CN117629534A - 气体泄漏检测方法、装置及气体泄漏样本采集*** - Google Patents

Abstract

本发明涉及气体泄漏检测技术领域，公开了一种气体泄漏检测方法、装置及气体泄漏样本采集***，方法包括：当声像仪检测到待测管路发生气体泄漏时，获取气体泄漏的声像图和声压频率曲线；基于气体泄漏的声像图，确定泄漏源所在位置；基于泄漏源所在位置，获取泄漏源与声像仪之间的第一距离；基于第一距离在至少一个对应关系中，确定与第一距离对应的第一检测模型；利用第一检测模型对声像图和声压频率曲线进行处理，输出与第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。本发明气体泄漏检测方法在发生气体泄漏时，能够及时获取到气体泄漏信息，从而降低了气体泄漏存在的风险。

Description

气体泄漏检测方法、装置及气体泄漏样本采集***

技术领域

本发明涉及气体泄漏检测技术领域，具体涉及气体泄漏检测方法、装置及气体泄漏样本采集***。

背景技术

在运载火箭发送机试验和发射领域，现场涉及到多种高压气体的使用和存储，如氢气、氮气、氧气、氦气、甲烷等，一旦发生泄漏，就可能造成重大的安全事故和质量问题。

目前针对气体泄漏采用的监管设备包括压力传感器、浓度传感器、流量计等，但是从单一设备的参数异常到判定泄漏位置、泄漏气体类型、泄漏量需要漫长的过程，使得气体泄漏存在较大的潜在风险。

发明内容

有鉴于此，本发明提供了一种气体泄漏检测方法、装置及气体泄漏样本采集***，以解决由于单一设备的参数异常到判定泄漏位置、泄漏气体类型、泄漏量需要漫长的过程，造成的气体泄漏存在较大的潜在风险的问题。

第一方面，本发明提供了一种气体泄漏检测方法，所述方法应用于声像仪，所述方法包括：

当所述声像仪检测到待测管路发生气体泄漏时，获取所述气体泄漏的声像图和声压频率曲线，所述声像图用于显示发生气体泄漏的泄漏源在空间上的分布，所述声压频率曲线用于显示所述泄漏源的声压与频率的关系；

基于所述气体泄漏的声像图，确定所述泄漏源所在位置；

基于所述泄漏源所在位置，获取所述泄漏源与所述声像仪之间的第一距离；

基于所述第一距离在至少一个对应关系中，确定与所述第一距离对应的第一检测模型，每个所述对应关系包括一个距离与一个检测模型的关联关系，每个所述检测模型用于检测气体泄漏时，泄漏气体的类别、气体泄漏的方向和气体泄漏流量；

利用所述第一检测模型对所述声像图和声压频率曲线进行处理，输出与所述第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。

本申请在获取到气体泄漏的声像图、声压频率曲线和泄漏源与声像仪之间的距离之后，基于泄漏源与声像仪之间的距离选取检测模型，利用第一检测模型对声像图和声压频率曲线进行处理，就能够获得泄漏气体类别、气体泄漏方向和气体泄漏流量，本申请在发生气体泄漏时，能够及时获取到气体泄漏信息，从而降低了气体泄漏存在的风险。

结合第一方面，在一种可选的实施方式中，所述利用所述第一检测模型对所述声像图和声压频率曲线进行处理，输出与所述第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量，包括：

将所述声像图和声压频率曲线输入与所述第一距离对应的介质识别模型，得到所述第一气体类别；

基于所述第一气体类别，确定与所述第一气体类别对应的泄漏方向识别模型；

将所述声像图和声压频率曲线输入与所述第一气体类别对应的泄漏方向识别模型，得到所述第一气体泄漏方向；

基于所述第一气体泄漏方向，确定与所述第一气体泄漏方向对应的流量分析模型；

将所述声像图和声压频率曲线输入与所述第一气体泄漏方向对应的流量分析模型，得到所述第一气体泄漏的流量。

本实施例的方法通过将声像图和声压频率曲线输入各个模型，就能够获取泄漏气体的类别、气体泄漏方向和气体泄漏流量，让技术人员能够及时获取到气体泄漏信息，降低了气体泄漏的风险。

