基于时空关联算法的PIND检测信号分类判识系统

技术领域

本发明属于航天科学技术中多余物检测信号检测识别领域，具体涉及一种对颗粒碰撞噪声检测系统的检测结果进行自动化分类判识的系统。

背景技术

在航天航空领域，对电子设备的可靠性要求十分严格，其中的一个关键环节是多余物检测，这是可靠性常规检查中不可或缺的部分。所谓多余物是指在设备或元器件的生产、封装、运输等过程中可能出现的，与设备或元器件本身无关的物质，目前发现的典型多余物主要包括芯片硅渣、松香渣、残余焊渣、金属碎屑、陶瓷或者玻璃碎片、焊线残余、导线的绝缘皮以及元器件内部本身剥落的部分等。这些多余物往往在元器件的非工作状态难以发现，而在失重或者超重等剧烈振动的工作状态下，则会出现无规律的随机运动，可能会意外接触密封的电子元器件构件或开关触点，造成元器件误动作或者拒动作，从而进一步造成系统部分或者整体的损害。因此，需要在元器件列装使用前，对其进行多余物的有无检测，进一步来减少多余物的危害。

目前，在我国航天航空领域通常采用了一种广泛应用的多余物无损检测方法，即颗粒碰撞噪声检测方法(Particle Impact Noise Detection，简称PIND)。PIND方法的核心思想是通过外部振动台的主动冲击和振动，激活被测物体内部的多余物颗粒，使其在被测物体内部与被测物发生碰撞，然后利用压电陶瓷传感器采集被测物体内部的声学信号。这种声学信号称之为PIND检测信号(以下称为检测信号)。在实际的检测中，发现被测元器件内部不仅有多余物碰撞产生的声学信号(以下简称多余物信号)，还包含被测元器件内部组件的振动信号(以下简称组件信号)。将检测信号分为3种情况：(1)多余物信号(含有多余物脉冲)；(2)组件信号(含有组件脉冲)；(3)多余物信号与组件信号组成的混合信号(以下简称混合信号)。

基于颗粒碰撞噪声检测系统的多余物检测结果初步判识(是否存在超过阈值的检测信号)比较容易，但是想进一步判识信号的种类，在实际工程检测中，常常需要经验丰富的检测人员多次对检测波形进行重复观察与分析。这种过程耗时耗力，而且容易受到检测人员主观意识的影响，从而导致误判。综上所述，如何采用某种方法来判识基于PIND方法的检测结果，是当前航天航空技术领域中多余物检测所面临的一个难点问题。

通常可以使用分类方法对以上三种信号进行区分，例如：支持向量机算法、逻辑回归算法、决策树算法等，这些算法的结果和准确度取决于问题的特点、数据的性质以及算法的性能要求，尤其是对数据的样本数量以及计算机的性能具有较高的要求。显然，由于航天航空领域有一定的保密特殊性，收集大量数据等部分要求无法得到充分满足，同时直接采用分类方法对信号进行分类往往存在识别准确率低，分类方法适用性差、分类性能不稳定等问题，以及采用部分复杂分类方法还存在识别效率低的问题。

发明内容

本发明为了解决现有的PIND检测信号分类方法存在准确率低、效率低的问题。

一种基于时空关联算法的PIND检测信号分类判识系统，所述系统包括：

PIND检测信号分窗单元：基于颗粒碰撞噪声检测方法获取设备多余物对应的波形信号，即PIND检测信号；将PIND检测信号分割为多个窗序列，每个窗中包括零个、一个或多个脉冲信号，每一个脉冲信号对应多个采样值；

