基于VBGMM-DCNN的列车卫星定位欺骗干扰检测方法

面向基于全球导航卫星系统的铁路列车定位实施欺骗干扰的主动检测，在卫星定位解算层次，运用深度学习建模学习方法的优势，提出一种基于变分贝叶斯高斯混合模型-深度卷积神经网络（variational Bayesian Gaussian mixture model-deep convolutional neural network, VBGMM-DCNN）的列车卫星定位欺骗干扰检测方法。该方法首先提取能够充分体现欺骗干扰对定位解算过程作用影响的卫星观测特征参数，构建干扰检测特征矢量；然后，采用VBGMM模型拟合经过预处理的特征向量的概率分布，得到二维概率密度图；最后，将概率密度图用于DCNN模型实施欺骗干扰的检测决策。结合现场实验所得运行场景数据，利用实验室搭建的欺骗干扰测试环境实施了干扰注入测试与检验，结果表明,欺骗干扰检测性能随着DCNN网络深度的增加而提升，相对于常规有监督决策方法F1值最高提升44.68%。基于VBGMM-DCNN的欺骗干扰检测能够适应测试验证中运用的列车运行特征及定位观测条件，所达到的检测性能优于对比算法。     

基于卫星轨道软件平台的自主导航计算方法

为增强卫星的自主生存能力，研究了基于卫星轨道软件平台的自主导航计算方法。由星载导航部件获取导航参数，应用数值或解析法进行自主导航计算，以实时获得精确的轨道参数。理论分析和仿真结果表明，读方法正确可行，具有较高的工程应用价值。     

我国高等学校在航空航天领域的研究现状及前沿分析

高等学校是航空航天原始创新的重要发源地,在航空航天技术发展和进步中发挥了重要作用。为了分析我国高等学校在航空航天领域的发展情况,以JCR收录的航空航天工程类期刊为数据源,选取2011—2020年我国高等学校发表论文,利用CiteSpace软件对航空航天领域的论文发表情况、机构合作关系、关键词共现、关键词聚类等进行可视化分析,总结我国高等学校在航空航天领域的研究现状、合作关系以及未来研究前沿。通过梳理我国高等学校关于航空航天领域的研究情况,本文研究为我国航空航天事业的规划布局、创新发展提供一定参考价值。     

旋转部件转动诱导振动信号检测与分析

阐述了一个典型旋转部件振动时产生诱导振动信号的检测方法。介绍了测试系统，旋转部件振动测点布置和振动信号采集。根据两个样机的实测结果，认为旋转部件的诱导振动信号与旋转部件生产质量、安装精度密切相关，对旋转部件轴承固有特征的理论计算值和实测频谱进行了比较，进而判断轴承是否存在故障，并分析了上、下轴承间振动信号的相关性。