摘要 密封电子元器件与装置作为航天系统中的重要组成部分，具有高精密性、高可靠性以及高复杂性的典型特点，而多余物问题是严重影响其高可靠性的主要因素之一。随着航天技术的快速发展，多余物检测技术也在不断改进与深入。该文以认识多余物、控制多余物产生以及检测多余物为主线，围绕多余物的防控方法、检测方法、检测标准进行综合论述。着重分析了检测方法中的颗粒碰撞噪声检测（PIND）方法，分别从小型元器件多余物检测、中大型装置多余物检测两个角度，针对现有研究进展逐一进行了详细的介绍。在此基础上，结合现有国内多余物检测研究的现状，针对多余物检测的难点与未来发展趋势进行归纳，并提出了期望与目标。
关键词：密封电子元器件与装置 多余物检测 颗粒碰撞噪声检测（PIND）方法 标准 预防与控制
质量是航天事业的生命。随着我国航天事业的快速发展，航天产品结构日益复杂、功能日趋完善，大量小型轻量低功耗的精密电子设备投入使用，这对单一元器件质量可靠性和产品整体质量可靠性提出了更高的要求[1]，专家学者设计了大量的方案或者实验来获取表征可靠性的性能参数，以提高产品可靠性[2-7]。多年来，“多余物”作为航天筛查检测中的“敏感”词汇，常常伴随着航天人“千里之堤，溃于蚁穴”的感慨，这也从侧面诠释了多余物对航天系统局部乃至整体产生的致命伤害，严重影响了其可靠性[8]。实际上，多余物的存在，将给产品带来随机性的故障隐患[9]。例如，有些多余物因静电、磁性吸附或者卡在产品某个组件的狭小部位，在初始质检时很难发现，当产品上机试验或者发射时，因剧烈振动、失重等运动状态因素变化而被激活成游离态，由潜在的威胁变成实际的破坏；多余物对于航天产品可能造成整机测试故障甚至导致发射的延迟或失败，对于国防军工产品则可能会直接影响到武器装备战术性能的正常发挥，减弱部队的战斗力[10]。多余物的产生从一定程度上也显示了元器件与装置产品在生产工艺、装配工艺、产品设计、质量管理等方面上还存在需要进一步解决的问题。正是基于上述的实际问题与需求，本文以多余物检测的认识与发展为主线，以多余物的定义与分类、危害与控制、检测与定位、检测规范与标准及难点与展望为要素进行综合论述，力求将多余物检测的发展过程梳理清晰，理清各个要素之间以及与整体发展的关系，以期为今后的研究提供参考。
多余物的定义，针对不同的时期与适用对象，其标准定义内容略有不同。例如，在废止的航天标准QJ 931-85《电子产品控制多余物规范》和QJ 897-85《控制产品多余物通用规范》中，多余物的定义概括为“凡产品上存在着设计文件、工艺文件以及标准文件（订货合同）以外的一切（遗留）物品”；在现行的航空标准HB 7128-94《多余物控制要求》中，多余物的定义概括为“零（部）件、组件和整机产品中存在的与产品图样、规范规定无关的物质”；在现行的航天标准QJ 2850A-2011《航天产品多余物预防和控制》和国家标准GB/T 40539-2021《航天器多余物预防和控制要求》中，多余物的定义概括为“产品中存在由外部进入内部产生的与产品规定状态不符的物质”。因此，从以上多个标准中的定义来看，可将多余物定义总结为：从外部引入，并与产品规定状态（设计文件、工艺文件、产品图样、规范规定等）不符的物质。
多余物种类的划分有多种方式，通常是以尺寸大小作为主要的划分标准，其可以分为宏观多余物和微观多余物。宏观多余物主要指人在正常光照下通过正常视力（或经校正的）可以看到的多余物，通常对应的是产品或者装置内部的较大物体，例如，较大的焊锡粒、金属导线头、陶瓷碎片、垫片、螺母等；微观多余物主要指需要借助仪器才可以看到的多余物，通常对应的是密封电子元器件内部的微粒，例如，粉尘、焊渣、纤维、陶瓷或者玻璃屑等。此外，多余物的划分还有多种方式，例如，根据是否有磁性，划分为磁性材料与非磁性材料多余物；根据是否为金属，划分为金属与非金属多余物；根据是否有危害性，划分为故障多余物与一般多余物。实际上，针对不同的检测对象，既有一贯存在的常见多余物，也有因生产环境和产品材料等不同因素所致种类区别较大的多余物，具体的原因需要做具体的深入分析[11]。表1给出了部分典型多余物摘录。图1给出了密封电子元器件内部常见多余物实物图[12]。
表1 部分典型多余物列表
Tab.1 List of some typical loose remainder species
检测对象典型多余物名称 陶瓷封装电路[13]硅渣、强度差的键合丝、瓷粉、焊料、粘接不牢的细小粘接材料 航天继电器[14]焊锡粒、铝粒、铜丝、磁性铁屑、松香、玻璃、橡胶 航天发动机[15]金属碎屑、金属氧化皮、弹簧垫圈碎块、焊渣、平垫圈、油渍或清洗液残留、螺母等 微波功率管[16]金属碎屑、焊渣、引线尾丝、纤维丝和陶瓷基板破碎的颗粒、硅碎片和灰尘等 航天用电连接器[17]金属毛刺、金属镀层脱落、注塑或者压模中的杂质
多余物的危害是多余物被严格对待的主要原因，也使人们对多余物的控制更加重视。从相关文献检索可以发现，世界航天史上因多余物问题导致发射延迟或者失利的事件层出不穷。多余物对于航天器的影响集中在以下三种情况：发动机内部管道阻塞、密封或阀门不严以及电气控制失效。
图1 密封电子元器件内部常见多余物实物图[12]
Fig.1 Physical drawing of common loose remainders inside sealed electronic components[12]
多余物残留或阻塞发动机内部管道。1965年12月，美国“大力神2”型火箭因多余物堵塞了发动机氧化剂进口，导致发射“双子星座6号”飞船延迟[3]；1990年2月，欧洲“阿里安”44L火箭因发动机液体管道内的碎布残留物，导致发射日本两颗卫星“SuperBird-B2”和“BS-2X”失利[18]；1994年12月，欧洲“阿里安4”火箭可能因氧化剂管道多余物阻塞，导致发射“泛美卫星3”失利[19]；1999年10月，俄罗斯“质子号”火箭因多余物碎片进入发动机内部，导致发射失利[20]；2013年12月，中国“长征四号乙”火箭因发动机燃料管存在多余物，导致“资源一号03”星发射失利[21]。
多余物导致密封或阀门关闭不严。1993年3月，美国肯尼迪航天中心的“哥伦比亚号”航天飞机在发射前的检查中发现，因O型密封圈内混入头发丝导致发生固体助推火箭燃料泄漏，进而延迟发射；2022年5月，中国星际荣耀公司的“双曲线一号”遥四运载火箭，因多余物问题造成主阀关闭不严出现燃料泄漏，导致发射失利[22]。
多余物引起电气控制失效。1992年3月，因助推器点火控制电路中程序配电器的一个控制接点存在铝质多余物，导致搭载“澳星（AUSSAT）B1”的“长征2号E”火箭点火失败并延迟144天[23]，这也是“3·22中国航天质量日”的由来；2002年3月，中国“神舟三号”运载火箭发射前，由于6JRXM-2型航天继电器的内部存在点焊飞溅金属多余物，导致控制设备的某项功能失效进而发射延迟[24-25]；由于航天领域的保密特性，可供参考和查询的航天事故案例数量有限，由多余物造成危害的案例可能远不止此（见图2），据相关统计，多余物一项约占故障总个数的6%[3]，由此可见多余物问题是影响航天安全可靠性的一项主要因素。
图2 某总体院2000—2007年多余物问题数量占年度总问题数量百分比统计[3]
Fig.2 Statistical chart of the percentage of loose remainders problems in the total annual problems in a general institute from 2000 to 2007[3]
多余物的引入环节可以总结为直接方式与间接方式：①直接方式，即常规性的引入多余物环节，一般是自然物、加工方法、系统污染、遗留物、断裂、腐蚀、磨损、无意识的脱落物等。②间接方式，即需要一定的外部条件或者时间积累才能造成威胁的环节。一般以磁场污染、噪声污染、化学污染、光污染、热污染等环节为主[3]。例如：长期的噪声污染可能会让某些细小的颗粒沉积聚集，产生导致部分元器件性能下降或者管路阻塞的多余物。长期的高温或者化学环境可能会加速物体涂层表面老化产生性变，进而加速多余物的产生。因此，从引入环节的阶段来看，不仅仅是生产装配阶段，还应包括储存阶段、运行阶段以及维护阶段。同样地，从成本上考虑，100%检出的成本肯定要低于100%不产生多余物的控制成本。由此可见，多余物的控制是一项需要长期监督与持续改进的过程。
多余物产生的因素众多，涉及各个环节。只有注重多余物产生的原因与细节的剖析才能更好地对多余物进行预防与控制。一般来说，人、机、料、法、环、测，简称5M1E是造成产品质量波动的6个典型因素。因此，涉及多余物预防与控制的主要流程一般也遵循此原则。
（1）从基于因果图表示方法的多余物控制分析来确立方案。本小节选取体积较小的密封电子元器件[26]和体积较大的航天装置（器）[3, 15, 27-28]作为分析对象，将多种典型被测对象的控制因果方法进行统计与总结，以展现出一个通用性较强的多余物控制过程。如图3所示为多余物控制因果关系图（鱼骨图），除了归纳为人、机、料、法、环五大因素以外，需要特别说明两个部分：①多余物控制因果关系中的“管理”[29]，这是大多数多余物质量控制与管理文献中较少考虑的点。实际上，控制多余物涉及的环节与因素较多，每一个环节与因素的考虑和改进，都要纳入预算评估与成本控制中，从而达到在经济能力可承受范围内实现最大化的质量控制与提升，并倡导在先解决部分矛盾、再解决主要矛盾、最后解决全部矛盾的循序渐进中稳扎稳打。与此同时，管理中也需要考虑时间控制因素。时间控制因素是隐藏因素，但是与其他因素结合时，时间控制因素又极其重要。例如：工艺改进周期、技术升级资金投入与回报周期、培养熟练操作人员周期。 ②多余物控制因果关系中的“检验”。除了在出厂时的（多余物）检测等环节，还需要注意的是基本材料入场检验（防止“带病”入场）、产品交付前后的交付检测、使用培训和日常维护工作。减少设备装置在全寿命周期的多余物引入，这也是保证一个产品整体寿命周期的重要环节，需要引起重视。
图3 多余物控制因果关系图（鱼骨图）
Fig.3 Loose remainders control causality diagram (fish bone diagram)
多余物控制是面向形形色色的设备，涉及航天发动机[30]、雷达产品[31]、航天地面产品[32]、空间站设备[33]、航天器回收着陆系统[24]、航天电子信息化产品[34]、航天用印制板电连接器[1]、运载火箭出厂测试[35]、电磁继电器[36-37]等。显然产品中多余物控制都存在共性的问题。同时又需要根据每一种产品的具体特性进行细致的分析，从而能够针对性地总结出特有的个性问题，例如：该产品中容易遗落的配件零件、生产材料与工艺中容易出现的特有多余物等，从而实现科学合理地进行多余物控制与管理。
（2）从基于多余物发现与溯源倒查的质量改进具体程序来确立方案。确定方案的主要过程可以简述为五个步骤：检查发现、取样与来源分析、生产改进、质量验证、反馈与修改程序文件。图4给出了多余物控制质量改进程序。
图4 多余物控制质量改进程序[38]
Fig.4 Residue control quality improvement process[38]
（3）从基于多余物控制的流程与职能整合角度来构建全流程的防控体系[39]。将职能与流程整合并互相适应，减少互相的制约，以流程为线、职能为针，引线穿针并在流程中将各部分职能的责任性与能动性充分发挥。显然，这对多余物控制体系的顶层设计和整体规划的要求较高，需要不断优化与提升。例如，在强调流程完整性的前提下，可以通过质量管理（Quality Control, QC）学科小组活动来持续优化改进不同部门的职责清单[40]。多余物控制流程与职能整合示例如图5所示。
要解决多余物问题，最有效的方法是控制其产生的源头。但是，由于我国元器件的总体设计理论相对薄弱，生产工艺相对落后，对多余物的控制效果并不理想，很难保证密封元器件或者装置中不出现多余物[41]。因此，现阶段高效检测便是提高产品出厂质量、增加可靠性、降低产品因多余物造成损失的优秀方法之一。
多余物检测是指在生产过程中，对产品中不符合规定的、不需要的物品进行检测和筛选的过程。一般来说，对于宏观多余物（较大质量多余物）的检测方法有：①看，目测或用电筒、反光镜、内窥镜（直杆镜、光纤镜、视频镜）[42]、低倍放大镜、射线成像以及超声波查看[43]，该方法需要先掌握产品的规定状态，多余物均可通过与规定状态进行对比检查和确认[44]，如图6所示为某航天产品导管内的三种典型的多余物。②听，用手摇晃产品或者固定产品在转动装置上慢慢转动，听多余物响声。③试纸法检查，主要是对被测物空气中的油蒸气含量进行检查，是一种压缩空气质量检测。④荧光法检查，主要是利用油脂在紫外线的照射下会发光的特性，进而实现对零（部）件的外表面是否含有油脂多余物的检查。⑤沉积颗粒取样板检查，主要检查航天器内部沉积的多余物含量。⑥颗粒计数器检查，主要检查航天器内部环境的悬浮颗粒多余物的含量。⑦有害气体检测仪，主要检查航天器内部的有害气体多余物的含量[28]。对于微观多余物（较小质量多余物）检测方法主要有：①密封之前的高倍显微镜检查；②密封之后的射线检查（被测多余物应具有射线不可穿透性）；③MATRA检测法（需要上电测试功能）；④颗粒碰撞噪声检测（Particle Impact Noise Detection, PIND）方法（可承受振动与冲击特性）。
图5 多余物控制流程与职能整合示例[39]
Fig.5 Exemplary Diagram of loose remainders control process and function integration[39]
图6 某航天产品导管内的三种典型的多余物[44]
Fig.6 Three typical remainders in the duct of an aerospace product[44]
由于现有规章制度和技术的发展，宏观多余物一般在生产阶段基本可以排除。因此，本文着重对显微镜检查方法、射线检查方法、MATRA方法以及PIND方法进行论述。
该显微镜检查主要涉及的设备是扫描电子显微镜（Scanning Electron Microscope, SEM）和能谱仪（Energy Dispersive Spectrometer, EDS）。检查的项目是对一些极其微小且难以直接辨识的多余物，通过发现多余物、获取多余物、制作多余物镜检样片来进一步确定多余物的材料成分，进而对多余物溯源，并从源头上消除多余物的引入与影响。
