专利名称：一种基于非负张量分解的电子装置多余物检测与分类识别方法
技术领域：
本发明涉及一种电子装置的多余物检测与分类识别方法，属于设备安全检测与防护技术领域。
背景技术：
很多大型复杂的封闭电子装置，如航天器、通讯设备、测试设备等等，这些装置主要由机械构件、电路板、导线、基础元器件和各种集成电子�？榈茸槌�。此类装置在生产、力口工、装配、运输和调试等过程中，有时在其装置内会遗漏或脱落一些多余物，如导线皮、金属屑、焊锡渣、芯片壳和硅胶渣等。这些多余物，在设备使用过程中，会变成无规则运动的游离物，可能会导致设备器件短路、碰撞损毁等严重事故。因此，对于此类设备，在出厂前进行多余物检测是必要的。目前国际上普遍采用的电子装置多余物检测方法是微粒碰撞噪声检测，其主要原理是装载被检测物的检测设备，通过振动器产生一系列特定的机械冲击和振动，使被束缚的微粒松动，并同腔体内壁发生撞击，撞击声音通过传感器转换成电信号，并经过电子线路转换为声音和可采集的音频信号，较早时由操作人员对这些信号观察判断确定有无多余物，后来随着多余物检测设备自动化程度要求的提高，研制的新型检测系统可以实现自动检测。为了提高检测性能，包括灵敏度、精度，避免漏检和误判，同时也为了模拟真实的使用环境，将原有固定频率的振动方式进行扩展，改用变化频率的振动方式，大为提高了电子装置多余物的检测性能。通过试验研究发现，采用变化频率的振动检测方法除可获得反映多余物特性的声音信息外，还可利用检测的加速度信号、声音信号直接反映多余物材质和质量等特征，加速度信号扰动量实质是多余物粒子与元器件腔体碰撞在加速度传感器上的响应，与粒子的材质、质量等特性也密切相关，因此加速度信号也可以用来研究多余物微粒的检测与分类识别。由于电子装置的复杂性、多余物的多样性，致使对多余物的检测与分类识别很困难，尤其是对于微小多余物的检测与识别更是困难，传统的、单一的特征提取方式提取效果较差，多余物特征区分不明显。如何充分利用多余物检测系统中反映多余物特征的声音信号和加速度信号，使其有机结合实现较高精度的多余物检测与分类识别目前尚无有效方法。
发明内容
本发明目的是为了解决现有大型复杂电子装置多余物检测技术中无法充分利用声音信号和加速度信号，达到提高检测性能的问题，提出一种基于非负张量分解的电子装置多余物检测与分类识别方法。本发明包括下述步骤
步骤一将被测电子装置置于检测系统的振动台上，检测系统的振动信号发生器产生振动信号，并通过功率放大器作用于振动台，声音传感器和加速度传感器感知被测电子装置的检测信号，得到相应的声音信号和加速度信号，记为Sl，S2 ；步骤二 对声音信号和加速度信号S1, S2进行Hilbert变换得到相应的幅频信号，记为f\，f2 ;步骤三利用声音幅频信号和加速度幅频信号构建用于表示多余物状况的一个二维矩阵信号，记为xft—\其中Frequency为频率个数、Point为信号种类个数；步骤四根据以下情况，即电子装置中无多余物、存在橡胶多余物、存在焊锡粒多余物、存在导线皮多余物和存在铜丝多余物五种情况作为信号的第三维，构建一个三维张量信号，记为产—yxp—其中Class为多余物的种类；步骤五利用非负张量分解方法对构建的三维张量信号进行分解，得到相应的特 征矩阵，Xf-Cyxp-xClass=GXiAw X2Ara X3A03),其中 G，A(1)，A⑵，A⑶彡 O ；步骤六将分解后得到的特征矩阵A(3)(其对应电子装置中无多余物，以及存在橡胶、焊锡粒、导线皮和铜丝等5种不同的情况)，与事先离线得到的标准特征矩阵T相减，再分别对每列差值进行求和，列差值求和中最大者的第三维张量信号中即含有五种多余物情况中的一种，从而实现了多余物的检测与分类识别。