一種可燃氣體洩漏檢測方法及系統與流程

2023-05-14 17:39:57 2

本發明涉及可燃氣體洩漏檢測技術領域，具體涉及一種可燃氣體洩漏檢測方法及系統。

背景技術：

LNG加氣站、化工廠、熱電廠、煉油廠、鋼鐵廠等含有可燃氣體的設備管道中，其接口部分在使用過程中由於腐蝕老化、焊接質量等原因很容易發生洩漏，這將造成重大的經濟損失和安全隱患。

現有市面上用來檢測是否有可燃氣體洩漏的裝置主要包括催化型可燃氣體傳感器和紅外(雷射)可燃氣體探測器兩類。其中，催化型可燃氣體傳感器的檢測原理是：可燃氣體進入探測器時，會引起鉑絲表面引起氧化反應(無焰燃燒)，其產生的熱量使鉑絲的溫度升高繼而導致鉑絲的電阻率發生變化，則通過檢測鉑絲加熱後的電阻變化即可判定是否有可燃氣體洩漏以及洩漏的濃度。雖然催化型可燃氣體傳感器價格便宜，但是由於洩露的可燃氣體在很短的時間內會瞬間揮發，設置可燃氣體傳感器來檢測氣體需要有足夠的濃度，這就使得其測量的準確度較低。紅外(雷射)可燃氣體探測器是利用可燃氣體對紅外光有選擇性的吸收原理來檢測現場環境的可燃氣體濃度的。但是該種裝置在有一定濃度灰塵、水汽粒子且粒子濃度變化較快的場所並不容易安裝，而目前加氣站、化工廠等一般都建在國道周圍，環境灰塵大，這就造成了紅外(雷射)可燃氣體探測器使用的瓶頸，而且其價格也較為昂貴。

技術實現要素：

有鑑於此，本發明實施例提供了一種可燃氣體洩漏檢測方法及系統，解決了現有可燃氣體洩漏技術準確度低、使用不便、成本較高等技術問題。

本發明一實施例提供的一種可燃氣體洩漏檢測方法，包括：獲取待檢測位置的聲波信號；對所述獲取的聲波信號進行降噪預處理；對預處理後得到的聲波信號進行特徵提取，並輸出特徵向量；根據輸出的不同特徵向量自動檢測出待檢測位置的可燃氣體洩漏狀態；

其中，所述對預處理後得到的聲波信號進行特徵提取，並輸出特徵向量包括：對所述預處理後的聲波信號進行小波包多尺度分解，得到各個節點的小波包係數；對所述分解得到的最底層低頻係數和高頻係數進行小波包重構，得到最底層各個頻帶的重構信號；從所述最底層各個頻帶的重構信號中提取能量，並將其作為特徵向量輸出給檢測模塊；

其中，所述小波包多尺度分解層數為3至8層；

其中，所述可燃氣體的洩漏狀態通過BP神經網絡訓練模型自動識別；

其中，所述的可燃氣體洩漏檢測方法進一步包括：若檢測到待檢測位置有可燃氣體洩漏時，則向報警模塊發送觸發信號；接收觸發信號，在接收到觸發信號時生成並輸出報警信號；

其中，所述獲取待檢測位置的聲波信號包括：採集待檢測位置的聲波信號的模擬數據；將所述採集的聲波信號的模擬數據轉換成數字數據並傳送給預處理模塊。

本發明一實施例提供的一種可燃氣體洩漏檢測系統，包括聲音傳感器、預處理模塊、特徵提取模塊以及檢測模塊，其中：所述聲音傳感器用於獲取待檢測位置的聲波信號；所述預處理模塊用於對所述聲音傳感器獲取的聲波信號進行降噪預處理；所述特徵提取模塊用於對所述預處理模塊預處理後的聲波信號進行特徵提取，並輸出特徵向量；所述檢測模塊用於根據所述特徵提取模塊輸出的不同特徵向量自動檢測出待檢測位置的可燃氣體洩漏狀態；

其中，所述特徵提取模塊包括小波包分解單元、重構單元以及能量特徵提取單元，其中：所述小波包分解單元用於對所述預處理後的聲波信號進行小波包多尺度分解，得到各個節點的小波包係數；所述重構單元用於對所述小波包分解單元分解得到的最底層低頻係數和高頻係數進行小波包重構，得到最底層各個頻帶的重構信號；所述能量特徵提取單元用於從所述最底層各個頻帶的重構信號中提取能量，並將其作為特徵向量輸出給檢測模塊；

