GPS基带信号源的数字模拟实现

首先对GPS信号产生原理进行了分析,然后给出了一种基带数字信号源的产生方法,即用码发生器产生伪随机码,先和导航数据进行调制,再调制上用DDS产生的载波信号,最终形成一颗或多颗GPS卫星信号.该方法用FPGA实现,不仅可以模拟GPS卫星信号的特性,而且考虑到调试接收机的动态捕获性能,信号源中还模拟了信号在运动状态下的情况.该方法为接收机基带信号处理部分的调试节省了大量的时间,针对基带部分提供信号源,减少了调试中其他因素(例如射频部分)的错误而带来的干扰.     

基于多头注意力机制的飞机发动机寿命预测研究

针对飞机发动机监测参数多和预测模型不能充分提取监测数据的有效信息等问题,基于一维卷积神经网络（1DCNN）、时序卷积神经网络（TCN）和多头注意力机制,提出一种新的网络结构以实现飞机发动机剩余寿命的准确预测。对多维特征参数分别建立一个1DCNN-TCN模型,利用两层1DCNN对飞机发动机的多元传感器信号进行特征提取,利用TCN对特征量的时序信息进行记忆,通过多头注意力机制对多个1DCNN-TCN的输出分别进行加权处理,并拼接最终结果。分析结果表明,采用本文方法得到的RMSE和Score值比目前文献中最优值分别降低了6.84%,63.41%。该方法显著提升了飞机发动机剩余寿命预测的准确性。     

基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用 神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码（SAE）网络从高维传感器数据中提取健康因子（HI）,采用1维卷积神 经网络-双向门控循环单元（1D-CNN-BGRU）方法捕捉HI序列中的空间和时间特征,并引入自注意（SA）机制对捕捉的特征分配 权重,使用全连接层输出涡扇发动机剩余使用寿命（RUL）,以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结 果表明：利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评 分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机 维修保障及健康管理提供有效决策支撑。     

型号研制网络计划的编制

网络计划是在网络上加注工作的时间参数等而编成的进度计划。它是计划管理的重要工具，是上级监督执行者的重要依据之一。 网络计划根据型号的复杂程度和使用目的可分为总网络计划、分网络计划和具体网络计划。总网络计划又称零级网络计划，反映整个工程系统的全面情况，项目分解的较粗，一般作为领导机关纵观全局，掌握总体情况，进行合理决策的工具。分网络计划亦称一级网络计划，反映分系统情况，项目分解的较细，一般作为总设计师、行政指挥监督检查及指挥用。具体网络计划一般称为二级网络计划，它反映子系统或设备的详细具体情况，项…     

型号研制的网络计划编制

根据GB/T 1 340 0 .1～ 1 340 0 .3《网络程序技术》中的规定 ,结合型号研制的特征 ,提出了型号研制网络计划编制的依据、编制程序及其管理。     

载波相位平滑在GPS伪距提取中的应用

GPS卫星导航定位精度的高低很大程度上取决于站星距离(即伪距)的测量误差.载波相位平滑伪距在保证环路参数满足动态应力误差要求的基础上,把从延时锁相码环上提出的伪距,利用载波相位进行多点采样,平滑滤波,大大减小了伪距的随机误差.本文详细论述了载波相位平滑伪距的原理和工程实现方法,并进行了仿真验证.