CN104412087A - 具有虚假警报辨别的超声波气体泄漏检测器 - Google Patents
具有虚假警报辨别的超声波气体泄漏检测器 Download PDFInfo
- Publication number
- CN104412087A CN104412087A CN201380034004.5A CN201380034004A CN104412087A CN 104412087 A CN104412087 A CN 104412087A CN 201380034004 A CN201380034004 A CN 201380034004A CN 104412087 A CN104412087 A CN 104412087A
- Authority
- CN
- China
- Prior art keywords
- gas
- ann
- output
- signal
- leakage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
- G01M3/243—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations for pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Examining Or Testing Airtightness (AREA)
- Emergency Alarm Devices (AREA)
Abstract
一种超声波气体泄漏检测器被配置成辨别由压缩气体泄漏入空气中产生的超声波与虚假警报超声波。示例性实施方案包括用于检测超声波能量并提供传感器信号的传感器系统,和响应于所述传感器信号的电子控制器。在一个示例性实施方案中,所述电子控制器被配置成提供:阈值比较器函数,以将代表感测的超声波能量与气体检测阈值进行比较;和人工神经网络(ANN)函数,其用于处理从数字传感器信号得到的信号并应用被配置为辨别虚假警报源与气体泄漏的ANN系数。输出函数根据阈值比较器输出和ANN输出生成检测器输出。传感器系统可包括宽带传感器和一个或多个窄带传感器。
Description
发明背景
超声波气体泄漏检测器测量当气体从较高的压力逸出至周围空气时由湍流产生的声压波。这种气体泄漏检测器用作工业安全设备用于监控易燃或有毒气体的不希望地或意外地释放入空气中。在泄漏进一步增多之前,需快速确定泄漏,以便允许及时采取补救行动。
常规超声波气体泄漏检测器为阈值设备,其无法辨别由其它人造源或天然源(例如,机器、放电、声学扬声器或生物源)产生的超声波与真实气体泄漏产生的超声波。利用这种超声波气体泄漏检测器来减少虚假警报,防止假性跳脱以及避免成本高且无保证的进程关闭的方法是提高警报阈值水平,使其高于背景超声波水平数分贝。提高警报阈值水平的缺点是减小了气体泄漏的检测距离,从而减小了总的覆盖区域,或直至泄漏非常严重才发现,经常造成灾难性后果。另一种针对虚假警报的预防是使用长时间延时,在发生危险气体泄漏的情况下,长时间延时会导致不希望的补救行动耽搁,这抵消了超声波气体泄漏检测器所固有的反应时间快的优点。
常规超声波气体泄漏检测器(其功能取决于阈值和延时)的另一个缺点是无法有效且现场核实其性能,且在保证测试间隔内无法进行功能性安全检验。常规气体泄漏检测器无法区分由真实气体释放发出的声音与由用于周期性系统性能检验的远距离超声波测试源发出的声音。对于工业设施而言,这是导致绕过关键保证测试或显著操作成本负担的主要不便。在没有由禁用警报而导致的中断的情况下,常规超声波气体泄漏检测器使得维修人员无法对气体泄漏检测器进行测试。
附图简述
通过结合附图阅读以下详细描述,本领域的技术人员将很容易理解本公开的特征和优点,其中:
图1是具有虚假警报辨别的超声波气体泄漏检测系统的示例性实施方案的示意框图。
图2是图1中的检测系统的特征的功能框图。
图3是图2中的检测系统利用的预处理函数的示例性流程图。
图4图示了图2中的检测系统利用的人工神经网络(ANN)处理的示例性实施方案。
图5是具有虚假警报辨别力的超声波气体泄漏检测系统的另一个示例性实施方案的功能框图。
图6是利用单个声传感器的超声波气体泄漏检测系统的示例性实施方案的示意框图。
图7是利用多个具有窄带频率响应的声传感器的超声波气体泄漏检测系统的示例性实施方案的示意框图。
图8是利用多个具有窄带频率响应的声传感器和具有宽频率响应的声传感器的超声波气体泄漏检测系统的示例性实施方案的示意框图。
图9是图8中的多个声传感器的频率响应的图形表示。
图10是图8中的多频谱超声波气体泄漏检测系统的特征的功能框图。
图11是图8中的超声波气体泄漏检测系统利用的预处理函数的示例性流程图。
图12图示了图8中的多频谱超声波气体泄漏检测系统利用的人工神经网络(ANN)处理的示例性实施方案。
图13是多频谱超声波气体泄漏检测系统的另一个示例性实施方案的功能框图。
具体实施方式
在以下详细描述以及数个附图中,相同元件以相同附图标记表示。出于说明的目的,附图未按比例绘制,且相对特征尺寸可能被放大。
图1图示了示例性超声波气体泄漏检测系统1的示意框图,其包括作为感测元件的超声波传声器2。在示例性实施方案中,超声波传声器2可以是例如由丹麦霍尔特的G.R.A.S.Sound and Vibration、德国格费尔的Microtech Gefell GmbH,或丹麦奈鲁姆的Bruel Kjaer制造的预极化压力传声器。超声波区域定义为超出人类听觉的频率范围,健康年轻成人的听觉频率大约从20kHz开始。与较低的超声波频率相比,较高的超声波频率在空气中衰减得更快,因此超声波气体泄漏检测系统的实际应用通常是针对小于100kHz的频率。
在另一个示例性实施方案中,超声波传声器2可以是光纤传声器(FOM)。适于该目的的示例性FOM由德国韦德马克的SennheiserElectronic GmbH制造。光纤传声器的另一个制造商是以色列MoshavMazor的Optoacoustics。
在再另一个示例性实施方案中,超声波传声器2可以是基于MEMS(微电子机械系统)技术的微型传声器,其可在远超15kHz可听范围且在100kHz外的超声波频率范围工作。这种MEMS传声器可安装在印刷电路板(PCB)上,并容纳在允许超声波能量传递至感测元件的环境坚固的机械外壳内。可以此方式使用的示例性MEMS传声器是由伊利诺斯州伊塔斯加的Knowles Acoustics制造的SiSonicTM表面安装传声器。在适于在危险地方操作的示例性实施方案中,MEMS传声器可容纳在阻焰器后面。这种阻焰器在允许声能从外部环境流动至传声器的同时,阻止点燃的火焰从传声器外壳结构内传输至外部环境。这种保护方法被称为防爆或防焰。为行业和政府监管机构所广泛接受的防爆或防焰设计标准中的一些有加拿大标准协会的CSA C22.2第30-M1986号、工厂互保研究中心(FactoryMutual)的FM 3600和3615,以及国际电工委员会的IEC 60079-0和IEC 60079-1。其它保护方法可用于其它环境保护要求,例如如国际电工委员会的IEC 60529中描述的防止固体物、液体进入以及机械冲击。
无论传声器类型以及所利用的保护概念如何,由传声器2生成的模拟信号被模拟数字转换器(ADC)3转换成数字信号。在示例性实施方案中,ADC 3提供了具有12-位带符号整数分辨率和200kHz的采样速率的信号4。
在示例性实施方案中,超声波气体泄漏检测系统1包括电子控制器5,例如数字信号处理器(DSP)、ASIC或基于微型计算机或微处理器的系统。在示例性实施方案中,信号处理器5可包括DSP,然而可替代地,其它应用和实施方案中可采用其它装置或逻辑电路。在示例性实施方案中,信号处理器5还包括作为串行通信接口(SCI)的双通用异步收发器(UART)51、串行外围接口(SPI)52、内部ADC 53、用于外部存储器(SRAM)21的外部存储器接口(EMIF)54和用于片上数据存储器的非易失存储器(NVM)55。Modbus 91或HART 92协议可用作通过UART 51进行串行通信的接口。这两个协议以及其它用于将现场仪表接口连接至用户计算机或可编程逻辑控制器(PLC)的协议(例如,PROFIbus、Fieldbus和CANbus)在过程工业中是熟知的。
在示例性实施方案中,信号处理器5通过SPI 52从ADC 3接收数字检测器信号4。在示例性实施方案中,信号处理器5通过SPI 52连接至多个其它接口。这些接口可包括外部NVM 22、实时时钟23、警报继电器24、故障继电器25、显示器26和模拟输出27。
在示例性实施方案中,模拟输出27可产生0至20毫安(mA)的指示电流电平,其可根据制定的设施协议用于触发补救行动,例如(仅作为实例)关闭过程设备。模拟输出27处的第一电流电平(例如,在4mA与20mA之间)可指示气体泄漏,模拟输出27处的第二电流电平(例如,4mA)可指示正常工作(例如,没有出现气体泄漏时),且模拟输出27处的第三电流电平(例如,为0mA)可指示系统故障,该系统故障可能是由一些状况(例如,电气故障)引起的。在其它实施方案中,可选择其它电流电平来表示各种状况。
在示例性实施方案中,超声波气体泄漏检测系统1也可包括温度传感器6,其用于提供指示气体检测器系统的周围温度的温度信号7以进行后续温度补偿。温度检测器6可连接至信号处理器5的内部ADC 53,其将温度信号7转换成数字表示。
在示例性实施方案中,可对信号处理器5进行编程以使其执行如下面更完整地讨论的信号预处理和人工神经网络(ANN)处理。
图2是示例性气体检测系统的示例性功能框图100。该系统包括传感器数据收集功能110,该功能从传声器传感器收集模拟传感器信号111,并将传感器信号转换成数字形式112以便数字信号处理器进行处理。然后,将处理算法120应用于传感器数据,包括信号预处理121、ANN验证函数122、声压计算123和后处理124,以确定传感器状态。在示例性实施方案中,将计算的声压级(SPL)与预设阈值126进行比较,而后处理ANN确定传声器信号是否由真实气体泄漏125生成。在示例性实施方案中,决策块125和126的组合会导致四种组合:
输出状态127A:(1)有气体泄漏与(2)SPL大于阈值的组合
输出状态127B:(1)没有气体泄漏与(2)SPL大于阈值的组合
输出状态127C:(1)有气体泄漏与(2)SPL不大于阈值的组合
输出状态127D:(1)没有气体泄漏与(2)SPL不大于阈值的组合
输出状态127A与真实气体泄漏以及超过SPL阈值(126)的情况对应。可将阈值(126)看作气体检测阈值;用户可选择为输出块128内的警报继电器24设置较高的警报阈值。输出状态127A还包括存在虚假警报(背景噪声)时更普遍的真实气体泄漏情况,这是因为ANN被训练成将这种情况分类为真实气体泄漏。输出状态127B与已断定所测量的很大的SPL并非由气体泄漏而是由虚假警报源引起的情况对应。输出状态127C与检测出真实气体泄漏,但是在量值上不足以产生小于阈值(126)的SPL的情况对应。可将输出状态127C看作是轻微泄漏,或者是提醒用户即将发生较大的泄漏。用户通常不需要采取纠正行动,但是建议其更密切地监控设施。输出状态127D与什么都没发生的情况对应,即没有气体泄漏的迹象,且背景SPL的值无关紧要。输出状态127D是典型的安静工业环境,例如偏远的陆上井口。
来自输出状态127A、127B、127C和127D的信息通过输出块128被连续传输至继电器24和25、显示器26、模拟输出27以及外部通信接口,例如Modbus 91和HART 92。用户可对输出块128进行编程以限定向各种用户界面发送的内容,例如显示器可指示SPL,无论其是由气体泄漏还是虚假警报引起的,或显示器可仅指示确定由真实气体泄漏引起的SPL。用户还可对输出块128进行配置以仅直接示出通过129测量和传输的SPL,无论是在输出状态127A、127B、127C和127D的哪一种状态;以此方式,根据需要,可临时或永久性地绕过ANN的处理和决策。用户也可通过输出块128设置高于决策块126中使用的最小气体检测阈值的警报SPL阈值来激活警报继电器24。用户也可对输出块128进行编程使其具有用户可设置的延时以确保由ANN确定的气体泄漏在通过例如警报继电器24采取纠正行动之前持续一定时间。