其中，所述的可燃氣體洩漏檢測系統，進一步包括：報警模塊，用於接收來自檢測模塊發出的觸發信號，在接收到觸發信號時生成並輸出報警信號；所述檢測模塊進一步包括信號傳輸單元，用於若檢測到待檢測位置有可燃氣體洩漏，則向所述報警模塊發送觸發信號；

其中，所述聲音傳感器包括採集單元和模數轉換單元，其中：所述採集單元用於採集待檢測位置的聲波信號的模擬數據；所述模數轉換單元用於將所述採集單元採集的聲波信號的模擬數據轉換成數字數據並傳送給所述預處理模塊。

本發明實施例提供的可燃氣體洩漏檢測方法及系統，對待檢測位置的聲波信號進行小波包分解，提取最底層各頻帶的能量信號作為特徵向量輸入到檢測模塊，然後利用訓練好的BP神經網絡對輸入的實時數據進行檢測，能夠精確地判斷出可燃氣體洩漏的種類和濃度，提高了準確度，且使用方便快捷，成本較低。

附圖說明

圖1所示為本發明一實施例提供的一種可燃氣體洩漏檢測方法的流程圖。

圖2所示為本發明一實施例提供的一種可燃氣體洩漏檢測方法的小波包三層分解結構示意圖。

圖3所示為本發明另一實施例提供的一種可燃氣體洩漏檢測方法的流程圖。

圖4所示為本發明一實施例提供的一種可燃氣體洩漏檢測系統的結構示意圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

本方案的基本設計思路為：高壓可燃氣體在洩漏過程中，通過管道接口(洩漏口)向外噴發時會形成特有的聲波信號，這種過程可以看成是聲發射現象。我們利用小波包分解方法對這種聲發射信號進行分解，並將分解後得到的最底層各頻帶的能量作為特徵向量來檢測判斷待檢測位置是否有氣體洩漏。

圖1所示為本發明一實施例提供的一種可燃氣體洩漏檢測方法的流程圖。如圖1所述，該可燃氣體洩漏檢測方法包括：

步驟101：獲取待檢測位置的聲波信號。在本發明一實施例中，該步驟101具體包括採集待檢測位置的聲波信號的模擬數據，將採集的聲波信號的模擬數據轉換成數字數據並傳送給預處理模塊。

步驟102：對獲取的聲波信號進行降噪預處理。在本發明一實施例中，採用小波變換閾值法對聲波信號進行降噪處理，具體方法為通過選擇合適的閾值函數，在小波變換域中去除聲波信號低幅值的噪聲，然後進行離散小波變換的逆變換，重構出降噪後的聲波信號。

在本發明一實施例中，在閾值函數的選取方法中，採用一種改進的閾值函數方法，其表達式如下所示：

其中，wj,k為第k層小波變換的小波係數，為經過閾值處理後的小波係數，λ為所取的閾值。

因為正交小波變換具有很強的去數據相關性，它能使信號的能量集中在小波域的一些大小波係數中，而噪聲的能量卻分布於整個小波域內，其幅值較小，所以，經上述小波變換後，保留了儘可能多的幅值較大的小波係數，獲得了較好的降噪效果。

步驟103：對預處理後得到的聲波信號進行特徵提取，並輸出特徵向量。本領域的技術人員可以理解，小波包分解對信號的低頻和高頻成分同時進行分解，能夠實現對信號頻帶的均勻劃分，具有很好的時頻特性，同時，小波包的完整性和正交性可使原始信號得到完整保留。在本發明一實施例中，該步驟103通過小波包分解技術完成，具體過程包括如下：

a.對預處理後的聲波信號進行小波包多尺度分解，得到各個節點的小波包係數，具體地，採用小波包分解法對聲波信號的多尺度分解可表示為：

其中，x(t)為聲波原始信號，di,j(t)為第i層中第j個節點小波係數，h(k-2t)為低通分解濾波器函數，g(k-2t)為高通分解濾波器函數。

b.對分解得到的最底層低頻係數和高頻係數進行小波包重構，得到最底層各個頻帶的重構信號。

c.從最底層各個頻帶的重構信號中提取能量，並將其作為特徵向量輸出給檢測模塊。

在對聲波信號的實際處理中，可根據需要選擇小波包分解的層數，在本發明一實施例中，小波包多尺度分解層數為3至8層，既不會使計算量過大，也會較為精確地計算出各層中不同頻率信號的能量集中情況。