在过去的几十年中，随着计算机视觉技术的不断发展，多余物检测已经逐渐从传统的人工检测转向自动化检测，这种检测方法不仅可以提高检测效率，还可以减少人为因素对检测结果的影响。电子元器件射线检查（ray inspection）法主要涉及的设备是X射线透视仪和中子射线透视仪[45]，X射线光子作用于物质原子核外电子，而中子射线直接作用于原子核。由于与物质作用的机理不同，X射线与中子射线成像特性存在着很好的互补性。二者都是根据射线在不同材质成分上的透过能力不同的原理研发。对于X射线透视仪，当试样被激发，受激发样品中的每一种元素会放射出二次X射线（又叫X荧光），此时根据测量被测样品激发出的二次X射线的特征参量（能量特性或波长特性）不同，又可分为波长色散谱型（Wavelength-Dispersive X-Ray Fluorescence, WD-XRF）和能量色散谱型（Energy- Dispersive X-Ray Fluorescence, ED-XRF）[46]。在多余物检查的场景下，对于部分静止的内嵌型多余物，主要使用射线透视仪测量透过被检测物的光束强度，来检测物品中是否含有不同于产品本身物质成分的异物。图7给出了不同入射射线光源的二维与三维探测仪阵列原理。图8给出两种不同类型的X射线仪器工作原理。
图7 不同入射射线光源的二维与三维探测仪阵列原理示意图
Fig.7 The principle of 2D and 3D detector array with different incident ray light sources
对于可动多余物，通常采用两次照片对比的方法，摆动前照相一次，摆动被测物后再照相，通过前后两次照片中物体的位置变化情况来判断是否存在可动多余物[47]。对于附着在材料上的静止（固定）多余物，可以通过标准件的透视图像和待测件进行对比处理，以确定是否存在多余物[48]。其中涉及光电技术、数字信号处理、图像信息处理和智能算法等技术，最终实现精确检出的目的[49]。由于不同射线在不同材质成分上的透过能力不同，设备和方法的选择应根据不同的被检对象的材料和结构具体选定。在一些特定的场合，也使用中子/X射线同步扫描系统，例如大型进出口检查站[50]。在航天生产中，针对电子元器件多余物的射线检查，以X射线的二维照相法应用最为广泛[51]。三维X射线数据是一个空间中的虚拟体积区域，由许多二维X射线投影在样品绕轴旋转时重建而成，如图7c所示。对于多余物检测三维照相法，20世纪90年代杨春亭等[52]提出以二进小波变换的系数作为匹配基元，匹配算法从全局匹配的相容性和匹配基元局部属性的相似性两个方面解决模糊匹配的问题，进而实现多余物的检测与定位。该方法是以多余物X射线透视图像为研究对象，而获取高可靠的图像信息是难以实现的，其实用性受到影响。但是，随着计算机软硬件技术和图像信息处理技术的发展，电子计算机断层扫描（Computed Tomography, CT）的三维可视化技术日益成熟，已经成为部分故障分析检测中重要的辅助工具[53-54]。在多余物检测过程中，虽然三维可视化技术能提高图像的识别效果，但由于其单次成本较高、检测要求较多等原因，未被广泛推广与使用。图9分别给出了塑料封装微电子器件内残留物的二维X射线图像与基于计算机数字成像技术处理的三维X射线图像。
图8 X射线荧光光谱仪工作原理示意图
Fig.8 Schematic diagram of the working principle of X-ray fluorescence spectrometer
图9 （塑料封装微电子器件内残留物）二维X射线图像与基于计算机数字成像技术处理的三维X射线图像[53]
Fig.9 (Redundancies in plastic-encapsulated microelectronic devices) two-dimensional X-ray images and three-dimensional X-ray images processed based on computer digital imaging technology[53]
欧洲航天局（简称欧空局，European Space Agency, ESA）在一次名为“MATRA ESPACE”的会议上讨论了一种新型多余物检测方法，记为MATRA方法[55]。MATRA方法不同于PIND方法，它是一种上电检测法。借助一定的振动条件，通过测量被测样品的工作状态的变化来检测样品中是否含有多余物。因此，MATRA方法是一种从多余物微粒对元器件功能危害的角度入手进行多余物检测的方法。
1972年，B. T. French等[56]利用专门的振动与测量的方法发明了用于检测导电微粒引发电路失效故障的设备。其方法是将检测电路安装在振动台上，通过设置专门振动与冲击模式以及至多60个实时短路测试电路来最大限度地检测IC模块中的多余物。图10所示为导电微粒导致短路的检测电路示意图。进一步地，由于多余物存在，当IC的引脚与引脚或者引脚对地之间发生短暂短路，电位则立刻锁存，指示二极管将会被点亮，以此来说明电路是否存在短路故障并判断导电微粒是否存在。事实上，这是MATRA方法的最早雏形[57]。欧空局在解决航天元器件的多余物检测问题时，正是在借鉴该方法的基础上大力发展了MATRA方法。
图10 导电微粒导致短路的检测电路示意图[56]
Fig.10 Schematic diagram of detection circuit for short circuit caused by conductive particles[56]
MATRA方法的基本原理是通过振动台提供一系列的振动与冲击试验环境，效仿元器件在航天器实际工作环境中的力学条件。在该环境中实时监测航天元器件的接触电阻、绝缘电阻等静态参数。通过监测参数测试值是否异常，来检测是否存在危害航天元器件正常功能运行的多余物[43]。图11给出了基于MATRA方法的多余物检测原理示意图。
图11 基于MATRA方法的多余物检测原理示意图[55, 57]
Fig.11 Schematic diagram of loose remainders detection principle based on the MATRA method[55, 57]
显然，MATRA方法的故障判断准则是触点“该断未断，该合未合”。因此，对于能够卡在触点之间的微粒的检测效果最好、灵敏度最高。由于多余物粒子在被测元器件内部随机运动，只有当多余物粒子运动到触点之间这样的特殊位置时才能影响被测元器件的功能特性，此过程存在一定概率，因此该方法需要反复测试多次。此外，由于MATRA方法需要为每一种被测元器件准备分析电路，导致测试成本和对操作人员的要求较高。因此，该方法在后续的应用中未能被推广与普及[57]。
颗粒碰撞噪声检测（PIND）是一种基于振动碰撞的多余物检测方法，该方法面向的对象主要是密封电子元器件和半导体电路以及中小型可振的元器件。图12所示为颗粒碰撞噪声检测原理框图，图中包含声音传感器（能量信号采集）、振动台（产生冲击与振动的力学条件）、采集系统（信号获取与初步处理）、计算机（信号计算与测试）结果屏幕展示。PIND的原理是由振动台产生一系列冲击和振动，从而激活被测样品内部多余物颗粒。颗粒在被测样品腔体内壁产生碰撞能量，声发射传感器（Acoustic Emission Sensor, AES）将碰撞能量转换成电压信号数据输出，并通过信号数据采集与处理系统进一步输出至示波器和扬声器，判别被测样品内部是否存在多余物。根据不同的被测样品类型、被测样品腔体的大小，应选用不同的试验条件。因为振动台的振动条件对于粒子的运动形式具有相关性[58]。当振动台工作在被测样品对应的最佳振动频率上，即合适的试验条件，可以优化被测样品腔体内多余物的碰撞效果。在被测样品振动的过程中，多余物可能会因为卡在腔体结构内部，或因静电吸附在腔体内部，从而停止与腔体内壁的碰撞。因此，当振动结束后，振动台会产生冲击，将多余物颗粒从结构中游离出来，提高多余物检出概率。
图12 颗粒碰撞噪声检测系统原理框图
Fig.12 Physical and block diagram of particle impact noise detection system
PIND系统中的声发射传感器至关重要。PIND系统中传感器的最早型号是Dunegan/Endevco S140谐振式窄带声发射传感器[59]。窄带谐振式声发射传感器对某些频率带信号敏感，灵敏度较高并且有很高的信噪比。例如，美国SD（Spectral Dynamics）公司的声音传感器使用代号为PZT-5A的压电陶瓷晶体制成，其谐振频率为150～160 kHz，并在该频率带内某一点峰值灵敏度为 (-77.5±3) dB·V/mbar。图13给出了谐振式窄带声发射传感器的典型结构[60]。
图13 谐振式窄带声发射传感器结构示意图[60]
Fig.13 Schematic diagram of the structure of a resonant narrowband acoustic emission sensor[60]
3.4.1 国外PIND历史进程
PIND方法是由美国国家航天航空局（简称美国宇航局，National Aeronautics and Space Administration, NASA）提出的一种多余物无损检测方法，目前被广泛应用于检测半导体元器件、集成电路、密封电子元器件等内部是否存在多余物，也是我国航天航空与国防军用密封电子元器件多余物筛选的重要手段。
从20世纪60年代开始，由于微小物体的残留问题造成航天事故频发，美国宇航局与承包商公司合作开展检测小型导电颗粒（small conducting particles）的无损检测技术[61]。1965年，美国Dunegan公司（即现在的SD公司）开展了现代声发射（Acoustic Emission, AE）仪器的研制，随后把实验频率提高到100 kHz～1 MHz的范围内，该频段能较大幅度地减少背景噪声的影响，有助于声发射技术的进一步应用与发展。1972年，B. T. French等研发了一种通过振动台和附着在振动台上的检测电路来检测导电颗粒对电路失效的影响从而确定粒子是否存在[56]的方法。
1974年，美国休斯飞机公司的J. L. Angleton和S. L. Webster研制了真正意义上的微粒碰撞噪声检测设备，并成为现在主流机型的初始模型。该样机包含屏蔽线缆、示波器、扬声器、振动台、Dunegan/Endevco S140谐振式超声传感器以及下位机模块（高频放大器和频率转换器）。此外，他们还对比了三种不同粘接介质的传输效果，认为Dunegan公司的AC-V9型粘性耦合剂效果最好[59]。图14给出了早期PIND样机的系统框图。
1976年，德州仪器公司的R. E. McCullough着重讨论了不同冲击强度、振动幅度和振动频率对检测效果的影响，对不同器件的PIND检测程序以及不同粘接介质的声学传导效果也做了部分研究，但其仅进行了少量的试验分析，没有给出理论分析[62]。L. A. Schreiers讨论了PIND试验中冲击水平的控制问题，并给出了一种控制电路设计[63]。在确定了PIND仪器的主要组成和功能之后，部分学者对PIND检测方法的优缺点[64]、检测程序对测试结果的影响[65]、检测中应该遵循的原则与存在的问题[66-68]以及漏检率统计模型分析[69]等问题进行了讨论与分析。
图14 早期PIND的系统框图[59]
Fig.14 Block diagram of the early PIND system[59]
进入20世纪90年代以后，PIND仪器各项性能趋于稳定。L. J. Scaglione通过统计研究认为，人工和判识的准确度受个体差异影响较大，可信度不高。因此，他尝试使用基于计算机的神经网络模型对PIND试验结果进行分类。由于微型电子元器件中不存在可动组件，该实验中并不包括对可动组件信号的识别[70]，许多学者认为这是PIND设备迈向人工智能的重要一步。然而，随着美国国内元器件生产工艺的不断进步，多余物问题从源头得到控制，对多余物检测新技术的需求也逐渐减弱，相关研究逐渐减少，由此导致PIND试验机理、多余物检测技术和检测设备的发展极其缓慢。很长一段时间，已经商品化的PIND检测装置始终停留在半自动水平上，旧产品型号PIND如图15a所示。除了少许增加的部分功能和种类，包括美国Spectral Dynamics公司的Model 4511型PIND检测仪和B&W Engineering公司的BW-LPD-D4000型PIND检测仪等系列PIND设备的检测结果始终需要依靠操作人员同时耳听扬声器和眼看示波器以及指示灯，来作最终的判别，增加了检测结果的不确定性[71]。
2015年以来，受来自竞品新功能的压力，SD公司和B&W公司相继对产品的软硬件进行改进。例如：SD公司目前的产品中推出了基于Windows 10的PIND FelixTM软件系统[72]，如图15b所示。该系统允许收集振动、冲击和声学通道的数据，每种类型的信号数据都可以回放，以便更深入地了解噪声与运动环境之间的相互作用，并集成了视觉和音频粒子检测，可以按照需求调整试验条件参数。此外，该软件与Microsoft Office等工具兼容，可以预览或打印测试报告。B&W公司PIND的振动台可以实现振动与冲击同时发生，并配备环境瞬态检测器来检测工作环境中的射频干扰和电磁干扰。
图15 SD公司的颗粒碰撞噪声检测仪器[72]
Fig.15 SD Incorporated’s particle impact noise detection instrument[72]
由于PIND技术研发较早，设备成熟度较高，世界上其他各国对PIND理论和方法的研究相对较少，基本上都是参考和借鉴美国军用标准等相关规范，例如，在1980年美国军用标准MIL-STD-202F（方法217）中定型的PIND系统的主要结构（见图16）一直沿用至今。各国初期使用的检测设备也从美国进口，未能从根本上提出新的检测方法。
3.4.2 国内PIND历史进程
3.4.2.1 小型元器件多余物检测
我国多余物检测技术的研究起步较晚，但是对多余物危害性关注较早。20世纪80年代初期，我国航天部质量技术司对多余物问题提出了事先预防、提前发现并剔除的方针，并据此制定了相关规程。鉴于当时的检测技术能力有限，大家普遍认为解决多余物问题主要应该从管理上入手，并提出了要从设计、工艺、生产、规章制度以及人员培训方面入手加强措施来清除多余物的影响[73]。