图1和图2中描述的超声波气体泄漏检测系统1的示例性实施方案提供了用于辨别由压缩气体泄漏入空气中产生的超声波与附近的其它机械源、电气源、声源或生物源产生的超声波的方法。来自这种其它源的超声波(被分类为虚假警报)可产生很大的用现有技术超声波气体泄漏检测器读取的背景超声波:该高背景导致需提高警报级别,将其设置为通常高于背景超声波6分贝。提高警报级别的缺点是减小了气体泄漏的检测距离,从而减小了总覆盖区域,导致区域气体泄漏监控器更像点气体泄漏检测器。此外,真实气体泄漏可能被忽略,直至泄漏非常严重才发现,经常造成灾难性后果。通过使用延时,也可利用现有技术超声波气体泄漏检测器来处理产生瞬时或短暂超声波的虚假警报源,在发生危险气体泄漏的情况下,其会导致所不希望的补救行动延迟。一种用于可靠地辨别并量化气体泄漏的方法为降低警报级别提供了空间,从而扩展了检测范围和覆盖区域,并为减少补救行动延时提供了空间。这种方法可使超声波气体泄漏检测系统能够提供一个或多个以下益处:(1)区域监控器、(2)基于声速的反应时间,和(3)由于滋扰警报减少而导致的整个过程生产的提高。
在示例性实施方案中,从传声器2的模拟信号周期性地被ADC 3转换成数字形式。如图2所示,在数字化传感器信号上执行预处理121。在示例性实施方案中,预处理函数121的目的是建立信号频率与时域之间的相关性。在图3所示的示例性实施方案中,预处理函数121包括应用211数据加窗函数和应用212联合时频域分析(JTFA)函数。在示例性实施方案中,数据加窗函数211涉及应用汉宁、汉明、Parzen、矩形、高斯、指数窗函数之一或其它合适的数据加窗函数。在示例性实施方案中,数据加窗函数211包括汉明窗函数,其由余弦型函数描述:
其中N为采样点的数量(例如,512),且n在1与N之间。
在数据预处理121的示例性实施方案中,在应用212JTFA函数之前,对原始输入信号应用211汉明窗函数。这种数据加窗函数减轻了信号的频谱"泄漏",从而提高了ANN分类的精确度。
再次参考图3,在示例性实施方案中,JTFA 212包含离散傅里叶变换。JTFA也可包含具有移动时窗(也称作Gabor变换)的短时傅里叶变换(STFT),或离散小波变换(DWT)。JTFA应用之后进行尺度变换操作213;这通过减去平均值并除以标准偏差使数据标准化以有效地尺度化ANN 122(图2)的输入。在示例性实施方案中,用于加窗函数211、JTFA 212和尺度函数213的系数和算法存储在非易失存储器中。在示例性实施方案中,系数可存储在NVM 55(图1)中。
再次参考图2和图3,应用加窗函数和JTFA操作之后的预处理数据也被馈给块123进行声压计算。通过对傅里叶变换中利用的各种超声波频率下的强度的大小进行求和来计算SPL,并根据传声器灵敏度和电子增益通过校准因子使声压级标准化。超声波SPL以分贝(dB)表示,分贝是相对于参考值对声音的有效压力的对数测量。常用的“零”参考声压(0分贝)在空气中为20μPa RMS,在历史上其来源于人类听觉阈值。在安静工业环境(例如,偏远的陆上井口)的超声波SPL的典型值可在40分贝与58分贝之间,而在有机器(例如,压缩机、发生器和冷却器(翅片-风扇))工作的情况下,背景超声波SPL要高得多。
在决策块126中将来自计算123的计算SPL与阈值进行比较(图2)。用于计算123的SPL校准因子以及决策块126的SPL阈值可存储在非易失存储器NVM 55中。
图4图示了ANN处理122的示例性实施方案的功能框图。ANN处理122可包括双层ANN处理。在示例性实施方案中,ANN处理122包括接收多个预处理信号121(x1-xi)(与图3所示的经加窗211、经JTFA处理212的数据和尺度化信号213对应)、隐藏层12和输出层13。在其它示例性实施方案中,ANN处理122可包括多个隐藏层12。
在示例性实施方案中,隐藏层12包括多个人工神经元14,例如五个神经元,如图4所示。神经元14(被称为隐藏神经元)的数量可取决于在训练期间ANN处理122所实现的训练水平和分类。在示例性实施方案中,输出层13包括多个与各种状况对应的目标15(或输出神经元)。目标15的数量可以是例如1至4个。图4的示例性实施方案使用一个目标神经元15,其将事件可能性18'输出至决策处理19。
在示例性实施方案中,NVM 55(图1)保持隐藏层12的突触连接权重Hij 11和输出层13的突触连接权重Ojk 17。在示例性实施方案中,信号处理器5对在神经元14的多个预处理信号10(每个信号均乘以对应的突触连接权重Hij 11)进行求和。然后针对多个隐藏神经元14的每一个,对得到的加权和zi应用非线性激活(或压缩)函数16。在图4所示的示例性实施方案中,激活函数16为单极性S型函数(s(zi))。在其它实施方案中,激活函数16可以是双极性激活函数或其它合适的函数。在示例性实施方案中,还将偏差BH输入隐藏层12。在示例性实施方案中,偏差BH的值为1。再次参考图4,在示例性实施方案中,神经元输出(s(zi))被输入输出层15中。在示例性实施方案中,还将偏差BO输入输出层15。在示例性实施方案中,每一个输出(s(zi))乘以对应的突触连接权重Ojk 17,并且为输出层13中的输出目标15相加对应的结果,从而产生对应的和yj。
因此,如图4中所描绘,经信号处理的输入Xi 10连接至隐藏神经元14,且权重Hij 11被分配给输入与隐藏层之间的连接。在每个隐藏的神经元,按以下顺序应用乘法函数、求和函数和S型函数。
将来自隐藏层12的S型函数S(Zj)的输出导入输出层13。权重Ojk 17被分配给隐藏层与输出层之间的连接。在该示例性实施方案中,现在在每个输出神经元,按以下顺序应用乘法函数、求和函数和S型函数。
在ANN训练的示例性进程中,通过反向传播(BP)不断地优化连接权重Hij和Ojk。在示例性实施方案中,基于均方根误差最小化通过共轭梯度(CG)下降法来应用BP算法。使用MATLAB(一种用于数值计算和数据分析的工具)来应用算法以优化连接权重Hij和Ojk。然后,这些连接权重用于ANN验证以计算ANN输出S(Yk),ANN输出S(Yk)用于做出最终决策。在示例性实施方案中,可通过将超声波气体泄漏检测器暴露至由真实气体泄漏、虚假警报源(包括机械源、放电源、声源或生物源),以及真实气体泄漏和虚假警报源的组合产生的超声波的组合来训练ANN。在训练期间,将输出值与正确答案进行比较,算法调整每一个连接的权重Hij和Ojk以在每一次迭代减小误差函数的值。在将该过程重复足够多个训练周期之后,网络通常收敛至误差很小的状态。例如在Rumelhart,D.E,Hinton,G.E.&Williams,R.J.,Learning Representations by Back-Propagating Errors,(1986)Nature,323,533-536中描述了使用BP算法来设置突触连接权重的多层ANN和ANN训练。情况表明,需要多层网络(包含一个或两个层的隐藏节点)来处理非线性决策边界。
在示例性实施方案中,ANN训练采用一组稳健的室内、室外和工业场地测试。从这些测试收集的数据用于对配备有MATLAB或相似数值计算程序的个人或工作站计算机进行的ANN训练。可使用图1中所示的合适地安装在便携式平台上的硬件收集数据。可替代地,市售超声波传声器和记录器(例如,瑞典乌普萨拉的PetterssonElectronik生产的Model D1000X超声波检测器)可用于收集数据。用于室内外收集的虚假警报源包括使用压电换能器生成高强度单频超声波的超声波犬笛;超声波机械源包括金属粉碎机和喷砂机;超声波放电源包括焊接和电晕放电。从工业场地收集的现场数据可包括由压缩机、发生器、阻风门、分离器和冷却器(翅片-风扇)产生的噪音。从真实气体泄漏收集的数据可包括气体类型、压力、孔口尺寸和流速。在考虑之中的气体可包括那些分子量低(例如,氢气和甲烷)以及分子量较高(例如,二氧化碳、乙烯和丙烷)的气体。应注意,许多分子量较高的气体在压力下为液态;当其释放到空气中变成气体时,产生超声波。例如Naranjo,E.,Baliga,S.,Neethling,G.A.&Plummer,CD的Safe Detection of Small to Large Gas Releases,(2011年1月)Hydrocarbon Processing,57-60中描述了产生这种气体泄漏的实验装置的技术细节。
在示例性实施方案中,训练数据可包括一百多个这种由多个虚假警报源、真实气体泄漏以及真实气体泄漏与虚假警报源的组合产生的超声波文件。可将从这种ANN综合训练获得的连接权重Hij和Ojk载入原型超声波气体泄漏检测器的软件,以通过严格的实验室和现场测试进一步进行验证来排除虚假警报并持续进行气体泄漏检测(通过图2中的决策块125),以及进行精确SPL计算(通过图2中的123)。验证成功之后,可将连接权重Hij和Ojk编程入制造的单元。
在图4图示的示例性实施方案中,ANN处理122输出值18',该值表示通过超声波气体泄漏检测所检测到的气体泄漏的可能性的百分比。应用于输出的阈值设置了可能性的界限,超过该界限则指示气体泄漏状态。在示例性实施方案中,神经元输出18'的值超过0.9(在0至1的标度上)指示极有可能发生了气体泄漏,而输出值较小则指示极有可能为虚假警报状况。该分析在ANN决策块19内进行。
再次参考图2,后处理124通过ANN决策块19(图4)获得ANN122的输出,并执行可包括其它标准(例如,工厂或用户定义的标准)的最终后处理。后处理124可包括后处理,例如计算神经元输出18'超过由ANN决策块19定义的阈值的次数。例如,理想的是,在气体泄漏状况输出之前,神经元输出18'在给定的时间段(例如,1秒)内超过阈值四次。这限制了隔离假输入状况或瞬变现象被理解成气体泄漏状况,从而引起虚假警报的可能性。在示例性实施方案中,在0至1的标度上可将阈值设为0.8。
参考图2,后处理124的输出由决策块125处理。在示例性实施方案中,如果ANN决策块125确定已发生了气体泄漏,则该决策与将计算SPL与预设气体检测阈值进行比较的阈值决策块126的输出相关。如上所述,对于该示例性实施方案而言,四种输出状态组合127A、127B、127C和127D是可能的。这些输出状态127A、127B、127C和127D的输出通过输出块128被连续地传输至继电器24和25、显示器26、模拟输出27以及外部通信接口,例如Modbus 91和HART92。用户可对输出块128进行编程以限定向各种用户界面发送的内容,例如显示器可指示SPL,无论其是由气体泄漏或虚假警报引起的,或显示器可仅指示确定由真实气体泄漏引起的SPL。用户也可通过输出块128设置高于为决策块126设置的最小气体阈值的警报SPL阈值来激活警报继电器24。用户也可对输出块128进行编程使其具有用户可设置的延时以确保由ANN确定的气体泄漏在通过例如警报继电器24采取纠正行动之前持续一定时间。