结合第一方面，在另一种可选的实施方式中，所述将所述声像图和声压频率曲线输入与所述第一距离对应的介质识别模型，得到所述第一气体类别，包括：

将所述声像图展开为第一声像数组；

将所述声压频率曲线展开为第一声压频率数组；

将所述第一声像数组和所述第一声压频率数组进行合并处理，获得第一目标数组；

将所述第一目标数组输入与所述第一距离对应的介质识别模型，得到所述第一气体类别。

结合第一方面，在另一种可选的实施方式中，所述将所述声像图和声压频率曲线输入与所述第一气体类别对应的泄漏方向识别模型，得到所述第一气体泄漏方向，包括：

将所述第一目标数组输入与所述第一气体类别对应的泄漏方向识别模型，得到所述第一气体泄漏方向。

结合第一方面，在另一种可选的实施方式中，所述将所述声像图和声压频率曲线输入与所述第一气体泄漏方向对应的流量分析模型，得到所述第一气体泄漏的流量，包括：

对所述第一声像数组进行主成分分析压缩处理，获得第二声像数组；

将所述第二声像数组和所述第一声压频率数组进行合并处理，获得第二目标数组；

将所述第二目标数组输入与所述第一气体泄漏方向对应的流量分析模型，得到所述第一气体泄漏的流量。

结合第一方面，在另一种可选的实施方式中，生成所述与所述第一距离对应的介质识别模型，包括：

获取所述泄漏源和所述声像仪之间第一距离下不同气体泄漏的声像图和声压频率曲线；

将所述泄漏源和所述声像仪之间第一距离下每一种气体泄漏的声像图展开为第三声像数组；

将所述泄漏源和所述声像仪之间第一距离下每一种气体泄漏的声压频率曲线展开为第二声压频率数组；

将每一种气体泄漏的第三声像数组和对应的第二声压频率数组进行合并处理，获得每一种气体泄漏对应的第三目标数组；

将所述第三目标数组作为训练样本，第三目标数组对应的气体类别作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得所述与所述第一距离对应的介质识别模型。

结合第一方面，在另一种可选的实施方式中，生成与所述第一气体类别对应的泄漏方向识别模型，包括：

获取所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，不同泄漏方向的气体泄漏的声像图和声压频率曲线；

将所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声像图展开为第四声像数组；

将所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声压频率曲线展开为第三声压频率数组；

将每一种泄漏方向的第四声像数组和对应的第三声压频率数组进行合并处理，获得每一种泄漏方向对应的第四目标数组；

将所述第四目标数组作为训练样本，第四目标数组对应的气体泄漏方向作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与所述第一气体类别对应的泄漏方向识别模型。

结合第一方面，在另一种可选的实施方式中，生成与所述第一气体泄漏方向对应的流量分析模型，包括：

获取所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，不同泄漏流量的气体泄漏的声像图和声压频率曲线；

将获取所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声像图展开为第五声像数组；

将获取所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声压频率曲线展开为第四声压频率数组；

将每一种泄漏流量的第五声像数组通过主成分分析压缩处理后和对应的第四声压频率数组进行合并处理，获得每一种泄漏流量对应的第五目标数组；

将所述第五目标数组作为训练样本，第五目标数组对应的泄漏流量作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与所述第一气体泄漏方向对应的流量分析模型。

第二方面，本发明提供了一种气体泄漏检测装置，所述装置包括：

声像图和声压频率曲线获取模块，用于当所述声像仪检测到待测管路发生气体泄漏时，获取所述气体泄漏的声像图和声压频率曲线，所述声像图用于显示发生气体泄漏的泄漏源在空间上的分布，所述声压频率曲线用于显示所述泄漏源的声压与频率的关系；

泄漏源所在位置确定模块，用于基于所述气体泄漏的声像图，确定所述泄漏源所在位置；

激光测距仪模块，用于基于所述泄漏源所在位置，获取所述泄漏源与所述声像仪之间的第一距离；

第一检测模型确定模块，用于基于所述第一距离在至少一个对应关系中，确定与所述第一距离对应的第一检测模型，每个所述对应关系包括一个距离与一个检测模型的关联关系，每个所述检测模型用于检测气体泄漏时，泄漏气体的类别、气体泄漏的方向和气体泄漏流量；

气体泄漏信息获取模块，用于利用所述第一检测模型对所述声像图和声压频率曲线进行处理，输出与所述第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。

第三方面，本发明提供了一种气体泄漏样本采集***，所述***包括：

气体泄漏生成装置和声像仪，其中，

所述声像仪中设置有激光测距仪；

所述气体泄漏生成装置用于生成不同气体在不同泄漏流量、不同泄漏方向下的泄漏；

所述激光测距仪用于测量所述气体泄漏生成装置和声像仪之间的距离；

所述声像仪用于获取所述气体泄漏生成装置和声像仪之间不同距离下，不同气体在不同泄漏流量、不同泄漏方向下的泄漏的声像图和声压频率曲线。

第四方面，本发明提供了一种声像仪，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行上述第一方面或其对应的任一实施方式的气体泄漏检测方法。

第五方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的气体泄漏检测方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的气体泄漏检测方法的流程示意图；

