Оптимизация навигационных сенсоров на основе МЭМС для аэрокосмических транспортных средств

Проведен анализ исследований, посвященных оптимизации навигационных датчиков, выполненных на основе микроэлектро-механических систем (МЭМС) для аэрокосмических транспортных средств. Рассмотрены МЭМС-датчики, их задачи в управлении, навигации и контроле, особенности инерционных МЭМС-датчиков и важные показатели их производительности. Исследован широкий спектр методов оптимизации датчиков, включая стратегии улучшения производства, изготовления через смарт-структуры и математическое моделирование. Исследованы методология и механизмы улучшения производства навигационных датчиков, а также внедрение методов оптимизации для эффективного управления вычислительными сложностями алгоритмов. Основные результаты подчеркивают вызовы, связанные с выбором материалов и структурными сложностями при оптимизации МЭМС-датчиков для аэрокосмических задач. Интеграция датчиков в интегральные схемы, разработка продвинутых математических моделей и согласование с алгоритмами искусственного интеллекта необходимы для повышения производительности датчиков. Калибровка и устранение ошибок при развертывании датчиков пользователем являются обязательными этапами их внедрения. В работе подчеркивается необходимость нахождения способов для снятия ограничений по точности и прецизионности датчиков путем совершенствования механизмов калибровки и процессов коррекции ошибок. Сделан вывод о том, что направления дальнейших исследований лежат в области разработки новых материалов, построения более точных математических моделей и применения инновационных методов калибровки для всестороннего улучшения производительности и надежности МЭМС-датчиков в аэрокосмических приложениях.

Optimizing MEMSbased Navigation Sensors for Aerospace Vehicles

This comprehensive study delves deeply into the intricate domain of optimizing Micro-electromechanical Systems (MEMS)-based navigation sensors for aerospace vehicles. It entails a meticulous examination of MEMS sensors, focusing on their role in guidance, navigation, and control, with particular emphasis on MEMS inertial sensors and crucial performance metrics. The study investigates a spectrum of techniques for sensor optimization, including strategies for enhancing fabrication and production through smart structures and mathematical modeling. Additionally, it explores methodologies and mechanisms for improving navigation sensor fabrication, along with the incorporation of optimizer techniques to manage computational complexities effectively. The key findings underscore the challenges tied to material selection and structural intricacies in optimizing these sensors for aerospace applications. Integration of sensors into integrated circuits, development of advanced mathematical models, and harmonization with artificial intelligence algorithms are vital for boosting sensor performance, while calibration and error mitigation during user deployment are essential. Furthermore, the study underscores the imperative for addressing limitations in sensor accuracy and precision through refined calibration mechanisms and error correction processes. The trajectory for future research involves advancing material selection, mathematical models, and innovative calibration techniques to comprehensively enhance sensor performance and reliability in aerospace applications.

Authors
Alizadeh Ali1, 2 , Saltykova Olga A. 1 , Novinzadeh Alireza B.2
Publisher
Федеральное государственное автономное образовательное учреждение высшего образования Российский университет дружбы народов (РУДН)
Number of issue
1
Language
English
Pages
57-74
Status
Published
Volume
25
Year
2024
Organizations
  • 1 Peoples’ Friendship University of Russia
  • 2 K.N. Toosi University of Technology
Keywords
performance metrics; calibration; inertial sensors; Artificial Intelligence; mathematical modeling; smart structures; показатели производительности; калибровка; инерционные датчики; искусственный интеллект; математическое моделирование; интеллектуальные конструкции
Date of creation
09.04.2024
Date of change
09.04.2024
Short link
https://repository.rudn.ru/en/records/article/record/106792/
Share

Other records

Allenov Dmitry G., Yakovleva Nadezhda A., Deinova Kristina B., Danilov Danila V., Azanov Matvey V.
RUDN Journal of Engineering Researches. Федеральное государственное автономное образовательное учреждение высшего образования Российский университет дружбы народов (РУДН). Vol. 25. 2024. P. 38-51
Alaabidy Wissam H.S., Al-Rubaiawi Majid S.S., Chertousov Mikhail A., Frolov Mikhail Y.
RUDN Journal of Engineering Researches. Федеральное государственное автономное образовательное учреждение высшего образования Российский университет дружбы народов (РУДН). 2024. P. 86-104