高精密航天器多余物檢測(cè)算法研究

劉海江，劉勁松，魏臣雋

（1. 同濟(jì)大學(xué)機(jī)械與能源工程學(xué)院，上海201804；2. 上海無線電設(shè)備研究所，上海200090）

高精密航天器內(nèi)部元器件與節(jié)點(diǎn)數(shù)量眾多，在生產(chǎn)環(huán)節(jié)中難免會(huì)引入小型金屬件、膠塊以及涂膠線頭等多余物。當(dāng)高精密航天器處于失重或劇烈震動(dòng)的工作狀態(tài)時(shí)，多余物可能會(huì)損壞內(nèi)部精密機(jī)械結(jié)構(gòu)或?qū)е陆^緣焊點(diǎn)間短路，甚至造成整個(gè)航天器燒毀。目前國內(nèi)外普遍采用微粒碰撞噪聲檢測(cè)法進(jìn)行多余物檢測(cè)試驗(yàn)［1］，由于其具有非破壞性和高效性，高精密航天器多余物檢測(cè)也基于此方法，但由于航天器內(nèi)部多余物微粒較小，其在該類試驗(yàn)中所產(chǎn)生的脈沖信號(hào)基本淹沒于環(huán)境噪聲中，且航天器內(nèi)部接插件等可動(dòng)組件信號(hào)對(duì)多余物檢測(cè)存在干擾，因此有效進(jìn)行試驗(yàn)信號(hào)去噪、準(zhǔn)確提取信號(hào)脈沖并識(shí)別可動(dòng)組件是實(shí)現(xiàn)多余物檢測(cè)的關(guān)鍵［2-4］。

在噪聲抑制方面，李超［2］采用卡爾曼濾波對(duì)試驗(yàn)信號(hào)的噪聲進(jìn)行抑制，但存在需要準(zhǔn)確估計(jì)多余物信號(hào)模型、噪聲模型和閾值的缺點(diǎn)。在脈沖提取方面，翟國富等［5］利用基于能量特征的三門限端點(diǎn)檢測(cè)算法提取信號(hào)脈沖，但其無法排除例如人聲的高能量窄頻寬脈沖干擾。郜雷陣等［6］在三門限端點(diǎn)檢測(cè)算法基礎(chǔ)上提出了兩級(jí)門限法，但其僅在脈沖信號(hào)的提取完整程度上進(jìn)行了優(yōu)化。在可動(dòng)組件識(shí)別方面，陳金豹［7］利用改進(jìn)K-平均聚類進(jìn)行脈沖識(shí)別，但其無法判斷可動(dòng)組件的類型。戚樂［8］采用多特征聯(lián)合方式表征典型脈沖的特性，但其未給出具體判別依據(jù)。王強(qiáng)［9］采用多特征組件信號(hào)識(shí)別技術(shù)來進(jìn)行信號(hào)分類，但其未考慮可動(dòng)組件信號(hào)的周期發(fā)生特性。

本文提出了一種基于譜減法去噪、兩級(jí)脈沖提取和脈沖發(fā)生序列周期性分析的高精密航天器多余物檢測(cè)算法。采用譜減法對(duì)試驗(yàn)信號(hào)進(jìn)行環(huán)境噪聲抑制處理；通過兩級(jí)脈沖提取法提取多余物脈沖與可動(dòng)組件脈沖；利用脈沖發(fā)生時(shí)間的編碼序列求解出的周期信號(hào)相似度作為可動(dòng)組件的識(shí)別依據(jù)。試驗(yàn)表明，此方法可以有效判斷高精密航天器內(nèi)部多余物的存在情況。

1 算法方案分析

1.1 方案基礎(chǔ)

