科研之友
微信
新浪微博
Facebook
分享链接
摘要
航天产品电性能测试是在外加激励的情况下，测试航天产品不同部位的信号反馈情况，从而确定各部件的质量情况，是检验航天产品质量的重要手段之一。但是，测试得到的信号通道多、时序长、十分复杂，依赖传统信号处理方法难度较高，目前处理方式采用人工统计，效率低、易出错，亟需借助深度神经网络的方法来提高效率和准确率。本文将孪生神经网络引入航天产品电性能测试领域，将数据信息解析为图像信息，转化为图像识别问题；对几种主干网络模型进行对比分析，最终选择ResNet50作为主干网络。实验结果表明，在相同实验条件下，研究的算法能够有效地识别78个通道信号的波形信息，识别准确率达到90.385%，提高航天产品复杂测试信号的识别能力以及智能化水平。
-
单位上海航天精密机械研究所