本发明针对采集的声频信号、加速度信号的特点以及非负张量分解方法在处理基于数据的多维信号的优势，选用非负张量分解方法对反映多余物特征的声音信号和加速度信号以及多余物的类别进行同步处理，以便直接获取多余物的特征向量，达到对多余物的检测以及分类识别的目的。本发明与现有技术相比具有的优点是针对现有的电子装置多余物检测技术尚无法同时充分利用声音和加速度信息实现较高精度的检测与分类识别问题，给出了一种新的多余物分类识别方法，该方法充分发挥了非负张量分解在处理多维信号时的优势，并利用在线识别所得到的特征矩阵与离线建模所获得的标准特征矩阵进行比较，从而达到多余物的有效检测与分类识别目的。
图1为本发明的流程图；图2为电子装置多余物检测原理示意图；图3为多余物粒子与电子装置壁体碰撞导致的声音及加速度信号的示意图；图4为非负张量分解(NTF)流程图；图5为利用多余物类别构建三维信号示意图；图6为声音及加速度信号的幅频信号示意图。
具体实施例方式具体实施方式
一下面结合图1至图6具体说明本实施方式。本实施方式包括下述步骤步骤一将被测电子装置置于检测系统的振动台上，检测系统的振动信号发生器产生振动信号，并通过功率放大器作用于振动台，声音传感器和加速度传感器感知被测电子装置的检测信号，得到相应的声音信号和加速度信号，记为Sl，S2 ；步骤二 对声音信号和加速度信号S1, S2进行Hilbert (希尔伯特)变换得到相应的幅频 目号，记为fl，4 ;步骤三利用声音幅频信号和加速度幅频信号构建用于表示多余物状况的一个二维矩阵信号，记为xft—yx-'其中Frequency为频率个数、Point为信号种类个数；对于频率在10-500HZ的振动信号、振动峰值加速度在I X 10_6-1 X 10_5米每平方秒的情况下，提取特征并进行分类识别的效果较好。步骤四根据以下情况，即电子装置中无多余物、存在橡胶多余物、存在焊锡粒多余物、存在导线皮多余物和存在铜丝多余物五种情况作为信号的第三维，构建一个三维张量信号，记为产—yxp—其中Class为多余物的种类；步骤五利用非负张量分解方法对构建的三维张量信号进行分解，得到相应的特征矩阵，Xf-^xp-Xelass=GXiAU) X2P) X3A03)，其中 G，Aw，A⑵，A⑶≥ O ;核张量 G 的选择表明了整体张量的大�。话阌胄藕胖掷喔鍪齈oint和多余物种类个数Class有关。步骤六将分解后得到的特征矩阵A(3)，与事先离线得到的标准特征矩阵T相减，再分别对每列差值进行求和，列差值求和中最大者的第三维张量信号中即含有五种多余物情况中的一种，从而实现了多余物的检测与分类识别。事先离线得到的标准特征矩阵T的建立过程同“步骤一”至“步骤五”，所不同的是，离线计算时所用数据为已知的无多余物及存在橡胶、焊锡粒、导线皮和铜丝这五种情况下分别采集的标准数据，而在线识别时所用的是需要分类识别被测电子装置测试时所采集的实时数据。
具体实施方式
二本实施方式以一种用于敏感飞行器和船舶姿态的陀螺惯性导航电子装置的多余物检测与识别为例，进行实施例分析并结合各附图进行详细说明。执行步骤一将被检测的陀螺惯性导航电子装置放于振动台上，利用振动信号发生器通过功率放大器对振动台施加振动信号,振动台上的传感器感知声音和加速度信号，并通过电子线路获取相应的电信号S1, S2，如图2所示。执行步骤二 分别对获得的声音和加速度电信号Sl，S2做希尔伯特变换，得到频率与幅值之间的幅频信号f\，f2，具体计算过程如下
权利要求
