一种可燃气体泄漏检测方法及系统与流程

本发明涉及可燃气体泄漏检测技术领域，具体涉及一种可燃气体泄漏检测方法及系统。

背景技术：

LNG加气站、化工厂、热电厂、炼油厂、钢铁厂等含有可燃气体的设备管道中，其接口部分在使用过程中由于腐蚀老化、焊接质量等原因很容易发生泄漏，这将造成重大的经济损失和安全隐患。

现有市面上用来检测是否有可燃气体泄漏的装置主要包括催化型可燃气体传感器和红外(激光)可燃气体探测器两类。其中，催化型可燃气体传感器的检测原理是：可燃气体进入探测器时，会引起铂丝表面引起氧化反应(无焰燃烧)，其产生的热量使铂丝的温度升高继而导致铂丝的电阻率发生变化，则通过检测铂丝加热后的电阻变化即可判定是否有可燃气体泄漏以及泄漏的浓度。虽然催化型可燃气体传感器价格便宜，但是由于泄露的可燃气体在很短的时间内会瞬间挥发，设置可燃气体传感器来检测气体需要有足够的浓度，这就使得其测量的准确度较低。红外(激光)可燃气体探测器是利用可燃气体对红外光有选择性的吸收原理来检测现场环境的可燃气体浓度的。但是该种装置在有一定浓度灰尘、水汽粒子且粒子浓度变化较快的场所并不容易安装，而目前加气站、化工厂等一般都建在国道周围，环境灰尘大，这就造成了红外(激光)可燃气体探测器使用的瓶颈，而且其价格也较为昂贵。

技术实现要素：

有鉴于此，本发明实施例提供了一种可燃气体泄漏检测方法及系统，解决了现有可燃气体泄漏技术准确度低、使用不便、成本较高等技术问题。

本发明一实施例提供的一种可燃气体泄漏检测方法，包括：获取待检测位置的声波信号；对所述获取的声波信号进行降噪预处理；对预处理后得到的声波信号进行特征提取，并输出特征向量；根据输出的不同特征向量自动检测出待检测位置的可燃气体泄漏状态；

其中，所述对预处理后得到的声波信号进行特征提取，并输出特征向量包括：对所述预处理后的声波信号进行小波包多尺度分解，得到各个节点的小波包系数；对所述分解得到的最底层低频系数和高频系数进行小波包重构，得到最底层各个频带的重构信号；从所述最底层各个频带的重构信号中提取能量，并将其作为特征向量输出给检测模块；

其中，所述小波包多尺度分解层数为3至8层；

其中，所述可燃气体的泄漏状态通过BP神经网络训练模型自动识别；

其中，所述的可燃气体泄漏检测方法进一步包括：若检测到待检测位置有可燃气体泄漏时，则向报警模块发送触发信号；接收触发信号，在接收到触发信号时生成并输出报警信号；

其中，所述获取待检测位置的声波信号包括：采集待检测位置的声波信号的模拟数据；将所述采集的声波信号的模拟数据转换成数字数据并传送给预处理模块。

本发明一实施例提供的一种可燃气体泄漏检测系统，包括声音传感器、预处理模块、特征提取模块以及检测模块，其中：所述声音传感器用于获取待检测位置的声波信号；所述预处理模块用于对所述声音传感器获取的声波信号进行降噪预处理；所述特征提取模块用于对所述预处理模块预处理后的声波信号进行特征提取，并输出特征向量；所述检测模块用于根据所述特征提取模块输出的不同特征向量自动检测出待检测位置的可燃气体泄漏状态；

其中，所述特征提取模块包括小波包分解单元、重构单元以及能量特征提取单元，其中：所述小波包分解单元用于对所述预处理后的声波信号进行小波包多尺度分解，得到各个节点的小波包系数；所述重构单元用于对所述小波包分解单元分解得到的最底层低频系数和高频系数进行小波包重构，得到最底层各个频带的重构信号；所述能量特征提取单元用于从所述最底层各个频带的重构信号中提取能量，并将其作为特征向量输出给检测模块；