现在参考图5,描绘了超声波气体泄漏检测器的另一个示例性实施方案的特征,描绘了气体泄漏检测器的功能框图150。本实施方案与以上参考图1-4描述的实施方案相似。然而,在本示例性实施方案中,对信号处理器5进行编程使其执行处理算法120',其中并未如图2中的块126所示将根据声压计算123计算的SPL与预设阈值进行比较。而是,将计算SPL 129直接发送至输出块128'。同时,后处理ANN通过决策块125确定传声器信号是由真实气体泄漏生成的(由输出状态130指示)还是由虚假警报生成的(由输出状态131指示),均如图5中所示。然后,输出块128'通过警报继电器24、显示器26、模拟输出27和外部通信接口(例如,Modbus 91和HART 92)的输出功能告知用户真实气体泄漏的存在(根据输出状态130)和严重性(以分贝形式)(根据信号129)。如果决策块125的输出状态131示出计算SPL是由虚假警报产生的,则输出块128'可类似地通过显示器26、模拟输出27和外部通信接口(例如,Modbus 91和HART 92)告知用户发生了虚假警报事件及其严重性(以分贝形式);然而,在发生虚假警报事件(由输出状态131指示)的情况下,警报继电器24将不被激活。
图6图示了示例性单传感器超声波气体泄漏检测系统(包括作为声感测元件的声学传声器或压电传感器2)300的示意框图。在示例性实施方案中,传声器2可以是带有预放大和信号调节电路的预极化压力传声器,其可在可听范围内以及远超可听范围的100kHz的超声波频率下工作。这种传声器由丹麦霍尔特的G.R.A.S.Sound andVibration、德国格费尔的Microtech Gefell GmbH,或丹麦奈鲁姆的Bruel Kjaer制造。超声波区域定义为超出人类听觉的频率范围,健康年轻成人的听觉频率大约从20kHz开始。与较低的超声波频率相比,较高的超声波频率在空气中衰减得更快,因此超声波气体泄漏检测系统的实际应用通常是针对小于100kHz的频率。
在另一个示例性实施方案,超声波传声器2可以是光纤传声器(FOM),其可在可听频率范围内以及超过可听频率范围的超声波频率范围内工作。适合于该目的的示例性FOM由德国韦德马克的Sennheiser Electronic GmbH制造。光纤传声器的另一个制造商是以色列Moshav Mazor的Optoacoustics。
在再另一个示例性实施方案中,超声波传声器2可以是基于MEMS(微电子机械系统)技术的微型传声器,其可在远超15kHz可听范围且在超出100kHz的超声波频率范围内工作。这种MEMS传声器可与预放大和信号调节电路一起安装在印刷电路板(PCB)上,并容纳在允许超声波能量传递至感测元件的环境坚固的机械外壳内。可以此方式使用的示例性MEMS传声器是由伊利诺斯州伊塔斯加的Knowles Acoustics制造的SiSonicTM表面安装传声器。在适合在危险地点操作的示例性实施方案中,MEMS传声器可容纳在阻焰器后面。这种阻焰器在允许声能从外部环境流动至传声器的同时,阻止点燃的火焰从传声器外壳结构内传输至外部环境。这种保护方法被称为防爆或防焰。为行业和政府监管机构所广泛接受的防爆或防焰设计标准中的一些有加拿大标准协会的CSA C22.2第30-M1986号、工厂互保研究中心(Factory Mutual)的FM 3600和3615,以及国际电工委员会的IEC 60079-0和IEC 60079-1。其它保护方法可用于其它环境保护要求,例如防止固体物、液体进入以及机械冲击,如国际电工委员会的IEC 60529中描述的那样。
以上针对图6的实施方案描述的声学传声器传感器提供了从可听区域到频率为100kHz的超声波区域(例如,20kHz至100kHz)的宽频率响应。可利用其它类型的声传感器,其可提供以机械共振频率为中心的峰值更尖锐的窄带声响应。依赖压电现象的声传感器在将机械声能转换成电能时很自然地适于发生这种共振行为。这种压电声传感器的制造商的实例为中国广州的奥迪威电子有限公司(AudiowellElectronics Co.,Ltd)、日本京都的村田制作所(Murata ManufacturingCompany),和伊利诺斯州伍德斯托克的Parsonics Corporation。使用MEMS技术制造的压电微型微机械换能器(pMUT)也可用作声传感器2的感测元件。
无论声传感器的类型以及利用的保护概念如何,由传声器或压电传感器2生成的模拟信号被外部模拟数字转换器(ADC)3转换成数字信号。在示例性实施方案中,ADC 3提供了具有12-位带符号整数分辨率的信号4和200kHz的采样速率。
图7图示了多传感器超声波气体泄漏检测系统350(包括四个作为声感测元件的声学传声器或压电传感器2a、2b、2c、2d)的示例性实施方案的示意框图。在示例性实施方案中,由传感器生成的模拟信号被内部模拟数字转换器(ADC)53转换成数字信号。对于许多应用而言,内部模拟数字转换器53比图6中的外部模拟数字转换器3更适合于以高采样速率(200kHz)从多个声传感器采集数据。在示例性实施方案中,四个声传感器在跨越超声波气体泄漏检测器目前使用的可听至超声波频率范围的四个不同声频(例如,10kHz、25kHz、40kHz和55kHz)处具有峰值窄带响应。所选的频率通常将主要在超声波范围内,但是通常可包括可听频率或频率以测量可听滋扰。传感器2a、2b、2c和2d的示例性带宽大约为3kHz。其它带宽也可能合适。在示例性实施方案中,四个声传感器为具有不重叠峰值频率响应的压电传感器,使得能够进行多频谱声检测。可为声传感器的峰值响应选择其它频率,包括与滋扰超声波源(例如,机器)生成的频率对应的频率;在这种选择的频率下进行的测量可进一步帮助辨别由气体泄漏产生的超声波与由背景噪声生成的超声波。
图8是超声波气体泄漏检测系统360的示例性实施方案的示意框图,系统360包括多个具有不重叠峰值频率响应的多频谱声传感器2a、2b、2c、2d并包含一个具有跨越可听至超声波频率范围的较宽的频率响应的声传感器2。在示例性实施方案中,具有峰值频率响应的多频谱声传感器2a、2b、2c、2d为压电传感器。在示例性实施方案中,具有较宽频率响应的声传感器2可以是例如由丹麦霍尔特的G.R.A.S.Sound and Vibration制造的预极化超声波压力传声器。在另一个示例性实施方案,具有较宽频率响应的声传感器2可以是基于MEMS(微电子机械系统)技术的微型传声器,例如由伊利诺斯州伊塔斯加的Knowles Acoustics制造的声传感器。这种声传感器的组合使得能够通过该多个不重叠的峰值频率响应进行多频谱检测,同时还对从超声波传声器的宽带频率响应计算超声波声压级(SPL)进行总体测量。由于有很多可能的可听滋扰声音源,因此通常将可听频率响应从SPL计算中排除。测量的SPL指示气体泄漏的严重性。在示例性实施方案中,图8中的声传感器放置在超声波气体泄漏检测器的外部以从相同方向从潜在的气体泄漏接收声能。在示例性实施方案中,五个声传感器彼此紧靠安装在机械外壳的平面表面上指向相同方向,并被配置为从远距离气体泄漏或其它声源接收相同的声信号。在另一个实施方案中,五个声传感器彼此紧靠安装在雕刻或弯曲的机械外壳外部,仍指向相同方向,以从远距离气体泄漏或其它声源接收相同的声信号。包含所有五个传感器的典型直径将是10厘米至15厘米。在利用MEMS型装置的情况下,由于装置较小,因此可更靠近一些。优选地,在封装限制内,将靠近或尽可能靠近地设置传感器装置。
图9是图8中的声传感器(具有一个宽带传声器2和四个多频谱共振压电传感器2a、2b、2c和2d)的频率响应的示例图。可选择四个声传感器2a、2b、2c和2d的一个或多个或所有频率来将对于工业超声波气体泄漏检测而言为滋扰的自然发生或人造声频定为目标。在这种频率下测量声能可通过为人工神经网络(ANN)的训练提供专门的输入来帮助检测气体泄漏,如以下更全面地描述的那样。
在描述图6、7和8中的实施方案的功能的示例性实施方案中,每一个超声波气体泄漏检测系统包括电子控制器5(例如,数字信号处理器(DSP))、ASIC或基于微型计算机或微处理器的系统。在示例性实施方案中,信号处理器5可包括DSP,然而可替代地,其它应用和实施方案可使用其它装置或逻辑电路。在示例性实施方案中,信号处理器5还包括作为串行通信接口(SCI)的双通用异步收发器(UART)51、串行外围接口(SPI)52、内部ADC 53、用于外部存储器(SRAM)21的外部存储器接口(EMIF)54和用于片上数据存储器的非易失存储器(NVM)55。Modbus 91或HART 92协议可用作通过UART 51进行串行通信的接口。这两个协议以及其它用于将现场仪表接口连接至用户计算机或可编程逻辑控制器(PLC)的协议(例如,PROFIbus、Fieldbus和CANbus)在过程工业中是熟知的。
在示例性实施方案中,信号处理器5通过SPI 52从ADC 3接收数字检测器信号4。在示例性实施方案中,信号处理器5通过SPI 52连接至多个其它接口。这些接口可包括外部NVM 22、实时时钟23、警报继电器24、故障继电器25、显示器26和模拟输出27。
在示例性实施方案中,模拟输出27可产生0至20毫安(mA)的指示电流电平,其可根据制定的设施协议用于触发补救行动,例如(仅作为实例)关闭过程设备。模拟输出27处的第一电流电平(例如,在4mA与20mA之间)可指示气体泄漏,模拟输出27处的第二电流电平(例如,4mA)可指示正常操作(例如,没有出现气体泄漏时),且模拟输出27处的第三电流电平(例如,为0mA)可指示系统故障,该系统故障可能是由一些状况(例如,电气故障)引起的。在其它实施方案中,可选择其它电流电平来表示各种状况。
在示例性实施方案中,可对信号处理器5进行编程以使其执行如下面更完整地讨论的信号预处理和人工神经网络(ANN)处理。
图10是示例性气体检测系统100'的示例性功能框图。系统包括传感器数据收集功能110',其分别从多个声传感器2、2a、2b、2c和2d收集模拟调节传感器信号111、111a、111b、111c和111d,并将传感器信号转换成数字形式112以由数字信号处理器进行处理。在示例性实施方案中,以时分复用串行方式为声传感器信号进行数字转换。然后,将处理算法120应用于传感器数据,包括信号预处理121、ANN验证函数122、声压计算123和通向决策块125的后处理124。在示例性实施方案中,将从宽带传声器传感器2计算的声压级(SPL)与预设阈值126进行比较,而后处理ANN确定传声器信号是否由真实的气体泄漏125生成。在示例性实施方案中,决策块125和126的组合会导致四种组合:
输出状态127A:(1)有气体泄漏与(2)SPL>阈值的组合
输出状态127B:(1)没有气体泄漏与(2)SPL>阈值的组合
输出状态127C:(1)有气体泄漏与(2)SPL不大于阈值的组合
输出状态127D:(1)没有气体泄漏与(2)SPL不大于阈值的组合
输出状态127A与真实气体泄漏以及超过SPL阈值(126)的情况对应。可将阈值(126)看作气体检测阈值;用户可选择为输出块128内的警报继电器24设置较高的警报阈值。输出状态127A还包括存在虚假警报(背景噪声)时更普遍的真实气体泄漏情况,这是因为ANN被训练成将这种情况分类为真实气体泄漏。输出状态127B与已断定所测量的很大的SPL并非由气体泄漏而是由虚假警报源引起的情况对应。输出状态127C与检测出真实气体泄漏,但是在量值上不足以产生小于阈值(126)的SPL的情况对应。可将输出状态127C看作是较小的泄漏,或者是提醒用户即将发生较大的泄漏。用户通常不需要采取纠正行动,但是建议其更密切地监控设施。输出状态127D与什么都没发生的情况对应,即没有气体泄漏的迹象,且背景SPL的值无关紧要。输出状态127D是典型的安静工业环境,如偏远的陆上井口。
来自输出状态127A、127B、127C和127D的信息经由输出块128被连续传输至继电器24和25、显示器26、模拟输出27以及一个或多个外部通信接口,例如Modbus 91和HART 92。用户可对输出块128进行编程以限定向各种用户界面发送的内容,例如显示器可指示SPL,无论其是由气体泄漏或虚假警报引起的,或显示器可仅指示确定由真实气体泄漏引起的SPL。用户还可对输出块128进行配置以仅直接示出通过129测量和传输的SPL,无论是在输出状态127A、127B、127C和127D的哪一种状态:以此方式,根据需要,可临时或永久性地绕过ANN的处理和决策。用户经由输出块128设置高于决策块126中使用的最小气体检测阈值的警报SPL阈值来激活警报继电器24。用户也可对输出块128进行编程使其具有用户可设置的延时以确保由ANN确定的气体泄漏在经由例如警报继电器24采取纠正行动之前持续一定时间。
