基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹，难以被发现，因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上，设计了一种基于误差估值累加开环校正的紧组合导航结构，并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中，将紧组合导航系统与自适应序贯概率比检测方法结合，提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法，融合紧组合导航信息与其他不受欺骗影响的导航信息，构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明，开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题，同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。     

基于Lissajous曲线拟合的EFPI光纤传感器腔长解调

为提高非本征光纤珐珀传感器(Extrinsic Fabry-Perot Interferometric, EFPI)腔长解调的精度，基于EFPI传感器反射光谱近似余弦函数的特性，设计了一种基于李萨如图形(Lissajous-Figure)与标准形式椭圆曲线拟合的解调方法。将两组光强信号经过坐标变换拟合为标准椭圆曲线，以减少求解参数；并通过经验模态分解对数据进行分析，去余项后将得到的极值点代入椭圆曲线求解。将离散数据点分别移动5、10、15、20、25个点测试五组不同相移对解调结果的影响并选取其中误差最小的一组对EFPI传感器进行横向负载实验，分别施加5~25 N的应力，通过拟合椭圆曲线的解调方法将计算腔长差与理论腔长差相对比。结果表明，实际腔长差随负载成正比，平均误差值为5.690%左右，可以准确获取 EFPI 的腔长。     

基于5G时长驻留的分析及优化提升方法

随着中国移动5G网络的逐步发展，目前已实现城区的5G网络连片覆盖，全网5G用户大规模增长。本文通过对经分数据用户产生的话单，结合用户使用的网络类型，利用成熟的经分平台，实现直接针对用户使用的网络、流量、时长等方面的分析，直观的体现了用户在5G网络的驻留时长占比以及5G网络的流量占比，为网络优化工作提供了重要分析依据。     

基于TDR法电缆线长测量关键技术的研究

目前，随着电线电缆市场规模不断扩大，对电缆尺寸测量的精度要求不断提高，市场中电线电缆的计量问题也日益显著，因此如何快捷、经济、正确地完成电线电缆尺寸的测定具有十分重要的研究意义和工程价值。相比传统的电缆计量方法，时域反射测量技术（TDR）具有测量精度高、便于携带、能实现无损测量电缆长度等优点。该技术基于电磁波能量在传输的过程中如果遇到阻抗不连续点的情况就会发生反射的特点，对待测量的长导体加入一个脉冲信号，就可根据发送脉冲和断点处反射脉冲的时间差与导体长度成正比的原理来确定断点位置，还能实现对电力电缆短路和断路的故障检测。目前已有该技术的应用实例，但是测量效果并不理想，测量误差较大，甚至达到10%~20%，与理论效果相差甚远，无法满足精细化管理与工程作业的要求。为此对该技术应用于电缆线长度精确测量时的关键技术点展开探讨。     

挡墙平动模式下邻近长-短桩复合地基基坑土压力试验研究

针对邻近长短桩复合地基基坑土压力，通过室内模型试验，研究邻近长-短桩复合地基基坑开挖过程中，随着基坑侧壁水平位移的发展，基坑土压力分布曲线的变化规律。研究表明：挡墙发生位移时，短桩加固深度范围内，邻近长-短桩复合地基挡墙土压力小于天然地基条件下的土压力，短桩桩端下部挡墙土压力则显著大于天然地基条件下的土压力；在计算邻近长-短桩复合地基挡墙土压力时需考虑短桩桩端附加荷载的影响；邻近长-短桩复合地基条件下的基坑土压力可近似等效为桩间土附加应力、短桩附加应力与长桩附加应力分别产生的基坑土压力的代数和，据此建立了邻近长-短桩复合地基基坑土压力的简化计算方法。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。