其中，所述的可燃气体泄漏检测系统，进一步包括：报警模块，用于接收来自检测模块发出的触发信号，在接收到触发信号时生成并输出报警信号；所述检测模块进一步包括信号传输单元，用于若检测到待检测位置有可燃气体泄漏，则向所述报警模块发送触发信号；

其中，所述声音传感器包括采集单元和模数转换单元，其中：所述采集单元用于采集待检测位置的声波信号的模拟数据；所述模数转换单元用于将所述采集单元采集的声波信号的模拟数据转换成数字数据并传送给所述预处理模块。

本发明实施例提供的可燃气体泄漏检测方法及系统，对待检测位置的声波信号进行小波包分解，提取最底层各频带的能量信号作为特征向量输入到检测模块，然后利用训练好的BP神经网络对输入的实时数据进行检测，能够精确地判断出可燃气体泄漏的种类和浓度，提高了准确度，且使用方便快捷，成本较低。

附图说明

图1所示为本发明一实施例提供的一种可燃气体泄漏检测方法的流程图。

图2所示为本发明一实施例提供的一种可燃气体泄漏检测方法的小波包三层分解结构示意图。

图3所示为本发明另一实施例提供的一种可燃气体泄漏检测方法的流程图。

图4所示为本发明一实施例提供的一种可燃气体泄漏检测系统的结构示意图。

具体实施方式

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，所描述的实施例仅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，本领域普通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。

本方案的基本设计思路为：高压可燃气体在泄漏过程中，通过管道接口(泄漏口)向外喷发时会形成特有的声波信号，这种过程可以看成是声发射现象。我们利用小波包分解方法对这种声发射信号进行分解，并将分解后得到的最底层各频带的能量作为特征向量来检测判断待检测位置是否有气体泄漏。

图1所示为本发明一实施例提供的一种可燃气体泄漏检测方法的流程图。如图1所述，该可燃气体泄漏检测方法包括：

步骤101：获取待检测位置的声波信号。在本发明一实施例中，该步骤101具体包括采集待检测位置的声波信号的模拟数据，将采集的声波信号的模拟数据转换成数字数据并传送给预处理模块。

步骤102：对获取的声波信号进行降噪预处理。在本发明一实施例中，采用小波变换阈值法对声波信号进行降噪处理，具体方法为通过选择合适的阈值函数，在小波变换域中去除声波信号低幅值的噪声，然后进行离散小波变换的逆变换，重构出降噪后的声波信号。

在本发明一实施例中，在阈值函数的选取方法中，采用一种改进的阈值函数方法，其表达式如下所示：

其中，w_j,k为第k层小波变换的小波系数，为经过阈值处理后的小波系数，λ为所取的阈值。

因为正交小波变换具有很强的去数据相关性，它能使信号的能量集中在小波域的一些大小波系数中，而噪声的能量却分布于整个小波域内，其幅值较小，所以，经上述小波变换后，保留了尽可能多的幅值较大的小波系数，获得了较好的降噪效果。

步骤103：对预处理后得到的声波信号进行特征提取，并输出特征向量。本领域的技术人员可以理解，小波包分解对信号的低频和高频成分同时进行分解，能够实现对信号频带的均匀划分，具有很好的时频特性，同时，小波包的完整性和正交性可使原始信号得到完整保留。在本发明一实施例中，该步骤103通过小波包分解技术完成，具体过程包括如下：

a.对预处理后的声波信号进行小波包多尺度分解，得到各个节点的小波包系数，具体地，采用小波包分解法对声波信号的多尺度分解可表示为：

其中，x(t)为声波原始信号，d^i,j(t)为第i层中第j个节点小波系数，h(k-2t)为低通分解滤波器函数，g(k-2t)为高通分解滤波器函数。

b.对分解得到的最底层低频系数和高频系数进行小波包重构，得到最底层各个频带的重构信号。

c.从最底层各个频带的重构信号中提取能量，并将其作为特征向量输出给检测模块。

在对声波信号的实际处理中，可根据需要选择小波包分解的层数，在本发明一实施例中，小波包多尺度分解层数为3至8层，既不会使计算量过大，也会较为精确地计算出各层中不同频率信号的能量集中情况。

