【技术实现步骤摘要】
本专利技术属于航天检测，具体涉及一种航天继电器内部多余物信号检测与材质识别方法。
技术介绍
1、航天继电器是航天电子设备的重要组成部分。在其生产过程中，因制造工艺水平的限制，可能将金属碎屑、焊接飞溅物等微粒遗留在航天继电器内部。这些由外部引入或内部产生的破坏物体原有稳定物理状态的物质称为多余物。航天电子设备通常运行在超失重的状态下，受到较大的外部冲击。如果航天继电器内部存在多余物，它会被激活处于随机运动状态。它可能会冲撞损坏航天继电器的内部组件，或附着在电路表面引起断路、短路故障，或产生静电和电磁干扰等。这些都会降低航天继电器的可靠性，对航天电子设备的稳定运行产生威胁。因此，在出厂前对航天继电器进行多余物检测是至关重要的。
2、颗粒碰撞噪声检测(pind)法是目前航天领域中最常用的多余物检测方法。它的基本原理如下。通过给待测物体施加力学激励，使其内部可能存在的多余物处于随机运动状态，产生碰撞或滑动信号，称为多余物信号。声发射传感器被用来捕获多余物信号，并传输至示波器显示。通过判断示波器是否产生波形可以确定待测物体内部是否存在多余物。然而，航天继电器内部通常还存在一些松动的组件，如键合丝等。在力学激励下，松动组件同样会处于振动状态，产生振动信号，称为组件信号。组件信号的存在严重干扰了使用pind法进行多余物检测的准确性。因此，准确识别多余物信号与组件信号是开展多余物检测的关键。
3、现有的多余物信号与组件信号识别研究可以归纳为使用信号检测方法与使用机器学习方法两部分。如前所述，多余物信号是多余物处于随机运动
4、准确识别多余物信号与组件信号可以提高多余物检测的准确性。在真实应用场景中，在确定待测物体内部存在多余物后，一方面，我们需要打开待测物体，仔细排查多余物并取出。另一方面，获悉产生多余物的生产环节来制定更为严格的生产标准能够有效控制多余物的产生。因此，多余物材质识别研究具有重要的现实意义。近年来，许多学者开展了相关研究，尤其是借鉴基于机器学习方法的多余物信号与组件信号识别研究思想。即，从由不同材质的多余物产生的多余物信号中提取信号特征构建数据集，并训练合适的分类器进行材质识别。如，针对锡渣、环氧与细丝三种材质的多余物，meng(2020)等人从时域和频域中提取了7个信号特征，以及从梅尔频率倒谱系数中提取了24个信号特征来构建数据集，训练了参数优化的支持向量机，取得的分类精度达98％。针对金属(铅)与非金属(塑料、塑胶)材质的多余物，赵(2020)从频域提取了4个信号特征，从小波包变换中提取4个频段的能量熵作为信号特征，以及从希尔伯特黄变换(hht)中提取hillbert谱的50个奇异值，构建了数据集，训练了三种类型的bp神经网络，取得的最高分类精度为91.11％。针对金属(铜丝、焊锡粒、铝粒)与非金属(热熔胶粒、pvc粒、硅胶粒)材质的多余物，yan(2020)从时域和频域中提取了15个信号特征来构建数据集，训练了参数优化的随机森林，取得的分类精度为86％。针对金属(铜丝、焊锡粒、铝粒)与非金属(热熔胶粒、硅胶粒)材质的多余物，gao(2021)等人先将一维多余物信号转换为二维的声谱图，再从声谱图中提取纹理特征与从时域和频域中提取的5个信号特征结合，得到多域联合信号特征来构建数据集，训练了默认参数配置的随机森林，取得的分类精度达90％以上。
5、首先，现有多余物信号与组件信号识别研究以及多余物材质识别研究的研究对象和测试对象均是纯的多余物信号与纯的组件信号。具体来说，二分类器在由纯的多余物信号与组件信号构建的包含两个类别的数据集上训练的，多分类器在由不同材质的纯的多余物信号构建的包含多个类别的数据集上训练的。它们也分别在由纯的多余物信号与组件信号构建的测试集和由不同材质的纯的多余物信号构建的测试集上进行测试。然而在真实应用场景中，多余物检测得到的检测信号不仅包含纯的多余物信号与组件信号，还包含由这两种信号重叠形成的混合信号。我们将由这些复杂成分组成的检测信号称为重叠信号。这样，不管是二分类器还是多分类器，它们都很难在由重叠信号构建的测试集上取得良好的分类性能。因此，上述研究很难在真实应用场景下得到应用，其实用性不高。其次，现有多余物信号与组件信号识别研究以及多余物材质识别研究彼此独立性较强，很少有研究将两部分结合起来考虑。即，先给出多余物检测结果，再给出多余物的具体材质。此外现有基于机器学习的多余物信号与组件信号识别研究以及多余物材质识别研究给出的结果是分类精度，它是针对数据集的评估指标，而不是真实应用场景下需要的识别精度，它是针对某个检测事件的评估指标。它们之间缺少一个处理过程。现有的这些分类精度在真实应用场景下的参考价值不高。在基于信号检测的多余物信号与组件信号识别研究中，通过分析一段纯的信号的周期性特性，得到的识别结果就是关于某个检测事件的，因此所使用的是识别精度。然后，现有基于机器学习的多余物信号与组件信号识别研究以及多余物材质识别研究所训练的分类器均是学者主观选择的，可以理解为不同的尝试，未给出具体的选择依据。最后，现有基于机器学习的材质识别研究未参考最新的真实应用场景下检测出的多余物的材质，并由此构建对应的数据集和训练适用的分类器。现有研究还聚焦于金属材质与非金属材质的多余物材质识别，很少给出具体的材质，如锡(焊锡粒)、硅胶(硅胶粒)等，这对追溯产生多余物的生产环节提供的参考价值有限。此外，现有多余物信号与组件信号识别研究以及多余物材质识别研究未能在真实应用场景下对航天继电器进行实物测试，给出直观的多余物检测结果与多余物材质别结果，以评估其可行性与实用性。