本文基于高精密航天器多余物自動(dòng)檢測(cè)系統(tǒng)開發(fā)多余物檢測(cè)算法。檢測(cè)系統(tǒng)由回轉(zhuǎn)裝置、信號(hào)檢測(cè)模塊和工控機(jī)組成，其中回轉(zhuǎn)裝置為多余物試驗(yàn)提供力學(xué)條件；信號(hào)檢測(cè)模塊對(duì)聲信號(hào)進(jìn)行采集與處理；工控機(jī)內(nèi)的多余物檢測(cè)軟件可對(duì)系統(tǒng)硬件進(jìn)行控制，同時(shí)利用多余物檢測(cè)算法分析采集的數(shù)字音頻信號(hào)從而實(shí)現(xiàn)多余物檢測(cè)，系統(tǒng)構(gòu)成圖如圖1所示。在運(yùn)動(dòng)形式選擇上，該系統(tǒng)可提供內(nèi)框轉(zhuǎn)動(dòng)和外框轉(zhuǎn)動(dòng)兩種轉(zhuǎn)動(dòng)形式，在自動(dòng)檢測(cè)過程中采用內(nèi)框轉(zhuǎn)動(dòng)形式進(jìn)行多余物檢測(cè)，外框轉(zhuǎn)動(dòng)用于人工復(fù)檢操作。

圖1 多余物自動(dòng)檢測(cè)系統(tǒng)構(gòu)成圖Fig.1 Composition diagram of remainder automatic detection system

1.2 問題分析

在信號(hào)噪聲抑制方面，由于檢測(cè)系統(tǒng)中的電機(jī)、減速器等硬件所產(chǎn)生的噪聲有著統(tǒng)計(jì)平穩(wěn)性以及與碰撞信號(hào)不相關(guān)的特點(diǎn)，而譜減法對(duì)平穩(wěn)加性噪聲有著很好去噪效果，運(yùn)算量小且實(shí)時(shí)性強(qiáng)，故采用譜減法對(duì)試驗(yàn)信號(hào)進(jìn)行噪聲抑制。

在去噪后的信號(hào)中，脈沖信號(hào)主要包括多余物信號(hào)、可動(dòng)組件信號(hào)和干擾信號(hào)，其中干擾信號(hào)主要為譜減法處理后殘留的音樂噪聲或其他意外引入的高能量窄頻寬脈沖，可根據(jù)噪聲能量幅值將干擾信號(hào)分為低幅值干擾信號(hào)和高幅值干擾信號(hào)，脈沖信號(hào)耦合模型如圖2所示。因此準(zhǔn)確提取并識(shí)別各類脈沖信號(hào)即可實(shí)現(xiàn)多余物檢測(cè)。

圖2 脈沖信號(hào)耦合模型Fig.2 Pulse signal coupling model

在脈沖提取方面，由于多余物信號(hào)和可動(dòng)組件信號(hào)兩者在時(shí)域上呈現(xiàn)窄帶式震蕩衰減特性，如圖3a，圖4a所示，可采用短時(shí)能量作為第一級(jí)識(shí)別標(biāo)準(zhǔn)提取出多余物脈沖信號(hào)、可動(dòng)組件信號(hào)與高幅值干擾信號(hào)；由于多余物信號(hào)和可動(dòng)組件信號(hào)在頻域上是寬頻帶分布，如圖3b，圖4b 所示，在采樣頻率48 KHz下，二者在2.4 ～15 kHz均有較強(qiáng)分布；而高幅值干擾信號(hào)呈現(xiàn)窄頻帶高幅值特性，如圖5b所示的典型干擾信號(hào)在大于2.4 kHz后信號(hào)強(qiáng)度衰減明顯，依據(jù)該特點(diǎn)，可利用信號(hào)在頻域上的能量分布來識(shí)別并去除高幅值干擾信號(hào)。

在可動(dòng)組件識(shí)別上，依據(jù)多余物信號(hào)的隨機(jī)發(fā)生性和可動(dòng)組件信號(hào)的周期發(fā)生性特點(diǎn)，對(duì)提取的脈沖信號(hào)發(fā)生時(shí)間序列進(jìn)行周期性分析即可實(shí)現(xiàn)多余物與可動(dòng)組件的區(qū)分。

1.3 算法流程

多余物檢測(cè)算法首先利用譜減法對(duì)試驗(yàn)信號(hào)進(jìn)行環(huán)境噪聲抑制處理；在完成去噪后，算法利用兩級(jí)脈沖提取法提取多余物與可動(dòng)組件脈沖；對(duì)所提取脈沖的發(fā)生時(shí)間進(jìn)行周期性分析實(shí)現(xiàn)對(duì)多余物與可動(dòng)組件的區(qū)分；最后自動(dòng)給出航天器內(nèi)是否存在多余物與可動(dòng)組件的檢測(cè)結(jié)果。

