随着我国航空航天事业的发展,对舱体类设备的可靠性提出了更高的要求。舱体设备内部多余物颗粒的存在导致系统故障频发,造成了严重的航天事故和经济损失。因此本文借鉴基于颗粒碰撞噪声检测（PIND）的密封电子设备多余物检测方法,针对舱体设备内部多余物检测问题展开研究,旨在确定多余物PIND检测的试验条件和各因素影响规律,实现不同材质和粒径多余物的识别分类。针对形状尺寸更大的舱体设备,传统沿轴线转动舱体的人工检测方式检测效率和准确率低的问题,提出了基于PIND法的振动台施加激励的舱体多余物检测方法。采用ADAMS仿真分析和实验研究相结合的方法,研究了振动加速度、频率、多余物材质和粒径参数4个因素对检测效果的影响。通过单因素仿真探究了各因素对多余物检测效果的影响规律及最佳振动试验条件。采用正交试验法设计仿真和振动实验,并通过极差分析确定多余物材质参数为影响检测效果的关键因素,指出多余物材质和粒径的识别方案,为舱体设备多余物的检测和识别提供理论参考。针对多余物颗粒材质特征提取不足和分类决策算法识别效率低等问题,提出了基于集合经验模态分解（EEMD）和多分类相关向量机（M-RVM）的舱体多余物材质识别方法。借鉴密封电子设备多余物检测识别方法,提出基于EEMD的分解方法,有效避免了多余物信号经EMD分解后IMF分量中出现的模态混叠问题。结合希尔伯特-黄变换（HHT）法和小波包变换法,分别提取表征多余物材质信息的IMF相关系数序列、Hilbert谱质心向量和能量分布向量三个特征量,并将其作为输入量输入训练好的M-RVM识别分类模型中进行小钢珠、铝粒、焊锡粒、橡胶粒和扎带5种材质多余物的识别分类。结果表明,基于EEMD和M-RVM的舱体多余物材质识别方法具有较好的分类效果,总体识别正确率达89.2%。针对多余物粒径识别方法研究不足,传统粒径识别方法无法满足舱体多余物检测需求的问题,提出了基于混沌理论和聚类分析的多余物粒径识别方法。通过分析多余物信号时间序列的非线性和混沌特性,选取关联维数、K熵、Lyapunov指数三个混沌特征参数,全面表征多余物粒径特征信息,并通过聚类算法实现不同粒径多余物的识别分类。结果表明,该多余物粒径识别方法可以有效对粒径为1.0mm、1.5mm、2.0mm、2.5mm、3.0mm的5种多余物颗粒进行分类,总体识别正确率达86%。