圖2所示為本發明一實施例對聲波信號進行3層小波包分解的示意圖。如圖2所示，S表示原始信號，L表示低頻帶信號，H表示高頻帶信號，末尾的序號數表示小波分解的層數，即尺度數。在第1層分解中將聲波信號分解為低頻信號L1和高頻信號H1，然後對第1層的低頻信號L1再次進行第2層分解，分解為相對的低頻信號LL2和高頻信號HL2，同理對第1層的高頻信號H1也進行第2層分解，分解為相對的低頻信號LH2和高頻信號HH2，以此類推分解到第3層。然後分別對第3層低頻係數和高頻係數進行小波包重構，得到各個頻帶的重構信號S3j(j＝0，1，…，7)，則重構後的總信號為：

S＝S30+S31+S32+S33+S34+S35+S36+S37

再從第三層重構信號S3j中提取各個頻帶LLL3、HLL3、LHL3、HHL3、LLH3、HLH3、LHH3、HHH3的能量，設S3j對應的能量為E3j，則

則聲波信號的總能量為：

E＝E30+E31+E32+E33+E34+E35+E36+E37

其中，N為各個分頻帶的長度，xjk為重構信號S3j所有離散點的幅值。

利用上述各頻帶的能量可以構造如下特徵向量：

T＝[E30,E31,E32,E33,E34,E35,E36,E37]

為了檢測的方便，在本發明一實施例中，對特徵向量T進行歸一化處理，即E3j′＝E3j/E，則得到歸一化的能量特徵向量T′，T′＝[E30′,E31′,E32′,E33′,E34′,E35′,E36′,E37′]，也就是將第3層各頻帶的能量佔信號總能量的百分比作為特徵向量輸出給檢測模塊。

步驟104：根據輸出的不同特徵向量自動檢測出待檢測位置的可燃氣體洩漏狀態。

在本發明一實施例中，通過BP神經網絡訓練模型對可燃氣體的洩漏狀態進行自動識別。具體的方法為：先對大量已知可燃氣體的洩漏聲波信號按照上述步驟101-103完成樣本特徵向量的提取，將這些特徵向量作為訓練模型送入BP神經網絡中進行訓練，在多次反覆訓練並達到要求的檢測精度後停止訓練，將訓練好的模型保存起來，用於實時數據的檢測。則對未知的聲波信號完成上述步驟101-103後，得到其對應的特徵向量並將其送入訓練好的BP神經網絡中，即可完成對待檢測位置的可燃氣體洩漏情況的檢測。

本發明實施例提供的可燃氣體洩漏檢測方法，對待檢測位置的聲波信號進行小波包分解，提取最底層各頻帶的能量信號作為特徵向量輸入到檢測模塊，然後利用訓練好的BP神經網絡對輸入的實時數據進行檢測，能夠精確地判斷出可燃氣體洩漏的種類和濃度，提高了準確度，同時較為方便快捷。

如圖3所示，在本發明一實施例中，該可燃氣體洩漏檢測方法進一步包括：

步驟201：若檢測到待檢測位置有可燃氣體洩漏時，則向報警模塊發送觸發信號。

步驟202：接收觸發信號，在接收到觸發信號時生成並輸出報警信號。

其中，報警信號可為預先設置好的特定文字信號和/或聲音信號，經過上述步驟104所識別出的特徵向量不同，所生成的報警信號也不同，例如當識別出有一氧化碳洩漏時，其生成的文字報警信號可為「一氧化碳洩漏報警」，對應的聲音報警信號可為連續兩聲鳴響；當識別出有甲烷氣體洩漏時，其生成的文字報警信號可為「甲烷洩漏報警」，對應的聲音報警信號可為連續三聲鳴響。另外，報警信號還可根據氣體洩漏濃度的不同分為輕度、中度及重度洩漏等不同等級的報警信號，這樣工作人員便可根據不同報警信號的提醒及時採取相應的安全措施，防止中毒、火災或者爆炸事件的發生，從而保障監控場景的安全。

圖4所示為本發明一實施例提供的一種可燃氣體洩漏檢測系統的結構示意圖。如圖4所示，該可燃氣體洩漏檢測系統包括聲音傳感器10、預處理模塊20、特徵提取模塊30以及檢測模塊40。

