密封电子设备多余物检测的信号特征识别与置信度评价

  本文关键词：密封电子设备多余物检测的信号特征识别与置信度评价，由笔耕文化传播整理发布。

【摘要】：密封电子设备内部多余物是影响其可靠性的重要因素,是航空航天领域亟待解决的难题。借鉴密封电子元器件的颗粒碰撞噪声检测法(PIND),密封电子设备的多余物自动检测技术得到迅速发展,使航天系统的可靠性得到了一定的保障,但仍存在诸多不足。针对密封电子设备多余物检测信号复杂多样、组件信号易误判成多余物信号、多余物材质特征识别模型适用性差、缺乏多余物检测置信度评价等问题,本文对密封电子设备多余物检测的信号特征识别与置信度评价方法进行深入研究。针对密封电子设备质量重、体积大和内部结构复杂等特征导致多余物检测信号复杂多样的问题,基于PIND法展开系统的实验研究。对比分析多余物信号、组件信号、背景噪声和干扰信号等信号的特点及产生原因,分析各检测信号的耦合关系;结合颗粒—平板碰撞模型,对检测试验条件、颗粒粒径、颗粒材质、传播距离和传感器分布等进行单因素分析和显著性检验,确定各因素对多余物信号的影响规律,为密封电子设备多余物检测的信号特征识别与置信度评价提供参考依据。针对密封电子设备组件信号认知不全面、易误判成多余物信号的问题,提出基于聚类分析的组件信号特征识别方法。依据组件信号的周期性和多余物信号的随机性,首次对组件信号进行系统分类;提出基于能量门限的脉冲提取方法和单位周期脉冲平移方法,利用相位特征统一描述不同形式的组件信号;在此基础上,确定聚类结构,提出一种适用于组件信号特征识别的改进型k-平均聚类分析算法;基于单通道的时间序列特征和多通道空间同步脉冲趋势相似性特征,识别组件和多余物信号的准确率可达92%。针对多余物信号的可重复性差、不同材质的多余物信号特征易重叠等问题,提出基于隐马尔科夫模型(HMM)和改进型Mel倒谱系数(MFCC)的多余物材质特征识别方法。对比分析语音信号与多余物信号的相似性,引入语音识别技术中HMM,基于概率统计模型,计算不同材质出现的概率而进行分类决策;结合MFCC特征提取方法,设计一种基于敏感频率的Mel滤波器,提出适用于多余物信号的改进型MFCC特征提取算法;建立基于HMM和改进型MFCC的多余物材质特征识别模型,实现导线皮、芯片壳、铝粒和锡粒的多余物材质特征的有效识别。实验表明,多余物材质特征识别模型中改进型MFCC和HMM具有较优的分类性能,识别准确率达91%。针对多余物检测信号样本有限、模型参数不确定以及识别结果风险水平难以控制的问题,提出基于转导推理一致性预测(CP)的多余物检测置信度评价方法。采用组件信号单通道脉冲时间序列和多通道同步脉冲趋势相似性特征,提出基于K近邻(KNN)的转导一致性预测算法,实现基于CP-KNN的组件信号特征识别的置信度评价。以类“再认识”而不是类“划分”的模式识别理念为指导,采用多余物信号的改进型MFCC材质特征,依据主元降维分析和凸壳理论,构造二维凸壳模型;结合凸壳模型的内点分析和CP-KNN算法,实现一种具有拒绝识别、近邻类别识别和可信度分析的多余物材质特征识别置信度评价方法。

  本文关键词：密封电子设备多余物检测的信号特征识别与置信度评价，由笔耕文化传播整理发布。