图6、图7和图8中描述的超声波气体泄漏检测系统300、350和360的示例性实施方案提供了用于辨别由压缩气体泄漏入空气产生的超声波与附近的其它机械源、放电源、声源或生物源产生的超声波的方法。来自这种其它源的超声波(被分类为虚假警报)可产生很大的背景超声波,现有技术超声波气体泄漏检测器可读取该背景超声波:该高背景导致需设置通常高于背景超声波6分贝的提高的警报级别。提高警报级别的缺点是减小了气体泄漏的检测距离,从而减小了总覆盖区域,导致区域气体泄漏监控器更像点气体泄漏检测器此外,真实气体泄漏可能被忽略,直至泄漏非常严重才发现,经常造成灾难性后果。通过使用延时,也可利用现有技术超声波气体泄漏检测器来处理产生瞬时或短暂超声波的虚假警报源,在发生危险气体泄漏的情况下,其会导致所不希望的补救行动延迟。一种用于可靠地辨别并量化气体泄漏的方法和系统为降低警报级别提供了空间,从而扩展了检测范围和覆盖区域,并为减少补救行动延时提供了空间这种方法和系统可使超声波气体泄漏检测系统能够提供一个或多个以下益处:(1)区域监控器、(2)基于声速的反应时间,和(3)由于滋扰警报减少而导致的整个过程生产的提高。
在示例性实施方案中,来自声传感器2、2a、2b、2c和2d的模拟信号周期性地被内部ADC 53转换成数字形式。如图10所示,在数字化传感器信号上执行预处理121。在示例性实施方案中,预处理函数121的目的是建立信号频率与时域之间的相关性。在图11所示的示例性实施方案中,预处理函数121包括对每一个数字化声传感器信号独立地应用加窗函数211和应用时频联合域分析(JTFA)函数212。在示例性实施方案中,数据加窗函数211包括应用汉宁、汉明、Parzen、矩形、高斯、指数窗函数之一或其它合适的数据加窗函数。在示例性实施方案中,数据加窗函数211包括汉明窗函数,其由余弦型函数描述:
其中N为采样点的数量(例如,512),且n在1与N之间。
在数据预处理121的示例性实施方案中,在应用JTFA函数212之前,对原始输入信号应用汉明窗函数211。这种数据加窗函数减轻了信号的频谱"泄漏",从而提高了ANN分类的精确度。
再次参考图6,在示例性实施方案中,JTFA 212包含离散傅里叶变换。JTFA也可包含具有移动时窗(也称作Gabor变换)的短时傅里叶变换(STFT),或离散小波变换(DWT)。可对傅里叶变换的输出进行滤波或处理以除去超声波频带(例如,在大约15kHz或大约20kHz至大约70kHz之间)之外的频率响应。JTFA应用之后进行尺度变换操作213,这通过减去平均值并除以标准偏差使数据规范化以有效地尺度化ANN 122的输入(图10)。在示例性实施方案中,用于加窗函数211、JTFA 212和尺度函数213的系数和算法存储在非易失存储器中。在示例性实施方案中,系数可存储在NVM 55(图8)中。
再次参考图10,应用加窗函数和JTFA操作之后的预处理数据也被馈给块123进行声压计算。通过对傅里叶变换中利用的各种超声波频率下的强度的大小进行求和,从宽带传声器2计算SPL,并根据传声器灵敏度和电子增益通过校准因子使声压级标准化。如以上所描述的,不对来自可听频率的能量进行求和。而是在JTFA 212,对于频率低于例如15kHz的响应不用于SPL计算。在示例性实施方案中,能量的频率范围可选择为在大约15KHz至大约70kHz的频率范围内,频带外的能量不用于计算。超声波SPL以分贝(dB)表示,分贝是相对于参考值对声音的有效压力的对数测量。常用的"零"参考声压(0分贝)在空气中为20μPa RMS,在历史上其源于人类听觉阈值。在安静工业环境(例如,偏远的陆上井口)的超声波SPL的典型值可在40分贝与58分贝之间,而在有机器(例如,压缩机、发生器和冷却器(翅片-风扇))工作的情况下,背景超声波SPL要高得多。
在判定块126中将来自计算123的计算SPL与阈值进行比较(图10)。用于计算123的SPL校准因子以及决策块126的SPL阈值可存储在非易失存储器NVM 55中。
图12图示了ANN处理122的示例性实施方案的功能框图。ANN处理122可包括双层ANN处理。在示例性实施方案中,ANN处理122包括接收多个由声传感器2、2a、2b、2c和2d生成的预处理信号121(x1-xi)(与图6中所示的经加窗211、经JTFA处理212的数据和尺度化信号213对应)、隐藏层12和输出层13。在其它示例性实施方案中,ANN处理122可包括多个隐藏层12。预处理信号121(x1-xi)包括来自声传感器2、2a、2b、2c和2d的以固定顺序10位于ANN处理122的输入层的各个预处理信号。
在示例性实施方案中,隐藏层12包括多个人工神经元14,例如五个神经元,如图12所示。神经元14(被称为隐藏神经元)的数量可取决于在训练期间ANN处理122所实现的训练水平和分类。在示例性实施方案中,输出层13包括多个与各种状况对应的目标15(或输出神经元)。目标15的数量可以是例如一至四个。图12的示例性实施方案使用一个目标神经元15,其将事件可能性18'输出至判定处理19。
在示例性实施方案中,NVM 55(图8)保持隐藏层12的突触连接权重Hij 11和输出层13的突触连接权重Ojk 17。在示例性实施方案中,信号处理器5对在神经元14的多个预处理信号10(每个信号均乘以对应的突触连接权重Hij 11)进行求和。然后针对多个隐藏神经元14的每一个,对得到的加权和zi应用非线性激活(或压缩)函数16。在图12所示的示例性实施方案中,激活函数16为单极性S型函数(s(zi))。在其它实施方案中,激活函数16可以是双极性激活函数或其它合适的函数。在示例性实施方案中,还将偏差BH输入隐藏层12。在示例性实施方案中,偏差BH的值为1。再次参考图12,在示例性实施方案中,神经元输出(s(zi))被输入输出层15。在示例性实施方案中,还将偏差BO输入输出层15中。在示例性实施方案中,每一个输出(s(zi))乘以对应的突触连接权重Ojk 17,并且为输出层13中的输出目标15相加对应的结果,从而产生对应和yj。
因此,如图12中所描绘,经信号处理的输入Xi 10连接至隐藏神经元14,且权重Hij 11被分配给输入与隐藏层之间的连接。在每个隐藏的神经元,按以下顺序应用乘法函数、求和函数和S型函数。
将来自隐藏层12的S型函数S(Zj)的输出导入输出层13。权重Ojk 17被分配给隐藏层与输出层之间的连接。在该示例性实施方案中,现在在每个输出神经元,按以下顺序应用乘法函数、求和函数和S型函数:
在ANN训练的示例性进程中,通过反向传播(BP)不断地优化连接权重Hij和Ojk。在示例性实施方案中,基于均方根误差最小化经由共轭梯度(CG)下降法来应用BP算法。使用MATLAB(一种用于数值计算和数据分析的工具)来应用算法以优化连接权重Hij和Ojk。然后,这些连接权重用于ANN验证以计算ANN输出S(Yk),ANN输出S(Yk)用于做出最终决策。在示例性实施方案中,可通过将超声波气体泄漏检测器暴露至由真实气体泄漏、虚假警报源(包括机械源、放电源、声源或生物源),以及真实气体泄漏和虚假警报源的组合产生的超声波的组合来训练ANN。在训练期间,将输出值与正确答案进行比较,算法调整每一个连接的权重Hij和Ojk以在每一次迭代减小误差函数的值。在将该过程重复足够多个训练周期之后,网络通常收敛至误差很小的状态。例如在Rumelhart,D.E,Hinton,G.E.&Williams,R.J.,Learning Representations by Back-Propagating Errors,(1986)Nature,323,533-536中描述了使用BP算法来设置突触连接权重的多层ANN和ANN训练。情况表明,需要多层网络(包含一个或两个层的隐藏节点)来处理非线性决策边界。
在示例性实施方案中,ANN训练采用一组稳健的室内、室外和工业场地测试。从这些测试收集的数据用于对配备有MATLAB或相似数值计算程序的个人或工作站计算机进行的ANN训练。可使用图8中所示的合适地安装在便携式平台上的硬件收集数据。可替代地,市售超声波传声器和记录器(例如,瑞典乌普萨拉的PetterssonElectronik生产的Model D1000X超声波检测器)可用于收集数据。用于室内外收集的虚假警报源包括使用压电转换器生成高强度单频超声波的超声波犬笛;超声波机械源包括金属粉碎机和喷砂机;超声波放电源包括焊接和电晕放电。从工业场地收集的现场数据可包括由压缩机、发生器、阻风门、分离器和冷却器(翅片-风扇)产生的噪音,包括来自在一个或多个峰值声传感器2a、2b、2c或2d的带宽内强烈发声的滋扰源的数据。从真实气体泄漏收集的数据可包括气体类型、压力、孔口尺寸和流速。在考虑之中的气体可包括那些分子量低(例如,氢气和甲烷)以及分子量较高(例如,二氧化碳、乙烯和丙烷)的气体。应注意,许多分子量较高的气体在压力下为液态;当其释放到空气中变成气体时,产生超声波。例如Naranjo,E.,Baliga,S.,Neethling,G.A.&Plummer,C.D.的Safe Detection of Small to Large GasReleases,(2011年1月)Hydrocarbon Processing,57-60中描述了产生这种气体泄漏的实验装置的技术细节。
在示例性实施方案中,训练数据可包括一百多个这种由多个虚假警报源、真实气体泄漏以及真实气体泄漏与虚假警报源的组合产生的超声波文件。可将从这种ANN综合训练获得的连接权重Hij和Ojk载入原型超声波气体泄漏检测器的软件,以通过严格的实验室和现场测试进一步进行验证来排除虚假警报并持续进行气体泄漏检测(通过图5中的决策块125),以及进行精确SPL计算(通过图8中的123)。验证成功之后,可将连接权重Hij和Ojk编程入制造的单元。
在图12图示的示例性实施方案中,ANN处理122输出值18',该值表示通过超声波气体泄漏检测所检测到的气体泄漏的可能性的百分比。应用于输出的阈值设置了可能性的界限,超过该界限则指示气体泄漏状态。在示例性实施方案中,神经元输出值18'超过0.9(在0至1的标度上)指示极有可能发生了气体泄漏,而输出值较小则指示极有可能为虚假警报状况。该分析在ANN决策块19内进行。
再次参考图10,后处理124通过ANN决策块19(图12)获得ANN 122的输出,并执行可包括其它标准(例如,工厂或用户定义的标准)的最终后处理。后处理124可包括后处理,例如计算神经元输出18'超过由ANN决策块19定义的阈值的次数。例如,理想的是,在气体泄漏状况输出之前,神经元输出18'在给定的时间段(例如,1秒)内超过阈值四次。这限制了隔离假输入状况或瞬变现象被理解成气体泄漏状况,从而引起虚假警报的可能性。在示例性实施方案中,在0至1的标度上可将阈值设为0.8。
参考图12,后处理124的输出由决策块125处理。在示例性实施方案中,如果ANN决策块125确定已发生了气体泄漏,则该决策与将计算SPL与预设气体检测阈值进行比较的阈值决策块126的输出相关。如上所述,对于该示例性实施方案而言,四种输出状态组合127A、127B、127C和127D是可能的。这些输出状态127A、127B、127C和127D的输出通过输出块128被连续传输至继电器24和25、显示器26、模拟输出27以及外部通信接口,例如Modbus 91和HART92。用户可对输出块128进行编程以限定向各种用户界面发送的内容,例如显示器可指示SPL,无论其是由气体泄漏或虚假警报引起的,或显示器可仅指示确定由真实气体泄漏引起的SPL。用户也可通过输出块128设置高于为决策块126设置的最小气体阈值的警报SPL阈值来激活警报继电器24。用户也可对输出块128进行编程使其具有用户可设置的延时以确保由ANN确定的气体泄漏在通过例如警报继电器24采取纠正行动之前持续一定时间。
