密封继电器作为航天领域中重要的基础性元器件,其是否能稳定工作,关系到整个航天系统工作的可靠性。微粒碰撞噪声检测法是我国目前主要采用的航天电子元器件多余物检测方法。本文针对传统检测方法对组件信号识别准确率不高的问题,对密封继电器组件信号的检测运用了机器学习方法,采用神经网络模型并结合多个特征对多余物信号和组件信号进行分类识别,同时对神经网络的超参数寻优,找到最优的超参数组合构建模型。通过实验证明该方法可以有效提高组件信号识别的准确率。密封继电器多应用于航天航空领域,若分类结果发生错误,可能造成巨大损失。本文针对缺乏单次检测可信度评估的问题,设计了针对软、硬分类器的可信度评价方法。考虑到工程实践中常见的样本分布不均问题,本文在该方法基础上提出了结合实验样本分布情况,以及样本贡献率的单脉冲可信度评价方法。实验结果表明,单脉冲可信度评价方法可以对单次检测结果提供一个可信度评估值,在实际应用中有较大的实用价值。