脉冲信号处理单元：基于脉冲信号得到脉冲位置，以脉冲位置作为所属窗的位置，将两个脉冲所属窗的位置之间的距离作为脉冲距离；

线上线下脉冲确定单元：根据脉冲信号确定其是否为线上脉冲或线下脉冲；

线上脉冲：脉冲位置对应的相邻N1个采样值中最大的一个采样值的绝对值大于等于第一幅值阈值的脉冲，则所对应的脉冲为线上脉冲；

线下脉冲：不为线上脉冲且相邻N1个采样值的绝对值的和大于等于第二幅值阈值的脉冲，则所对应的脉冲为线下脉冲；

视界划分单元：确定每个脉冲对应的关联视界和干扰视界范围；

如果一个脉冲距目标脉冲的脉冲距离小于第一距离阈值，则它在目标脉冲的关联视界内，关联视界内的脉冲记为关联脉冲；

如果一个脉冲距目标脉冲的脉冲距离小于第二距离阈值，则称它在目标脉冲的干扰视界内，干扰视界内的脉冲记为干扰脉冲；

关联脉冲数量计算单元：基于关联视界范围，进行遍历搜索，计算每一个脉冲的关联脉冲数量、线下关联脉冲数量、线上关联脉冲数量，线下关联脉冲是指关联脉冲中的线下脉冲，线上关联脉冲是指关联脉冲中的线上脉冲；

干扰脉冲数量计算单元：基于干扰视界范围，进行遍历搜索，计算每一个脉冲的干扰脉冲数量、线下干扰脉冲数量、线上干扰脉冲数量，线下干扰脉冲是指干扰脉冲中的线下脉冲，线上干扰脉冲是指干扰脉冲中的线上脉冲；同时统计干扰脉冲的最小窗号和最大窗号；

时空连续组搜索单元：进行时空连续组搜索，即将一段脉冲作为一个组，如果组内在连续多窗中都有脉冲出现，且任意相邻两窗的脉冲是在对方的干扰视界内，则作为一个时空连续组；然后将时空连续组内关联脉冲数的最大值作为时空连续组内的每一个脉冲的关联脉冲数；

判识单元：按照如下规则，逐一判定各脉冲其是组件脉冲还是多余物脉冲：

规则1：若待识脉冲的关联脉冲总数小于第一脉冲总数区分阈值，则待识脉冲不是组件波；

规则2：若待识脉冲与其它所有脉冲不重叠，且间隔都大于间距阈值，则是多余物脉冲；

规则3：若待识脉冲的线下关联脉冲数量大于关联脉冲总数的α％，且在干扰视界内所有的线上脉冲都是关联脉冲，则判定为组件脉冲；

规则4：计算待识脉冲的关联占比，并将关联占比映射为多余物脉冲概率；

关联占比＝关联脉冲总数/相干窗数；

相干窗数＝干扰脉冲最大窗号-干扰脉冲最小窗号-无脉冲段长；

多余物脉冲概率＝exp(-5*关联占比*关联占比)；

当多余物脉冲概率小于第一判识阈值，确定为组件脉冲；多余物概率大于第二判识阈值时，确定为多余物脉冲；

规则5：若由规则1和规则2确定为多余物脉冲，认为PIND检测信号中存在多余物脉冲；针对规则4确定的多余物脉冲，只有当规则4确定的多余物脉冲数量大于总脉冲数的β％时，才认为存在多余物脉冲；

若规则1和规则2的判定结果和规则4的判定结果都没有多余物脉冲就是组件波；

对存在多余物脉冲的情况，除组件脉冲外都判定为多余物脉冲。

进一步地，脉冲信号处理单元基于脉冲信号得到脉冲位置，具体过程如以下步骤：

基于脉冲信号的采样值的幅值，用相邻N1个采样值的绝对值的和来计算幅值，从脉冲的起点依次滑动计算，确定脉冲中采样值中最大幅值所对应的N1个采样值的位置，并将N1个采样值起点作为脉冲位置。

优选地，N1＝5。

优选地，线上脉冲对应的第一幅值阈值为0.02V；线下脉冲对应的第二幅值阈值为0.05V。

优选地，关联视界对应的第一距离阈值等于窗长*0.04；干扰视界内对应的第二距离阈值等于窗长*0.15。

进一步地，视界划分单元在确定每个脉冲对应的关联视界和干扰视界范围的过程中，对不同频率的信号，通过对关联视界和干扰视界的范围乘一个权重调整关联视界和干扰视界的尺寸。

进一步地，在关联脉冲数量计算单元进行遍历搜索的过程中，针对每个脉冲，其对应的关联视界范围设置位置扰动作为松弛项，所述的位置扰动即在关联视界范围边缘的基础上对边缘进行0.1Dα的位置变化，其中Dα为当前脉冲脉宽。