现在参考图13,描绘了超声波气体泄漏检测器的另一个示例性实施方案的特征,描绘了气体泄漏检测器的功能框图450。本实施方案与以上参考图8-12描述的实施方案相似。然而,在本示例性实施方案中,对信号处理器5进行编程使其执行处理算法120',其中并未如图10中的块126所示将根据声压计算123计算的SPL与预设阈值进行比较。而是,将计算SPL 129直接发送至输出块128'。同时,后处理ANN通过决策块125确定传声器信号是由真实气体泄漏生成的(由输出状态130指示)还是由虚假警报生成的(由输出状态131指示),均如图13中所示。然后,输出块128'通过警报继电器24、显示器26、模拟输出27和外部通信接口(例如,Modbus 91和HART 92)的输出功能告知用户真实气体泄漏的存在(根据输出状态130)和严重性(以分贝表示)(根据信号129)。如果决策块125的输出状态131示出计算SPL是由虚假警报产生的,则输出块128'可类似地通过显示器26、模拟输出27和外部通信接口(例如,Modbus 91和HART 92)告知用户发生了虚假警报事件及其严重性(以分贝形式);然而,在发生虚假警报事件(由输出状态131指示)的情况下,警报继电器24将不被激活。
图8至图13中描述的示例性实施方案包括四个具有不重叠峰值频率响应的专用声传感器和一个宽带传声器。然而,专用声传感器的数量及其峰值频率为示例性的,在本发明的范围内可对其进行改变,本发明具有至少一个宽带声传感器和一个峰值或窄带响应声传感器。
尽管前面已对本发明的具体实施方案进行了描述和说明,但是在不脱离本发明的范围和精神的情况下,本领域的技术人员可对其进行各种修改和变化。
Claims (55)
1.一种超声波气体泄漏检测器,其被配置成辨别由压缩气体泄漏入空气中产生的超声波与附近的其它机械源、电气源、声源或生物源产生的虚假警报超声波,所述检测器包括:
传感器,其用于检测超声波能量并提供传感器信号;
电子控制器,其响应于代表所述传感器信号的数字传感器信号,所述电子控制器包括:
阈值比较器,其将代表感测的超声波能量的传感器信号值与气体检测阈值进行比较以确定所述传感器信号值是否超过所述气体检测阈值,从而提供指示是否可能已检测出气体泄漏的阈值比较器输出;
人工神经网络(ANN),其用于处理从所述数字传感器信号得到的信号,并且应用被配置成辨别虚假警报源与气体泄漏的ANN系数,并提供指示是否已检测到气体泄漏的决策的ANN输出;
输出决策,其用于根据所述阈值比较器输出和所述ANN输出生成检测器输出。
2.根据权利要求1所述的系统,其中所述传感器为MEMS传声器。
3.根据权利要求1所述的系统,其中所述传感器为光纤传声器。
4.根据权利要求1所述的系统,其中代表感测的超声波能量的所述传感器信号值为计算的声压值。
5.根据权利要求4所述的系统,其中所述输出决策提供至少四种输出状态,其中:
第一输出状态来自所述ANN输出信号指示已检测到气体泄漏与阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第二输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第三输出状态来自所述ANN输出信号指示已检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合;以及
第四输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合。
6.根据权利要求5所述的系统,其中所述第二输出状态与断定所述声压值并非由真实气体泄漏引起的检测状态对应。
7.根据权利要求5所述的系统,其中所述第三输出状态与检测到在量值上不足以产生小于所述气体检测阈值的声压值的真实气体的泄漏对应。
8.根据权利要求7所述的系统,其中所述第三输出状态与检测到轻微泄漏对应。
9.一种超声波气体泄漏检测器,其被配置成辨别由压缩气体泄漏入空气中产生的超声波与虚假警报超声波,所述检测器包括:
传感器,其用于检测超声波能量并提供传感器信号;
电子控制器,其响应于代表所述传感器信号的数字传感器信号,所述电子控制器被配置成提供:
预处理函数,其包括被配置为对所述数字传感器信号进行联合时频信号预处理以提供预处理信号的算法;
声压计算函数,其响应于所述预处理信号以提供代表由所述传感器感测的声压的计算声压值;
阈值比较器函数,其将所述计算声压值与气体检测阈值进行比较以确定所述计算声压值是否超过所述气体检测阈值,并提供指示是否已超过所述气体检测阈值的阈值比较器输出;
人工神经网络(ANN)函数,其用于处理所述预处理信号并应用被配置成辨别虚假警报源与气体泄漏的ANN系数,并提供指示是否已检测到气体泄漏的ANN决策的ANN输出;
输出函数,其用于根据所述阈值比较器输出和所述ANN输出生成检测器输出。
10.根据权利要求9所述的系统,其中所述算法适于执行离散傅里叶变换、具有移动时窗的短时傅里叶变换或离散小波变换之一。
11.根据权利要求9所述的系统,其中所述传感器为超声波传声器。
12.根据权利要求9所述的系统,其中所述检测器输出提供至少四种输出状态,其中:
第一输出状态来自所述ANN输出信号指示已检测到气体泄漏与阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第二输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第三输出状态来自所述ANN输出信号指示已检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合;以及
第四输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合。
13.根据权利要求12所述的系统,其还包括警报继电器,且其中由所述电子控制器生成的所述检测器输出被配置成在所述第一输出状态的情况下激活所述警报继电器。
14.根据权利要求9所述的系统,其中所述ANN函数包括应用存储于所述电子控制器的存储器中的预定训练连接权重,所述权重是暴露至由真实气体泄漏、包括机械源、电气源、声源或生物源的虚假警报源以及真实气体泄漏与虚假警报源的组合产生的超声波的多个组合的结果。
15.一种超声波气体泄漏检测器,其被配置为辨别由压缩气体泄漏入空气中产生的超声波与虚假警报,所述检测器包括:
传感器,其用于检测超声波能量并提供传感器信号;
电子控制器,其响应于代表所述传感器信号的数字传感器信号,所述电子控制器被配置成提供:
计算函数,其用于生成代表感测的超声波能量的传感器信号值;
人工神经网络(ANN)函数,其用于处理从所述数字传感器信号得到的信号,并应用被配置成辨别虚假警报源与气体泄漏的ANN系数,并且提供指示是否已检测到气体泄漏的决策的ANN输出,所述ANN输出包括至少两种输出状态,其中第一ANN输出状态指示已检测到气体泄漏,且第二ANN输出状态指示未检测到气体泄漏;
系统输出函数,其用于生成指示所述ANN输出和所述传感器信号值的检测器输出。
16.根据权利要求15所述的系统,其中所述系统输出函数根据所述ANN输出生成第一检测器输出,和指示所述传感器信号值的第二检测器输出。
17.根据权利要求15所述的系统,其中代表感测的超声波能量的所述传感器信号值为计算声压值。
18.根据权利要求15所述的系统,其中:
所述电子控制器还被配置为提供包括算法的预处理函数,所述算法被配置为对所述数字传感器信号进行联合时频信号预处理以提供预处理信号;且
所述计算函数和所述ANN函数均对所述预处理信号进行处理以提供所述传感器信号值和所述ANN输出。
19.根据权利要求18所述的系统,其中所述算法适于执行离散傅里叶变换、具有移动时窗的短时傅里叶变换或离散小波变换之一。
20.根据权利要求15所述的系统,其还包括:
阈值比较器函数,其将所述计算声压值与气体检测阈值进行比较以确定所述计算声压值是否超过所述气体检测阈值,并提供指示是否已超过所述气体检测阈值的阈值比较器输出;
输出函数,其用于根据所述阈值比较器输出与所述ANN输出的组合生成检测器输出。
21.一种超声波气体泄漏检测器,其被配置成辨别由压缩气体泄漏入空气中产生的超声波与附近的其它机械源、电气源、声源或生物源产生的虚假警报超声波,所述检测器包括:
传感器系统,其用于检测超声波能量并提供传感器信号,所述传感器系统包括宽带传感器和至少一个窄带传感器;
电子控制器,其响应于代表所述传感器信号的数字传感器信号,所述电子控制器包括:
阈值比较器,其将代表感测的超声波能量的传感器信号值与气体检测阈值进行比较以确定所述传感器信号值是否超过所述气体检测阈值,从而提供指示是否已检测出气体泄漏的阈值比较器输出;
人工神经网络(ANN),其用于处理从所述数字传感器信号得到的信号,并应用被配置成辨别虚假警报源与气体泄漏的ANN系数,并且提供指示是否已检测到气体泄漏的决策的ANN输出;
输出决策,其用于基于所述阈值比较器输出和所述ANN输出生成检测器输出。
22.根据权利要求21所述的检测器,其中所述宽带传感器为MEMS传声器和光纤传声器之一。
23.根据权利要求21所述的检测器,其中所述窄带传感器为压电传声器。
24.根据权利要求21所述的检测器,其中所述代表感测的超声波能量的传感器信号值为计算的声压值。
25.根据权利要求24所述的检测器,其中所述输出决策提供至少四种输出状态,其中
第一输出状态来自ANN输出信号指示已检测到气体泄漏与阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第二输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第三输出状态来自所述ANN输出信号指示已检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合;以及
第四输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合。
26.根据权利要求25所述的检测器,其中所述第二输出状态与断定所述声压值并非由真实气体泄漏引起的检测状态对应。
27.根据权利要求25所述的检测器,其中所述第三输出状态与检测到在量值上不足以产生小于所述气体检测阈值的声压值的真实气体泄漏对应。
28.根据权利要求27所述的检测器,其中所述第三输出状态与检测到轻微泄漏对应。
29.根据权利要求21所述的检测器,其中所述至少一个窄带传感器包括多个在可听至超声波频率范围内具有不重叠峰值频率响应的窄带传感器。
30.根据权利要求29所述的检测器,其中所述多个窄带传感器的至少其中之一的频带与由滋扰声源产生的频率对应。
31.根据权利要求29所述的检测器,其中所述多个窄带传感器包括各自在10kHz、25kHz、40kHz和55kHz具有峰值频率响应并具有大约3kHz的带宽的四个传感器。
32.一种超声波气体泄漏检测器,其被配置成辨别由压缩气体泄漏入空气中产生的超声波与虚假警报超声波,所述检测器包括:
传感器系统,其用于检测超声波能量并提供传感器信号,所述传感器系统包括宽带传感器和各自具有不重叠频率响应的多个窄带传感器,所述宽带传感器和所述多个窄带传感器在物理上接近并被配置为从远距离气体泄漏和其它声源接收声信号;
电子控制器,其响应于各个数字传感器信号,所述各个数字传感器信号的每一个代表对应的来自所述宽带传感器和所述多个窄带传感器的各个传感器信号,所述电子控制器被配置成提供:
预处理函数,其包括被配置为对数字传感器信号进行联合时频信号预处理以提供与超声波频带对应的预处理信号的算法;