图16 美军标MIL-STD-202F（方法217）中的 PIND典型测试电路
Fig.16 Typical test circuit for PIND in the US military standard MIL-STD-202F (Method 217)
1988年，电子部第五研究所曾纪科对美国军方PIND试验的由来、设备组成、试验方法和效果进行了介绍，认为该方法可以与X射线检验效果进行互相验证。这是一次对PIND试验详细系统的介绍[74]。
1991年，代俊等对半导体内部多余物引起的失效分析以及对策进行了详细的总结，提出了失效分析的10个步骤，涉及失效模式分析、正常环境下电测试、振动环境下电测试、PIND测试、双次双片X射线照相对比测试、开封检查、光学显微镜检查、扫描电镜与能谱仪法、非导线多余物危害性分析以及可动多余物来源分析。首次系统性地总结了多余物检测的技术方法，倡导使用多种方法来验证多余物问题[75]。
1991年，航天科技165厂黄德銮探讨了引用PIND技术的两年中对检测密封继电器中多余物的总结和经验，消化PIND技术，提出有能力制定符合国内密封继电器多余物检测的标准[76]。
1993年，航天电子元器件公司以及165厂等单位对大量继电器进行PIND检测的报告结果突出显示了我国航天继电器产品中多余物问题的严重性[77]。
1994年，航天工业总公司质量技术监督部在北京举办PIND应用演示会并在行业内推广普及这项技术，提出涉及方法总结、人员培训、标准完善等要求[78]。
随后，PIND方法成为国内航天系统多余物检测的一项必备手段。航天工业总公司专门修订了行业标准QJ2850-96《航天产品多余物的预防与控制》并下发实施，加强了包括军用电子元器件在内的航天产品多余物的预防与控制，对航天与军用产品多余物的控制与预防起到了十分显著的作用。由于我国生产条件和产品质量要求不断提高，科研工作者也发现了其中的不足，并在此基础上持续深入研究。1996年，哈尔滨工业大学的李海峰和董加勤等提出使用人工神经网络分类算法对微粒信号进行分类，并且提出了区分可动组件周期信号与多余物粒子随机信号的两种新特征。这是我国航天继电器的多余物微粒自动检测迈向人工智能自动化检测的重要开端[61, 79-80]。
2003年，郑世才等对SD公司的Model4501型PIND检测仪优化改良，在原有信号采集端增加了计算机数据处理与展示。主要对人工较难判断的三种波形（复杂固定波形、满屏波形、闪动波形）进行判识，降低人工误判率。虽然自动化水平有限，但是从技术上增加了PIND检测的精度[81]。
2006年，张辉分析了PIND试验机理和经验公式，指出了其应用的局限性。并以弹性小球在空腔中运动作为动力学模型，给出了PIND方法中最佳冲击试验条件的获取方法与选取原则。同时研发了一套微粒碰撞噪声检测软硬件试验系统，为该方向的后续研究者提供了良好的基础[82]。但其研究中建立的多余物运动模型仅考虑了理想化的情况，实际工况下需要考虑的因素更多，由此限制了其最佳试验条件理论的应用。
2007年，高宏亮分析了PIND声音信号的组成，提出了基于小波分析、波峰系数检测和复小波相位检测等算法的较（微）小质量（≥0.02 mg）的多余物检测方法。与此同时，提出了基于时域特征与频域特征的多余物信号识别分类方法，总体检测准确率高于68%。但是对于吸力较强的磁性微粒多余物检测效果欠佳的问题没有进一步深入研究[14]。PIND试验中信号的统计特性见表2。
此后，随着PIND方法的推广以及实际需求的提高，以PIND方法为主要的测试手段，涉及多个航天与军（民）用检测产品的经验总结[11, 83-88]、检测技术与检测系统[57, 89-93]、检测灵敏度[94-96]、检测结果不确定性分析[97-98]、检测试验条件[99-104]、检测信号数据的存储与二次处理[105-107]、多余物信号与可动组件信号判别[108-119]、组件信号识别置信度评价[108-109, 119]、多余物材质分类[106, 109, 120-125]、多余物质量分类[126]、多余物粒径分类[125, 127]、多余物材质识别置信度评价[109]、振动台电磁机构数值计算以及虚拟样机模型的分析[128-129]等一系列更深入更精细化的研究纷至沓来。多余物检测信号组成较为复杂，图17给出了多余物检测信号中的耦合关系示意图。
表2 PIND试验中信号的统计特性[14]
Tab.2 Statistical characteristics of signals in PIND tests[14]
信号分类来源信号特征 背景信号系统本身所包含，主要来自传感器的高频信号一般幅度较小且固定，频率固定 干扰信号来自系统之外一般幅度较小，出现时间较短 (多余物)微粒信号微粒与密封壳或组件之间的碰撞所产生有很大随机性，要识别的对象 组件信号由元器件内的可动组件在振动过程中产生共振或抖动，与其他部件碰撞而产生一般幅度较大，周期性较强 冲击信号冲击过程中出现单波持续时间最短
图17 检测信号的耦合关系示意图[109]
Fig.17 Schematic diagram of the coupling relationship of the signals[109]
特别是2002年以来，哈尔滨工业大学电器与电子可靠性研究所翟国富教授课题组，针对PIND检测设备的问题，经过长期的试验与改进，研发出了DZJC元器件多余物检测系列、ZDJ装置多余物检测系列等产品样机，其主要创新功能可以总结成：①自动检测，基于高精度机械臂与图像识别算法，可实现生产线全自动检测与样品筛选；②信号识别，基于自研核心算法可自动识别多余物信号或组件信号，自动辨识多余物材质；③定位识别，基于能量时差法和机器学习算法，可以实现装置多余物位置的精准定位；④数据管理，数据可自定义存储与回溯，检测试验波形可实时回放，支持专家辅助决策；⑤扫码分类，可以识别二维码或条形码，将产品编码与波形存储、波形打印、报表输出统一对应，支持测试样品全流程可追溯管理，建立产品档案信息。该团队持续开展的自动化功能拓展等相关工作，极大地提高了密封电子元器件与中大型装置的多余物检测自动化水平。图18为哈尔滨工业大学实验室研发的颗粒碰撞噪声检测系列仪器，包括带有机械臂功能的PIND设备台和六通道的PIND设备。
国内外PIND检测设备从工作原理上具有一致性，传感器灵敏度、频率范围、振动范围等主要技术指标也趋于近似。随着需求的进一步提升和应用场景的细化，检测数据分析算法的智能化、产品高可靠性、功能多样性、可定制性以及维护时效性已经成为新的主要竞争点。
图18 哈工大的颗粒碰撞噪声检测系列仪器
Fig.18 Particle impact noise detection series instruments developed by Harbin Institute of Technology
3.4.2.2 中大型装置多余物检测
1995年，航天工业二院六九九厂（新立机械厂）王兰涛等通过双PZT-5谐振型换能器在相同的工况下多次采集信号，并采用双信号的时差Δt来判别待测信号的位置变化和待测物的类型，原因是多余物的位置一般会随机变化，而组件的位置变化不大，以此验证该技术的可行性[130]。活动部位信号识别技术如图19所示。
图19 活动部位信号识别技术[130]
Fig.19 Active part signal recognition technology[130]
1996年，航天工业二院六九九厂王育红等利用多余物滑动过程与撞击过程产生的位移信号与噪声信号在波形上存在区别的特点来判识多余物的存在。并由此研制了弹上仪器多余物检测装置。实验表明，该技术具有一定的可靠性[131]。多余物位移信号与噪声信号典型波形如图20所示。
图20 多余物位移信号与噪声信号典型波形[131]
Fig.20 Typical waveform plot of loose remainders displacement signals and noise signals
1997年，郑世才阐述了我国航天工业二院自20世纪80年代开始自主研发的HDJ型弹上仪器活动多余物检测装置。将弹、箭、星上的仪器装卡在转动装置上，根据实验要求设置程序参数并启动转动检测。由于活动多余物在仪器中的位移是以撞击与滑动为主的随机组合，由此通过压电换能器对位移信号进行前置放大后由主机采集与处理，进而对采集信号进行判识以实现检测的目的。图21所示为该检测装置的各部分构成方框图。按照不同测试要求进行参数分级：A级，一般要求的多余物检验技术；B级，较严要求的多余物检验技术；C级，要求检测很小多余物的检验技术[132]。表3给出了该检验技术的主要技术参数。
图21 检测装置的构成方框图[132]
Fig.21 Block diagram of the composition of the detection device[132]
表3 检验技术的主要技术参数[132]
Tab.3 The main technical parameters of the detection technology[132]
技术级别信号量程/V触发电平/mV转动加速度/ (rad/s2)转动角度/(°) A0.1～755～1090～180 B0.1～6010～1590～180 C0.1～3020～3090～180
2000年，航天工业二院六九九厂（新立机械厂）孙永玲等在总结王兰涛[130]和王育红[131]等之前经验的基础上，使用多通道传感器多点采集位移信号，建立导弹内部多种典型信号类型库，研制信号处理与分析系统，实现对舱段区域定性和多余物源定位的功能。运用该技术研制出一整套包含软硬件且适合现场的多余物检测仪器，并不断改进[133]。
2008年，哈尔滨工业大学徐冰设计了航天电子装置多余物检测系统，并实现了转台的电机驱动控制与软件设计。基于该系统的测试信号，提出基于时域特征与频域特征的多余物识别方法，初步对金属与非金属进行了分类[134]。航天电子装置自动检测识别系统实物如图22所示。
2010年，哈尔滨工业大学张龙设计了星载电源多余物检测系统，改进了原有的采集卡，实现了双通道500 kHz采集，并设计了转速检测电路。此外，基于该检测系统的测试结果，提出了使用多贝西小波（Daubechies Wavelet, DB）消噪算法（减少背景噪声的影响）和随机共振（提取淹没在噪声中的微弱测试信号）的多余物检测算法来增加微小质量多余物的检出率。使用学习矢量量化（Learning Vector Quantization, LVQ）神经网和反向传播（Back- Propagation, BP）神经网络对不同材质多余物的信号特征进行了分类，实现了部分多余物材质的自动识别，正确率超过80%[135]。Moret300型航天电子装置（电源）多余物检测系统如图23所示。星载电源颗粒探测系统总体设计方案如图24所示。
图22 航天电子装置自动检测识别系统实物图[134]
Fig.22 Physical diagram of the automatic detection and identification system of aerospace electronic devices[134]
图23 Moret300型航天电子装置（电源）多余物检测系统[135]
Fig.23 Moret300 aerospace electronics (power supply) loose remainders detection system[135]
图24 星载电源颗粒探测系统总体设计方案[135]
Fig.24 Overall design scheme of aerospace power supply loose remainders detection system[135]
2012年，哈尔滨工业大学张坤通过自研的四杆机构仿真软件对先前星载电源多余物检测的手摇式转台进行了重新设计，增加了控制与动力装置，实现了转台自动控制。随后，提出使用希尔伯特黄变换来对多余物检测信号的金属与非金属以及质量进行初步分类判识。结果表明，多余物有无检测准确率大于90%，金属多余物分辨率为1 mg，非金属多余物分辨率为2 mg。这是首次针对仪器PIND试验台的微粒检测信号进行质量分类[136]。
2012年，哈尔滨工业大学王淑娟等针对航天电源内部松散颗粒的检测和材料识别问题，采用随机共振算法驱动振动台振动，提出了一种基于LVQ的材料识别方法。测试结果表明，该方法的颗粒检测和材料识别的准确率分别为90%和80%。但是当同一材质能量分布矢量差异较大时则无法准确判识，模型中使用的特征参数还需要进一步增加[137]。基于摆台的航天电子设备活动多余物检测系统实物如图25所示。
图25 基于摆台的航天电子设备活动多余物检测系统实物图
Fig.25 Physical diagram of the active loose remainders detection system of aerospace electronic equipment based on the swing platform
2013年，哈尔滨工业大学邢通借鉴传统PIND法，设计了星载单机多余物检测系统。其中主要模块包括：卡具、信号放大电路、多通道数据采集装置以及上位机系统。提取信号时域与频域特征，实现了星载单机多余物有无检测以及材质判识。金属多余物有无判识准确率大于80%，材质金属与非金属判识准确率大于70%[138]。哈尔滨工业大学陈金豹等对多传感器信号使用频谱分析法，通过单因素与正交试验法分别测试了多余物微粒的粒径、材质、振动加速度以及频率四个因素对于频谱质心的影响，确定了微粒的材质与粒径是关键因素[139]。
2014年，哈尔滨工业大学戚乐克服了发动机质量与体积大的问题，设计了航天发动机的多余物检测装置，同时提出了基于混沌理论的多余物粒径识别方法[140]。