圖3 多余物信號(hào)Fig.3 Remainder signal

圖4 可動(dòng)組件信號(hào)Fig.4 Movable component signal

圖5 高幅值干擾信號(hào)Fig.5 High amplitude interference signal

2 多余物檢測(cè)算法

2.1 基于譜減法的噪聲抑制

2.1.1 譜減法原理［10］

將帶噪信號(hào)進(jìn)行加窗分幀處理后，對(duì)每一幀信號(hào)xi(m)進(jìn)行離散傅里葉變換后為

式中：xi(m)表示經(jīng)加窗分幀處理后的得到的第i幀信號(hào)；N為幀長；j為虛數(shù)單位。

每個(gè)分量的幅值為|Xi(k)|，它的相位角是：

已知純?cè)肼暥涡盘?hào)時(shí)長為IS，對(duì)應(yīng)的幀數(shù)為NIS，通過對(duì)該段噪聲進(jìn)行噪聲估算可得噪聲的平均能量為

則譜減法為

將Xiangle(k)與|結(jié)合，利用快速傅里葉逆變換，即可求出譜減后的信號(hào)。

2.1.2 譜減法參數(shù)確定

在利用譜減法進(jìn)行試驗(yàn)信號(hào)噪聲抑制時(shí)，噪聲段、過減因子a和增益補(bǔ)償因子b的選擇對(duì)噪聲抑制效果影響顯著。

在噪聲段的選擇上，選取試驗(yàn)信號(hào)前導(dǎo)噪聲段長度t作為譜減法噪聲估計(jì)的輸入信號(hào)，本試驗(yàn)中，t選為外部振動(dòng)周期的三分之一。

在純?cè)肼暥危串?dāng)|Xi(k)|2＜a·D(k)時(shí)，取增益補(bǔ)償因子b為0.001，使得譜減后的純?cè)肼暥蔚哪芰克p到原信號(hào)的1‰。

在過減因子a 的選擇上，由于碰撞信號(hào)的短時(shí)高能量特點(diǎn)，當(dāng)過減因子a 大于臨界值c 時(shí)，譜減后短時(shí)脈沖信號(hào)段的能量與噪聲信號(hào)段的能量會(huì)產(chǎn)生明顯差別，噪聲段得到很好的抑制，信號(hào)能量趨于穩(wěn)定。由于均方值可表征信號(hào)能量的特性，故采用去噪信號(hào)的均方值變化率R 作為確定臨界值c 的特征參數(shù)。本文采用迭代法確定過減因子a，取a的初值為1，步長為1，其余參數(shù)按上述方法選擇，則均方值變化率R表達(dá)式為

式中：Ei(X2(t))表示當(dāng)a=i 時(shí)譜減后信號(hào)的均方值。

對(duì)每次a 取新值均進(jìn)行譜減法計(jì)算，并對(duì)譜減后的輸出信號(hào)求解均方值變化率R，將其作為收斂指標(biāo)。本文取收斂條件為均方值變化率R 小于0.02，即信號(hào)能量趨于穩(wěn)定時(shí)收斂，并選取此時(shí)的過減因子a作為譜減法輸入?yún)?shù)進(jìn)行去噪。

為驗(yàn)證譜減法對(duì)試驗(yàn)信號(hào)的去噪效果，實(shí)驗(yàn)選取了測(cè)試時(shí)長為1 min，脈沖發(fā)生周期為3 s 的金屬碰撞信號(hào)作為信號(hào)輸入。圖6給出了均方值變化率R 隨過減因子a 的變化曲線，當(dāng)a=24 時(shí)，均方值變化率R為0.018 6，小于0.02，故取過減因子a為24。圖7 展示了當(dāng)特征參數(shù)a=24，b=0.001 時(shí)，利用譜減法進(jìn)行環(huán)境去噪的結(jié)果，由譜減后的試驗(yàn)信號(hào)可以看出噪聲得到了很好的抑制。

圖6 均方值變化率R隨過減因子a的變化曲線Fig.6 Variation curve of mean square value change rate R changing with over-reduction factor a

圖7 基于譜減法的噪聲去噪結(jié)果Fig.7 Denoising results based on spectrum subtraction

2.2 脈沖提取

本文通過兩級(jí)脈沖提取法提取多余物脈沖與可動(dòng)組件脈沖，為后續(xù)脈沖識(shí)別提供基礎(chǔ)。兩級(jí)脈沖提取法流程圖如圖8所示。