图2是根据本发明实施例的另一气体泄漏检测方法的流程示意图；

图3是根据本发明实施例的气体泄漏检测装置的结构框图；

图4是根据本发明实施例的一种气体泄漏样本采集***的示意图；

图5是根据本发明实施例的声像仪的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在运载火箭发动机试验和发射领域，现场往往涉及到多种高压气体的使用的存储，示例性地，高压气体可以是氢气、氮气、氧气、氦气、甲烷等。高压气体一旦发生泄漏，就可能造成重大的安全事故和质量问题。

因此，及时检测到气体发生泄漏以及获取气体泄漏相关信息是十分必要的。

目前针对气体泄漏采用的监管设备包括压力传感器、浓度传感器、流量计等，但是从单一设备的参数异常到判定泄漏位置、泄漏气体类型、泄漏量需要漫长的过程，造成了潜在的风险事件剖面。

本发明实施例提供了一种气体泄漏检测方法，通过及时检测到气体发生泄漏并获取气体泄漏信息的方式达到降低潜在风险发生的效果。

根据本发明实施例，提供了一种气体泄漏检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种气体泄漏检测方法，可用于声像仪，图1是根据本发明实施例的气体泄漏检测方法的流程图，如图1所示，该流程包括如下步骤：

步骤S101，当声像仪检测到待测管路发生气体泄漏时，获取气体泄漏的声像图和声压频率曲线。

其中，声像图用于显示发生气体泄漏的泄漏源在空间上的分布，声压频率曲线用于显示泄漏源的声压与频率的关系。

待测管路可以是化工厂存储高压气体的管路，也可以是火箭发射试验中存储高压气体的管路，也就是说，待测管路为技术人员凭经验确定的有潜在气体泄漏风险的管路。

需要说明的是，声像仪可以监测一定区域内的待测管路，示例性的6米×6米区域内的待测管路。可以理解的是，区域过大会导致声像仪的检测准确性降低。在声像仪检测到待测管路发生气体泄漏的情况下，获取气体泄漏的声像图和声压频率曲线。

气体可以是氢气、氮气、氧气、氦气、甲烷等泄漏可能造成重大安全事故和质量问题的气体。

步骤S102，基于气体泄漏的声像图，确定泄漏源所在位置。

具体地，声像图可以显示发生气体泄漏的泄漏源在空间上的分布，也即声像图可以显示出泄漏源所在的位置。

步骤S103，基于泄漏源所在位置，获取泄漏源与声像仪之间的第一距离。

在确定了泄漏源所在的位置时，声像仪可以利用设置在其中的激光测距仪测量泄漏源与声像仪之间的距离。

步骤S104，基于第一距离在至少一个对应关系中，确定与第一距离对应的第一检测模型。

每个对应关系包括一个距离与一个检测模型的关联关系，每个检测模型用于检测气体泄漏时，泄漏气体的类别、气体泄漏的方向和气体泄漏流量。

步骤S105，利用第一检测模型对声像图和声压频率曲线进行处理，输出与第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。

本实施例提供的气体泄漏检测方法，通过在获取到气体泄漏的声像图、声压频率曲线和泄漏源与声像仪之间的距离之后，基于泄漏源与声像仪之间的距离选取检测模型，利用第一检测模型对声像图和声压频率曲线进行处理，就能够获得泄漏气体类别、气体泄漏方向和气体泄漏流量，本申请在发生气体泄漏时，能够及时检测到气体发生泄漏并获取气体泄漏信息，从而降低了气体泄漏存在的风险。

在本实施例中提供了一种气体泄漏检测方法，可用于声像仪，图2是根据本发明实施例的气体泄漏检测方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，当声像仪检测到待测管路发生气体泄漏时，获取气体泄漏的声像图和声压频率曲线。

声像图用于显示发生气体泄漏的泄漏源在空间上的分布，声压频率曲线用于显示泄漏源的声压与频率的关系。

详细请参见图1所示实施例的步骤S101，在此不再赘述。

步骤S202，基于气体泄漏的声像图，确定泄漏源所在位置。

详细请参见图1所示实施例的步骤S102，在此不再赘述。

步骤S203，基于泄漏源所在位置，获取泄漏源与声像仪之间的第一距离。

详细请参见图1所示实施例的步骤S103，在此不再赘述。

步骤S204，基于第一距离在至少一个对应关系中，确定与第一距离对应的第一检测模型。

每个对应关系包括一个距离与一个检测模型的关联关系，每个检测模型用于检测气体泄漏时，泄漏气体的类别、气体泄漏的方向和气体泄漏流量。详细请参见图1所示实施例的步骤S104，在此不再赘述。

步骤S205，利用第一检测模型对声像图和声压频率曲线进行处理，输出与第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。

