李 鹏陆 一杨佳康徐永凯

(1.南京信息工程大学,江苏省气象探测与信息处理重点实验室,江苏 南京 210044；2.南京信息工程大学,江苏省大气环境与装备技术协同创新中心,江苏 南京 210044；3.无锡学院自动化学院,江苏 无锡 214105)

危化气体是工业生产、存储和运转必不可少的组成部分,一旦发生危化气体泄漏,将对生命、财产、环境产生重大影响[1],如何对气体泄漏进行检测,及时发现并消除泄漏故障是减少此类事故发生的途径之一。因此,研究人员提出各种检测气体泄漏技术,如D-S 证据理论微小孔检测[2]、红外图像检测[3]和声学检测方法[4],其中声学检测方法具有较高的灵敏度、效率和精度。

在声学检测方法中,气体逸出压力容器的声音信号通常是非平稳的,采用时频分析方法能够有效分析非平稳信号。Yan 等[5]提出一种新的时频分析方法-频率切片小波变换(Frequency Slice Wavelet Transform,FSWT),从频域的角度引入了频率切片函数(Frequency Slice Function,FSF),实现时频分析功能。近年来,该分析方法被应用到轴承故障诊断[6]、大地电磁信号去噪[7]、生物信号分析[8]等领域,引入该方法对泄漏声信号进行时频分析,并依据该方法提取相应的特征做后续处理。此外,在实际应用过程中,仅判断出有无气体泄漏往往不能给工程维修人员提供有效的故障维修信息,因此有必要提出气体泄漏程度的判断方法。随着人工智能的发展,研究人员已经使用机器学习的方法来检测泄漏并对其进行分类。其中,支持向量机(Support Vector Machine,SVM)作为分类问题的监督学习方法被广泛使用。……