目的DLR和ixblue和空中客车防御和空间的Actrix陀螺仪系列。除了这个专有技术之外,将定制和组装不同合作伙伴的技术砖,以使未来的欧洲IMU在2024年准备就绪。Guillaume Lecamp指出:“基于过去和当前的发展以及使用资格有空的COTS电子产品,我们确保了具有成本效益的产品,并且是通往TRL 6成熟的安全途径。的确,合作伙伴会在该项目中获得强大而互补的能力,以取得成功:太空电子,惯性传感器,有关太空任务要求的知识,杂交算法,太空环境以及制造和质量。,由于项目合作伙伴的欧洲制造商和IMU的所有关键组成部分,Eurisa将为欧洲的独立性和空间中的主权做出贡献,以供未来的任务和探索。
摘要——如今,惯性测量单元已广泛应用于多种应用,例如汽车和自动驾驶汽车、无人驾驶飞行器、手机、机器人、人工智能等。尽管如此,最近的文献并没有正确涵盖微电子设备在真实环境条件下运行时的动态计量性能表征和可靠性分析。为了填补这一空白,本文提出了在振动条件下表征惯性测量单元的方法,即通过步进测试振动曲线来测试在不同频率下受到正弦振动的惯性平台的行为。从广为人知的正弦扫描振动曲线开始,制定了一个定制的测试计划,该计划基于正弦刺激随时间的频率递增,以研究惯性平台的频率响应。对一组真实设备的应用证实,所提出的测试可以识别机械应力对频域内微机电传感器计量性能的影响。所开发的测试计划还可用于调查特定频率的正弦振动是否会触发一些通常静止的故障机制。关键词 - 诊断;惯性测量单元;MEMS;测试;振动。
前言 本文件介绍了靶场指挥官委员会 (RCC) 的靶场安全组 (RSG) 所开展的工作。本文件取代了 RCC 文件 324-02,即全球定位和惯性测量靶场安全跟踪系统通用标准。虽然新版本对文件正文进行了少量编辑,但主要变化是增加了附录 C,如下所述。本文件包含用于靶场安全目的的机载全球定位系统 (GPS) 和惯性测量跟踪源的要求。文件结构使靶场用户更容易制定详细要求,这些要求代表设计和测试解决方案,以满足特定靶场安全办公室(本文也称为靶场安全)的性能要求。为了解决与性能要求经常导致的歧义和合同误解相关的问题,正文仅包含基于性能的要求,同时包括三个附录,以帮助靶场用户和靶场安全制定详细要求的文件。附录 A 提供了“经验教训”和标准行业实践作为推荐解决方案。附录 B 描述了与性能要求和推荐解决方案相关的原理和安全问题。附录 C 提供了根据本文档中包含的当前性能标准测试 GPS 度量跟踪接收器/转换器的方法