进一步地，所述时空连续组搜索单元进行时空连续组搜索的过程中，要求组内至少连续5窗中都有脉冲出现。

进一步地，规则4中的第一判识阈值和第二判识阈值基于计算多余物脉冲概率的关联视界范围或者关联视界的修正范围进行确定，关联视界范围即为视界划分单元确定的关联视界范围，关联视界的修正范围为基于关联视界范围进行修正后的关联视界范围，对关联视界范围进行修正的距离为(窗长*0.1)。

进一步地，判识单元中，规则1中的第一脉冲总数区分阈值为6；规则2中的间距阈值为窗长*0.2；规则3中的α％取30％；规则4中的小于第一判识阈值0.1，第二判识阈值0.6；规则5中的β％取10％。

有益效果：

本发明通过参量设计、统计关联视界内的关联脉冲和干扰视界内的关联脉冲数量、设定经验阈值以及设定判识规则可以较好的对PIND检测信号类别进行判识。与传统方法人工判识相比，本发明不仅准确性高，而且具有高效性。相比机器学习的方式，本发明不要求对的样本数量以及计算机的性能具有较高的要求，同时还兼具了高准确性高稳定性的优点。

本发明实用性强，分类性能非常稳定，为航天科学技术多余物检测信号识别领域提供一种直观可靠的判识方法，是一种兼顾准确率和效率的适用性非常强的方法。

附图说明

图1是PIND检测信号波形部分参数说明示意图。

图2是多余物脉冲概率与关联占比的关系示意图。

图3是本发明的实际应用图(界面案例中的粒子波即多余物信号)。

图4是本发明的实际应用图(界面案例中的机械波即组件信号)。

具体实施方式

为了解决背景技术中存在的问题，本发明在长期研究和总结的基础上，设计出一种基于时空关联算法的PIND检测信号判识方法，本发明首次提出一种基于时空关联算法的PIND检测信号分类判识方法，该方法中首次提到用于PIND检测时使用关联视界内的关联脉冲和干扰视界内的关联脉冲两个拼接式区域脉冲作为主要的联合考察区，并根据长期的测试分析设定一定的经验条件，由此获取参数数量的统计。其次，根据这些参数的数量统计，结合自设计的经验判识规则，对颗粒碰撞噪声检测系统的检测结果进行自动化分类判识。下面结合具体实施方式进行说明。

本实施方式为一种基于时空关联算法的PIND检测信号分类判识系统，包括PIND检测信号分窗单元、脉冲信号处理单元、线上线下脉冲确定单元、视界划分单元、关联脉冲数量计算单元、干扰脉冲数量计算单元、时空连续组搜索单元和判识单元；其中，

PIND检测信号分窗单元：基于颗粒碰撞噪声检测方法获取设备多余物对应的波形信号，即PIND检测信号；将PIND检测信号分割为多个窗序列，每个窗中包括零个、一个或多个脉冲信号，每一个脉冲信号对应多个采样值；

PIND检测信号的典型信号波形可以理解为由窗序列构成的脉冲，脉冲分别属于(出现在)窗序列中的特定窗，如图1所示，图1中的(a)是一个完整的PIND检测信号波形，每一次PIND检测之后则会出现形成一个检测信号波形。显然，该波形有很多个脉冲组成，图1中的(b)为一个完整的PIND检测信号波形可以由多个窗序列按照首尾拼接进行分割，窗的长度为h，图1中(c)为一个完整的脉冲波形，其脉冲波形中的最高值为脉冲峰值，图1中(d)为信号阈值线，即该线界以外区域为线上脉冲。

脉冲信号处理单元：基于脉冲信号得到脉冲位置和脉冲之间距离；具体过程以下步骤：

基于脉冲信号的采样值的幅值，用相邻N1个采样值的绝对值的和来计算幅值，本实施方式中N1＝5，在其他实施例中也可以是其他值；从脉冲的起点依次滑动计算，确定脉冲中采样值中最大幅值所对应的N1个采样值的位置，并将N1个采样值起点作为脉冲位置。以脉冲位置作为所属窗的位置，将两个脉冲所属窗的位置之间的距离作为脉冲距离。

