参数优化GBDT算法的密封继电器材质识别

吕冰泽, 王国涛,2, 汪国强, 李 硕

(1.黑龙江大学 电子工程学院, 哈尔滨 150080；2.哈尔滨工业大学 电器与电子可靠性研究所, 哈尔滨 150001)

0 引 言

密封继电器作为一种常用的航天元器件，在航天设备中起着重要的作用。因此，密封继电器的可靠性会直接影响到航天设备的可靠性[1]。在诸多问题中对密封继电器可靠性影响最大的就是内部多余物问题。继电器在制作中容易将不易发现的铝粒、焊锡和热熔胶等多余物微粒混入密封腔体内部，当设备处于失重或者超重的环境下，会对腔体内部的多余物微粒产生激励，使其产生无规则运动，微粒可能移动至组件连接处或触点间[2]。当金属多余物处于电路触点时易产生电弧破坏内部结构，而非金属多余物卡在组件连接处会使得继电器无法正常运行导致系统失效[3]。

美国是最早关注多余物问题和研究微粒碰撞检测法的国家，国内对于多余物的材质识别的研究主要集中于哈尔滨工业大学[4]。文献[2]首次提出基于时域和频域特征，实现了对金属和非金属多余物材质特征识别。文献[5]提出基于学习矢量量化网络(Learning vector quantization, LVQ)和特征级数据融合的多余物材质识别方法，对继电器中锡粒、铜丝、橡胶和导线皮多余物进行了材质识别，但是其研究的材质识别分类器参数依靠经验确定，材质识别模型复杂且泛化能力较差，最终并未应用于实际。文献[6]提出了基于改进型梅尔频率倒谱系数(Mel frequency cepstral coefficients, MFCC)的多余物材质特征识别方法，建立了多余物材质概率统计模型，选用多余物材质敏感频域特征，实现了对导线皮、芯片、铝和锡粒的有效识别。……