具体地，上述步骤S205包括：

步骤S2051，将声像图和声压频率曲线输入与第一距离对应的介质识别模型，得到第一气体类别。

需要说明的是，第一检测模型包括：与第一距离对应的介质识别模型、泄漏方向识别模型和流量分析模型。

在确定了与第一距离对应的第一检测模型之后，将获取到的气体泄漏的声像图和声压频率曲线输入至与第一距离对应的介质识别模型。

可以理解的是，泄漏源与声像仪之间的距离不同，则对应的介质识别模型一般是不同的。

步骤S2052，基于第一气体类别，确定与第一气体类别对应的泄漏方向识别模型。

具体地，与第一距离对应的介质识别模型输出泄漏气体所属类别，即第一气体类别。每种气体类别都存在与其对应的泄漏方向识别模型，因此，基于第一气体类别在至少一个对应关系中，确定与第一气体类别对应的泄漏方向识别模型。

需要说明的是，与第一气体类别对应的泄漏方向识别模型与前述第一距离也是对应的。

步骤S2053，将声像图和声压频率曲线输入与第一气体类别对应的泄漏方向识别模型，得到第一气体泄漏方向。

在确定了与第一气体类别对应的泄漏方向识别模型之后，将声像仪获取到的气体泄漏的声像图和声压频率曲线输入至对应的泄漏方向识别模型，得到泄漏方向识别模型的输出，即第一气体泄漏方向。

步骤S2054，基于第一气体泄漏方向，确定与第一气体泄漏方向对应的流量分析模型。

具体地，与第一气体类别对应的泄漏方向识别模型输出第一气体泄漏方向。每种泄漏方向都存在与其对应的流量分析模型，因此，基于第一气体泄漏方向在至少一个对应关系中，确定与第一气体泄漏方向对应的流量分析模型。

需要说明的是，与第一气泄漏方向对应的流量分析模型与前述第一距离、第一气体类别也是对应的。

步骤S2055，将声像图和声压频率曲线输入与第一气体泄漏方向对应的流量分析模型，得到第一气体泄漏的流量。

在确定了与第一气体泄漏方向对应的流量分析模型之后，将声像仪获取到的气体泄漏的声像图和声压频率曲线输入至对应的流量分析模型，得到流量分析模型的输出，即第一气体泄漏的流量。

本实施例提供的一种气体泄漏检测方法，通过在获取到泄漏源与声像仪之间的距离之后，基于泄漏源与声像仪之间的距离将声像图和声压频率曲线输入对应的各个模型，就能够获取泄漏气体的类别、气体泄漏方向和气体泄漏流量，让技术人员能够及时获取到气体泄漏信息，降低了气体泄漏的风险。

在一些可选的实施方式中，上述步骤S2051包括：

步骤a1，将声像图展开为第一声像数组。

具体地，声像图按照声压级的大小初始是一个m行×l列的矩阵，其中，矩阵中数的量纲是声压级。

将声像图展开为一列m×l长度的数组，即第一声像数组。

步骤a2，将声压频率曲线展开为第一声压频率数组。

具体地，将声压频率曲线按照声压级的定义转化为声压级频率曲线，其中，声压级频率曲线为一列长度为p的数组，即第一声压频率数组。

步骤a3，将第一声像数组和第一声压频率数组进行合并处理，获得第一目标数组。

具体地，将第一声像数组和第一声压频率数组拼接在一起形成一列新的[m×l；p]数组，长度为m×l+p，即第一目标数组。其中，m、l和p的数值大小由声像仪硬件决定。示例性地，声像仪形成的声像图是32×24，则m＝32，l＝24，同时还生成一条长度512个数的声压频率曲线，即p＝512。m和l的数值大小与声像仪中包含的声传感器数量有关，声传感器数量越多，m和l就越大，像素就越高。本实施例中声像仪中有64个声传感器。声压频率曲线和声像仪的采样频率有一定关系，通过数学的算法可以使得p＝任意数，本实施例中采用的是声像仪软件默认的512个数。

步骤a4，将第一目标数组输入与第一距离对应的介质识别模型，得到第一气体类别。

具体地，在获取到第一目标数组和与第一距离对应的介质识别模型的情况下，将第一目标数组输入与第一距离对应的介质识别模型，该与第一距离对应的介质识别模型输出第一气体类别。

在一些可选的实施方式中，上述步骤S2053包括：

步骤b1，将第一目标数组输入与第一气体类别对应的泄漏方向识别模型，得到第一气体泄漏方向。

具体地，在获取到第一目标数组和与第一气体类别对应的泄漏方向识别模型的情况下，将第一目标数组输入与第一气体类别对应的泄漏方向识别模型，该与第一气体类别对应的泄漏方向识别模型输出第一气体泄漏方向。