将两个脉冲所属窗的位置之间的距离作为脉冲距离时，窗内两个脉冲位置认定为一个位置。两个脉冲的出现的时间差指它们的所属窗在窗序列中序号之间的差值，也就是窗号。

线上线下脉冲确定单元：根据脉冲信号确定其是否为线上脉冲或线下脉冲；

线上脉冲：脉冲位置对应的相邻N1个采样值中最大的一个采样值的绝对值大于等于第一幅值阈值的脉冲，则所对应的脉冲为线上脉冲；本实施方式中第一幅值阈值为0.02V。

线下脉冲：不为线上脉冲且相邻N1个采样值的绝对值的和大于等于第二幅值阈值的脉冲，则所对应的脉冲为线下脉冲；本实施方式中第二幅值阈值为0.05V。

其余情况可以认为是噪声不予考虑。

视界划分单元：确定每个脉冲对应的关联视界和干扰视界范围；

如果一个脉冲距目标脉冲的脉冲距离小于第一距离阈值，本实施方式中第一距离阈值等于窗长*0.04，则它在目标脉冲的关联视界内，关联视界内的脉冲记为关联脉冲；

如果一个脉冲距目标脉冲的脉冲距离小于第二距离阈值，本实施方式中第二距离阈值等于窗长*0.15，则称它在目标脉冲的干扰视界内，干扰视界内的脉冲记为干扰脉冲。

此过程中，设定目标脉冲干扰视界外的脉冲对判断目标脉冲的类别没有影响(脉冲移动情况例外)。关联视界内的脉冲则认为是关联的，是同一机械部件振动的结果。对不同频率，关联视界和干扰视界的尺寸要进行微调，通过乘一个微调权重实现。关联视界和干扰视界的尺寸，以及各频率的微调权重为实际设置的经验值，可以根据大量实验结果的反馈进一步微调。

关联脉冲数量计算单元：基于关联视界范围，进行遍历搜索，计算每一个脉冲的关联脉冲数量、线下关联脉冲数量，线下关联脉冲是指即是关联脉冲，本身还是线下脉冲。针对每个脉冲，实际与它关联的脉冲总数包含线上和线下两种。

此过程中，针对每个脉冲，其对应的关联视界范围允许有0.1Dα的位置扰动作为松弛项，其中Dα为当前脉冲脉宽，以对不同脉宽的脉冲进行自适应。当然可以根据实际情况将作为松弛项的中的当前脉冲脉宽Dα设定为固定脉宽。

干扰脉冲数量计算单元：基于干扰视界范围，进行遍历搜索，计算每一个脉冲的干扰脉冲数量、线下干扰脉冲数量，线下干扰脉冲是指即是干扰脉冲，本身还是线下脉冲。针对每个脉冲，实际与它干扰的脉冲总数量包含线上和线下两种。

此过程中，针对每个脉冲，在干扰视界内计算干扰脉冲数量(包含关联脉冲)，还需要统计干扰脉冲的最小窗号和最大窗号。

时空连续组搜索单元：进行时空连续组搜索，即将一段脉冲作为一个组，如果组内在连续多窗(连续窗数必须大于5)中都有脉冲出现，且任意相邻两窗的脉冲是在对方的干扰视界内，则作为一个时空连续组。

然后将时空连续组内关联脉冲数的最大值作为时空连续组内的每一个脉冲的关联脉冲数，这个过程中的关联脉冲数包括包含线上和线下两种，具体地，时空连续组组内有多个脉冲，计算时空连续组组内每个脉冲关联的脉冲数Mn，记作{M1，M2，M3，……Mn}，最后以max{M1，M2，M3，……Mn}值作为组内所有脉冲的关联脉冲个数。这样做的目的是：有些组件脉冲波动比较大，距离会超出关联视界，但可以根据时间上的连续关系，通过时空连续组来进行关联。

判识单元：按照如下规则，逐一判定各脉冲其是组件脉冲还是多余物脉冲：

规则1：若待识脉冲的关联脉冲总数小于第一脉冲总数区分阈值，本实施方式中设置为6，则待识脉冲不是组件波。因为组件波的重复出现的特性需要一定的组件脉冲数量来体现。

规则2：若待识脉冲与其它所有脉冲不重叠，且间隔(待识脉冲头/尾与前一个脉冲尾/后一个脉冲头的间距)都大于间距阈值，本实施方式中间距阈值为窗长*0.2，则是多余物脉冲。原因：孤立脉冲是多余物脉冲。

