發(fā)布時(shí)間：2023-10-22 10:37

　　近年來,隨著我國(guó)航天軍事等領(lǐng)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(cè)是當(dāng)下對(duì)于多余物檢測(cè)的出廠必做試驗(yàn)。由于組件信號(hào)與多余物信號(hào)的輸出波形相仿,組件信號(hào)在輸出時(shí)甚至?xí)采w多余物信號(hào),所以傳統(tǒng)的微粒噪聲碰撞檢測(cè)系統(tǒng)無法精準(zhǔn)判斷多余物信號(hào)的有無。本論文就是在此現(xiàn)狀下開展。目標(biāo)是在Python環(huán)境下搭建出一套高效的支持向量機(jī)分類模型,從而實(shí)現(xiàn)對(duì)組件信號(hào)與多余物信號(hào)分類識(shí)別的最優(yōu)化,解決當(dāng)下多余物的誤判和漏判問題,并可將其制定入組件信號(hào)識(shí)別編制規(guī)定。本論文首先通過微粒碰撞噪聲硬件檢測(cè)系統(tǒng)(Particle Impact Noise Detection,PIND),測(cè)得的PIND信號(hào),再使用三門限提取脈沖算法、補(bǔ)零法、離散傅里葉變換法,處理規(guī)整脈沖信號(hào),得到能被計(jì)算機(jī)識(shí)別、計(jì)算的具有研究意義的樣本數(shù)據(jù)。之后分析實(shí)驗(yàn)獲取的組件信號(hào)與多余物信號(hào),選取能有效區(qū)分兩種信號(hào)的特征并記錄。再將具有分類特征和標(biāo)簽定義的樣本數(shù)據(jù)導(dǎo)入Python,并訓(xùn)練不同核函數(shù)的SVM分類模型,對(duì)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(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 項(xiàng)目研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 組件信號(hào)識(shí)別存在的問題
    1.4 項(xiàng)目研究意義
    1.5 主要內(nèi)容以及章節(jié)安排
第2章 信號(hào)檢測(cè)與分類特征
    2.1 PIND信號(hào)的檢測(cè)與提取
    2.2 三門限脈沖提取算法實(shí)現(xiàn)降噪
    2.3 脈沖數(shù)據(jù)預(yù)處理
        2.3.1 補(bǔ)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(hào)特征分析
        2.4.2 脈沖信號(hào)特征分析驗(yàn)證
    2.5 本章小結(jié)
第3章 基于支持向量機(jī)的分類器實(shí)現(xiàn)
    3.1 支持向量機(jī)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(yù)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(xùn)練不同核函數(shù)模型
        3.3.2 導(dǎo)出分類精度
        3.3.3 預(yù)測(cè)測(cè)試結(jié)果
    3.4 本章小結(jié)
第4章 SVM算法優(yōu)化與分類實(shí)現(xiàn)
    4.1 RBF核函數(shù)的參數(shù)對(duì)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(yàn)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(zhǎng)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(shí)現(xiàn)與應(yīng)用
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3856349