图2所示为本发明一实施例对声波信号进行3层小波包分解的示意图。如图2所示，S表示原始信号，L表示低频带信号，H表示高频带信号，末尾的序号数表示小波分解的层数，即尺度数。在第1层分解中将声波信号分解为低频信号L1和高频信号H1，然后对第1层的低频信号L1再次进行第2层分解，分解为相对的低频信号LL2和高频信号HL2，同理对第1层的高频信号H1也进行第2层分解，分解为相对的低频信号LH2和高频信号HH2，以此类推分解到第3层。然后分别对第3层低频系数和高频系数进行小波包重构，得到各个频带的重构信号S_3j(j＝0，1，…，7)，则重构后的总信号为：

S＝S₃₀+S₃₁+S₃₂+S₃₃+S₃₄+S₃₅+S₃₆+S₃₇

再从第三层重构信号S_3j中提取各个频带LLL3、HLL3、LHL3、HHL3、LLH3、HLH3、LHH3、HHH3的能量，设S_3j对应的能量为E_3j，则

则声波信号的总能量为：

E＝E₃₀+E₃₁+E₃₂+E₃₃+E₃₄+E₃₅+E₃₆+E₃₇

其中，N为各个分频带的长度，x_jk为重构信号S_3j所有离散点的幅值。

利用上述各频带的能量可以构造如下特征向量：

T＝[E₃₀,E₃₁,E₃₂,E₃₃,E₃₄,E₃₅,E₃₆,E₃₇]

为了检测的方便，在本发明一实施例中，对特征向量T进行归一化处理，即E_3j′＝E_3j/E，则得到归一化的能量特征向量T′，T′＝[E₃₀′,E₃₁′,E₃₂′,E₃₃′,E₃₄′,E₃₅′,E₃₆′,E₃₇′]，也就是将第3层各频带的能量占信号总能量的百分比作为特征向量输出给检测模块。

步骤104：根据输出的不同特征向量自动检测出待检测位置的可燃气体泄漏状态。

在本发明一实施例中，通过BP神经网络训练模型对可燃气体的泄漏状态进行自动识别。具体的方法为：先对大量已知可燃气体的泄漏声波信号按照上述步骤101-103完成样本特征向量的提取，将这些特征向量作为训练模型送入BP神经网络中进行训练，在多次反复训练并达到要求的检测精度后停止训练，将训练好的模型保存起来，用于实时数据的检测。则对未知的声波信号完成上述步骤101-103后，得到其对应的特征向量并将其送入训练好的BP神经网络中，即可完成对待检测位置的可燃气体泄漏情况的检测。

本发明实施例提供的可燃气体泄漏检测方法，对待检测位置的声波信号进行小波包分解，提取最底层各频带的能量信号作为特征向量输入到检测模块，然后利用训练好的BP神经网络对输入的实时数据进行检测，能够精确地判断出可燃气体泄漏的种类和浓度，提高了准确度，同时较为方便快捷。

如图3所示，在本发明一实施例中，该可燃气体泄漏检测方法进一步包括：

步骤201：若检测到待检测位置有可燃气体泄漏时，则向报警模块发送触发信号。

步骤202：接收触发信号，在接收到触发信号时生成并输出报警信号。

其中，报警信号可为预先设置好的特定文字信号和/或声音信号，经过上述步骤104所识别出的特征向量不同，所生成的报警信号也不同，例如当识别出有一氧化碳泄漏时，其生成的文字报警信号可为“一氧化碳泄漏报警”，对应的声音报警信号可为连续两声鸣响；当识别出有甲烷气体泄漏时，其生成的文字报警信号可为“甲烷泄漏报警”，对应的声音报警信号可为连续三声鸣响。另外，报警信号还可根据气体泄漏浓度的不同分为轻度、中度及重度泄漏等不同等级的报警信号，这样工作人员便可根据不同报警信号的提醒及时采取相应的安全措施，防止中毒、火灾或者爆炸事件的发生，从而保障监控场景的安全。