规则3：若待识脉冲的线下关联脉冲比较多，大于关联脉冲总数的α％(本实施方式中取30％)，且在干扰视界内所有的线上脉冲都是关联脉冲，则判定为组件脉冲。原因：线下脉冲无法全部检出，如果现在检出的数量已经较多，说明有更多。此时若干扰视界内没有不关联的线上脉冲，表明很可能是独立存在组件脉冲组，而且虽然并不是所有窗内都有线上关联脉冲，但很可能有足够多的线下关联脉冲支持它，可以认为它的机械性是比较稳定的。

规则4：计算待识脉冲的关联占比；

关联占比＝关联脉冲总数/相干窗数

相干窗数＝干扰脉冲最大窗号-干扰脉冲最小窗号-无脉冲段长

利用干扰脉冲的最大窗号和最小窗号，此处不同窗号的差值即不同窗之间的时间差，就可以将开始和结尾的无脉冲段忽略掉，定义了一个分析区间的起始点和结束点。在分析区间内也可能存在无脉冲段，所以在相干窗数中又要去掉了区间内无脉冲段长。所谓无脉冲段是指区间内连续的，都没脉冲检出的，且窗数至少为总窗数的四分之一的连续的一段。无脉冲段长的单位也是窗数。因而相干窗数是考察待识脉冲时去掉采集异常部分后形成的相干分析区间的总窗数。对组件脉冲而言，在其相干分析区间内，关联脉冲应该是密集出现的，反之对多余物脉冲而言，因为有随机性，在其相干分析区间内，关联脉冲应该是比较稀疏的。关联占比越大，组件性越强，反之就越弱。用如下公式将关联占比映射为多余物脉冲概率：

多余物脉冲概率＝exp(-5*关联占比*关联占比)

这是种非线性映射，当关联占比大于68％，多余物脉冲概率小于第一判识阈值0.1，可确定为组件脉冲。关联占比小于32％，多余物概率大于第二判识阈值0.6时，可确定为多余物脉冲。这个概率还可以根据邻近脉冲的情况进行修正。例如：设定修正距离(对关联视界范围边界的调整距离)为(窗长*0.1)对关联视界范围进行修正，若在修正距离内有组件脉冲，本脉冲属于多余物脉冲的概率应该减小。

多余物脉冲概率与关联占比的关系示意图如图2所示。

实际上，多余物脉冲概率＝exp(-5*关联占比*关联占比)的-5为调节系数，也可以设置为其他值，对应的关联占比和多余物脉冲概率进行对应调整即可。

规则5：若发现由规则1和规则2定义的多余物脉冲，可认为波中存在多余物脉冲。对规则4发现的多余物脉冲，只有当其数量大于总脉冲数的β％(本实施方式中取10％)时，才可以认为存在多余物脉冲，以包容振荡较大的组件波。若两种情况都没有多余物脉冲就是组件波。对存在多余物的情况，除组件脉冲外都判定为多余物脉冲，对组件脉冲较为严苛。

利用一种基于时空关联算法的PIND检测信号分类判识系统对待检测信号进行判识并获取判识结果：

判识结果即检测波形中是否含有多余物脉冲、组件脉冲。检测结果分类如下：(1)当只检测到多余物脉冲时，则判断为有多余物信号，无周期振动组件信号。(2)当只检测到组件脉冲时，则判断无多余物信号，有周期振动组件信号。(3)当检测到兼有多余物脉冲和组件脉冲时，则说即存在多余物信号也含有周期振动组件信号。

实际应用判识软件界面示意图如图3和图4所示，其中图3对应粒子波即多余物信号，图4对应机械波即组件信号。

对上述处理过程进行结果验证：现对300组已知多余物信号样本，300组已知组件信号样本以及100组已知混合信号样本，合计700组样本数据，进行判识分析。它们的识别结果如表1所示。其中，

表1检测信号识别结果

注:

多余物信号正确识别288组，占比96％；

组件信号正确识别282组，占比94％；

混合信号正确识别83组，占比为83％；

综上，总识别率为：93.29％。

本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。