相关实验视频
Updated: May 10, 2026
11:59
High-speed Particle Image Velocimetry Near Surfaces
Published on: June 24, 2013
33.2K
概括
一种新的空间域测距方法使用类似花的贝塞尔束来克服高超音速车辆检测中的等离子膜流 (PST) 挑战. 这种技术得到了角度识别神经网络 (ARNN) 的增强,可以在动荡的环境中实现高精度的射程.
科学领域:
- 电磁学和波浪传播
- 航空航天工程 航空航天工程
- 等离子体物理学的物理学
背景情况:
- 超音速车辆由于空气摩擦和电离,会产生等离子膜流 (PST).
- PST显著阻碍了电磁波传输,使目标检测具有挑战性.
- 传统的时间域范围测量方法对于PST环境是不够的.
研究的目的:
- 开发一种新的空间域范围测量方法,用于PST中的目标检测.
- 在严重的血动荡条件下提高距离精度和稳定性.
- 为了提高性能,引入一个角度识别神经网络 (ARNN).
主要方法:
- 利用类似花的贝塞尔束,通过连贯叠加的旋转相生成,在PST中稳定传播.
- 利用贝塞尔束旋转角度和传播距离之间的关系来实现高精度测距.
- 实施了角度识别神经网络 (ARNN),以克服传统相关性强度方法的局限性.
主要成果:
- 在各种等离子体流条件下,在1毫米分辨率下达到90%以上的准确性.
- 证明了ARNN的高预测准确度和强大的概括能力.
- 在不同的折射率波动变异中验证了该方法的有效性.
结论:
- 开发的空间域测距方法为PST中目标检测提供了可行的解决方案.
- 类似花的贝塞尔束提供了稳定的传播,并允许精确的距离测量.
- 在复杂的流媒体中,RNAN显著提高了准确性和稳定性.