2.2.1 雙門限檢測(cè)法

圖8 兩級(jí)脈沖提取法流程圖Fig.8 Flow chart of two-stage pulse extraction method

雙門限檢測(cè)法首先在譜減后的信號(hào)短時(shí)能量圖上選取較高能量門限Tt進(jìn)行粗判，即確定了代表脈沖大體位置的b、c 點(diǎn)；以一個(gè)較低能量門限Tl作為起止點(diǎn)識(shí)別門限，并從b點(diǎn)往左、c點(diǎn)往右進(jìn)行搜索，分別找出脈沖主體起點(diǎn)a與終點(diǎn)d，即確定了脈沖信號(hào)的主體位置，如圖9～圖10 所示。雙門限檢測(cè)法通過能量門限排除了低幅值脈沖信號(hào)干擾，其兩個(gè)門限的選擇與信號(hào)本身能量特點(diǎn)相關(guān)。本文以整個(gè)信號(hào)的短時(shí)能量均值作為基準(zhǔn)Tst，選取特征系數(shù)a1和a2，則兩能量門限可表示為Tt=a1·Tst，Tl=a2·Tst。經(jīng)過大量實(shí)驗(yàn)，采用特征系數(shù)a1=20 和a2=0.5可以獲得較好的脈沖主體提取效果。

圖9 典型碰撞信號(hào)幅值圖Fig.9 Typical collision signal amplitude map

圖10 典型碰撞信號(hào)短時(shí)能量圖Fig.10 Typical collision signal short-time energy diagram

2.2.2 小波包頻帶能量檢測(cè)法

小波包頻帶能量檢測(cè)法利用小波包分解求解能量分布特征剔除高幅值干擾信號(hào)。小波包分解可以同時(shí)對(duì)高頻信號(hào)與低頻信號(hào)進(jìn)行分解，相比于小波變換僅對(duì)低頻信號(hào)進(jìn)行進(jìn)一步分解而言，其在高頻頻帶上具有更高的分辨率，故對(duì)包含大量中、高頻成分信號(hào)的時(shí)頻局部化分析具有很好的效果［11］。多余物信號(hào)和可動(dòng)組件信號(hào)均為短時(shí)碰撞信號(hào)，二者能量在頻域上呈現(xiàn)寬頻帶分布特性且包含大量中高頻成分，而滿足能量門限特征的高幅值干擾信號(hào)往往呈窄頻特性，故可采用小波包對(duì)信號(hào)能量分布進(jìn)行分析。將由第一級(jí)識(shí)別法提取出的脈沖信號(hào)進(jìn)行J層滿尺度小波包分解，利用信號(hào)在J層上的能量分布特性正確識(shí)別多余物脈沖和可動(dòng)組件脈沖。

原始信號(hào)f(x)在正交小波包空間Unj的能量分布可定義為［12］

式中：a(n，j)k表示f(x)在小波包空間上的小波包變換系數(shù)。

當(dāng)原始信號(hào)f(x)在進(jìn)行J層滿尺度小波包分解后，在J層的能量分布表示為S(J，x)，其中S(J，x)=[E(J，0)，E(J，1)，E(J，2)，...，E(J，2J-1)]。 取K為2J×1 階，且元素全為1 的矩陣，則定義能量分布特征矩陣Se為

基于能量分布特征矩陣Se，f(x)在正交小波包空間Unj的能量分布寬度w定義為

式中：w 表示能量分布寬度；Th為能量占比閾值；num運(yùn)算為求解給定矩陣的所有元素中滿足元素值大于Th值的元素個(gè)數(shù)。本文選取Th為5%。

在小波包分解中，小波基函數(shù)選擇需要結(jié)合波形信號(hào)特點(diǎn)，并滿足正交性、對(duì)稱性、緊支性、正則性和消失矩等特性。在聲發(fā)射信號(hào)檢測(cè)中，Daubechies小波、Symlets 小波和Coiflets 小波是適用于聲信號(hào)特點(diǎn)且滿足以上條件的優(yōu)選小波基函數(shù)［13］。而在小波包分解層數(shù)的選擇上，為保證在采樣頻率為fs時(shí)干擾信號(hào)頻帶主體在第J 層分解上基本覆蓋一個(gè)頻帶范圍，以更好地得到能量分布寬度特征，則小波包分解層數(shù)可由式（9）確定，即：