2015年，哈尔滨工业大学翟国富和陈金豹等针对如何提高密封电子设备内多余物的检测准确度问题（问题1为颗粒信号与组件信号的识别准确度、问题2为颗粒材质识别准确度）进行了一系列研 究[141-143, 109]，总结为四个方面：①针对问题1，提出了一种用于松散颗粒检测的多通道系统，这是一种基于同步算法的多通道信息处理方法，它首先利用多通道同步脉冲的相关系数的方差作为检测特征，然后使用基于K近邻（K-Nearest Neighbor, KNN）算法的转换置信度预测器来产生置信度度量。实验结果为在5%的显著性水平下，松散颗粒检测的准确率在95.2%以上[141]。②针对问题2，提出了先通过主成分分析确定主要特征，再通过支持向量机（Support Vector Machines, SVM）将重新选择的主成分用于多余物颗粒材料的识别，以解决多余物颗粒材质分类不准的问题[142]。③针对问题2，提出了一种基于修正梅尔频率倒谱系数（Mel Frequency Cepstral Coefficient, MFCC）和隐马尔可夫模型（Hidden Markov Model, HMM）的材料识别新方法。首先，为更适用于粒子声信号不同材质的目标识别，推导了MFCC特征与Mel滤波器组的关系，提出了改进的滤波器组；然后，将修改后的MFCC特征映射到HMM，其中具有最大概率的型号被选为已识别的类别；最后，用不同的特征和分类器进行了试验。结果表明，所提出的方法可以有效地区分线材、芯片、铝和锡四种材料[143]。④针对问题1，提出了一种使用多通道传感器并基于改进型k-平均聚类信号特征识别方法，对密封电子设备内部可动组件信号中单组件与多组件信号实现有效识别，该方法对样本中多余物信号与可动组件信号的识别准确率达92%。针对问题2，提出一种反Mel 倒谱系数（Inverse Mel Frequency Cepstral Coefficient, IMFCC）进行不同信号的特征提取，并结合隐马尔可夫模型对四种材质（铝屑、芯片碎片、导线皮以及锡粒）信号分类判识。与此同时，提出一种基于转导一致性预测（Conformal Predictor & K-Nearest Neighbors, CP-KNN）的置信度评价方法，对以上判识结果进行评价[109]。图26给出了多通道传感器布置剖面示意图。图27给出了实验中的激励装置示意图。
2016年，哈尔滨工业大学齐明和郭亮等根据固有机械噪声的周期性和粒子信号的随机性，提出了基于相关系数的谱系分析方法，研究相关系数阈值与脉冲识别准确率之间的关系，并进一步优化聚类阈值。测试结果表明，当聚类阈值为0.935时，对固有机械噪声和粒子信号的分辨效果最好[144]。
图26 多通道传感器与声源作用示意图[109]
Fig.26 Schematic diagram of the action of multi-channel sensors and AE source[109]
图27 基于振动台的装置多余物检测系统实物图[109]
Fig.27 Physical diagram of a shaker-based device loose remainders detection system[109]
2020年，北京航空航天大学孟偲等使用HDJ活动多余物检测系统采集样本数据，将样本数据处理成时频域特征参数和Mel倒谱系数特征参数的拼接合集作为输入量，训练支持向量机（SVM）模型实现对多余物材质的分类。测试表明针对三种不同材质多余物（锡渣、环氧、细丝）的样本识别准确率为98%[145]。该方法中需要采集信号的时间仅约为文献[143]采集信号时间长度的1/50，降低了大量数据存储的压力。图28给出了HDJ活动多余物检测系统实物图。
图28 HDJ装置的活动多余物检测系统实物图[145]
Fig.28 Physical diagram of the HDJ device system for the active loose remainders detection[145]
2020年，北华航天工业学院赵润森和马哲冬基于搭建的活动多余物检测平台（见图29），采集测试样本信号，使用快速傅里叶变换、小波变换、希尔伯特黄变换以及MFCC等方法提取信号特征，运用主成分分析法降低特征维度并输入BP神经网络和SVM训练模型，来实现对多余物金属与非金属材质的识别[146-147]。
图29 用于活动多余物检测的转动装置与系统整体实物图[146]
Fig.29 Physical diagram of the rotating device system for the active loose remainders detection[146]
2021年，大连理工大学邓威威使用机械系统动力学自动分析软件（Automatic Dynamic Analysis of Mechanical Systems, ADAMS）建立多余物颗粒与舱体碰撞模型，结合振动台提供的舱体多余物振动检测环境，以单因素仿真和正交试验分析了振动条件、多余物材质、粒径因素对检测效果的影响。此外，通过集合经验模态分解（Ensemble Empirical Mode Decomposition, EEMD）提取特征和多分类相关向量机（Multi-classification Relevance Vector Machine, M-RVM）算法识别多余物材质、通过混沌理论确定特征向量和K-means聚类分析识别多余物粒径，来实现对多余物的多重分类[148]。
2021年，西安交通大学朱永生等对大型腔体结构的待测物开展多余物检测，先后使用有线与无线（见图30）的信号数据传输方式进行了检测系统的设计，简化了在腔体表面的信号传输综合布线，有助于以沿着腔体长轴线持续圆周旋转的运动方式进行多余物检测，但是多传感器数据同步输出和实施传输技术还需要进一步测试与验证[149-150]。
图30 一种大型圆柱结构活动多余物器材安装示意图（无线）[150]
1—声发射传感器 2—数据传输线 3—无线采集装置4—滚动环 5—计算机 6—架车 7—大型圆柱结构 8—电机 9—信号驱动连接控制柜
Fig.30 Installation diagram of large cylindrical structure movable loose remainders detection equipment(wire)[150]
2022年，北京东方计量测试研究所严明等提出一种基于归一化最小均方自适应滤波算法（Normalized Least Mean Square, NLMS）来平缓导弹舱体转台旋转中产生的噪声等干扰信号，以增加多余物信号的检出率[151]。
除了以上提出的各种间接检测或者定位方法以外，还可以通过物理方法打开元器件密封壳或者外部包裹物，直接从元器件内部提取出多余物颗粒，结合后续的成分分析手段获得多余物的材质信息，即多余物直接（提取）识别法。直接（提取）识别法主要通过多余物提取和成分分析两步进行，优点在于能够识别多余物的多种特性，而且识别精度高；缺点是多余物提取过程繁琐，成功率较低，而且需要破坏被测元器件，只适用于个别样品的研究，厂家无法获得所有多余物的种类和每种多余物的分布概率等信息。
目前，直接（提取）识别法主要采用的开壳方式包括开帽（盖）捕捉法、开洞灌封法[47]以及开洞PIND捕捉法[152]。①开帽捕捉法是指用研磨、钢锉、车床加工等方式，磨薄元器件外壳厚度，或去掉外壳边缘；用锋利的刀片，在磨薄的部位或外壳边缘划开外壳，通过显微镜观察等方法取出多余物。开帽捕捉法适用于提取尺寸较大的多余物，特别是对于某些不可动多余物的提取，目前只能使用开帽捕捉法。②开洞灌封法是在外壳上开洞，由洞口处灌封能固定可动多余物的材料（如环氧树脂或透明的胶等），去掉外壳并对已固定的可动多余物的灌封材料逐渐精细研磨，寻找可动多余物。图31给出了某晶体管厂的元器件金属外壳开洞装置工装示意图。③开洞捕捉法是指在元器件外壳表面，使用钻头小心地钻一个洞，取出洞口毛刺后，用表面清洁、无污渍的双面胶一面封住洞口，另一面粘在PIND的振动台上，对被测继电器进行PIND试验。当可动多余物通过洞口粘在双面胶表面后，PIND检测仪显示合格。这时取下胶带，仔细检测胶带表面洞口位置，即可得到多余物。开洞法比开帽法引入多余物的可能性减小，但由于需要可动多余物运动到洞口附近，并粘在双面胶上才能成功，往往需要经过反复多次PIND试验才能得到多余物，而且对于不可动多余物无效，所以开洞捕捉法主要适用于提取元器件内的可动多余物。
图31 某晶体管厂的元器件金属外壳开洞装置工装示意图
Fig.31 Schematic diagram of the component metal shell hole opening device of a transistor factory
相比之下，直接（提取）识别法的精度较高，获得多余物的信息相对丰富，其不足在于获取多余物的过程复杂，要保证开壳过程中不引入新的多余物难度较大，而且需要破坏被测元器件封装壳，属于有损检测。间接识别法虽然检测准确性低于直接法，获得的多余物信息量较单一，但是由于间接识别法不必破坏被测元器件，属于无损检测。间接识别法检测效率相对较高，适用于大批量元器件产品中多余物的识别，受到元器件生产厂家的欢迎。
我国从研制东风系列导弹初期就十分重视多余物问题[153]。从20世纪80年代开始，针对航天工业多余物问题，我国航天工业部门专门制定了系列多余物规程和标准，从定义、分类、控制要求、验收、实施措施以及产品型号六个方面，多措并举降低多余物的危害。涉及国内多余物检测的主要标准见表4。此外，在2009年我国宇航出版社出版了专门著作——《火箭与导弹产品多余物控制》[3]，系统性地对多余物的分类、控制理论、控制方法、检查方法等进行了研究和分析，并对火箭和导弹各个主要部件的设计与制造、总装测试、包装、运输、整体与零部件储存等过程的多余物控制开展进一步说明，而且佐以案例分析。
表4 针对多余物预防与控制的主要标准*
Tab.4 Standards for prevention and control of loose remainders
序号标准编号标准名称标准适用对象特定性**状态 1QJ 897-1985控制产品多余物通用规范航天产品弱废止 2QJ 931-1985电子产品控制多余物规范航天电子产品弱废止 3HB 7128-1994多余物控制要求航空产品弱现行 4QJ 2689-1994电子元器件中多余物的X射线照相检验方法航天电子元器件强现行 5QJ 2850-1996航天产品多余物预防和控制航天产品弱废止，替代1、2 6QJ 3024-1998弹箭星仪器活动多余物检验方法弹箭星仪器弱现行 7QJ 3062-1998液体火箭发动机试验系统清洁度和多余物控制要求液体火箭发动机试验系统强现行 8GJB 5296-2004多余物控制要求军工产品弱现行 9GJB 2203A-2005卫星产品洁净度及污染控制要求卫星产品弱现行 10QJ 2850A-2011航天产品多余物预防和控制航天产品弱现行，替代5 11GB/T 29085-2012卫星防污染技术要求卫星弱现行 12GB/T40539-2021航天器多余物预防和控制要求航天器弱现行
注：*：查询截止日期为2022年12月；**：本处“特定性”指该标准定位属于具体详细指导性标准，针对性强、范围窄，可详细指导具体对象的多余物预防和控制的特殊要求。
如3.4节所述，国际上早期关于PIND规程与标准的研究主要集中在美国。实际上，从20世纪90年代开始，由于美国生产工艺的发展，生产过程中多余物的引入概率大大降低，导致其对PIND技术的关注度相应减少，仅对其军用标准中的密封继电器PIND检测规范进行了几次小范围的修订，但是仍有相关部门和小组一直持续推进技术改进与研究，例如，从联合电子设备工程委员会（Joint Electron Device Engineering Council, JEDEC）会议中的PIND任务组报告[154]可看到涉及多个部门联合参与的基于PIND方法的多样品测试与相关规划。我国于20世纪80年代开始引入美军标系列相关标准，并根据实际需要制定了自己的PIND系列标准，例如，1987年我国航天部门制订QJ 1323.18-1987《电磁继电器试验方法 微粒碰撞噪音检测》专门标准，体现了我国航天工业部门对PIND技术发展的关注和重视。由于我国工艺技术的原因，多余物检测仍然是一个长期存在的工序。涉及PIND的主要国内外标准见表5。
表5 涉及PIND方法的主要标准*
Tab.5 The main standards and specifications for the PIND method
序号标准编号标准名称等效的美国标准编号**状态 1GJB 65C-2021 (附录B）有失效率等级的电磁继电器通用规范MIL-PRF-39016×(APPENDIXB)现行 (修订第3版) 2GJB 128B-2021 (方法2052)半导体分立器件试验方法MIL-STD-750×(METHOD 2052)现行 (修订第2版) 3GJB 360B-2009 (方法217)电子及电气元件试验方法MIL-STD-202×(METHOD 217)现行 (修订第2版) 4GJB 548C-2021 (方法2020)微电子器件试验方法和程序MIL-STD-883×(METHOD 2020)现行 (修订第3版) 5QJ 1323.18-1987电磁继电器试验方法 微粒碰撞噪音检测—现行 6QJ 2863-1996航天用电子元器件颗粒碰撞噪声检测 (PIND)要求和方法—现行 7JJF 1220-2009颗粒碰撞噪声检测系统校准规范—现行 (计量标准) 8IEC 60749-16-2003半导体器件—机械和气候试验方法—第16部分: 颗粒碰撞噪声检测 (PIND)—现行 (国际IEC标准)
注：*：查询截止日期为2022年12月；**：×代表不同时期标准修订系列的字母符号。
不同的标准适用于不同种类的电子元器件，测试条件也有所不同。例如，MIL-STD-883方法2020是微电子器件的多余物检测，规定冲击加速度(1 000±200)g，冲击脉宽100 ms，振动频率40～250 Hz、加速度20g或振动频率60 Hz、加速度10g两种振动试验条件；MIL-PRF-39016附录B适用于航天继电器多余物检测，规定试验条件为冲击加速度200g，冲击脉宽1 ms，振动频率27 Hz、40 Hz、100 Hz，加速度5g。此处，以GJB 548C-2021（方法2020.2）、GJB 548B-2005（方法2020.1）、GJB 65C-2021（附录B）以及GJB 65B-1999（附录B）为例，将新的标准与旧的标准进行对比，从典型性变化总结为五个方面：
（1）在GJB 548C-2021（方法2020.2）中粒子检测电压阈值峰值发生了调整，由(20±1) mV调整到(15±1) mV，对PIND检测传感器（台面）灵敏度和被测样品安装距离上提出了更高的要求。有助于增加多余物的检出率。