聲音傳感器10用於獲取可燃氣體管道的待檢測位置的聲波信號。在本發明一實施例中，該聲音傳感器10具體包括採集單元11和模數轉換單元12，其中，採集單元11用於採集待檢測位置的聲波信號的模擬數據，模數轉換單元12用於將採集單元11採集的聲波信號的模擬數據轉換成數字數據並傳送給預處理模塊20。當然，上述模數轉換單元12除了可以集成在聲音傳感器10中，也可與聲音傳感器10和預處理模塊20相連接，將聲音傳感器10檢測到的聲音信號的模擬數據轉換成數字數據再送入預處理模塊20進行處理，本發明對模數轉換單元12的位置不做具體限定。

預處理模塊20用於對聲音傳感器10獲取的聲波信號進行降噪預處理，在本發明一實施例中，預處理模塊20採用小波變換閾值法對聲波信號進行降噪處理。通過選擇合適的閾值函數，在小波變換域中去除聲波信號低幅值的噪聲，然後進行離散小波變換的逆變換，重構出降噪後的聲波信號。

特徵提取模塊30用於對預處理後的聲波信號進行特徵提取，並輸出特徵向量。在本發明一實施例中，該特徵提取模塊30具體包括小波包分解單元31、重構單元32以及能量特徵提取單元33，其中，小波包分解單元31用於對預處理後的聲波信號進行小波包多尺度分解，得到各個節點的小波包係數，重構單元32用於對小波包分解單元31分解得到的最底層低頻係數和高頻係數進行小波包重構，得到最底層各個頻帶的重構信號，能量特徵提取單元33用於從重構單元32重構得到的最底層各個頻帶的重構信號中提取能量，並將其作為特徵向量輸出給檢測模塊40。

檢測模塊40用於根據特徵提取模塊30輸出的不同特徵向量自動檢測出待檢測位置的可燃氣體洩漏狀態。在本發明一實施例中，檢測模塊40通過BP神經網絡訓練模型對可燃氣體的洩漏狀態進行自動識別，其具體的識別方法如前所述，在此不再贅述。

在本發明一實施例中，該可燃氣體洩漏檢測系統進一步包括報警模塊，檢測模塊40進一步包括信號傳輸單元，用於若檢測到待檢測位置有可燃氣體洩漏，則向報警模塊發送觸發信號，便於工作人員及時採取安全措施，防止中毒、火災或者爆炸事件的發生，從而保障監控場景的安全。

本發明實施例提供的可燃氣體洩漏檢測系統，聲音傳感器獲取的聲波信號經過預處理模塊降噪處理後，傳輸給特徵提取模塊，經過特徵提取模塊對待檢測聲波信號的小波包分解後，提取最底層各頻帶的能量信號作為特徵向量輸入到檢測模塊進行檢測，能夠精確地判斷出可燃氣體洩漏的種類和濃度，提高了準確度，使用方便，成本較低。

本領域技術人員可以理解，雖然以上實施例介紹了可燃氣體洩漏檢測系統的若干模塊，但是這種劃分並非是強制性的。實際上，根據本發明的實施方式，上文描述的兩個或更多模塊的特徵和功能可以在一個模塊中具體化。反之，上文描述的一個模塊的特徵和功能可以進一步劃分為由多個模塊來具體化。

本領域技術人員可以理解，本發明的技術方案可以用軟體來實現，具體而言，可以是電腦程式的方式實現。比如，在類似RAM、ROM、硬碟和/或任何適當的存儲介質中存儲可執行代碼，當該可執行代碼被執行時，可以實現本發明以上實施例提及的功能。另外，本發明的實施方式還可以通過硬體、或者軟體和硬體的結合來實現。硬體部分可以利用專用邏輯來實現；軟體部分可以存儲在存儲器中，由適當的指令執行系統，例如微處理器或者專用設計硬體來執行。本領域的普通技術人員可以理解上述的裝置可以使用計算機可執行指令和/或包含在處理器控制代碼中來實現，例如在諸如磁碟、CD或DVD-ROM的載體介質、諸如只讀存儲器(固件)的可編程的存儲器或者諸如光學或電子信號載體的數據載體上提供了這樣的代碼。本發明的裝置及其模塊可以由諸如超大規模集成電路或門陣列、諸如邏輯晶片、電晶體等的半導體、或者諸如現場可編程門陣列、可編程邏輯設備等的可編程硬體設備的硬體電路實現，也可以用由各種類型的處理器執行的軟體實現，也可以由上述硬體電路和軟體的結合例如固件來實現。例如，當本發明實施例所提供的可燃氣體檢測系統通過硬體實現時，模數轉換單元12可為一個AD7893晶片，報警模塊70可為市售的代表報警信息的電子信號繼電器裝置。

以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換等，均應包含在本發明的保護範圍之內。