声压计算函数,其响应于所述预处理信号以提供代表由所述传感器感测的超声波声压的计算声压值;
阈值比较器函数,其将所述计算声压值与气体检测阈值进行比较以确定所述计算声压值是否超过所述气体检测阈值,并提供指示是否已超过所述气体检测阈值的阈值比较器输出;
人工神经网络(ANN)函数,其用于处理所述预处理信号,且应用被配置成辨别虚假警报源与气体泄漏的ANN系数,并提供指示是否已检测到气体泄漏的ANN决策的ANN输出;
输出函数,其用于基于所述阈值比较器输出和所述ANN输出生成检测器输出。
33.根据权利要求32所述的检测器,其中所述算法适于执行离散傅里叶变换、具有移动时窗的短时傅里叶变换或离散小波变换之一。
34.根据权利要求32所述的检测器,其中所述宽带传感器为超声波传声器,且所述多个窄带传感器包括压电声传感器。
35.根据权利要求32所述的检测器,其中所述检测器输出提供至少四种输出状态,其中:
第一输出状态来自ANN输出信号指示已检测到气体泄漏与阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第二输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示可能已检测到气体泄漏的组合;
第三输出状态来自所述ANN输出信号指示已检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合;以及
第四输出状态来自所述ANN输出信号指示未检测到气体泄漏与所述阈值比较器输出信号指示未检测到气体泄漏的组合。
36.根据权利要求35所述的检测器,其还包括警报继电器,且其中由所述电子控制器生成的所述检测器输出被配置成在所述第一输出状态的情况下激活所述警报继电器。
37.根据权利要求32所述的检测器,其中所述ANN函数包括应用存储于所述电子控制器的存储器中的预定训练连接权重,所述权重是暴露至由真实气体泄漏、包括机械源、电气源、声源或生物源的虚假警报源以及真实气体泄漏与虚假警报源的组合产生的超声波的多个组合的结果。
38.根据权利要求32所述的检测器,其中所述多个窄带传感器中的至少一个的频带与由滋扰声源产生的频率对应。
39.一种超声波气体泄漏检测器,其被配置成辨别由压缩气体泄漏入空气中产生的超声波与虚假警报超声波,所述检测器包括:
传感器系统,其用于检测超声波能量并提供传感器信号,所述系统包括响应于超声波频率宽带的宽带传感器,和在所述宽带内具有峰值频率响应的至少一个窄带传感器;
电子控制器,其响应于各个数字传感器信号,所述各个数字传感器信号代表每一个来自所述宽带传感器和所述至少一个窄带传感器的传感器信号,所述电子控制器被配置成提供:
计算函数,其用于生成代表感测的超声波能量的传感器信号值;
人工神经网络(ANN)函数,其用于处理从所述数字传感器信号得到的信号,应用被配置成辨别虚假警报源与气体泄漏的ANN系数,并提供指示是否已检测到气体泄漏的决策的ANN输出;所述ANN输出包括至少两种输出状态,其中第一ANN输出状态指示已检测到气体泄漏,且第二ANN输出状态指示未检测到气体泄漏;
系统输出函数,其用于生成指示所述ANN输出和所述传感器信号值的检测器输出。
40.根据权利要求39所述的检测器,其中所述至少一个窄带传感器包括在超声波频率范围内具有不重叠峰值频率响应的多个窄带传感器。
41.一种超声波气体泄漏检测器,其被配置为辨别由压缩气体泄漏入空气中产生的超声波与虚假警报,所述检测器包括:
传感器系统,其用于检测超声波能量并提供传感器信号;
电子控制器,其响应于代表所述传感器信号的数字传感器信号,所述电子控制器被配置成提供:
计算函数,其用于生成代表感测的超声波能量的传感器信号值;
人工神经网络(ANN)函数,其用于处理从所述数字传感器信号得到的信号,应用被配置成辨别虚假警报源与气体泄漏的ANN系数,并提供指示是否已检测到气体泄漏的决策的ANN输出;
系统输出函数,其用于生成指示所述ANN输出和所述传感器信号值的检测器输出。
42.根据权利要求41所述的检测器,其中所述系统输出函数根据所述ANN输出生成第一检测器输出,和指示所述传感器信号值的第二检测器输出。
43.根据权利要求41或42所述的检测器,其中所述传感器系统包括MEMS传声器。
44.根据权利要求41或42所述的检测器,其中所述传感器系统包括光纤传声器。
45.根据权利要求41-44中的任一项所述的检测器,其中所述代表感测的超声波能量的传感器信号值为计算的声压值。
46.根据权利要求41-45中的任一项所述的检测器,其中所述输出决策函数提供至少两种输出状态,其中:
第一输出状态为所述ANN输出信号指示已检测到气体泄漏;
第二输出状态为所述ANN输出信号指示未检测到气体泄漏。
47.根据权利要求41-46中的任一项所述的检测器,其中:
所述电子控制器还被配置为提供包括算法的预处理函数,所述算法被配置为对所述数字传感器信号进行联合时频信号预处理以提供预处理信号;且
所述计算函数和所述ANN函数均对所述预处理信号进行处理以提供所述传感器信号值和所述ANN输出。
48.根据权利要求47所述的检测器,其中所述算法适于执行离散傅里叶变换、具有移动时窗的短时傅里叶变换或离散小波变换之一。
49.根据权利要求41-48中的任一项所述的检测器,其还包括:
阈值比较器函数,其将所述计算声压值与气体检测阈值进行比较以确定所述计算声压值是否超过所述气体检测阈值,并提供指示是否已超过所述气体检测阈值的阈值比较器输出;
输出函数,其用于根据所述阈值比较器输出与所述ANN输出的组合生成检测器输出。
50.根据权利要求41-49中的任一项所述的检测器,其中所述传感器系统包括响应于超声波频率宽带的宽带传感器,和在所述宽带内具有峰值频率响应的至少一个窄带传感器。
51.根据权利要求50所述的检测器,其中所述至少一个窄带传感器包括在可听至超声波频率范围内具有不重叠峰值频率响应的多个窄带传感器。
52.根据权利要求51所述的检测器,其中所述多个窄带传感器中的至少一个的频带与由滋扰声源产生的频率对应。
53.根据权利要求51或52所述的检测器,其中所述多个窄带传感器包括各自在10kHz、25kHz、40kHz和55kHz具有峰值频率响应并具有大约3kHz的带宽的四个传感器。
54.根据权利要求50所述的检测器,其中所述传感器系统包括各自具有不重叠频率响应的多个窄带传感器,所述宽带传感器和所述多个窄带传感器在物理上接近并被配置为从远距离气体泄漏和其它声源接收声信号。
55.根据权利要求41-54中的任一项所述的检测器,其中所述电子控制器包括数字信号处理器。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/535,182 US8955383B2 (en) | 2012-06-27 | 2012-06-27 | Ultrasonic gas leak detector with false alarm discrimination |
US13/535,182 | 2012-06-27 | ||
US13/802,410 | 2013-03-13 | ||
US13/802,410 US9091613B2 (en) | 2012-06-27 | 2013-03-13 | Multi-spectral ultrasonic gas leak detector |
PCT/US2013/047202 WO2014004327A1 (en) | 2012-06-27 | 2013-06-22 | Ultrasonic gas leak detector with false alarm discrimination |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104412087A true CN104412087A (zh) | 2015-03-11 |
CN104412087B CN104412087B (zh) | 2019-05-21 |
Family
ID=48741586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380034004.5A Active CN104412087B (zh) | 2012-06-27 | 2013-06-22 | 具有虚假警报辨别的超声波气体泄漏检测器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9091613B2 (zh) |
EP (2) | EP2867641B1 (zh) |
CN (1) | CN104412087B (zh) |
BR (1) | BR112014029243A2 (zh) |
WO (1) | WO2014004327A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109870698A (zh) * | 2019-01-15 | 2019-06-11 | 北京百度网讯科技有限公司 | 一种超声波阵列障碍物检测结果处理方法及系统 |
CN111902704A (zh) * | 2018-02-27 | 2020-11-06 | 迪士顿股份公司 | 包括换能器阵列的检测器设备的灵敏度估计 |
CN112912805A (zh) * | 2019-09-25 | 2021-06-04 | 罗斯蒙特公司 | 压电换能器状态监测 |
CN113009287A (zh) * | 2019-12-19 | 2021-06-22 | 台湾积体电路制造股份有限公司 | 半导体工艺期间电弧的音频识别方法和系统 |
CN113825992A (zh) * | 2019-05-16 | 2021-12-21 | Ft系统公司 | 用于识别密封容器是否存在泄漏的方法和装置 |
CN114323481A (zh) * | 2021-12-31 | 2022-04-12 | 北京卫星环境工程研究所 | 一种气体多源泄漏声像定位方法及声像定位系统 |
CN115032328A (zh) * | 2021-03-04 | 2022-09-09 | 郑州宇通客车股份有限公司 | 一种车辆中气体泄漏探测的防误报控制系统及控制方法 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9482592B2 (en) * | 2014-09-24 | 2016-11-01 | General Monitors, Inc. | Directional ultrasonic gas leak detector |
DE102014221475A1 (de) | 2014-10-22 | 2016-04-28 | Sonotec Ultraschallsensorik Halle Gmbh | Verfahren und Vorrichtung zur akustischen Messung von Austrittsgeschwindigkeiten und/oder Austrittsvolumenströmen von Gasen oder Flüssigkeiten |
BR112017012769A2 (pt) | 2015-01-13 | 2017-12-26 | Halliburton Energy Services Inc | método e sistema para detectar uma ou mais fontes acústicas subterrâneas. |
US11053790B2 (en) | 2015-01-13 | 2021-07-06 | Halliburton Energy Services, Inc. | Acoustic downhole leak classification and quantification |
