机载共形阵通道幅相误差实时预测算法

针对飞行器高速机动时机体剧烈震颤引起的阵列失配等问题,提出一种快速通道预测算法,以提高阵列波束形成的鲁棒性。首先分析飞行器在高速震颤产生误差扰动的情况下,机载共形弧阵波束图的畸变程度,并假设通道幅度和相位误差随机,给出两类误差的预测算法。由于预测校准算法需结合共形阵背景下的接收阵列信号模型,因此给出具体的阵列稳健性判定依据,以阵元标定误差和幅相误差进行性能分析。然后提出一种基于标准校准元技术的共形阵误差预测算法,该算法不仅可以在阵列设计之初用于阵列校准,也可以在实际使用中进行通道修正。最后根据3个校准元对空间分布阵列进行误差预测。该误差预测算法在阵元间距为10cm的阵列中,对5 mm的随机抖动有较好预测,其中单次预测最多偏离实际误差1 mm,并且使用误差预测值可以直接部署于基带部分进行实时校准,校准精度在准确值的2 mm内,具有较高的实时误差校正能力。

基于Transformer模型的加热炉火焰状态识别方法

油田油井加热炉运行状态只能靠工人巡检,由于油井在野外分布广,必须及时巡检发现问题并进行处理,这种方式耗时耗力,且发现问题滞后,给生产带来很大安全隐患。为了有效地进行加热炉燃烧状态的监控,搭建加热炉炉膛火焰智能视频监控平台,提出一种基于Transformer模型的加热炉火焰状态识别方法,通过构建用于加热炉火焰状态识别的数据集,设计深度学习网络模型,通过智能分析和数据处理,当火焰燃烧状态不佳时进行预警提示,运行人员在初期进行调整,杜绝故障停机等异常事件的发生以及避免燃料和热量的浪费。在这项工作中,通过从观测孔获取的视频图像中分割出包含火焰的核心图像区域,对图像特征进行提取与识别,进行正常状态、热量偏大及热量偏小三种燃烧状态的识别,识别准确率达标,在基准数据集上的实验证明了该方法的有效性。

游八大山人纪念馆

暑假的一天，我和爸爸去参观八大山人纪念馆。八大山人纪念馆是江西的著名景点之一。纪念馆里陈列着江西省大部分的名人书画，加上周围梅湖的美景，真是个“风水宝地”!在大厅里，我见到了许多龙飞凤舞的书法作品。