發(fā)布時間：2023-10-22 10:37

　　近年來,隨著我國航天軍事等領域的飛速發(fā)展,多余物問題成為限制密封電子元器件性能安全的重要問題。微粒噪聲碰撞檢測是當下對于多余物檢測的出廠必做試驗。由于組件信號與多余物信號的輸出波形相仿,組件信號在輸出時甚至會覆蓋多余物信號,所以傳統(tǒng)的微粒噪聲碰撞檢測系統(tǒng)無法精準判斷多余物信號的有無。本論文就是在此現(xiàn)狀下開展。目標是在Python環(huán)境下搭建出一套高效的支持向量機分類模型,從而實現(xiàn)對組件信號與多余物信號分類識別的最優(yōu)化,解決當下多余物的誤判和漏判問題,并可將其制定入組件信號識別編制規(guī)定。本論文首先通過微粒碰撞噪聲硬件檢測系統(tǒng)(Particle Impact Noise Detection,PIND),測得的PIND信號,再使用三門限提取脈沖算法、補零法、離散傅里葉變換法,處理規(guī)整脈沖信號,得到能被計算機識別、計算的具有研究意義的樣本數(shù)據(jù)。之后分析實驗獲取的組件信號與多余物信號,選取能有效區(qū)分兩種信號的特征并記錄。再將具有分類特征和標簽定義的樣本數(shù)據(jù)導入Python,并訓練不同核函數(shù)的SVM分類模型,對比分類精度,選出分類最優(yōu)的核函數(shù)(本文選出的是RBF核)。后面使用優(yōu)化后的網(wǎng)格搜索法尋找核...

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 項目研究背景
    1.2 國內外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 組件信號識別存在的問題
    1.4 項目研究意義
    1.5 主要內容以及章節(jié)安排
第2章 信號檢測與分類特征
    2.1 PIND信號的檢測與提取
    2.2 三門限脈沖提取算法實現(xiàn)降噪
    2.3 脈沖數(shù)據(jù)預處理
        2.3.1 補零法規(guī)整脈沖
        2.3.2 傅里葉變換
    2.4 分類特征
        2.4.1 信號特征分析
        2.4.2 脈沖信號特征分析驗證
    2.5 本章小結
第3章 基于支持向量機的分類器實現(xiàn)
    3.1 支持向量機算法(SVM)
        3.1.1 線性分類
        3.1.2 非線性分類
    3.2 數(shù)據(jù)收集與預處理
        3.2.1 將脈沖作數(shù)據(jù)化處理
        3.2.2 提取數(shù)據(jù)特征
        3.2.3 數(shù)據(jù)清洗
    3.3 SVM分類器模型搭建
        3.3.1 訓練不同核函數(shù)模型
        3.3.2 導出分類精度
        3.3.3 預測測試結果
    3.4 本章小結
第4章 SVM算法優(yōu)化與分類實現(xiàn)
    4.1 RBF核函數(shù)的參數(shù)對SVM分類性能的影響
    4.2 優(yōu)化參數(shù)
        4.2.1 使用網(wǎng)格搜索法(Grid Search)獲得更優(yōu)解
        4.2.2 影響網(wǎng)格搜索法的主要因素
    4.3 優(yōu)化網(wǎng)格搜索法并驗證分類器性能
        4.3.1 參數(shù)優(yōu)化方案
        4.3.2 粒子群算法(PSO)
        4.3.3 使用粒子群算法第一次尋優(yōu)
        4.3.4 使用小步長網(wǎng)格搜索法第二次尋優(yōu)
    4.4 優(yōu)化后的核函數(shù)分類器實現(xiàn)與應用
    4.5 本章小結
結論
參考文獻
致謝



本文編號：3856349