在一些可选的实施方式中，上述步骤S2055包括：

步骤c1，对第一声像数组进行主成分分析压缩处理，获得第二声像数组。

在获取到第一声像数组的情况下，对第一声像数组进行主成分分析(PrincipalComponent Analysis，PCA)数据压缩处理，将第一声像数组转化为a个数的一维数组，即第二声像数组。示例性地，压缩前的第一声像数组为m×l＝32×24＝768个数，压缩后的第二声像数组为a＝m×l＝1×24＝24个数。

步骤c2，将第二声像数组和第一声压频率数组进行合并处理，获得第二目标数组。

将第二声像数组和第一声压频率数组拼接在一起形成一列新的数组，长度为a+p，即第二目标数组。

步骤c3，将第二目标数组输入与第一气体泄漏方向对应的流量分析模型，得到第一气体泄漏的流量。

具体地，在获取到第二目标数组和与与第一气体泄漏方向对应的流量分析模型的情况下，将第二目标数组输入与第一气体泄漏方向对应的流量分析模型，该与第一气体泄漏方向对应的流量分析模型输出第一气体泄漏的流量。

在一个可选的实施方式中，生成与第一距离对应的介质识别模型，包括：

获取泄漏源和声像仪之间第一距离下不同气体泄漏的声像图和声压频率曲线。

将泄漏源和声像仪之间第一距离下每一种气体泄漏的声像图展开为第三声像数组。

将泄漏源和声像仪之间第一距离下每一种气体泄漏的声压频率曲线展开为第二声压频率数组。

将每一种气体泄漏的第三声像数组和对应的第二声压频率数组进行合并处理，获得每一种气体泄漏对应的第三目标数组。

将第三目标数组作为训练样本，第三目标数组对应的气体类别作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与第一距离对应的介质识别模型。

其中，在对前馈神经网络模型进行训练时，隐藏层设置单层20节点，使得训练出来的介质识别模型识别准确率比较高，能达到95％左右。

在一个可选的实施方式中，生成与第一气体类别对应的泄漏方向识别模型，包括：

获取泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，不同泄漏方向的气体泄漏的声像图和声压频率曲线。

将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声像图展开为第四声像数组。

将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声压频率曲线展开为第三声压频率数组。

将每一种泄漏方向的第四声像数组和对应的第三声压频率数组进行合并处理，获得每一种泄漏方向对应的第四目标数组。

将第四目标数组作为训练样本，第四目标数组对应的气体泄漏方向作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与第一气体类别对应的泄漏方向识别模型。

其中，在对前馈神经网络模型进行训练时，隐藏层设置单层10节点，使得训练出来的泄漏方向识别模型识别准确率比较高。

在一个可选的实施方式中，生成与第一气体泄漏方向对应的流量分析模型，包括：

获取泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，不同泄漏流量的气体泄漏的声像图和声压频率曲线。

将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声像图展开为第五声像数组。

将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声压频率曲线展开为第四声压频率数组。

将每一种泄漏流量的第五声像数组通过主成分分析压缩处理后和对应的第四声压频率数组进行合并处理，获得每一种泄漏流量对应的第五目标数组。

将第五目标数组作为训练样本，第五目标数组对应的泄漏流量作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与第一气体泄漏方向对应的流量分析模型。

其中，在对前馈神经网络模型进行训练时，隐藏层设置单层20节点，使得训练出来的流量分析模型识别准确率比较高。

在本实施例中还提供了一种气体泄漏检测装置，该气体泄漏检测装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种气体泄漏检测装置，如图3所示，包括：

声像图和声压频率曲线获取模块301，用于当声像仪检测到待测管路发生气体泄漏时，获取气体泄漏的声像图和声压频率曲线，声像图用于显示发生气体泄漏的泄漏源在空间上的分布，声压频率曲线用于显示泄漏源的声压与频率的关系。

泄漏源所在位置确定模块302，用于基于气体泄漏的声像图，确定泄漏源所在位置。

激光测距仪模块303，用于基于泄漏源所在位置，获取泄漏源与声像仪之间的第一距离。

第一检测模型确定模块304，用于基于第一距离在至少一个对应关系中，确定与第一距离对应的第一检测模型，每个对应关系包括一个距离与一个检测模型的关联关系，每个检测模型用于检测气体泄漏时，泄漏气体的类别、气体泄漏的方向和气体泄漏流量。

气体泄漏信息获取模块305，用于利用第一检测模型对声像图和声压频率曲线进行处理，输出与第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。

