一种泄露声信号的检测及定位方法
【技术领域】
[0001]本发明属于信号检测技术领域，具体而言，涉及一种泄露声信号的检测及定位方法。
【背景技术】
[0002]对于密封结构的检漏，有多种方法可以实现，但大多不适用于大型工程。尤其是在大型高功率固体激光装置中，出于对光束质量的要求，光束在全封闭的真空管道及充有特殊气体的光传输管道中进行传输，最终会聚到圆形真空靶室中央。因此，大型激光工程对光传输管道及靶室的密封状态有严格的要求，如真空度要求达到10—4Pa极限真空。在激光器建设与运行的过程中，由于管道、箱体、连接用波纹管等多种不同结构件复杂且高低错落，以及检测设备的拆装等因素，检漏工作长期存在。
[0003]目前采用的检测方法为氦质谱检测法，这种方法灵敏，优点在于可实现漏率的精确检测，但是需要工作人员携带氦气对疑似漏点位置进行扫描式排查，对于大型工程结构来说，存在高空作业的风险，且某些位置工作人员难以到达，难以实现对漏点的准确定位，大大降低了工作效率。目前研究较热的超声探测法，对正压的管道较为有效，且依然需要扫描式观测。同样不能解决效率的问题。
[0004]此外，对于不同的应用领域，对漏的定义不尽相同。如天燃气管道，达到50000ppm泄漏量以上即定义为泄漏。而这种泄漏量早已大大超出高功率激光装置的密封度要求。对于10—4Pa的真空度要求，10—8Pa.Π!3/8的漏点就必须处理，否则不能达极限真空的要求。因此，大多数检测方法的检测精度都无法满足检测需求，目前，检测精度满足要求的也仅有氦质谱检测法。
[0005]针对大型高功率激光装置的工程应用需求，我们需要一种可以快速、准确且有效的漏点检测定位方法。
【发明内容】
[0006]为解决上述问题，本发明提供了一种泄露声信号的检测及定位方法。
[0007]本发明提供如下技术方案:
[0008]—种泄露声信号的检测及定位方法，其包括以下的步骤:
[0009]步骤一:在疑似漏点附近设置传感器，采集漏点附近的泄漏声信号、环境噪声信号及其他干扰噪声信号，建立传感信号模型；
[0010]步骤二:泄漏信号特征提取:获取信号的自相关函数，取相关函数值作为近似熵计算序列；
[0011]步骤三:对选取的自相关函数值进行近似熵计算，获得信号复杂性的度量；
[0012]步骤四:泄露信号系统辨识:获取泄漏信号的自相关函数近似熵值，将它作为神经网络算法的输入，辨识真实泄漏事件的发生；
[0013]步骤五:盲系统辨识及漏点定位:采用盲系统辨识得到的系统函数，利用小波变换方法对突发干扰信号进行抑制;泄漏声信道对源信号的时延作用反映了源信号从泄漏点传播到相应采集点的时间信息，将该时延信息作为漏点定位方法输入量，从而不依赖泄漏声传播速度定位漏点。
[0014]本发明的有益效果如下:
[0015]第一、本发明提出了一种针对大型密封结构的快速气密性检测及漏点精确定位方法，不同于以往的人工直接检测法，利用传感器替代人工作业，实现漏点的自动检测及精确定位，解决了定位难的首要问题。
[0016]第二、本发明采用盲系统辨识原理进行漏点定位，即使在工程庞大、施工图纸丢失、管材不详的情况下，也可进行检测定位，不受被检测对象实际条件限制；该方法可实现正压及负压两种情况的检测及定位。
[0017]第三、本发明不受检测环境限制，不需要绝对安静的检测环境，该检测定位方法具有良好的去噪声干扰特性，可根据工作需要随时开展检测工作。
【附图说明】
[0018]图1是泄漏声信号的获取与识别流程图。
【具体实施方式】
[0019]下面将结合本发明实施例，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。
[0020]泄漏声信号是指在泄漏发生时，由于内外出现压力差，气体/激光会向管道内或管道外泄漏，过程中，气体/激光与漏口相互作用，产生振动，即泄漏声信号，声信号沿管道向远处传播，在一定范围内可听测到该振动声，这是泄漏声信号的主要声源。本发明所述的检测方法，就是通过探测该泄漏声信号，将声信号从复杂噪声信号中提取出来，判断泄漏发生的事实，并根据泄漏信号特征对漏点进行精确定位。