US9933327B2 (en) | 2015-08-20 | 2018-04-03 | General Electric Company | Method for detecting leaks in a fuel circuit of a gas turbine fuel supply system |
US9459142B1 (en) | 2015-09-10 | 2016-10-04 | General Monitors, Inc. | Flame detectors and testing methods |
US9995647B2 (en) * | 2015-09-30 | 2018-06-12 | General Monitors, Inc. | Ultrasonic gas leak location system and method |
EP3153834B1 (en) * | 2015-10-08 | 2020-04-01 | Carrier Corporation | Acoustic profile recognition for discriminating between hazardous emissions and non-hazardous emissions |
US10527515B2 (en) * | 2016-04-21 | 2020-01-07 | Neptune Technology Group Inc. | Ultrasonic flow meter leak detection system and method |
CN106090628A (zh) * | 2016-06-14 | 2016-11-09 | 东莞市联洲知识产权运营管理有限公司 | 一种气体管道泄漏定位试验系统及其定位方法 |
CN106032873A (zh) * | 2016-07-05 | 2016-10-19 | 嘉兴市特种设备检验检测院 | 用于埋地燃气管道的温度测量装置及其安装方法 |
DE102017100956B4 (de) * | 2017-01-18 | 2022-08-25 | Samson Aktiengesellschaft | Diagnosesystem und Verfahren zum Kontrollieren der Funktionsfähigkeit eines Stellgeräts zum Beeinflussen einer Prozessmediumströmung einer prozesstechnischen Anlage sowie Stellgerät |
EP3601983A1 (en) * | 2017-03-24 | 2020-02-05 | ExxonMobil Research and Engineering Company | System and method for the ultrasonic autonomous detection of leaks |
US11565365B2 (en) * | 2017-11-13 | 2023-01-31 | Taiwan Semiconductor Manufacturing Co., Ltd. | System and method for monitoring chemical mechanical polishing |
US11573149B2 (en) | 2017-12-01 | 2023-02-07 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for refrigerant leak management based on acoustic leak detection |
US10921245B2 (en) * | 2018-06-08 | 2021-02-16 | Ball Aerospace & Technologies Corp. | Method and systems for remote emission detection and rate determination |
US11041779B1 (en) * | 2018-09-11 | 2021-06-22 | Synapse Wireless, Inc. | Systems and methods for detecting leaks in a compressed gas system |
US10775260B2 (en) * | 2018-09-26 | 2020-09-15 | Honeywell International Inc. | Focused mode detection for an ultrasonic leak detection device |
US20200233397A1 (en) * | 2019-01-23 | 2020-07-23 | New York University | System, method and computer-accessible medium for machine condition monitoring |
US11035749B2 (en) * | 2019-02-07 | 2021-06-15 | Georg Fischer, LLC | Leak test system and method for thermoplastic piping |
US11226256B2 (en) * | 2019-04-05 | 2022-01-18 | Honeywell International Inc. | Handheld ultrasonic testing device |
SG11202113070TA (en) * | 2019-04-24 | 2021-12-30 | Univ Adelaide | Detection of structural anomalies in a pipeline network |
US20220299023A1 (en) * | 2019-07-01 | 2022-09-22 | Fw Murphy Productions Controls, Llc | Intuitive Natural Gas Compressor Monitoring System |
CN110398320B (zh) * | 2019-07-09 | 2020-11-20 | 北京讯腾智慧科技股份有限公司 | 一种易于持续优化的燃气泄漏检测定位方法及系统 |
DE102019215653A1 (de) * | 2019-10-11 | 2021-04-15 | BSH Hausgeräte GmbH | Meßsystem zur Überwachung eines Leitungssystems und Verfahren zu dessen Betrieb |
CN111091149B (zh) * | 2019-12-16 | 2021-07-30 | 北京讯腾智慧科技股份有限公司 | 一种基于多源数据融合的燃气泄漏检测方法、系统、终端及计算机存储介质 |
CN114061848B (zh) * | 2021-11-18 | 2023-05-26 | 北京卫星环境工程研究所 | 一种航天器加筋密封结构漏孔辨识方法 |
US20230341160A1 (en) * | 2022-04-26 | 2023-10-26 | Carrier Corporation | Refrigerant leak detection using a sensor-reading context analysis |
CN116577037B (zh) * | 2023-07-12 | 2023-09-12 | 上海电机学院 | 一种基于非均匀频率语谱图的风管泄漏信号检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5533383A (en) * | 1994-08-18 | 1996-07-09 | General Electric Company | Integrated acoustic leak detection processing system |
US6058076A (en) * | 1997-12-08 | 2000-05-02 | Komninos; Nikolaos I. | Signal detector and method for detecting signals having selected frequency characteristics |
EP1522839A1 (en) * | 2003-10-08 | 2005-04-13 | INNOVA AirTech Instruments A/S | Ultrasonic gas leak detector including a detector testing device |
WO2009149140A2 (en) * | 2008-06-04 | 2009-12-10 | U-E Systems, Inc. | Ultrasonic gas leak detector with an electrical power loss and carbon footprint output |
US20110018996A1 (en) * | 2009-07-23 | 2011-01-27 | Mian Zahid F | Area Monitoring for Detection of Leaks and/or Flames |
CN201788170U (zh) * | 2010-08-20 | 2011-04-06 | 中国人民解放军第三军医大学第三附属医院 | 基于rbf人工神经网络的saw气体传感器 |
CN102445309A (zh) * | 2011-11-09 | 2012-05-09 | 北京爱社时代科技发展有限公司 | 可抗短暂环境噪声干扰的超声波气体泄漏检测仪 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5521840A (en) * | 1994-04-07 | 1996-05-28 | Westinghouse Electric Corporation | Diagnostic system responsive to learned audio signatures |
GB0013731D0 (en) | 2000-06-07 | 2000-07-26 | Metrika Limited | Detecting leaks in water distribution systems |
US7202794B2 (en) | 2004-07-20 | 2007-04-10 | General Monitors, Inc. | Flame detection system |
JP5084591B2 (ja) * | 2008-04-17 | 2012-11-28 | Jx日鉱日石エネルギー株式会社 | 異常検知装置 |
-
2013
- 2013-03-13 US US13/802,410 patent/US9091613B2/en active Active
- 2013-06-22 WO PCT/US2013/047202 patent/WO2014004327A1/en active Application Filing
- 2013-06-22 CN CN201380034004.5A patent/CN104412087B/zh active Active