技术实现思路
1、本专利技术为了解决现有的识别方法在真实应用场景下的识别准确率有待于提高的问题，以及目前还没有针对多余物信号、多余物材质识别等任务的联合识别方法。
2、基于重叠信号的航天继电器多余物检测与材质识别方法，包括以下步骤：
3、将待测航天继电器进行pind检测，获取一段待测信号；对待测信号进行分帧处理与脉冲提取，得到多个有用脉冲，所述有用脉冲为去除无话帧信号的脉冲，即携带有用信息的脉冲；
4、从每个帧信号上计算多余物检测信号特征库中每个特征的特征数值，形成一个特征向量；这些特征向量被视为未标注的数据，用来构建待测信号数据集；
5、以有用脉冲为单位，将待测信号数据集分为多个小集合；利用组件识别模型在每个小集合上进行预测，计算每个小集合的预测置信度，所述预测置信度为每个有用脉冲中预测为源纯的组件信号的数据个数占总数据个数的比值；依次比较每个预测置信度与多余物置信度与组件置信度；如果所有的预测置信度均大于组件置信度，说明待测信号是纯的组件信号，表明待测航天继电器内部不存在多余物，多余物检测结束；如果有预测置信度小于组件置信度，再判断预测置信度是本文档来自技高网...
【技术保护点】
1.基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，将步骤三替换为如下步骤：
3.根据权利要求1或2所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，步骤六所述确定组件置信度与多余物置信度的过程包括以下步骤：
4.根据权利要求3所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，在第一区间的下限和第二区间的上限之间确定组件置信度，在第二区间的下限和第三区间的上限之间确定多余物置信度的过程中，将第一区间的下限和第二区间的上限平均中位线作为组件置信度；将第二区间的下限和第三区间的上限平均中位线作为多余物置信度。
5.根据权利要求4所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，对待测信号进行分帧处理与脉冲提取的过程中，将干扰或噪声作为一个短时振荡的脉冲，采用短时能量作为门限判断的依据，使用三门限脉冲提取算法来提取信号中的有用脉冲。
6.根据权利要求5所述的基
7.根据权利要求6所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，Δt2是Δt1的一半。
8.根据权利要求7所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，所述尖峰检测阈值Epeak＝3Emean，端点检测阈值Ehs＝1.1Emean。
9.根据权利要求6所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，所述的待测信号为基于声发射传感器获取并以电压量表现的信号。
10.根据权利要求9所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，多余物检测信号特征库中的特征包括脉冲面积、脉冲左右对称度、脉冲上升占比、脉冲持续时间、能量密度、脉冲占比、面积占比、过零率、方差、频谱质心、倒谱系数、倒谱系数差。
...【技术特征摘要】
1.基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，将步骤三替换为如下步骤：
3.根据权利要求1或2所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，步骤六所述确定组件置信度与多余物置信度的过程包括以下步骤：
4.根据权利要求3所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，在第一区间的下限和第二区间的上限之间确定组件置信度，在第二区间的下限和第三区间的上限之间确定多余物置信度的过程中，将第一区间的下限和第二区间的上限平均中位线作为组件置信度；将第二区间的下限和第三区间的上限平均中位线作为多余物置信度。
5.根据权利要求4所述的基于重叠信号的航天继电器多余物检测与材质识别方法，其特征在于，对待测信号进行分帧处理与脉冲提取的过程中，将干扰或噪声作为一个短时振荡的脉冲，采用短时能量作为门限判断的依据，使用三门限脉冲...
【专利技术属性】
技术研发人员：孙志刚，翟国富，王国涛，李鹏飞，梁琪，韩笑，王强，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。