（2）在GJB 548C-2021（方法2020.2）中细化了典型腔高-频率值分布，降低了同等内腔高度下的试验频率。新旧标准典型腔高-频率值对比见表6。美国Spectral Dynamics公司的S. J. Slykhous等[155]通过在TO-5封装空腔内植入特定多余物，对Model4501型检测仪输出平均电压进行了分析，得出结论：对不同质量和形状的微粒进行对比试验表明，当器件内腔高度固定，PIND方法中试验频率与输出电压信号幅值在一定范围内成反比例关系，如图32所示[156]。因此，新标准此次调整的目的是获取更高的输出电压幅值，以提高多余物检出率。
（3）在GJB 548C-2021（方法2020.2）中增加了针对单次样品数量不大于100只的筛选规则。即在该单次样品中，若筛选出失效样品则拒收。针对任意一次失效率低于1%即通过验收的条件，额外增加了“与”条件——5次累计失效率不能超过25%。显然新标准的验收更加注重整体合格率，防止单次“侥幸”合格。
表6 新旧标准典型腔高-频率值对比
Tab.6 Comparison table of typical cavity high and frequency values of the old and new standards
GJB 548C-2021 (方法2020.2)GJB 548B-2005 (方法2020.1) 最大自由活动腔高h/mm试验频率f/Hz封装内腔平均高度h/mm频率f/Hz 0.46147≤1.02130 0.76114 1.0299 1.27881.03～1.27120 1.52811.28～1.52110 1.78751.53～1.78100 2.03701.79～2.0390 2.29662.04～2.2980 2.54632.30～2.5470 2.7960＞2.5460 6.3540
图32 不同试验频率下的粒子的振幅（输出电压）对比[156]
Fig.32 Comparison of the amplitude (output voltage) of remainders at different test frequencies[156]
（4）在GJB 65C-2021（附录B）中的失效判据中，增加了系列典型的示波器波形（固有机械、粒子、机械过大），使判据更为直观和清晰，提高多余物检出率。
（5）针对PIND换能器的峰值灵敏度校准值因不同功率单位，其最终的表示单位或者数值有所不同，但是各个标准换算后结果是一致的。例如：10 V/Pa对应(-77.5±3) dB·10V/Pa或(-775±30) dB·V/Pa，1 V/ 0.1 Pa对应(-77.5±3) dB·V/0.1 Pa，1 V/mbar对应(-77.5±3) dB·V/mbar。
与此同时，部分文献中也有对标准与实验的进一步理解与建议。例如，周旭对GJB 548B-2005中PIND的相关试验方法与标准的表述问题、注意事项以及检定规程进行了实际的讨论[157]；王立康等针对PIND相关标准中“封装高度-振动频率”关系（见图33，横纵坐标非等间距）深入浅出地进行解析，并构建了一个可量化的模型，优化了振动频率实际使用中的设置，以及针对PIND不同的标准对冲击持续时间参数的要求不同的问题，提出了标准采纳的优先级原则[158]。
图33 加速度20g时封装高度与振动频率的关系
Fig.33 Relations between frequency and cavity height under acceleration of 20g
总体来看，随着技术的发展，使用者对标准不断地完善，新的标准提出了更为严格的要求。由于PIND检测设备的灵敏度高，易受到干扰，种种原因导致该设备存在误判的可能性，但是为了重要系统或者工程的可靠性，往往只能从大局考虑[159]，从不断的改进中提升准确度和可靠性。
使用文字矩阵词云图对国内外347篇涉及多余物的参考文献进行统计总结，英文的部分按照本专业常用中文词组进行翻译。如图34所示为将文章的标题进行语义分割后生成的文字矩阵词云图。如图35所示为使用文章中关键词生成的文字矩阵词云图。结果显示，多余物微粒检测技术与方法研究是文献的主要内容，航天是主要应用领域，继电器是主要测试对象，PIND法是通常会被讨论的话题，噪声、控制预防、信号识别、特征提取是关键词中比较关注的内容。总的来说，目前我国多余物检测技术与方法的研究文献中PIND方法研究多，其他方法研究少；总结控制经验多，深入理论研究少。
图34 标题文字矩阵词云图
Fig.34 Matrix word cloud of titles
图35 关键词文字矩阵词云图
Fig.35 Matrix word cloud of keywords
通过调研，多余物检测问题现在的难点和需要继续深入研究的问题主要为：部分多余物颗粒碰撞波形与被测物组件振动波形无法准确识别，多余物颗粒材质识别精度不高，测试结果不确定性与置信度、最佳试验条件难以准确确定，传感器灵敏度频响曲线一致性监测难以实现等。被测物样品种类繁多，但涉及保密、价格等原因导致可提供的测试样本数量有限，短期内无法通过足够的数据驱动模型，分类能力和准确度受限。对于材质较软、吸附能力较强的细小多余物，可能需要更高的PIND传感器灵敏度与实时降噪处理方法配合来实现。然而，目前国内几乎没有对于PIND传感器灵敏度定量计量的相关文献标准，PIND方法中传感器灵敏度测量与长期一致性评价问题仍然缺少有效可行的解决手段，它是PIND方法闭环过程中不可或缺的关键组成部分。
未来随着测试数据不断积累，基于数据驱动的浅层机器学习乃至结合多种训练方法的多层深度学习在多余物检测中的组件识别、质量识别、粒径识别、材质识别等方面的应用是现在多余物检测算法发展的一个重要方向。此外，支持生产线自动化检测、检测数据可全程溯源与云查看、检测设备可靠性的实时监控、提供多类型产品定制化多余物检测服务是多余物检测软硬件发展的趋势。更进一步地说，通过多余物检测信号识别获取多余物的详细信息对追查多余物微粒产生的工序环节、改进生产制造工艺等具有重要意义，并且可为生产单位的后续处理与决策提供参考。最终实现提升生产工艺技术水平，从源头上消除多余物的产生与引入。
本文以密封电子元器件与装置的多余物检测认识与发展为主线，以多余物定义、分类与危害，多余物预防与控制，多余物检测方法，多余物相关检测规范与标准，多余物检测难点与未来展望为要素进行综合论述。多余物潜在危害性极大，若含有多余物的产品被应用到航空航天、国防军工领域，可能产生不可估量的后果。多余物检测的道路任重道远，需要一代又一代研究者与工程技术人员赓续奋斗，降低乃至消除多余物的影响，提升航天装备质量可靠性。
参考文献
[1] 张至愚, 隋淞印, 闫军莹, 等. 航天用印制板电连接器多余物控制技术研究[J]. 航天制造技术, 2021(1): 7-11.
Zhang Zhiyu, Sui Songyin, Yan Junying, et al. Research on residue control technology of PCB electrical connector for spacecraft[J]. Aerospace Manufacturing Technology, 2021(1): 7-11.
[2] 陈昊, 叶雪荣, 梁慧敏, 等. 磁保持型航天电磁继电器性能提升与质量一致性设计[J]. 电工技术学报, 2023, 38(4): 1076-1087.
Chen Hao, Ye Xuerong, Liang Huimin, et al. Performance enhanced and quality consistency design optimization of magnetically latching aerospace elec- tromagnetic relay[J]. Transactions of China Electro- technical Society, 2023, 38(4): 1076-1087.
[3] 王春玲, 顿赛英, 郑德晃. 火箭与导弹产品多余物控制[M]. 北京: 中国宇航出版社, 2009.
[4] 李东晖, 周学, 王傲, 等. 考虑制造参数的批量化真空交流接触器机械寿命预测[J]. 电工技术学报, 2023, 38(7): 1982-1990.
Li Donghui, Zhou Xue, Wang Ao, et al. Mechanical life prediction of batch electromagnetic switches considering manufacturing parameters[J]. Transa- ctions of China Electrotechnical Society, 2023, 38(7): 1982-1990.
[5] 郭东旭, 杨耕, 冯旭宁, 等. 计及老化路径的锂离子电池加速寿命工况自动生成方法[J]. 电工技术学报, 2022, 37(18): 4788-4797, 4806.
Guo Dongxu, Yang Geng, Feng Xuning, et al. Accelerated aging profile generation method for lithium-ion batteries considering aging path[J]. Transactions of China Electrotechnical Society, 2022, 37(18): 4788-4797, 4806.
[6] 张雪霞, 黄平, 蒋宇, 等. 动态机车工况下质子交换膜燃料电池电堆衰退性能分析[J]. 电工技术学报, 2022, 37(18): 4798-4806.
Zhang Xuexia, Huang Ping, Jiang Yu, et al. Degradation performance analysis of proton exchange membrane fuel cell stack under dynamic locomotive conditions[J]. Transactions of China Electrotechnical Society, 2022, 37(18): 4798-4806.
[7] 赵昌东, 项石虎, 王尧. 基于模型融合的电子元器件个体剩余寿命预测方法[J]. 电工技术学报, 2023, 38(18): 4978-4993.
Zhao Changdong, Xiang Shihu, Wang Yao. Individual residual life prediction method of electronic com- ponents based on model fusion[J]. Transactions of China Electrotechnical Society, 2023, 38(18): 4978- 4993.
[8] 魏云海, 陈民铀, 赖伟, 等. 基于IGBT结温波动平滑控制的主动热管理方法综述[J]. 电工技术学报, 2022, 37(6): 1415-1430.
Wei Yunhai, Chen Minyou, Lai Wei, et al. Review on active thermal control methods based on junction temperature swing smooth control of IGBTs[J]. Transactions of China Electrotechnical Society, 2022, 37(6): 1415-1430.
[9] 艾道高. 对航天产品多余物控制问题的探讨[J]. 质量与可靠性, 1993(4): 25-27.
Ai Daogao. Discussion on the control of excess materials in aerospace products[J]. Quality and Reliability, 1993(4): 25-27.
[10] 金斌. 产品多余物及其控制[J]. 质量与可靠性, 1993(6): 41-42.
Jin Bin. Product surplus and its control[J]. Quality and Reliability, 1993(6): 41-42.
[11] 任榕, 金家富, 杨程. PIND不合格原因研究[C]//中国电子学会, 2019: 168-171.
[12] 陈陶, 张嘉欣. 陶瓷封装中PIND典型问题分析与处理[J]. 电子与封装, 2020, 20(2): 15-20.
Chen Tao, Zhang Jiaxin. Analysis and dispose of PIND typical issue in ceramic packaging[J]. Elec- tronics & Packaging, 2020, 20(2): 15-20.
[13] 丁荣峥. 封装腔体内自由粒子的控制[J]. 电子与封装, 2001, 1(2): 24-26.
Ding Rongzheng. Control of free particles in packaging cavity[J]. Electronics & Packaging, 2001, 1(2): 24-26.
[14] 高宏亮. 航天继电器多余物自动检测与特征识别方法的研究[D]. 哈尔滨工业大学, 2007.
[15] 袁牧, 罗刚, 屈美莹. 多余物的过程控制[J]. 质量与可靠性, 2013(5): 37-38, 52.
Yuan Mu, Luo Gang, Qu Meiying. Process control of surplus[J]. Quality and Reliability, 2013(5): 37-38, 52.
[16] 舒礼邦, 张静, 王瑞曾. 密封半导体器件中多余物的提取和控制研究[J]. 电子产品可靠性与环境试验, 2014, 32(5): 26-31.
Shu Libang, Zhang Jing, Wang Ruizeng. Reminders extraction and control of sealed devices[J]. Electronic Product Reliability and Environmental Testing, 2014, 32(5): 26-31.