式中：fs為采樣頻率；Δf 為干擾信號(hào)主體頻寬；［］表示向下取整。

已知采樣頻率fs為48 kHz且由多次實(shí)驗(yàn)獲得的干擾信號(hào)主體頻寬Δf 為2.8 kHz，本文采用Db8 小波對(duì)脈沖信號(hào)進(jìn)行3 層滿尺度小波包分解，得到典型碰撞信號(hào)與干擾信號(hào)在第3 層的能量百分比，如圖11 所示，根據(jù)二者分布特征，選取能量分布寬度為3 作為第二級(jí)脈沖檢測(cè)標(biāo)準(zhǔn)，即當(dāng)脈沖的能量分布寬度大于等于3 時(shí)判斷為碰撞信號(hào)，并進(jìn)行脈沖提取。

為驗(yàn)證兩級(jí)脈沖提取法的脈沖提取效果，利用其對(duì)某一可動(dòng)組件信號(hào)進(jìn)行了脈沖提取，其結(jié)果示意圖如圖12所示，可以看出該方法對(duì)排除干擾信號(hào)與提取信號(hào)脈沖有著很好的效果。對(duì)100組試驗(yàn)信號(hào)進(jìn)行試驗(yàn)，脈沖識(shí)別準(zhǔn)確率達(dá)到98%。

當(dāng)試驗(yàn)信號(hào)經(jīng)過兩級(jí)脈沖提取法后未提取出脈沖，則判斷該航天器內(nèi)不含有多余物；當(dāng)兩級(jí)脈沖提取法檢測(cè)出脈沖，則進(jìn)行下文脈沖識(shí)別。

圖11 典型碰撞信號(hào)和干擾信號(hào)第三層能量百分比Fig.11 Layer 3 energy percentage of typical collision signal and interference signal

2.3 可動(dòng)組件識(shí)別

可動(dòng)組件信號(hào)與多余物信號(hào)在時(shí)域與頻域上有著很強(qiáng)的相似性，極易引起誤判。本文依據(jù)多余物信號(hào)的隨機(jī)發(fā)生性和可動(dòng)組件信號(hào)的周期發(fā)生性特點(diǎn)區(qū)分二者。

2.3.1 信號(hào)編碼

在實(shí)際高精密航天器產(chǎn)品中，可動(dòng)組件有時(shí)會(huì)較為松動(dòng)，此時(shí)可動(dòng)組件信號(hào)發(fā)生時(shí)間并不呈現(xiàn)嚴(yán)格的周期性特點(diǎn)。同樣，某些強(qiáng)碰撞多余物信號(hào)在短時(shí)間內(nèi)會(huì)產(chǎn)生多次高能量峰值，這類信號(hào)會(huì)被兩級(jí)脈沖識(shí)別法提取出多個(gè)多余物信號(hào)。為了強(qiáng)化較為松動(dòng)的組件信號(hào)的周期特性，且減少冗余多余物信號(hào)的數(shù)量，采用離散時(shí)間段來表示脈沖發(fā)生時(shí)刻。首先以回轉(zhuǎn)試驗(yàn)周期T 為參考周期，將測(cè)試信號(hào)采集時(shí)間Te均分為Te/T 個(gè)相等時(shí)間尺度，如圖13所示。

其次，采用某一時(shí)間尺度t將一個(gè)周期T進(jìn)行進(jìn)一步等長度細(xì)分得到T/t 個(gè)時(shí)間段。由于脈沖信號(hào)持續(xù)時(shí)間小于0.1 s，且根據(jù)人工利用擴(kuò)音器進(jìn)行多余物檢測(cè)時(shí)，人耳能分辨兩個(gè)聲音的最小時(shí)間差為0.1 s的經(jīng)驗(yàn)，可以認(rèn)為在0.1 s內(nèi)不同時(shí)刻產(chǎn)生的單個(gè)或多個(gè)脈沖信號(hào)均可歸為同一個(gè)脈沖信號(hào)，故取時(shí)間尺度t為0.1 s將周期T細(xì)分。

圖12 兩級(jí)脈沖提取法提取可動(dòng)組件信號(hào)示意圖Fig.12 Schematic diagram of extracting movable component signals by two-stage pulse extraction method