在一些可选的实施方式中，气体泄漏信息获取模块305包括：

第一气体类别获取单元，用于将声像图和声压频率曲线输入与第一距离对应的介质识别模型，得到第一气体类别。

泄漏方向识别模型确定单元，用于基于第一气体类别，确定与第一气体类别对应的泄漏方向识别模型。

第一气体泄漏方向获取单元，用于将声像图和声压频率曲线输入与第一气体类别对应的泄漏方向识别模型，得到第一气体泄漏方向。

流量分析模型确定单元，用于基于第一气体泄漏方向，确定与第一气体泄漏方向对应的流量分析模型。

第一气体泄漏流量获取单元，用于将声像图和声压频率曲线输入与第一气体泄漏方向对应的流量分析模型，得到第一气体泄漏的流量。

在一些可选的实施方式中，第一气体类别获取单元包括：

第一气体类别获取子单元，用于将声像图展开为第一声像数组，将声压频率曲线展开为第一声压频率数组，将第一声像数组和第一声压频率数组进行合并处理，获得第一目标数组，将第一目标数组输入与第一距离对应的介质识别模型，得到第一气体类别。

在一些可选的实施方式中，第一气体泄漏方向获取单元包括：

第一气体泄漏方向获取子单元，用于将第一目标数组输入与第一气体类别对应的泄漏方向识别模型，得到第一气体泄漏方向。

在一些可选的实施方式中，第一气体泄漏流量获取单元包括：

第一气体泄漏流量获取子单元，用于对第一声像数组进行主成分分析压缩处理，获得第二声像数组，将第二声像数组和第一声压频率数组进行合并处理，获得第二目标数组，将第二目标数组输入与第一气体泄漏方向对应的流量分析模型，得到第一气体泄漏的流量。

在一些可选的实施方式中，装置还包括：与第一距离对应的介质识别模型生成模块，用于获取泄漏源和声像仪之间第一距离下不同气体泄漏的声像图和声压频率曲线，将泄漏源和声像仪之间第一距离下每一种气体泄漏的声像图展开为第三声像数组，将泄漏源和声像仪之间第一距离下每一种气体泄漏的声压频率曲线展开为第二声压频率数组，将每一种气体泄漏的第三声像数组和对应的第二声压频率数组进行合并处理，获得每一种气体泄漏对应的第三目标数组，将第三目标数组作为训练样本，第三目标数组对应的气体类别作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与第一距离对应的介质识别模型。

在一些可选的实施方式中，装置还包括：与第一气体类别对应的泄漏方向识别模型生成模块，用于获取泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，不同泄漏方向的气体泄漏的声像图和声压频率曲线，将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声像图展开为第四声像数组，将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声压频率曲线展开为第三声压频率数组，将每一种泄漏方向的第四声像数组和对应的第三声压频率数组进行合并处理，获得每一种泄漏方向对应的第四目标数组，将第四目标数组作为训练样本，第四目标数组对应的气体泄漏方向作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与第一气体类别对应的泄漏方向识别模型。

在一些可选的实施方式中，装置还包括：与第一气体泄漏方向对应的流量分析模型生成模块，用于获取泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，不同泄漏流量的气体泄漏的声像图和声压频率曲线，将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声像图展开为第五声像数组，将泄漏源和声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声压频率曲线展开为第四声压频率数组，将每一种泄漏流量的第五声像数组通过主成分分析压缩处理后和对应的第四声压频率数组进行合并处理，获得每一种泄漏流量对应的第五目标数组，将第五目标数组作为训练样本，第五目标数组对应的泄漏流量作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与第一气体泄漏方向对应的流量分析模型。

上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本实施例中的气体泄漏检测装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

本申请实施例提供了一种气体泄漏样本采集***4，如图4所示，该***包括：

气体泄漏生成装置40和声像仪41，其中，

声像仪41中设置有激光测距仪；

气体泄漏生成装置40用于生成不同气体在不同泄漏流量、不同泄漏方向下的泄漏；

激光测距仪用于测量气体泄漏生成装置40和声像仪41之间的距离；

声像仪用于生成气体泄漏生成装置40和声像仪41之间不同距离下，不同气体在不同泄漏流量、不同泄漏方向下的泄漏的声像图和声压频率曲线。

具体地，本实施例可以选用声音采样频率上限不低于50kHZ、内部集成的声学传感器数量大于等于64个的声像仪。

本申请实施例中不同气体可以包括：氢气、氮气、氧气、氦气、甲烷等泄漏后可能会产生安全事故的气体；不同距离可以是大于等于1m小于等于6m之间所有距离；不同泄漏方向可以是声像仪的左侧、右侧、上侧、下侧以及正对方向；不同泄漏流量可以是0.5g/s～100g/s。

示例性地，在激光测距仪测量到声像仪与气体泄漏孔之间的距离为6m时，对五种泄漏气体、五种泄漏方向、五种气体泄漏孔的面积产生的不同流量开展正交实验，获取每一种试验工况下的声像图、声压频率曲线，以供后续生成介质识别模型、泄漏方向识别模型和流量分析模型使用。

