在密封电子设备的生产制造过程中,对多余物进行检测和定位至关重要。针对设备体积大和多余物位置难以确定的问题,使用参数优化支持向量机对设备内部的多余物进行定位。通过设计信号调理电路与多通道信号同步采集电路,调理和采集微弱的多余物信号,设计两级双门限脉冲提取算法和多通道脉冲匹配算法对信号进行预处理,得到有效的信号数据。提取和选择性能优良的时频域特征构建定位数据集,比较不同分类算法在数据集上的性能表现,对更优的支持向量机进行参数优化设计,将优化后的支持向量机定位模型用于实物测试。测试结果表明,参数优化支持向量机的定位模型在航天电源内部的多余物定位测试的平均精度达82.58%,定位模型的泛化能力良好,达到航天系统工程的精度要求,该方法理论上可以推广应用于类似产生机理的碰撞信号定位。

在密封电子设备的生产制造过程中,对多余物进行检测至关重要。微粒碰撞噪声检测法是我国军标规定的用于航天电子元器件多余物检测的方法。针对密封电子设备体积大和检测出的多余物位置难以确定的问题,使用参数优化的k邻近(kNN)算法对多余物进行定位。通过搭建定位实验系统和设计试件模型,得到多通道的多余物信号,提取性能优良的时域和频域特征作为kNN算法学习的数据集。采用网格搜索法寻找kNN算法最优的k值选择、距离度量和权重设置,然后采用参数优化的kNN算法分别建立平面与空间定位模型。实验结果表明,采用参数优化的kNN算法进行多余物定位,平面与空间定位精度分别达到81.18%和79.34%,有效提高了传统情况下的定位准确度。

提出了一种基于多域联合特征的密封继电器多余物材质识别方法,利用声音转图像技术,将一维的多余物声音信号转换为二维的图像信号,从多余物信号生成的声谱图中提取纹理特征。结合时域和频域提取能量密度、左右对称程度和波峰系数等特征组成联合特征向量,采用随机森林算法进行模型训练和分类识别。结果表明,本方法对金属和非金属的识别准确度可提高至90%,具体材质的综合识别准确度达到78%,高于目前检测系统的准确率。