[发明专利]分类模型融合的密封继电器多余物检测与材质识别方法

说明书

本发明公开了一种分类模型融合的密封继电器多余物检测与材质识别方法，所述方法包含训练阶段与测试阶段两个部分，分别用于训练最优的组件识别模型与最优的材质识别模型，以及在应用场景下测试两个模型的识别性能。对于待测的密封继电器，借助PIND检测设备来获取和保存声发射信号，通过相同的特征处理步骤，构建多条待测数据。最优的组件识别模型预测这些数据的标签，由此得出声发射信号是多余物信号还是组件信号。若识别结果是多余物信号，则最优的材质识别模型再次预测这些数据的标签，由此得出多余物的具体材质。该方法是对多余物检测研究的重要补充，可为相近领域内的信号检测研究提供参考。

技术领域

本发明属于多余物检测领域，涉及一种多余物信号与材质识别方法，具体涉及一种分类模型融合的密封继电器多余物信号与材质识别方法。

背景技术

密封继电器是一种常见的航天元器件，是航天设备的重要组成部分。密封继电器的生产工艺较为复杂，在某些环节可能将焊渣、金属碎屑、导线皮等微粒遗留在密封继电器的内部。这些独立于物体固有组件且破坏物体内部稳定物理结构的微粒称为多余物。密封继电器通常处于超失重状态，存在其内部的多余物由此处于随机运动状态。这些多余物可能会碰撞损坏密封继电器内部体积较小的组件，或附着在电路板表面引起短路和断路，甚至会滑动产生静电或电磁干扰。这严重影响密封继电器的可靠性和稳定性，导致航天设备工作异常，甚至引发重大的航天事故。

现有多余物信号与组件信号识别研究与多余物材质识别研究中存在如下问题：首先，随着中国制造水平的提升，目前航天系统中检测出多余物的概率、数量、质量都大幅度减少，检测出多余物的具体材质也变得更加集中化和固定化。因此，需要在小质量多余物的条件下完成多余物信号与组件信号的识别研究，以及完成多余物属于具体哪种材质的识别研究。其次，现有的多余物信号与组件信号识别研究与多余物材质识别研究是独立的两部分，前者是以声发射信号为研究对象，给出的识别结果是多余物信号或组件信号。后者是以确定的多余物信号为研究对象，给出的识别结果是多余物的具体材质。如果将两者结合起来，可以给出关于一段声发射信号的识别结果，即是组件信号，还是多余物信号，且对应多余物的材质是什么。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与多余物材质识别研究选择提取多域中的声音特征来构建数据集，但是忽略了选择适用的声音特征以及对构建的数据集进行优化处理，以期构建高质量的数据集来训练分类模型。最后，现有基于机器学习的多余物信号与组件信号识别研究与多余物材质识别研究未给出所选择的用于训练分类模型的分类算法的依据，或未给出可选择的用于训练分类模型的分类算法的范围和比较分析结果。

发明内容

针对现有多余物信号与组件信号识别研究及多余物材质研究中存在的识别对象敏感程度低，未深入研究可使用的声音特征，及未说明分类模型的选择依据和选择范围等问题，本发明提供了一种分类模型融合的密封继电器多余物检测与材质识别方法，该方法是对多余物检测研究的重要补充，可为相近领域内的信号检测研究提供参考。

本发明的目的是通过以下技术方案实现的：

一种分类模型融合的密封继电器多余物检测与材质识别方法，包括如下步骤：

步骤一、制作密封继电器样本：

步骤一一、根据目前应用场景下从密封继电器中检测出的多余物的质量和材质，制作多个密封继电器样本，所述密封继电器样本包括不含多余物但包含松动组件的密封继电器样本和不含松动组件但包含不同材质的多余物的密封继电器样本；

步骤一二、对步骤一一制作的密封继电器样本进行编号，其中：不含多余物但包含松动组件的密封继电器样本的编号为0，不含松动组件但包含第一种材质的多余物的密封继电器样本的编号为1，不含松动组件但包含第二种材质的多余物的密封继电器样本的编号为2，……，不含松动组件但包含第N种材质的多余物的密封继电器样本的编号为N，N为不含松动组件但包含不同材质的多余物的密封继电器样本的数量；

步骤二、借助PIND检测设备获取和保存组件信号、不同材质的多余物信号：