需要说明的是，声像图生成所用的频率范围可以是10kHZ～设备采集频率上限的1/2，可以避免环境噪声的干扰。

进一步需要说明的是，可以在已获得的声像图和声压频率曲线的基础上进行线性插值来获取其他工况下的声像图和声压频率曲线，提高获取样本的效率。

在一种可选的实施方式中，如图4所示，气体泄漏生成装置包括：气源401、气体管路402、截止阀403、流量计404和多个气体泄漏试验件405，其中，气源、截止阀、流量计和气体泄漏试验件通过气体管路依次连接；

气源401用于生成不同气体；

截止阀403用于切断和连通气体管路402；

流量计404用于测量气体泄漏的流量；

气体泄漏试验件405设置有气体泄漏孔，气体泄漏试验件能调节角度，以使气体从不同方向泄漏，其中，每个气体泄漏试验件的气体泄漏孔的面积不同，以使气体产生不同的泄漏流量。

需要说明的是，气体泄漏试验件采用球头-锥面密封结构与气体管路连接，可以360°调节气体泄漏的方向。本实施例通过更换不同的气体泄漏试验件产生不同的泄漏流量。

示例性地，该气体泄漏孔为圆形孔，泄漏孔的直径可以是0.5mm、1mm、2mm、3mm、4mm等。

具体地，声像仪可以安装在三脚架上，激光测距仪测量声像仪与气体泄漏孔之间的距离。

可选的，该采集装置还可以只保留一个气体泄漏试验件，增加减压器和压力表，通过调节气体压力的方式来产生不同的泄漏流量。

示例性地，可通过减压器在气体泄漏试验件之前调节压力为0.5MPa、1MPa、1.5MPa、2MPa、2.5MPa。

通过调节不同的压力来产生不同的泄漏流量。

本发明实施例还提供一种声像仪，具有上述图3所示的气体泄漏检测装置。

请参阅图5，图5是本发明可选实施例提供的一种声像仪的结构示意图，如图5所示，该声像仪包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器501为例。

处理器501可以是中央处理器，网络处理器或其组合。其中，处理器501还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。

其中，所述存储器502存储有可由至少一个处理器501执行的指令，以使所述至少一个处理器501执行实现上述实施例示出的方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

存储器502可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器502还可以包括上述种类的存储器的组合。

该声像仪还包括输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与该声像仪的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。上述显示设备包括但不限于液晶显示器，发光二极管，显示器和等离子体显示器。在一些可选的实施方式中，显示设备可以是触摸屏。

本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (12)

1.一种气体泄漏检测方法，其特征在于，所述方法应用于声像仪，所述方法包括：

当所述声像仪检测到待测管路发生气体泄漏时，获取所述气体泄漏的声像图和声压频率曲线，所述声像图用于显示发生气体泄漏的泄漏源在空间上的分布，所述声压频率曲线用于显示所述泄漏源的声压与频率的关系；

基于所述气体泄漏的声像图，确定所述泄漏源所在位置；

基于所述泄漏源所在位置，获取所述泄漏源与所述声像仪之间的第一距离；

基于所述第一距离在至少一个对应关系中，确定与所述第一距离对应的第一检测模型，每个所述对应关系包括一个距离与一个检测模型的关联关系，每个所述检测模型用于检测气体泄漏时，泄漏气体的类别、气体泄漏的方向和气体泄漏流量；

利用所述第一检测模型对所述声像图和声压频率曲线进行处理，输出与所述第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。

2.根据权利要求1所述的方法，其特征在于，所述利用所述第一检测模型对所述声像图和声压频率曲线进行处理，输出与所述第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量，包括：