[0021]图1所示的是本发明所述检测及定位方法中，泄漏声信号的获取与识别过程。由于泄漏信号属于微弱信号，受到环境噪声及其他干扰噪声的影响，传感器采集到时已经被噪声淹没。本检测方法采用自相关函数分析法对噪声信号特性进行描述及分析。由于各类固定声源产生的噪声信号与泄漏信号的产生机理不同，其信号特征存在较大差异，通过对固定噪声信号特征及泄漏声信号特征进行分析，将这种差异通过自相关函数反应出来。通过计算自相关函数的近似熵值，实现对真实泄漏声信号的鉴别。近似熵描述了维数变化时产生新模式的可能性的大小，包含了时间模式的信息，能充分描述信号复杂性，是用一个非负数来表示前一数据对后一数据的可预测性，以定量描述时间序列的可重复性，熵值越大，表明时间序列越具有随机性或不规则性，其非周期性越强，复杂度越高;熵值越小，表明数据周期性越强，复杂度越小。根据自相关函数的近似熵值差异性，即可实现泄漏声信号与固定噪声信号的识别。
[0022]若噪声信号与泄漏声信号被不同的传感器采集到，通过自相关函数的近似熵值分析，即可加以辨别。然而，实际情况下两类信号往往同时被一个传感器采集到，本检测方法采用Elman神经网络对泄漏声信号加以辨识。将真实泄漏声信号的近似熵值及固定噪声的近似熵值作为训练样本，传感器采集到得泄漏信号近似熵值作为系统输入进行辨识。
[0023]在辨识出泄漏信号认定泄漏发生事实后，需要对泄漏点的位置进行准确定位。传统定位原理基于自适应滤波技术，基于声信号传播速度信息，需要大量先验知识，对于大型工程结构来说，管网结构错综复杂，先验知识不完备的情况下，无法进行漏点的准确定位，本发明采用基于盲系统辨识的漏点精确定位技术。
[0024]盲系统辨识是指在不需要任何先验知识、不清楚系统函数的情况下，仅从系统输出信号恢复系统的未知信息，得到系统函数。由于泄漏源信号到达观测点经过了以管道为主的传播信道，观测信号中不仅包含了信号间的时间延迟信息，还包含相应传播信道的特征信息，如频率选择性、能量衰减和时延作用等，因此，可以对泄漏声传播信道进行辨识，并提取信道特征参数作为新的泄漏定位计算模型输入参量，获得一种不依赖管道长度或泄漏声传播速度的泄漏定位方法。
[0025]由于泄漏声信道是高阶系统，在信道间存在病态问题情况下，常规的盲系统辨识方法不适用，本发明优选采用overlap-save和相关函数配准原理构建代价函数，解决泄漏声传播高阶信道估计和信道间的病态问题;采用遗传算法对多目标函数进行全局最优化，避免梯度算法收敛陷入局部最小点，对泄漏声信道辨识进行优化处理，提高盲系统辨识能力。
[0026]盲系统辨识的漏点定位技术采用小波变换方法对突发干扰信号进行抑制，根据盲系统辨识得到的系统函数，由于泄漏声信道对源信号的时延作用反映了源信号从泄漏点传播到相应采集点的时间信息，因此，将该时延信息作为漏点定位方法输入量，从而不依赖泄漏声传播速度定位漏点，实现不依赖于声信号传播速度的漏点定位；同时，根据泄漏信号的采样频率，可实现不依赖于管道长度的漏点定位。
[0027]此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
【主权项】
1.一种泄露声信号的检测及定位方法，其特征在于:包括以下步骤: 步骤一:在疑似漏点附近设置传感器，采集漏点附近的泄漏声信号、环境噪声信号及其他干扰噪声信号，建立传感信号模型； 步骤二:泄漏信号特征提取:获取信号的自相关函数，取相关函数值作为近似熵计算序列； 步骤三:对选取的自相关函数值进行近似熵计算，获得信号复杂性的度量； 步骤四:泄露信号系统辨识:获取泄漏信号的自相关函数近似熵值，将它作为神经网络算法的输入，辨识真实泄漏事件的发生； 步骤五:盲系统辨识及漏点定位:采用盲系统辨识得到的系统函数，利用小波变换方法对突发干扰信号进行抑制;泄漏声信道对源信号的时延作用反映了源信号从泄漏点传播到相应采集点的时间信息，将该时延信息作为漏点定位方法输入量，从而不依赖泄漏声传播速度定位漏点。
【专利摘要】本发明提供一种泄露声信号的检测及定位方法，包括以下步骤：步骤一：采集漏点附近的泄漏声信号、环境噪声信号及其他干扰噪声信号；步骤二：泄漏信号特征提取；步骤三：对选取的自相关函数值进行近似熵计算，获得信号复杂性的度量；步骤四：泄露信号系统辨识:获取泄漏信号的自相关函数近似熵值，将它作为神经网络算法的输入，辨识真实泄漏事件的发生；步骤五：盲系统辨识及漏点定位，本发明利用传感器替代人工作业，实现漏点的自动检测及精确定位，解决了定位难的首要问题；采用盲系统辨识原理进行漏点定位，不受被检测对象实际条件限制；可实现正压及负压两种情况的检测及定位；不受检测环境限制，可随时开展检测工作。
【IPC分类】G01M3/02, G01S15/06
【公开号】CN105675216
【申请号】CN201610013102
【发明人】张鑫, 胡东霞, 代万俊, 张晓璐, 袁强, 王德恩, 杨英, 薛峤
【申请人】中国工程物理研究院激光聚变研究中心
【公开日】2016年6月15日
【申请日】2016年1月11日