航天继电器微粒碰撞噪声自动检测系统的研究

针对以往多余物微粒碰撞噪声检测(PIND)系统中存在检测精度低、误判和漏判率高等问题,提出一种基于小波分析的多余物自动检测方法,研制了具有自主知识产权的航天继电器微粒碰撞噪声检测系统。实验结果表明,检测系统运行稳定、性能优异、用户界面友好,各项技术指标均优于国际同类产品,亦适用于其他军用电子元器件的多余物检测。

基于航天继电器微粒碰撞噪声检测试验信号的多余物材料特征提取

提出了一种基于航天继电器微粒碰撞噪声检测(PIND)试验信号的多余物材料特征提起方法。以PIND试验输出的声音、加速度信号为研究对象,提出两种信号的预处理方法,并给出3种判断多余物特征的特征量定义方法。对实际继电器进行了PIND试验,验证了预处理方法和特征量的有效性。

密封电子元器件微粒碰撞噪声自动检测系统的研究

密封电子元器件内部存在多余物,多年来一直是困扰其应用与发展的关键因素。针对以往多余物微粒碰撞噪声检测(PIND)系统中存在检测精度低、误判和漏判率高等问题,文章提出一种基于小波分析的多余物自动检测方法,研制了具有自主知识产权的密封电子元器件微粒碰撞噪声检测系统。实验结果表明,检测系统运行稳定,性能优异,用户界面友好,各项技术指标均优于国际同类产品。文章提出的检测方法亦适用于其他航天产品的多余物检测。

航天继电器微粒碰撞噪声检测极限试验条件评判标准研究

通过分析微粒碰撞噪声检测(PIND)冲击和振动试验条件的损伤模式,研究了过量试验条件对航天继电器造成损伤的机理。分别确立了极限冲击试验条件和极限振动试验条件的力学评判标准,并对某型号航天继电器进行有限元实例仿真,同时结合试验对评判标准进行了有效验证。

航天继电器多余物微粒碰撞噪声检测的冲击试验条件

微粒碰撞噪声检测试验是航天继电器出厂前必做的筛选试验,冲击是微粒碰撞噪声检测试验中的重要环节。为找出影响冲击加速度峰值和脉冲持续时间的关键因素,研究冲击试验条件对多余物微粒的激活效果,增加检测的成功率。本文建立了冲击过程的数学模型,分析系统参数对冲击加速度的影响;基于电像力理论推导最小冲击加速度与多余物微粒物特征参数的关系;将"损伤等效原则"用于确定冲击试验条件,给出了等效冲击条件表,并进行了相关实验验证。实验结果表明:选择不同冲击条件,可以实现对不同大小的多余物微粒进行有效的激活。

基于支持向量机的飞行器多余物信号识别

针对飞行器控制电路在生产制造过程中可能引入金属线头等微小多余物,从而留下短路等安全隐患的问题,提出了一种基于微粒碰撞噪声检测(PIND)的飞行器多余物材质识别方法。首先,利用短时自相关函数提取PIND信号的脉冲部分;然后,提取多种时频域统计特征,并与梅尔频率倒谱系数(MFCC)特征结合起来;最后,训练多分类支持向量机模型实现材质分类。为验证所提方法的有效性,采集了3种不同材质多余物的PIND信号进行模型训练及测试,实验结果表明,所提方法材质识别准确率达98%,优于同类方法的相关结果。

基于小波变换的航天继电器多余物材质分类

多余物的材质信息对于控制避免多余物的产生具有重要的意义,以往的研究都是针对声音信号展开的,本文以加速度扰动信号为研究对象,提出了基于小波变换的航天继电器多余物材质分类方法。运用三门限检测算法,实现了扰动信号的拼接,有利于特征量的集中。采用基于频域特征的材质分类方法,定义了频谱重心,实现了金属与非金属的分类识别,在实验中确定了频谱重心的分类界限是50kHz。采用小波变换定义能量分布矢量,利用BP神经网络实现了多余物微粒确定材质的分类,并在试验中利用不小于1mg的多余物粒子验证了上述算法。实验结果表明分类的准确率分别为67.78%和76.67%。本文研究的分类方法可以推广应用于其他军用电子元器件及电子装置的多余物检测应用中。

星载电子设备多余物自动检测系统

存在活动多余物是影响星载电子设备稳定性的主要因素。应用微粒碰撞噪声检测方法研制一种星载电子设备多余物自动检测系统,该系统采用风冷电磁式振动系统为多余物检测提供力学条件,通过数据采集卡把被测多余物信号采集至上位机处理,上位机采用脉冲提取、聚类分析、特征提取、神经网络等算法自动给出是否存在组件、是否存在多余物及其材质判别结果。所研制的星载电子设备多余物自动检测系统对多余物微粒及活动组件识别的准确度可达91%,对多余物材质识别的准确度可达90%。

基于随机振动的航天继电器多余物自动检测系统

航天继电器内的多余物是导致继电器失效的主要原因之一,严重影响了航天电子系统的可靠性。将随机振动激励系统的搭建作为研究重点,在原有定频正弦激励系统的基础上,搭建出可实现随机振动激励功能的系统平台,为验证随机振动激励对于微粒碰撞噪声检测效果的改善状况提供了实验条件。

基于PIND声音脉冲分类的航天继电器多余物特征识别方法的研究

多余物的存在导致继电器可靠性下降,是困扰航天继电器发展的关键问题。传统多余物PIND(微粒碰撞噪声检测)方法主要依靠人的肉眼观察和耳听判断多余物的有无,无法对多余物微粒的材质信息作出分析判断,而获得多余物微粒材料特征对继电器设计人员和生产人员控制多余物的产生有很大的帮助。本文对PIND试验输出声音脉冲的包络进行分析,使用径向基函数(RBF)神经网络对脉冲自动分类,实现将多余物分为金属、非金属两类,并通过实际继电器检测验证了该方法的有效性。

基于FPGA的实时小波消噪技术在多余物自动检测系统中的应用

针对微粒碰撞噪声多余物自动检测系统采用软件实现小波消噪过程,存在数据量大、运算时间长、检测效率低下等问题,本文提出采用FPGA实现小波消噪算法,在数据采集的过程中完成小波消噪,以提高数据处理的实时性。在深入理解小波变换理论及Mallat快速算法的基础上,通过改进研制PCI总线数据采集卡,利用Matlab和Quartus II软件平台,设计实现了基于FPGA的小波消噪算法。实验测试表明,该算法得到的消噪效果较为理性,达到了实时小波消噪的目的。

基于多层感知机的密封继电器PIND信号识别

设计了一套航天密封继电器信号识别方法,基于微粒碰撞噪声检测(PIND)法,通过对信号的时域及频域的特征分析选取了多个具有代表性的特征。运用了机器学习方法,采用多层感知机并对其进行超参数寻优,找到了最优的超参数组合。对信号进行处理分析来判断密封继电器内是否存在多余物。提高了分类的准确率,同时也提高了模型的整体性能。

航天电子装置多余物自动检测系统的研究

文章首先介绍了该系统与传统微粒碰撞噪声检测(PIND)方法对于多余物检测的异同并突出了该系统的优势:自动检测多余物有无并给出多余物材质特征(金属、非金属),并介绍了本系统检测的基本原理和方法。在此基础上又介绍了系统硬件部分和软件部分的设计:硬件部分着重介绍了转台驱动和数据采集的实现;软件部分着重介绍了该软件的功能作用及核心算法。文章最后对系统的检测率和置信度进行了实验验证。