将所述声像图和声压频率曲线输入与所述第一距离对应的介质识别模型，得到所述第一气体类别；

基于所述第一气体类别，确定与所述第一气体类别对应的泄漏方向识别模型；

将所述声像图和声压频率曲线输入与所述第一气体类别对应的泄漏方向识别模型，得到所述第一气体泄漏方向；

基于所述第一气体泄漏方向，确定与所述第一气体泄漏方向对应的流量分析模型；

将所述声像图和声压频率曲线输入与所述第一气体泄漏方向对应的流量分析模型，得到所述第一气体泄漏的流量。

3.根据权利要求2所述的方法，其特征在于，所述将所述声像图和声压频率曲线输入与所述第一距离对应的介质识别模型，得到所述第一气体类别，包括：

将所述声像图展开为第一声像数组；

将所述声压频率曲线展开为第一声压频率数组；

将所述第一声像数组和所述第一声压频率数组进行合并处理，获得第一目标数组；

将所述第一目标数组输入与所述第一距离对应的介质识别模型，得到所述第一气体类别。

4.根据权利要求3所述的方法，其特征在于，所述将所述声像图和声压频率曲线输入与所述第一气体类别对应的泄漏方向识别模型，得到所述第一气体泄漏方向，包括：

将所述第一目标数组输入与所述第一气体类别对应的泄漏方向识别模型，得到所述第一气体泄漏方向。

5.根据权利要求3所述的方法，其特征在于，所述将所述声像图和声压频率曲线输入与所述第一气体泄漏方向对应的流量分析模型，得到所述第一气体泄漏的流量，包括：

对所述第一声像数组进行主成分分析压缩处理，获得第二声像数组；

将所述第二声像数组和所述第一声压频率数组进行合并处理，获得第二目标数组；

将所述第二目标数组输入与所述第一气体泄漏方向对应的流量分析模型，得到所述第一气体泄漏的流量。

6.根据权利要求2所述的方法，其特征在于，生成所述与所述第一距离对应的介质识别模型，包括：

获取所述泄漏源和所述声像仪之间第一距离下不同气体泄漏的声像图和声压频率曲线；

将所述泄漏源和所述声像仪之间第一距离下每一种气体泄漏的声像图展开为第三声像数组；

将所述泄漏源和所述声像仪之间第一距离下每一种气体泄漏的声压频率曲线展开为第二声压频率数组；

将每一种气体泄漏的第三声像数组和对应的第二声压频率数组进行合并处理，获得每一种气体泄漏对应的第三目标数组；

将所述第三目标数组作为训练样本，第三目标数组对应的气体类别作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得所述与所述第一距离对应的介质识别模型。

7.根据权利要求2所述的方法，其特征在于，生成与所述第一气体类别对应的泄漏方向识别模型，包括：

获取所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，不同泄漏方向的气体泄漏的声像图和声压频率曲线；

将所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声像图展开为第四声像数组；

将所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别下，每一种泄漏方向的气体泄漏的声压频率曲线展开为第三声压频率数组；

将每一种泄漏方向的第四声像数组和对应的第三声压频率数组进行合并处理，获得每一种泄漏方向对应的第四目标数组；

将所述第四目标数组作为训练样本，第四目标数组对应的气体泄漏方向作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与所述第一气体类别对应的泄漏方向识别模型。

8.根据权利要求2所述的方法，其特征在于，生成与所述第一气体泄漏方向对应的流量分析模型，包括：

获取所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，不同泄漏流量的气体泄漏的声像图和声压频率曲线；

将所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声像图展开为第五声像数组；

将所述泄漏源和所述声像仪之间的距离为第一距离，泄漏气体的类别为第一气体类别，气体泄漏的方向为第一气体泄漏方向下，每一种泄漏流量的气体泄漏的声压频率曲线展开为第四声压频率数组；

将每一种泄漏流量的第五声像数组通过主成分分析压缩处理后和对应的第四声压频率数组进行合并处理，获得每一种泄漏流量对应的第五目标数组；

将所述第五目标数组作为训练样本，第五目标数组对应的泄漏流量作为标签，对前馈神经网络模型进行训练，在模型训练达到终止条件的情况下，获得与所述第一气体泄漏方向对应的流量分析模型。

9.一种气体泄漏检测装置，其特征在于，所述装置包括：

声像图和声压频率曲线获取模块，用于当所述声像仪检测到待测管路发生气体泄漏时，获取所述气体泄漏的声像图和声压频率曲线，所述声像图用于显示发生气体泄漏的泄漏源在空间上的分布，所述声压频率曲线用于显示所述泄漏源的声压与频率的关系；

泄漏源所在位置确定模块，用于基于所述气体泄漏的声像图，确定所述泄漏源所在位置；

激光测距仪模块，用于基于所述泄漏源所在位置，获取所述泄漏源与所述声像仪之间的第一距离；

第一检测模型确定模块，用于基于所述第一距离在至少一个对应关系中，确定与所述第一距离对应的第一检测模型，每个所述对应关系包括一个距离与一个检测模型的关联关系，每个所述检测模型用于检测气体泄漏时，泄漏气体的类别、气体泄漏的方向和气体泄漏流量；

气体泄漏信息获取模块，用于利用所述第一检测模型对所述声像图和声压频率曲线进行处理，输出与所述第一距离对应的第一气体类别、第一气体泄漏方向和第一气体泄漏的流量。

10.一种气体泄漏样本采集***，其特征在于，所述***包括：

气体泄漏生成装置和声像仪，其中，

所述声像仪中设置有激光测距仪；

所述气体泄漏生成装置用于生成不同气体在不同泄漏流量、不同泄漏方向下的泄漏；

所述激光测距仪用于测量所述气体泄漏生成装置和声像仪之间的距离；

所述声像仪用于生成所述气体泄漏生成装置和声像仪之间不同距离下，不同气体在不同泄漏流量、不同泄漏方向下的泄漏的声像图和声压频率曲线。

11.一种声像仪，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至8中任一项所述的气体泄漏检测方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至8中任一项所述的气体泄漏检测方法。