圖13 信號(hào)時(shí)間分割圖Fig.13 Time division diagram of signal

在兩級(jí)脈沖識(shí)別法的基礎(chǔ)上加入脈沖發(fā)生時(shí)間段的識(shí)別準(zhǔn)則即可獲得每個(gè)脈沖在一個(gè)周期內(nèi)的發(fā)生時(shí)間段。識(shí)別準(zhǔn)則為當(dāng)脈沖起點(diǎn)與終點(diǎn)均在同一個(gè)時(shí)間段內(nèi)時(shí)，則該時(shí)間段為該脈沖信號(hào)發(fā)生時(shí)間段；當(dāng)脈沖起點(diǎn)與終點(diǎn)處于不同時(shí)間段時(shí)，則將脈沖分割到這些時(shí)間段，通過選取脈沖信號(hào)的短時(shí)能量最大的時(shí)間段作為該脈沖信號(hào)發(fā)生時(shí)間段。構(gòu)造T/t 長碼字x=(x1x2...xi...xT/t)，將一個(gè)周期T 內(nèi)所有存在脈沖的時(shí)間段xi置1，其余置0，如圖14所示。在測(cè)試時(shí)間為Te的測(cè)試條件下，可將測(cè)試信號(hào)編碼成由Te/T個(gè)碼字x組成的碼組集合。

圖14 信號(hào)編碼示意圖Fig.14 Signal coding diagram

2.3.2 識(shí)別依據(jù)

在完成信號(hào)編碼后，本文基于漢明距離對(duì)脈沖信號(hào)進(jìn)行識(shí)別。在信息理論中［14］，漢明距離用于描述兩個(gè)m 長碼字x=(x1x2...xi...xm) 和y=(y1y2...yi...ym)間的距離，其數(shù)學(xué)表達(dá)式為

式中：⊕表示模二加法運(yùn)算；xk，yk∈{0，1}；D(x，y)表示兩個(gè)等長碼字在對(duì)應(yīng)位置上不同碼符號(hào)的數(shù)目，即兩個(gè)m長碼字x，y之間的漢明距離。

試驗(yàn)信號(hào)碼組集合是在回轉(zhuǎn)周期為T、試驗(yàn)次數(shù)為N 的試驗(yàn)條件下，由反映單回轉(zhuǎn)周期內(nèi)脈沖信號(hào)發(fā)生時(shí)段的N個(gè)碼字組成。對(duì)于由N個(gè)碼字組成的碼組集合X，不重復(fù)兩個(gè)碼字Xik，Xjk之間的漢明距離可組成向量V：

式中：i，j ∈N且i≠j。

定義試驗(yàn)信號(hào)周期信號(hào)相似度S為

式中：S表示周期信號(hào)相似度；mean(V)運(yùn)算表示求解向量V中元素的平均值；h表示由大量實(shí)驗(yàn)所確定的最大經(jīng)驗(yàn)漢明距離。

當(dāng)信號(hào)的周期信號(hào)相似度低于給定閾值時(shí)，判斷信號(hào)為多余物信號(hào)。為保證航天器內(nèi)部活動(dòng)多余物得到充分激活且保證可動(dòng)組件獲得周期性外部激勵(lì)，則需要在保證試驗(yàn)安全的前提下，使回轉(zhuǎn)裝置達(dá)到較高的勻速轉(zhuǎn)動(dòng)速度。經(jīng)試驗(yàn)驗(yàn)證，回轉(zhuǎn)裝置的勻速轉(zhuǎn)動(dòng)速度為20 r·min－1時(shí)可獲得理想的實(shí)驗(yàn)效果?；诖?，本文在勻轉(zhuǎn)速20 r·min－1，單件測(cè)試時(shí)間為150 s的測(cè)試條件下，基于多次試驗(yàn)獲得最大經(jīng)驗(yàn)漢明距離h=5，周期信號(hào)相似度S=90%。

可動(dòng)組件主要包括單組件、雙組件以及少數(shù)多組件。識(shí)別可動(dòng)組件類型可為排查非正?？蓜?dòng)組件提供幫助。本文采用脈沖序列統(tǒng)計(jì)圖進(jìn)行輔助判斷，通過統(tǒng)計(jì)Te/T個(gè)碼字x組成的碼組集合在每個(gè)細(xì)分時(shí)間段內(nèi)脈沖個(gè)數(shù)的總數(shù)，可得脈沖序列統(tǒng)計(jì)值Y=(Y1，Y2，...，Yi，...，Ym)，并將其在脈沖序列統(tǒng)計(jì)圖中進(jìn)行表示。根據(jù)峰值的大小與個(gè)數(shù)可以輔助檢測(cè)人員進(jìn)行可動(dòng)組件類別的判斷，如圖15所示脈沖序列統(tǒng)計(jì)圖存在兩個(gè)明顯峰值，可以判斷該件高精密航天器存在雙組件。