- 2013-06-22 BR BR112014029243A patent/BR112014029243A2/pt not_active IP Right Cessation
- 2013-06-22 EP EP13733217.7A patent/EP2867641B1/en active Active
- 2013-06-22 EP EP19207596.8A patent/EP3623787B1/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5533383A (en) * | 1994-08-18 | 1996-07-09 | General Electric Company | Integrated acoustic leak detection processing system |
US6058076A (en) * | 1997-12-08 | 2000-05-02 | Komninos; Nikolaos I. | Signal detector and method for detecting signals having selected frequency characteristics |
EP1522839A1 (en) * | 2003-10-08 | 2005-04-13 | INNOVA AirTech Instruments A/S | Ultrasonic gas leak detector including a detector testing device |
WO2009149140A2 (en) * | 2008-06-04 | 2009-12-10 | U-E Systems, Inc. | Ultrasonic gas leak detector with an electrical power loss and carbon footprint output |
US20110018996A1 (en) * | 2009-07-23 | 2011-01-27 | Mian Zahid F | Area Monitoring for Detection of Leaks and/or Flames |
CN201788170U (zh) * | 2010-08-20 | 2011-04-06 | 中国人民解放军第三军医大学第三附属医院 | 基于rbf人工神经网络的saw气体传感器 |
CN102445309A (zh) * | 2011-11-09 | 2012-05-09 | 北京爱社时代科技发展有限公司 | 可抗短暂环境噪声干扰的超声波气体泄漏检测仪 |
Non-Patent Citations (3)
Title |
---|
张玉广: "压力管道泄漏的超声检测研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
王永红: "基于小波分析的气体泄漏检测", 《机械》 * |
王永红: "基于小波分析的气体泄漏检测关键技术研究", 《万方企业知识服务平台》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111902704A (zh) * | 2018-02-27 | 2020-11-06 | 迪士顿股份公司 | 包括换能器阵列的检测器设备的灵敏度估计 |
CN109870698A (zh) * | 2019-01-15 | 2019-06-11 | 北京百度网讯科技有限公司 | 一种超声波阵列障碍物检测结果处理方法及系统 |
CN109870698B (zh) * | 2019-01-15 | 2021-12-24 | 阿波罗智能技术(北京)有限公司 | 一种超声波阵列障碍物检测结果处理方法及系统 |
US11933921B2 (en) | 2019-01-15 | 2024-03-19 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and system for processing obstacle detection result of ultrasonic sensor array |
CN113825992A (zh) * | 2019-05-16 | 2021-12-21 | Ft系统公司 | 用于识别密封容器是否存在泄漏的方法和装置 |
CN112912805A (zh) * | 2019-09-25 | 2021-06-04 | 罗斯蒙特公司 | 压电换能器状态监测 |
CN113009287A (zh) * | 2019-12-19 | 2021-06-22 | 台湾积体电路制造股份有限公司 | 半导体工艺期间电弧的音频识别方法和系统 |
CN115032328A (zh) * | 2021-03-04 | 2022-09-09 | 郑州宇通客车股份有限公司 | 一种车辆中气体泄漏探测的防误报控制系统及控制方法 |
CN115032328B (zh) * | 2021-03-04 | 2023-09-08 | 宇通客车股份有限公司 | 一种车辆中气体泄漏探测的防误报控制系统及控制方法 |
CN114323481A (zh) * | 2021-12-31 | 2022-04-12 | 北京卫星环境工程研究所 | 一种气体多源泄漏声像定位方法及声像定位系统 |
CN114323481B (zh) * | 2021-12-31 | 2023-11-10 | 北京卫星环境工程研究所 | 一种气体多源泄漏声像定位方法及声像定位系统 |
Also Published As
Publication number | Publication date |
---|---|
EP2867641A1 (en) | 2015-05-06 |
EP3623787B1 (en) | 2022-03-09 |
US20140005958A1 (en) | 2014-01-02 |
BR112014029243A2 (pt) | 2017-06-27 |
EP2867641B1 (en) | 2019-11-27 |
WO2014004327A1 (en) | 2014-01-03 |
EP3623787A1 (en) | 2020-03-18 |
CN104412087B (zh) | 2019-05-21 |
US9091613B2 (en) | 2015-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104412087A (zh) | 具有虚假警报辨别的超声波气体泄漏检测器 | |
US8955383B2 (en) | Ultrasonic gas leak detector with false alarm discrimination | |
EP3123162B1 (en) | Ultrasonic gas leak detectors and testing methods | |
Kang et al. | Novel leakage detection by ensemble CNN-SVM and graph-based localization in water distribution systems | |
US5416724A (en) | Detection of leaks in pipelines | |
EP2798346B1 (en) | System and method for an acoustic monitor self-test | |
Cao et al. | Excavation equipment classification based on improved MFCC features and ELM | |
US10709353B1 (en) | Detecting a respiratory abnormality using a convolution, and applications thereof | |
CN104764564B (zh) | 基于声波传感器的阀门内漏检测方法 | |
US10750976B1 (en) | Digital stethoscope for counting coughs, and applications thereof | |
CN101592288A (zh) | 一种管道泄漏辨识方法 | |
CN110487917A (zh) | 一种基于神经网络的应力波检测与分析系统 | |
EP2795926B1 (en) | Remote communication and control of acoustic detectors | |
Avelino et al. | Real time leak detection system applied to oil pipelines using sonic technology and neural networks | |
Shibata et al. | Neuro based classification of gas leakage sounds in pipeline | |
CN211477587U (zh) | 在线安全预警装置和故障诊断系统 | |
US10716534B1 (en) | Base station for a digital stethoscope, and applications thereof | |
Moschioni et al. | Sound source identification using coherence-and intensity-based methods | |
US10702239B1 (en) | Predicting characteristics of a future respiratory event, and applications thereof | |
KR20220105039A (ko) | 초음파 음향을 통해 비접촉 및 비파괴 방식으로 배관 누설을 원격으로 탐지하기 위한 장치 및 이를 위한 방법 | |
TWI793626B (zh) | 結構劣化的聲振診斷方法與系統 | |
Gazivoda et al. | Measurement of Weak Signal Energy at Acoustic Frequencies by using RMSHI as a Passive Conditioning Circuit | |
Chamran et al. | Non-invasive application for domestic pipeline monitoring and corrosion detection | |
Bahade et al. | An Innovative Method for Gas Leakage Detection Device Based on XGBoost-A-BiGRU Based Approach | |
US20230371843A1 (en) | Digital stethoscope for counting coughs, and applications thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220516 Address after: Pennsylvania, America Patentee after: MSA TECHNOLOGY, LLC Address before: California, USA Patentee before: GENERAL MONITORS, Inc. |
|
TR01 | Transfer of patent right |