[17] 杨奋为. 航天用电连接器金属多余物的失效分析[J]. 机电元件, 1999, 19(1): 25-29.
Yang Fenwei. Failure analysis of metal surplus of aerospace electrical connector[J]. Electromechanical Components, 1999, 19(1): 25-29.
[18] 钟景福, 刘耀新. “阿里安”运载火箭历次发射失败原因分析[J]. 上海航天, 1991, 8(1): 44-49.
Zhong Jingfu, Liu Yaoxin. Cause analysis of the failure of ariane launch vehicle in previous launches[J]. Aerospace Shanghai, 1991, 8(1): 44-49.
[19] 阿里安公司提出加强多余物控制[J]. 火箭推进, 1995, 21(5): 52.
Ariane Company proposes to strengthen the control of surplus materials[J]. Journal of Rocket Propulsion, 1995, 21(5): 52.
[20] 西印. 多余物导致发射失败质子号发动机厂受到批评[J]. 导弹与航天运载技术, 2000(2): 63.
Xi Yin. The proton engine factory was criticized for the launch failure caused by the surplus[J]. Missiles and Space Vehicles, 2000(2): 63.
[21] 王国涛, 王强, 韩笑, 等. 密封电子元器件多余物检测技术综述[J]. 机电元件, 2017, 37(1): 55-63.
Wang Guotao, Wang Qiang, Han Xiao, et al. Summary of detection technology of redundant materials in sealed electronic components[J]. Elec- tromechanical Components, 2017, 37(1): 55-63.
[22] 孟玲羽. 发射为什么失败? 2022年全球火箭重大事故盘点[EB/OL]. 航空知识杂志社. [2023-02-22]. https:// baijiahao.baidu.com/s?id=1754319472543423301.
[23] 孙欣荣. 火箭的癌症: 多余物事故记实[J]. 航天, 1994(4): 13-14.
Sun Xinrong. The cancer of rocket-record of the accident of excess material[J]. Space Exploration, 1994(4): 13-14.
[24] 赵玮, 刘燕. 航天器回收着陆系统总装多余物预防与控制[J]. 航天返回与遥感, 2022, 43(2): 37-44.
Zhao Wei, Liu Yan. Prevention and control of surplus objects in the final assembly of the spacecraft recovery and landing system[J]. Spacecraft Recovery & Remote Sensing, 2022, 43(2): 37-44.
[25] 王淑娟, 张辉, 王世成. 航天继电器多余物检测技术的探讨[J]. 低压电器, 2004(9): 6-9, 21.
Wang Shujuan, Zhang Hui, Wang Shicheng. Dis- cussion on remainders-detecting technique in space relay[J]. Low Voltage Apparatus, 2004(9): 6-9, 21.
[26] 王虹, 秦志英. 从生产六要素看密封固体继电器多余物控制[J]. 机电元件, 2011, 31(4): 21-24, 27.
Wang Hong, Qin Zhiying. Superfluous control of sealed solid relay from six factors of production[J]. Electromechanical Components, 2011, 31(4): 21-24, 27.
[27] 王辉, 李护林, 崔超海. 发动机总装多余物控制方法[J]. 航天制造技术, 2003(5): 39-42.
Wang Hui, Li Hulin, Cui Chaohai. Control method of engine assembly surplus[J]. Aerospace Manufacturing Technology, 2003(5): 39-42.
[28] 熊涛. 航天器总装多余物控制方法探讨[J]. 航天器环境工程, 2006, 23(5): 277-281.
Xiong Tao. Discussion on remainder particle control method in spacecraft assembly[J]. Spacecraft Envi- ronment Engineering, 2006, 23(5): 277-281.
[29] 潘剑学. 新时期质量提升之多余物预防控制[J]. 航天工业管理, 2020(7): 18-19.
Pan Jianxue. In the new era, quality improvement is more than multi-material prevention and control[J]. Aerospace Industry Management, 2020(7): 18-19.
[30] 庞红丽, 康红雷. 氢氧发动机多余物防控设计[J]. 导弹与航天运载技术, 2021(4): 41-44.
Pang Hongli, Kang Honglei. The design of remainders prevention and control in LOX/LH2 rocket engine[J]. Missiles and Space Vehicles, 2021(4): 41-44.
[31] 刘恺. 浅谈雷达产品总装现场多余物控制[J]. 电子世界, 2014(1): 98.
Liu Kai. Superfluous control of radar product assembly site[J]. Electronics World, 2014(1): 98.
[32] 司力琼, 孙辰, 徐晓东, 等. 航天地面产品多余物的预防与控制[J]. 现代工业经济和信息化, 2017, 7(9): 60-61.
Si Liqiong, Sun Chen, Xu Xiaodong, et al. Prevention and control on redundancies of aerospace ground products[J]. Modern Industrial Economy and Infor- mationization, 2017, 7(9): 60-61.
[33] 吕立生, 任华兴, 于震, 等. 空间站泵阀多余物预防与控制技术研究[J]. 航天制造技术, 2020(2): 29-32.
Lü Lisheng, Ren Huaxing, Yu Zhen, et al. Research on prevention and control of foreign object debris of pump and valve in space station[J]. Aerospace Manufa- cturing Technology, 2020(2): 29-32.
[34] 刘云峰, 宋冬, 何凡, 等. 航天电子信息化产品多余物预防与控制[J]. 兵工自动化, 2021, 40(5): 22-25.
Liu Yunfeng, Song Dong, He Fan, et al. Prevention and control of superfluous matters in aerospace electronic information products[J]. Ordnance Industry Automation, 2021, 40(5): 22-25.
[35] 张妍, 胡经民, 王东, 等. 运载火箭出厂测试多余物的控制与检测[J]. 现代制造技术与装备, 2021, 57(9): 194-195.
Zhang Yan, Hu Jingmin, Wang Dong, et al. Control and detection of surplus in delivery test of launch vehicle[J]. Modern Manufacturing Technology and Equipment, 2021, 57(9): 194-195.
[36] 陈俊峰, 文尚晖, 程纲. 电磁继电器非金属多余物的控制技术研究[J]. 机电元件, 2020, 40(4): 46-49.
Chen Junfeng, Wen Shanghui, Cheng Gang. Research on the control technology of nonmetallic superfluous substance of electromagnetic relay[J]. Electrome- chanical Components, 2020, 40(4): 46-49.
[37] 陈俊峰, 唐宏基, 王明文. 电磁继电器金属多余物控制技术研究[J]. 机电元件, 2022, 42(1): 14-18.
Chen Junfeng, Tang Hongji, Wang Mingwen. Research on the control technology of metal particle in electromagnetic relay[J]. Electromechanical Com- ponents, 2022, 42(1): 14-18.
[38] 蔡懿. 可靠性筛选及接触元件多余物控制技术[J]. 机电元件, 2003, 23(1): 44-50.
Cai Yi. Reliability screening and control technology of contact element surplus[J]. Electromechanical Components, 2003, 23(1): 44-50.
[39] 涂远方, 于玮. 基于流程管理的航天产品多余物防控管理体系构建[J]. 质量与可靠性, 2020(2): 1-3.
Tu Yuanfang, Yu Wei. The construction of the management system for the prevention and control of aerospace product surplus based on process management[J]. Quality and Reliability, 2020(2): 1-3.
[40] 郭津廷. QC小组活动在降低伺服电缆多余物发生率上的应用研究[D]. 哈尔滨: 哈尔滨工业大学, 2019.
[41] 张朝权. 某继电器内部多余物分析及控制措施[J]. 山东工业技术, 2018(3): 184, 173.
Zhang Chaoquan. Analysis and control measures of loose particles inside a certain relay[J]. Journal of Shandong Industrial Technology, 2018(3): 184, 173.
[42] 单黎波, 王建昌. 内窥镜检测方法技术研究[J]. 火箭推进, 2006, 32(4): 54-62.
Shan Libo, Wang Jianchang. Study on endoscope check method[J]. Journal of Rocket Propulsion, 2006, 32(4): 54-62.
[43] 张辉, 王淑娟, 王立忠, 等. 航天继电器多余物检测方法的综合分析与讨论[J]. 机电元件, 2003, 23(2): 53-60.
Zhang Hui, Wang Shujuan, Wang Lizhong, et al. Synthetically analysis and discussion of detection method of remainder particles of relay in aerospace[J]. Electromechanical Components, 2003, 23(2): 53-60.
[44] 刘丽荣, 马骏, 张立. 航天产品工业内窥检测典型多余物的判别方法[J]. 航天制造技术, 2013(3): 62-64.
Liu Lirong, Ma Jun, Zhang Li. Judgment methods of representative foreign object debris (FOD) in borescope inspection (BSI) for aerospace products[J]. Aerospace Manufacturing Technology, 2013(3): 62- 64.
[45] 中国人民解放军总装备部. 军用电子元器件破坏性物理分析方法: GJB 4027A-2006[S]. 北京: 总装备部军标出版发行部, 2006.
[46] 科邦实验室. X射线荧光光谱仪原理及主要技术指标对比[EB/OL]. 回答. [2023-03-17]. https://zhuanlan. zhihu.com/p/210747259.
[47] 张国华, 杜迎, 华丞, 等. 捕捉集成电路中多余物方法的研究[J]. 电子产品可靠性与环境试验, 2006, 24(2): 41-44.
Zhang Guohua, Du Ying, Hua Cheng, et al. Study of methods for catching unwanted material in IC[J]. Electronic Product Reliability and Environmental Testing, 2006, 24(2): 41-44.
[48] 郭苗, 魏东波, 杨民. 基于CT图像局部控制核的叶片内腔多余物检测[J]. 中国体视学与图像分析, 2011, 16(4): 336-340.
Guo Miao, Wei Dongbo, Yang Min. Turbine blade internal remainders detection based on local steering kernel of computed tomography images[J]. Chinese Journal of Stereology and Image Analysis, 2011, 16(4): 336-340.
[49] X光食品异物检测机[EB/OL]. 百度百科. [2023-03- 17]. https://baike.baidu.com/item/X%E5%85%89%E9% A3%9F%E5%93%81%E5%BC%82%E7%89%A9%E6% A3%80%E6%B5%8B%E6%9C%BA/633994.
[50] 中子成像的原理是什么, 其与X射线成像相比有何差异?[EB/OL]. 知乎.[2023-2-19]. https://www.zhihu. com/question/505986232.
[51] 中国航天工业总公司. 电子元器件中多余物的X射线照相检验方法: QJ 2689-1994[S]. 北京: 中国航天工业总公司, 1994.
[52] 杨春亭, 陈仲仪. 基于小波分析的多余物三维定位算法[J]. 信号处理, 1997, 13(2): 176-181, 154.
Yang Chunting, Chen Zhongyi. A foreign object stereo located method based on wavelet transform[J]. Signal Processing, 1997, 13(2): 176-181, 154.
[53] Lin Daotan, Sun Zhe. Application of three-dimensional X-ray microscopy in failure analysis for plastic encapsulated microelectronics[C]//2016 17th Inter- national Conference on Electronic Packaging Tech- nology (ICEPT), Wuhan, China, 2016: 1284-1287.
[54] Lin Daotan. Application of three-dimensional X-ray microscopy in failure analysis for sealed relay[C]// 2018 19th International Conference on Electronic Packaging Technology (ICEPT), Shanghai, China, 2018: 1351-1354.
[55] 牛鹏飞. 基于改进型马特拉方法的航天继电器多余物检测方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2015.
[56] French B T, Mann J E, Ereckson G E. Prediction of IC and LSI performance by specialized vibration/ detection test for presence of conductive par- ticles[C]//10th Reliability Physics Symposium, Las Vegas, NV, USA, 2007: 26-31.
[57] 王世成. 军用电子元器件多余物检测技术的研究[D]. 哈尔滨: 哈尔滨工业大学, 2009.
[58] 张辉, 王淑娟, 翟国富. 航天继电器多余物颗粒碰撞噪声检测的任意周期运动稳定性分析[J]. 电工技术学报, 2005, 20(4): 28-32, 44.
Zhang Hui, Wang Shujuan, Zhai Guofu. Discretional period motion stability analysis of particle impact noise detection for space relay reminders[J]. Transa- ctions of China Electrotechnical Society, 2005, 20(4): 28-32, 44.
[59] Angleton J L, Webster S L. Techniques for standardi- zation of particle noise in electronic packages[C]// 12th International Reliability Physics Symposium, Las Vegas, NV, USA, 2007: 38-42.
[60] 李超. 多通道多余物微弱信号检测方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2016.
[61] 李海峰. 航天继电器多余物信号特征提取与识别的方法研究[D]. 哈尔滨: 哈尔滨工业大学, 1996.
[62] McCullough R E. Hermeticity and particle impact noise test techniques[C]//14th International Reliabi- lity Physics Symposium, Las Vegas, NV, USA, 2007: 256-262.
[63] Schreiers L A. Automated shock in particle impact noise (PIN) testing[J]. Microelectronics Reliability, 1977, 16(6): 654.
[64] David R F S. Practical limitations of PIND testing[C]// Proceedings of the 28th Electronics Components Conference, Anaheim, Calif, USA, 1978, 10: 281- 285.
[65] Schuster R. Practical tips on PIND testing[J]. Evaluation Engineering. 1979, (4): 24-26.
[66] Dal Porto J F, Loescher D H, Olson H C, et al. SEM/EDAX analysis of PIND test failures[C]//19th International Reliability Physics Symposium, Las Vegas, NV, USA, 2007: 163-166.