3 試驗(yàn)與分析

圖15 脈沖序列統(tǒng)計(jì)圖Fig.15 Pulse sequence statistics

在勻轉(zhuǎn)速20 r·min-1，單件測(cè)試時(shí)間為150 s的測(cè)試條件下，利用多余物檢測(cè)系統(tǒng)對(duì)100 件試驗(yàn)用高精密航天器進(jìn)行了多余物檢測(cè)試驗(yàn)。本文通過將人工多次測(cè)試所得出的結(jié)論作為真值，并將其與多余物自動(dòng)檢測(cè)系統(tǒng)檢測(cè)結(jié)果進(jìn)行對(duì)比，結(jié)果見表1和表2。

表1 多余物試驗(yàn)檢測(cè)結(jié)果Tab.1 Detection results of remainder test

表2 多余物試驗(yàn)檢測(cè)結(jié)果統(tǒng)計(jì)Tab.2 Statistics on the detection results of remainder test

在被檢測(cè)的100組航天器中，21號(hào)航天器的單組件為過于松動(dòng)螺栓，在一次回轉(zhuǎn)中產(chǎn)生多次沖擊，從而被檢測(cè)系統(tǒng)誤判為有多余物；53號(hào)、54號(hào)與68號(hào)航天器中的多余物由于顆粒十分微小未產(chǎn)生明顯撞擊使得檢測(cè)系統(tǒng)誤判為無多余物。由于小波包頻帶能量檢測(cè)法中能量分布寬度特征的選擇和可動(dòng)組件識(shí)別中周期信號(hào)相似度的確定是基于典型多余物與可動(dòng)組件實(shí)驗(yàn)所得，對(duì)于十分微弱的非典型多余物脈沖信號(hào)，由于其能量分布寬度較小，故小波包頻帶能量檢測(cè)法將其誤判為干擾信號(hào)；而對(duì)于過于松動(dòng)的可動(dòng)組件，較高的周期信號(hào)相似度閾值也使得其被誤判。從檢測(cè)結(jié)果來看，本文所提出的高精密航天器多余物檢測(cè)算法正確率為96%，能對(duì)航天器內(nèi)部典型多余物與可動(dòng)組件實(shí)現(xiàn)很好的檢測(cè)。

4 結(jié)論

本文基于微粒碰撞噪聲檢測(cè)原理，提出了一種高精密航天器多余物檢測(cè)算法，與其他多余物自動(dòng)檢測(cè)算法相比，其對(duì)低信噪比條件下的多余物與可動(dòng)組件信號(hào)檢測(cè)效果較好，結(jié)論如下：

（1）采用譜減法對(duì)環(huán)境噪聲進(jìn)行抑制且譜減參數(shù)確定方法對(duì)環(huán)境噪聲去噪有著很好效果。

（2）采用基于短時(shí)能量和能量分布寬度特征的兩級(jí)脈沖提取法提取多余物脈沖與可動(dòng)組件脈沖。

（3）提出了試驗(yàn)信號(hào)編碼方法并采用周期信號(hào)相似度實(shí)現(xiàn)了多余物信號(hào)與可動(dòng)組件信號(hào)的準(zhǔn)確區(qū)分。

（4）對(duì)于可動(dòng)組件類型的識(shí)別，本文提出了采用脈沖序列統(tǒng)計(jì)圖進(jìn)行判斷的方法。

（5）本文提出的多余物檢測(cè)算法雖然在實(shí)際使用過程中對(duì)非常微小的多余物顆粒和過于松動(dòng)的可動(dòng)組件檢測(cè)效果不佳，但對(duì)典型多余物與可動(dòng)組件能實(shí)現(xiàn)很好的檢測(cè)，通過后期實(shí)驗(yàn)積累完善微小多余物的特征識(shí)別并優(yōu)化周期信號(hào)相似度閾值的選取，便可達(dá)到滿意的效果。