论文部分内容阅读
多余物的存在导致继电器可靠性下降，是困扰航天继电器发展的关键问题。传统多余物PIND（微粒碰撞噪声检测）方法主要依靠人的肉眼观察和耳听判断多余物的有无，无法对多余物微粒的材质信息作出分析判断。而获得多余物微粒材料特征对继电器设计人员和生产人员控制多余物的产生有很大的帮助。本文对PIND试验输出声音脉冲的包络进行分析，使用径向基函数（RBF）神经网络对脉冲自动分类，实现将多余物分为金属、非金属两类，并通过实际继电器检测验证了该方法的有效性。