[67] McCoy D K. Practical aspects of PIND testing[C]// Proceedings of the National Conference and Work- shop on Environmental Stress Screening of Electronic Parts, San Jose, USA, 1985(1): 13-16.
[68] Vicroy C M, Linn J H. Analysis of PIND test failures[C]//International Symposium for Testing and Failure Analysis, Los Angeles, USA, 1990: 149-160.
[69] Prairie R R, Zimmer W J. Statistical modeling for particle impact noise detection testing[C]//Annual Reliability and Maintainability Symposium. 1991 Proceedings, Orlando, FL, USA, 1991: 536-540.
[70] Scaglione L J. Neural network application to particle impact noise detection[C]//Proceedings of 1994 IEEE International Conference on Neural Networks (ICNN'94), Orlando, FL, USA, 2002: 3415-3419.
[71] Zhang Hui, Wang Shujuan, Zhai Guofu. Research on particle impact noise detection standard[C]//The Proceedings of the Multiconference on “Com- putational Engineering in Systems Applications”, Beijing, China, 2007: 1059-1066.
[72] Reilly W. PIND particule impact noise dete- ction[EB/OL]. Spectral Dynamics. [2023-03-23].
[73] 唐宝璋. 控制多余物关键在管理[J]. 质量与可靠性, 1986(2): 12-13, 8.
Tang Baozhang. Management is the key to control surplus[J]. Quality and Reliability, 1986(2): 12-13, 8.
[74] 曾纪科. 松散微粒子环境与PIND试验[J]. 环境条件与试验, 1988, 6(4): 9-12.
Zeng Jike. Loose particle environment and PIND test[J]. Environmental Technology, 1988, 6(4): 9-12.
[75] 夏泓, 代俊. 半导体器件内部可动移余物引起失效的分析与对策[J]. 电子产品可靠性与环境试验, 1991, 9(6): 17-20.
Xia Hong, Dai Jun. Analysis and countermeasures for failure caused by movable residues inside semi- conductor devices[J]. Electronic Product Reliability and Environmental Testing, 1991, 9(6): 17-20.
[76] 黄德銮. PIND技术及密封继电器内部多余物检测的探讨[J]. 机电元件, 1991, 11(3): 25-28.
Huang Deluan. Discussion on PIND technology and detection of internal surplus of sealed relay[J]. Electromechanical Components, 1991, 11(3): 25-28.
[77] 周士坤. 继电器筛选及多余物的危害[J]. 质量与可靠性, 1994(5): 33-34, 40.
Zhou Shikun. Screening of relays and hazards of redundant objects[J]. Quality and Reliability, 1994(5): 33-34, 40.
[78] 成京惠. PIND应用演示会在京举行[J]. 质量与可靠性, 1994(6): 7.
Cheng Jinghui. PIND application demonstration held in Beijing[J]. Quality and Reliability, 1994(6): 7.
[79] 董加勤. 密封继电器多余物检测方法和系统实现的研究[D]. 哈尔滨: 哈尔滨工业大学, 1998.
[80] 董加勤, 洪文学, 赵新民. 航天继电器中多余物自动测试系统的研究[J]. 电子测量与仪器学报, 1998, 12(4): 41-46.
Dong Jiaqin, Hong Wenxue, Zhao Xinmin. A research on the automatic test system for the remainder particle signals in spacecraft relays[J]. Journal of Electronic Measurement and Instroment, 1998, 12(4): 41-46.
[81] 郑世才, 胥维勋, 孙永玲, 等. 新的PIND检验技术[J]. 航天制造技术, 2003(1): 6-9, 15.
Zheng Shicai, Xu Weixun, Sun Yongling, et al. A new PIND inspection technique[J]. Aerospace Manufa- cturing Technology, 2003(1): 6-9, 15.
[82] 张辉. 航天继电器微粒碰撞噪声检测试验方法的研究[D]. 哈尔滨: 哈尔滨工业大学, 2006.
[83] 杜迎, 张国华, 朱卫良, 等. 可靠性试验粒子碰撞噪声检测技术研究[J]. 电子与封装, 2006, 6(5): 33-36, 39.
Du Ying, Zhang Guohua, Zhu Weiliang, et al. IC failtests technical study of particle impact noise detection testing[J]. Electronics & Packaging, 2006, 6(5): 33-36, 39.
[84] Li Pengfei, Zhai Guofu, Wang Guotao, et al. A movable component signal identification technology for loose particles detection based on pulse trajectory tracking algorithm[C]//4th International Conference on System Reliability and Safety Engineering, Guangzhou, Chin, 2022: 413-420.
[85] 郑静. 军用厚膜混合集成电路PIND试验不合格原因分析及控制方法[J]. 中国电子科学研究院学报, 2007, 2(2): 180-183.
Zheng Jing. The military thick-film hybrid integrated circuits analysis of the unqualified reason and control methods of PIND test failure[J]. Journal of China Academy of Electronics and Information Technology, 2007, 2(2): 180-183.
[86] 郭伟, 葛秋玲. 气密性陶瓷封装PIND失效分析及解决方案[J]. 电子与封装, 2007, 7(11): 1-4.
Guo Wei, Ge Qiuling. PIND failure analysis of air- tightness ceramic packaging and the solutions[J]. Electronics & Packaging, 2007, 7(11): 1-4.
[87] 陈亚兰, 肖玲. 混合集成电路PIND试验特征波形研究及控制方法[J]. 微电子学, 2010, 40(1): 153- 156.
Chen Yalan, Xiao Ling. Study on PIND characteristic pulse of hybrid IC’s and its control methods[J]. Microelectronics, 2010, 40(1): 153-156.
[88] 李秋枫. 多腔体密封集成电路的颗粒碰撞噪声检测PIND研究[J]. 集成电路应用, 2019, 36(8): 49-51.
Li Qiufeng. Study on particle impact noise detection PIND for multi-cavities hermetic integrated circuit[J]. Application of IC, 2019, 36(8): 49-51.
[89] 徐冰, 王世成, 翟国富. 航天电子装置多余物自动检测系统的研究[J]. 机电元件, 2008, 28(2): 6-11, 37.
Xu Bing, Wang Shicheng, Zhai Guofu. The research of remainder particle auto-detection system for aerospace electronic installation[J]. Electromechanical Components, 2008, 28(2): 6-11, 37.
[90] 王世成, 李小鹏, 翟国富. 航天继电器微粒碰撞噪声自动检测系统的研究[J]. 低压电器, 2008(19): 51-54, 65.
Wang Shicheng, Li Xiaopeng, Zhai Guofu. Research on particle impact noise auto detecting system for aerospace relay[J]. Low Voltage Apparatus, 2008(19): 51-54, 65.
[91] 唐晓庆. 基于随机振动的军用电子元器件多余物检测技术的研究[D]. 哈尔滨: 哈尔滨工业大学, 2010.
[92] 王世成, 王国涛, 翟国富, 等. 密封电子元器件微粒碰撞噪声自动检测系统的研究[J]. 计算机与数字工程, 2010, 38(9): 1-4, 12.
Wang Shicheng, Wang Guotao, Zhai Guofu, et al. Research on particle impact noise auto detecting system for sealed electronic components[J]. Computer & Digital Engineering, 2010, 38(9): 1-4, 12.
[93] 王珂琦. 多余物微小信号自动检测系统的研究[D]. 哈尔滨: 哈尔滨理工大学, 2018.
[94] 邓永芳, 李晓红, 张丽巍, 等. 粒子碰撞噪声检测(PIND) 试验设备灵敏度的定量分析[J]. 环境技术, 2014, 32(6): 52-54.
Deng Yongfang, Li Xiaohong, Zhang Liwei, et al. Quantitative analysis of sensibility of the PIND detection test equipment[J]. Environmental Tech- nology, 2014, 32(6): 52-54.
[95] 吕翔, 李晓强, 陈小方, 等. 一种用于PIND系统阈值校准的标准腔体: CN202008401U[P]. 2011-10-12.
[96] 李晓强, 徐军. 颗粒碰撞噪声检测系统阈值灵敏度校准方法研究[J]. 数字技术与应用, 2013(8): 83.
Li Xiaoqiang, Xu Jun. Research on threshold sensitivity calibration method of particle collision noise detection system[J]. Digital Technology & Application, 2013(8): 83.
[97] 刘娜, 张凡波. 颗粒碰撞噪声检测系统波形失真度校准结果不确定度分析[J]. 中国计量, 2013(5): 101-102.
Liu Na, Zhang Fanbo. Uncertainty analysis of wave- form distortion calibration results of particle collision noise detection system[J]. China Metrology, 2013(5): 101-102.
[98] 邢荣欣, 李洁, 赵昭, 等. 粒子碰撞噪声检测仪校准与测量不确定度评定[J]. 计测技术, 2013, 33(增刊1): 198-202.
Xing Rongxin, Li Jie, Zhao Zhao, et al. Calibration and measurement uncertainty evaluation of particle collision noise detector[J]. Metrology & Measurement Technology, 2013, 33(S1): 198-202.
[99] 王淑娟, 王国涛, 翟国富, 等. 航天继电器多余物微粒碰撞噪声检测的冲击试验条件[J]. 电工技术学报, 2011, 26(1): 75-80, 85.
Wang Shujuan, Wang Guotao, Zhai Guofu, et al. Impact test condition of particle impact noise detection for space relay remainders[J]. Transactions of China Electrotechnical Society, 2011, 26(1): 75-80, 85.
[100] 梁安生, 牛鹏飞, 李文军, 等. 基于Patran密封继电器的微粒碰撞噪声检测极限冲击试验条件研究[J]. 电器与能效管理技术, 2014(11): 7-11, 48.
Liang Ansheng, Niu Pengfei, Li Wenjun, et al. Research on ultimate impact test conditions of particle impact noise detection for sealed relay based on patran[J]. Electrical & Energy Management Technology, 2014(11): 7-11, 48.
[101] 王国涛. 密封继电器微粒碰撞噪声检测的试验条件研究[D]. 哈尔滨: 哈尔滨工业大学, 2014.
[102] 梁安生. 密封继电器微粒碰撞噪声检测极限试验条件仿真研究[D]. 哈尔滨: 哈尔滨工业大学, 2014.
[103] 高开明. 微粒碰撞噪声检测 (PIND) 有效振动频率段试验研究[D]. 哈尔滨: 哈尔滨工业大学, 2015.
[104] 石蕊, 荆晓莹. 基于随机振动的军用电子元器件多余物检测技术的研究[J]. 电子测试, 2022(3): 116- 118.
Shi Rui, Jing Xiaoying. Research on residual dete- ction technology of military electronic components based on random vibration[J]. Electronic Test, 2022(3): 116-118.
[105] 陈金豹, 赵晓东, 梁慧敏, 等. 星载电子设备多余物数据采集系统的设计[J]. 电子设计工程, 2011, 19(5): 119-122.
Chen Jinbao, Zhao Xiaodong, Liang Huimin, et al. Design of remainder data acquisition system for aerospace electric equipment[J]. Electronic Design Engineering, 2011, 19(5): 119-122.
[106] 陈蕊, 王淑娟, 翟国富. 基于HHT的航天电子装置多余物特征分析[J]. 系统工程与电子技术, 2012, 34(10): 2187-2192.
Chen Rui, Wang Shujuan, Zhai Guofu. Analysis method on characteristics of remainders in aerospace electronic equipment based on HHT[J]. Systems Engineering and Electronics, 2012, 34(10): 2187- 2192.
[107] Liang Xiaowen, Jiang Aiping, Li Tao, et al. LR- SMOTE-an improved unbalanced data set over- sampling based on K-means and SVM[J]. Knowledge- Based Systems, 2020, 196: 105845.
[108] 乌英嘎. 星载电子设备活动多余物识别方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2011.
[109] 陈金豹. 密封电子设备多余物检测的信号特征识别与置信度评价[D]. 哈尔滨: 哈尔滨工业大学, 2015.
[110] 王强. 密封电子元器件多余物检测信号调理优化与组件信号识别[D]. 哈尔滨: 哈尔滨工业大学, 2018.
[111] 马园园. 基于SVM的密封电子元器件组件信号识别技术开发[D]. 哈尔滨: 黑龙江大学, 2019.
[112] 刘海江, 刘劲松, 魏臣隽. 高精密航天器多余物检测算法研究[J]. 同济大学学报(自然科学版), 2020, 48(5): 716-724.
Liu Haijiang, Liu Jinsong, Wei Chenjun. Detection algorithm of remainder in high-precision spacecraft[J]. Journal of Tongji University (Natural Science), 2020, 48(5): 716-724.
[113] 梁晓雯. 基于随机森林的密封继电器多余物信号检测的设计与实现[D]. 哈尔滨: 黑龙江大学, 2020.
[114] 梁晓雯, 蒋爱平, 王国涛, 等. 参数优化决策树算法的密封继电器多余物信号识别技术[J]. 电子测量与仪器学报, 2020, 34(1): 178-185.
Liang Xiaowen, Jiang Aiping, Wang Guotao, et al. Sealed relay loose particle signal recognition tech- nology based on decision tree algorithm of parameter optimization[J]. Journal of Electronic Measurement and Instrumentation, 2020, 34(1): 178-185.