1.一种基于非负张量分解的电子装置多余物检测与分类识别方法，其特征在于它包括下述步骤步骤一将被测电子装置置于检测系统的振动台上，检测系统的振动信号发生器产生振动信号，并通过功率放大器作用于振动台，声音传感器和加速度传感器感知被测电子装置的检测信号，得到相应的声音信号和加速度信号，记为Sl，S2 ；步骤二 对声音信号和加速度信号S1, S2进行HiIbert变换得到相应的幅频信号，记为 fi, f2 ；步骤三利用声音幅频信号和加速度幅频信号构建用于表示多余物状况的一个二维矩阵信号，记为产—t，其中Frequency为频率个数、Point为信号种类个数；步骤四根据以下情况，即电子装置中无多余物、存在橡胶多余物、存在焊锡粒多余物、 存在导线皮多余物和存在铜丝多余物五种情况作为信号的第三维，构建一个三维张量信号，记为/—yX_tXc；lass，其中aass为多余物的种类；步骤五利用非负张量分解方法对构建的三维张量信号进行分解，得到相应的特征矩阵，xf yx_txciass=G><iAw χΑωχ#⑶，其中 G，A(i)，a⑵，A⑶彡 O ；步骤六将分解后得到的特征矩阵A(3)，与事先离线得到的标准特征矩阵T相减，再分别对每列差值进行求和，列差值求和中最大者的第三维张量信号中即含有五种多余物情况中的一种，从而实现了多余物的检测与分类识别。
2.根据权利要求1所述的一种基于非负张量分解的电子装置多余物检测与分类识别方法，其特征在于步骤三中，振动信号的频率在IO - 5 O O Hz，振动峰值加速度在 I X 1(Γ6-1 X I(T5米每平方秒。
3.根据权利要求1所述的一种基于非负张量分解的电子装置多余物检测与分类识别方法，其特征在于所述电子装置为用于敏感飞行器和船舶姿态的陀螺惯性导航电子装置。
4.根据权利要求3所述的一种基于非负张量分解的电子装置多余物检测与分类识别方法，其特征在于执行步骤一将被检测的陀螺惯性导航电子装置放于振动台上，利用振动信号发生器通过功率放大器对振动台施加振动信号，振动台上的传感器感知声音和加速度信号，并通过电子线路获取相应的电信号S1, S2 ；执行步骤二 分别对获得的声音和加速度电信号Sl，S2做希尔伯特变换，得到频率与幅值之间的幅频信号f\，f2，具体计算过程如下
5.根据权利要求4所述的一种基于非负张量分解的电子装置多余物检测与分类识别方法，其特征在于步骤五对构建的三维张量信号进行分解的过程如下子步骤一设置核张量G WJ1=J2=J3=IO为10X10X10的张量，因此，相应的Αω为 2X10的矩阵，Α(2)为25000X 10的矩阵，Α(3)为5Χ 10的矩阵；子步骤二 随机初始化Α(η) (η=1, 2，3)，计算欧氏距离Cnew= I I Χ(η)-ΑωΖωτ | |2最小值，其中
全文摘要
一种基于非负张量分解的电子装置多余物检测与分类识别方法，本发明涉及一种电子装置的多余物检测与分类识别方法，属于设备安全检测与防护技术领域。以解决现有大型复杂电子装置多余物检测技术中无法充分利用声音信号和加速度信号，达到提高检测性能的问题。本发明针对采集的声频信号、加速度信号的特点以及非负张量分解方法在处理基于数据的多维信号的优势，选用非负张量分解方法对反映多余物特征的声音信号和加速度信号以及多余物的类别进行同步处理，以便直接获取多余物的特征向量，达到对多余物的检测以及分类识别的目的。
文档编号G01V1/00GK102998694SQ20121052812
公开日2013年3月27日 申请日期2012年12月10日 优先权日2012年12月10日
发明者陈蕊, 王淑娟 申请人:哈尔滨工业大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