图4所示为本发明一实施例提供的一种可燃气体泄漏检测系统的结构示意图。如图4所示，该可燃气体泄漏检测系统包括声音传感器10、预处理模块20、特征提取模块30以及检测模块40。

声音传感器10用于获取可燃气体管道的待检测位置的声波信号。在本发明一实施例中，该声音传感器10具体包括采集单元11和模数转换单元12，其中，采集单元11用于采集待检测位置的声波信号的模拟数据，模数转换单元12用于将采集单元11采集的声波信号的模拟数据转换成数字数据并传送给预处理模块20。当然，上述模数转换单元12除了可以集成在声音传感器10中，也可与声音传感器10和预处理模块20相连接，将声音传感器10检测到的声音信号的模拟数据转换成数字数据再送入预处理模块20进行处理，本发明对模数转换单元12的位置不做具体限定。

预处理模块20用于对声音传感器10获取的声波信号进行降噪预处理，在本发明一实施例中，预处理模块20采用小波变换阈值法对声波信号进行降噪处理。通过选择合适的阈值函数，在小波变换域中去除声波信号低幅值的噪声，然后进行离散小波变换的逆变换，重构出降噪后的声波信号。

特征提取模块30用于对预处理后的声波信号进行特征提取，并输出特征向量。在本发明一实施例中，该特征提取模块30具体包括小波包分解单元31、重构单元32以及能量特征提取单元33，其中，小波包分解单元31用于对预处理后的声波信号进行小波包多尺度分解，得到各个节点的小波包系数，重构单元32用于对小波包分解单元31分解得到的最底层低频系数和高频系数进行小波包重构，得到最底层各个频带的重构信号，能量特征提取单元33用于从重构单元32重构得到的最底层各个频带的重构信号中提取能量，并将其作为特征向量输出给检测模块40。

检测模块40用于根据特征提取模块30输出的不同特征向量自动检测出待检测位置的可燃气体泄漏状态。在本发明一实施例中，检测模块40通过BP神经网络训练模型对可燃气体的泄漏状态进行自动识别，其具体的识别方法如前所述，在此不再赘述。

在本发明一实施例中，该可燃气体泄漏检测系统进一步包括报警模块，检测模块40进一步包括信号传输单元，用于若检测到待检测位置有可燃气体泄漏，则向报警模块发送触发信号，便于工作人员及时采取安全措施，防止中毒、火灾或者爆炸事件的发生，从而保障监控场景的安全。

本发明实施例提供的可燃气体泄漏检测系统，声音传感器获取的声波信号经过预处理模块降噪处理后，传输给特征提取模块，经过特征提取模块对待检测声波信号的小波包分解后，提取最底层各频带的能量信号作为特征向量输入到检测模块进行检测，能够精确地判断出可燃气体泄漏的种类和浓度，提高了准确度，使用方便，成本较低。

本领域技术人员可以理解，虽然以上实施例介绍了可燃气体泄漏检测系统的若干模块，但是这种划分并非是强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

本领域技术人员可以理解，本发明的技术方案可以用软件来实现，具体而言，可以是计算机程序的方式实现。比如，在类似RAM、ROM、硬盘和/或任何适当的存储介质中存储可执行代码，当该可执行代码被执行时，可以实现本发明以上实施例提及的功能。另外，本发明的实施方式还可以通过硬件、或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的装置可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的装置及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。例如，当本发明实施例所提供的可燃气体检测系统通过硬件实现时，模数转换单元12可为一个AD7893芯片，报警模块70可为市售的代表报警信息的电子信号继电器装置。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。