[115] 李响, 蒋爱平, 杨世华, 等. 基于多层感知机的密封继电器PIND信号识别[J]. 宇航计测技术, 2020, 40(2): 30-35.
Li Xiang, Jiang Aiping, Yang Shihua, et al. Identi- fication of sealed relay PIND signal based on multilayer perceptron[J]. Journal of Astronautic Metrology and Measurement, 2020, 40(2): 30-35.
[116] 薛永越. 微粒碰撞噪声检测信号分类特征的对比分析[D]. 哈尔滨: 黑龙江大学, 2020.
[117] 李超然. 基于Boosting算法的密封电子元器件组件信号识别技术[D]. 黑龙江大学, 2021.
[118] 李超然, 赵娜靖, 李硕, 等. 基于参数调优Xgboost算法的多余物信号检测技术[J]. 黑龙江大学工程学报, 2020, 11(3):71-77.
Li Chaoran, Zhao Najing, Li Shuo, et al. Excess signal detection technology based on parameter tuning Xgboost algorithm[J]. Journal of Engineering of Heilongjiang University, 2020, 11(3): 71-77.
[119] 李响. 密封继电器组件信号的神经网络识别及可信度评测[D]. 黑龙江大学, 2020.
[120] 翟国富, 王世成, 王淑娟. 基于小波变换的航天继电器多余物材质分类[J]. 电工技术学报, 2009, 24(5): 52-59.
Zhai Guofu, Wang Shicheng, Wang Shujuan. Classifi- cation of remainder material for aerospace relay based on wavelet transform[J]. Transactions of China Electrotechnical Society, 2009, 24(5): 52-59.
[121] 陈蕊. 航天电子装置多余物检测与材质识别方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2014.
[122] Yan Huizhen, Cao Xiaohang, Wang Zixin, et al. Research on material identification technology of sealed relay remainder material based on decision tree[C]//7th International Conference on Reliability of Electrical Products and Electrical Contacts, Suzhou, China: International Academic Publi- shers, 2019: 237-243.
[123] 燕会臻. 密封继电器多余物材质识别技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2020.
[124] 吕冰泽, 王国涛, 汪国强, 等. 参数优化GBDT算法的密封继电器材质识别[J]. 黑龙江大学自然科学学报, 2021, 38(6): 748-756.
Lü Bingze, Wang Guotao, Wang Guoqiang, et al. Recognition of sealed relay material based on parameter optimization GBDT algorithm[J]. Journal of Natural Science of Heilongjiang University, 2021, 38(6): 748-756.
[125] 褚昆. 基于微粒碰撞噪声检测的器件内冗余物材质识别方法研究[D]. 北京: 北京工业大学, 2020.
[126] 李硕. 基于监督学习的多余物微粒重量估计技术[D]. 哈尔滨: 黑龙江大学, 2021.
[127] 刘海江, 张恒, 汪乾, 等. 基于聚类的航天器多余物粒径特征识别方法[J]. 航天器环境工程, 2022, 39(1): 111-118.
Liu Haijiang, Zhang Heng, Wang Qian, et al. A cluster-based method for identifying the feature of particle size for spacecraft remnant[J]. Spacecraft Environment Engineering, 2022, 39(1): 111-118.
[128] 梅发斌. 继电器多余物检测用大推力振动台虚拟样机建模与设计[D]. 哈尔滨: 哈尔滨工业大学, 2019.
[129] 杨文英, 梅发斌, 刘兰香, 等. 继电器多余物检测用大脉宽振动台的虚拟样机建模与设计[J]. 电器与能效管理技术, 2018(22): 70-76.
Yang Wenying, Mei Fabin, Liu Lanxiang, et al. Virtual prototype modeling and design of vibration table with wider pulse for particle impact noise detection system[J]. Electrical & Energy Management Technology, 2018(22): 70-76.
[130] 王兰涛, 郑世才, 胥维勋, 等. 活动部位信号识别技术: 活动多余物检测[J]. 航天工艺, 1995(6): 9-13.
Wang Lantao, Zheng Shicai, Xu Weixun, et al. Active part signal recognition technology-active redundancy detection[J]. Aerospace Manufacturing Technology, 1995(6): 9-13.
[131] 王育红, 郑世才, 胥维勋, 等. 活动多余物的检测[J]. 宇航计测技术, 1996, 16(3): 55-58.
Wang Yuhong, Zheng Shicai, Xu Weixun, et al. Checkout of active redundances[J]. Journal of Astronautic Metrology and Measurement, 1996, 16(3): 55-58.
[132] 郑世才. 航天产品活动多余物的检测[J]. 上海航天, 1997, 14(5): 56-60.
Zheng Shicai. Detection of movable surplus of space products[J]. Aerospace Shanghai, 1997(5): 56-60.
[133] 孙永玲, 王兰涛, 王育红, 等. 战术导弹活动多余物检测技术[J]. 航天工艺, 2000(4): 8-13.
Sun Yongling, Wang Lantao, Wang Yuhong, et al. Tactical missile active redundancy detection techno- logy[J]. Aerospace Manufacturing Technology, 2000(4): 8-13.
[134] 徐冰. 航天电子装置多余物自动识别技术的研究[D]. 哈尔滨: 哈尔滨工业大学, 2008.
[135] 张龙. 航天控制器多余物检测系统设计[D]. 哈尔滨: 哈尔滨工业大学, 2012.
[136] 张坤. 航天控制器多余物检测系统设计[D]. 哈尔滨: 哈尔滨工业大学, 2012.
[137] Wang Shujuan, Chen Rui, Zhang Long, et al. Detection and material identification of loose par- ticles inside the aerospace power supply via stochastic resonance and LVQ network[J]. Transactions of the Institute of Measurement and Control, 2012, 34(8): 947-955.
[138] 邢通. 星载单机多余物检测系统的研究[D]. 哈尔滨: 哈尔滨工业大学, 2013.
[139] 陈金豹, 翟国富, 王淑娟, 等. 航天电子设备多余物检测信号特性的影响因素分析[J]. 系统工程与电子技术, 2013, 35(4): 889-894.
Chen Jinbao, Zhai Guofu, Wang Shujuan, et al. Factors affecting characteristics of acoustic signals in particle impact noise detection for aerospace devices[J]. Systems Engineering and Electronics, 2013, 35(4): 889-894.
[140] 戚乐. 航天发动机多余物检测系统的研究[D]. 哈尔滨: 哈尔滨工业大学, 2014.
[141] Zhai Guofu, Chen Jinbao, Li Qiuyang. Detecting loose particle signals in multichannel recordings with transductive confidence predictor[J]. Transactions of the Institute of Measurement and Control, 2015, 37(2): 265-272.
[142] Zhai Guofu, Chen Jinbao, Wang Shujuan, et al. Material identification of loose particles in sealed electronic devices using PCA and SVM[J]. Neuro- computing, 2015, 148: 222-228.
[143] Zhai Guofu, Chen Jinbao, Li Chao, et al. Pattern recognition approach to identify loose particle material based on modified MFCC and HMMs[J]. Neurocomputing, 2015, 155: 135-145.
[144] Qi Ming, Guo Liang, Guo Yao, et al. Recognition method of inherent mechanical noise in PIND signal of aerospace relay based on pedigree cluster[C]//2015 Fifth International Conference on Instrumentation and Measurement, Computer, Communication and Control (IMCCC), Qinhuangdao, China, 2016: 427-432.
[145] 孟偲, 李阳刚, 张国强, 等. 基于支持向量机的飞行器多余物信号识别[J]. 北京航空航天大学学报, 2020, 46(3): 488-495.
Meng Cai, Li Yanggang, Zhang Guoqiang, et al. Signal recognition of loose particles inside aerobat based on support vector machine[J]. Journal of Beijing University of Aeronautics and Astronautics, 2020, 46(3): 488-495.
[146] 赵润森. 活动多余物在线检测系统研究[D]. 廊坊: 北华航天工业学院, 2020.
[147] 马哲冬. 基于活动多余物检测的算法研究[D].北华航天工业学院, 2021.
[148] 邓威威. 基于颗粒碰撞噪声检测法的舱体多余物检测[D]. 大连: 大连理工大学, 2021.
[149] 朱永生, 傅亚敏, 闫柯, 等. 一种基于声音信号的大型结构活动多余物检测方法: CN111323481B[P]. 2021-05-28.
[150] 朱永生, 岳义, 任智军, 等. 一种大型圆柱结构活动多余物的检测方法: CN109655880A[P]. 2019-04-19.
[151] 严明, 胡隽, 周晓娜, 等. 航天产品多余物自动检测信号提取方法[J]. 空间控制技术与应用, 2022, 48(1): 32-37.
Yan Ming, Hu Jun, Zhou Xiaona, et al. Automatic detection system of remainders signal abstracting method in aerospace product[J]. Aerospace Control and Application, 2022, 48(1): 32-37.
[152] 李晓红, 邓永芳. 密封器件内部多余物的检测与提取[J]. 微电子学, 2006, 36(1): 56-59.
Li Xiaohong, Deng Yongfang. Evaluation of selected methods for detecting and picking contaminants within pressurized devices[J]. Microelectronics, 2006, 36(1): 56-59.
[153] 东风2号导弹肚子竟搜出14种多余物：你想不到里面都放着啥![EB/OL]. 新浪新闻.[2023-12-11]. http://k.sina.com.cn/article_6446055700_180370114001004yij.html.
[154] Damron B, Miceli J. Pind task group report[Z/OL]. [2023-03-17].
[155] Slykhous S J. Particle impact noise detection (PIND) combines vibration, shock, and acoustics for determining reliability of electronic components[EB/OL]. [2023-03-10].
[156] 席善斌, 高金环, 裴选, 等. 军用标准PIND试验方法发展与对比分析[J]. 半导体技术, 2019, 44(4): 313-320.
Xi Shanbin, Gao Jinhuan, Pei Xuan, et al. Development and comparative analysis of PIND test method in military standards[J]. Semiconductor Technology, 2019, 44(4): 313-320.
[157] 周旭. 粒子碰撞噪声试验及标准[J]. 信息技术与标准化, 2008(5): 39-42, 48.
Zhou Xu. The particle impact noise detection and it’s standards[J]. Information Technology & Standardi- zation, 2008(5): 39-42, 48.
[158] 王立康, 张军, 高帅, 等. 粒子碰撞噪声检测试验方法与计量管理优化研究[J]. 计量科学与技术, 2022, 66(7): 58-64, 6.
Wang Likang, Zhang Jun, Gao Shuai, et al. Research on particle impact noise detection test method and measurement management optimization[J]. Metrology Science and Technology, 2022, 66(7): 58-64, 6.
[159] 吴维丽, 王瑞曾, 金毓铨. PIND试验的特殊属性和适用范围研究[J]. 信息技术与标准化, 2012(9): 68-70.
Wu Weili, Wang Ruizeng, Jin Yuquan. Research for particularity and applicable scope of PIND[J]. Information Technology & Standardization, 2012(9): 68-70.
Abstract As critical components in aerospace systems, sealed electronic components and devices have high precision, reliability, and complexity. One of the major variables affecting their high reliability is the issue of loose remainders, which are almost impossible to avoid altogether. Therefore, mitigating the impact of loose remainders is necessary. With the rapid development of aerospace technology, loose remainder detection techniques have been improved and refined. This paper comprehensively discusses preventive and control methods, detection techniques, and detection standards for loose remainders. Moreover, future competitive points, challenges, and prospects for PIND (particle impact noise detection) products and technologies are presented.
Firstly, the definition of loose remainders from external sources is introduced. Loose remainders can be categorized into macroscopic and microscopic loose remainders by size. The preliminary classification is introduced according to historical aerospace events that led to launch delays or failures by loose remainders. The main categories are loose remainders remaining or obstructing internal engine pipes, loose remainders causing inadequate sealing or valve closure, and loose remainders leading to electrical control failures.
Secondly, the paper focuses on preventing and controlling loose remainders. There are three approaches for controlling and preventing loose remainders: (1) Cause-and-effect diagram representation; (2) Discovery and trace-back investigation methods; (3) Control process and functional integration methods. Five methods are often used to detect loose remainders: microscopic inspection, radiographic inspection, MATRA inspection, particle impact noise detection (PIND) method, and direct extraction and identification method. The history and development of the PIND method is discussed from the detection aspects of small-sized components and medium-to-large-sized devices. With increasing demands and specialized applications, intelligent detection data algorithms, high reliability of products, diverse functionalities, and customization have become new competitive points. Furthermore, innovation and development in loose remainder detection technologies are crucial.
Finally, standards and future development related to loose remainders and the PIND method are discussed. An overview loose remainder detection's overall status and future development is presented.
keywords：Sealed electronic components and devices, loose remainders detection, particle impact noise detection (PIND) method, standard, prevention & control
DOI: 10.19595/j.cnki.1000-6753.tces.230532
中图分类号：TM58
国家自然科学基金（51607059）和黑龙江省重点研发计划（2022ZX03A06）资助项目。
收稿日期 2023-04-25
改稿日期 2023-07-07
李鹏飞 男，1989年生，博士研究生，研究方向为航天与军用电器多余物检测与识别技术。E-mail: lpf025@163.cn
翟国富 男，1964年生，教授，博士生导师，研究方向为航天与军用电器可靠性与测试技术。E-mail: gfzhai@hit.edu.cn（通信作者）
（编辑 崔文静）