CN107328528A - 一种基于多传感器的超声波气密性检测系统及方法 - Google Patents

Abstract

本发明公开了一种基于多传感器的超声波气密性检测系统及方法，该系统包括设置在容器内的多个超声波发射机，和依次连接的换能器组、信号调理电路、主处理器和信号输出模块；主处理器用于将放大和滤波后的超声波信号转换成数字信号，并通过模糊识别算法、微弱泄露判断算法和数据融合与泄露判断算法对数字信号进行处理，得到对各个传感器信号进行融合后产生的对泄露情况的一致性解释，并将得到判断结果转换为模拟信号，并发送到信息终端进行显示。本发明检测精度高，对微弱泄漏信号的检测能力强，且本系统具有体积小、方便携带、灵敏度高、稳定性好、利于动态在线检测的优点。

Description

一种基于多传感器的超声波气密性检测系统及方法

技术领域

本发明涉及仪器检测领域，尤其涉及一种基于多传感器的超声波气密性检测系统及方法。

背景技术

在日常生活中和工业生产中，压力容器随处可见，有用于压缩气体存储的气罐气缸，还有用于气体传输的管道。压缩气体储存在压力容器内在运输的过程中，由于一些不可避免的因素，如磨损、腐蚀人为或自然的损坏，泄漏事故经常发生。气体泄漏将会产生物料和能量损失、引发事故灾害、环境污染和设备性能降低的危害。如果能够在设备投入运行使用之前及时发现泄漏，准确定位泄漏点，估计出泄漏量的大小，就能够有效减轻或避免泄漏事故造成的危害。目前市面上所见的各种检漏仪器功能都比较简单，只能探测到较大泄漏是否存在，不能检测到微弱泄漏，和泄漏点的定位。

利用流体泄漏时产生声波的频率特性进行分析是流体泄漏检测的一个新的领域。当容器发生泄漏时，泄漏点小内外压差较大时会形成湍流射流，在泄漏点附近形成无数个大小不一的漩涡，漩涡会不断产生和破裂从而产生声音。泄漏产生的声音频率范围很宽一般在2～200kHz间，但不同工况例如内外压力和泄漏孔大小的不同，泄漏产生声波的中心频率均不同。则可利用不同泄漏状态下信号频谱峰值不同的特点来进行。

德国学者R.Isermann和H.S iebert经过多年的合作研究，在理论结合实践的基础上提出了一种创新性方法：将输入输出的流量信号和压力信号经过进行互相关然后做相应的处理进行泄漏检测。英国壳牌石油公司的XueJunZhang在1992年提出了一种基于流体管道统计量的泄漏法。该方法的具体步骤是统计管道输入输出口的流体压力和流量的统计参数，然后通过计算判断出管道泄漏的概率。上世纪80年代以来，我国在气体泄漏检测的领域取得了一些进展，包括一些科研人员在互相关法和应力波法的软件检测方面也进行了较为深入的研究，近几年在泄漏系统仿真方面也开始逐渐快速发展起来。目前国内已有较多种类的泄漏检测仪面市，例如声发射。但目前的各种检测设备在进行泄漏检测的时不能保证其可靠性，而且一些泄漏检测设备的应用面较窄，设备性价比低，同时多为特定工况不能得到普遍的广泛应用。超声波无损检测具有非接触，反应速度快设备便携，可实现实时在线测量，及其适应能力强的优点。我国对超声波领域的研究也取得了一定的进展，将其运用到气体泄漏检测领域将是必然选择。

然而目前的研究学者所用的检测方法均可对压力容器泄漏的有无进行大致判断，有些方法还可以对泄漏点的泄漏位置进行定位，部分定位方法使用单个传感器对泄漏点进行定位检测，检测精度取决于传感器的指向性，由于超声波换能器受到频率范围和结构参数的限制指向性相对较差，且随着距离的增大单传感器接收信号的质量下降，造成泄漏点的定位检测精度较低。综合考虑对微弱泄漏信号的检测能力、泄漏检测系统的智能化水平及检测设备的造价方面的因素，这些方法不能满足工业现场应用要求。

本发明应用的超声波气体泄漏检测技术，属于超声波无损检测技术应用之一，继承了超声波无损检测的优点。超声波无损检测与其它常规技术相比，它具有被测对象范围广、检测适用性高、检测灵敏度高、性价比高、速度快、设备使用方便携带对便于现场检测、并对人体无害的优点。超声无损检测在进几十年来迅猛发展并取得了广泛的应用，几乎已经应用到了所有的工业部门。尤其适宜检测各类管道、阀门部件内部产生的裂痕，还能检测船舱、飞机、航天器、汽车座舱、冰箱、冷库、储油罐、密闭容腔的密封程度，这样便有效的提高了各个部件的使用安全性，在很大程度上确保了人员的生命和财产安全。可见泄漏检测对于提高企业的生产效率，节约能源，确保工作人员的人身安全都具有非常重大的意义。

发明内容

本发明要解决的技术问题在于针对现有技术中单个传感器定位检测精度低的缺陷，提供一种结合多个传感器，且灵敏度高、稳定性高的基于多传感器的超声波气密性检测系统及方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于多传感器的超声波气密性检测系统，包括设置在容器内的多个超声波发射机，该系统还包括依次连接的换能器组、信号调理电路、主处理器和信号输出模块；

所述换能器组包括多个换能器，用于采集容器内的超声波发射机通过孔隙发射出的超声波信号；

所述信号调理电路，用于对换能器采集到的超声波信号进行放大和滤波，并将其发送给主处理器；

所述主处理器，包括集成在主处理器中的AD采集模块和DA输出模块，用于将放大和滤波后的超声波信号转换成数字信号，并通过模糊识别算法、微弱泄露判断算法和数据融合与泄露判断算法对数字信号进行处理，得到对各个传感器信号进行融合后产生的对泄露情况的一致性解释，并将得到判断结果转换为模拟信号；

所述信号输出模块，用于将包含判断结果的模拟信号发送到信息终端进行显示。

进一步地，本发明的所述换能器组包括至少3个换能器。

进一步地，本发明的所述换能器组的多个换能器通道之间采用规则同时模式，多个通道同时采集信号。

进一步地，本发明的所述信号输出模块包括3种信号输出模式：开关式、模拟式和数字式。

本发明提供一种基于多传感器的超声波气密性检测方法，包括以下步骤：

S1、换能器组的不同通道同时收到各个换能器采集到的多通道信号，并对该多通道信号分别进行FFT频谱分析，并将其传输到神经网络进行处理，判断是否发生明显泄漏；

S2、若没有发生明显泄漏，则进入步骤S3；若发生明显泄漏，则判断发生泄漏，并输出泄漏信息；

S3、执行微弱泄漏判断算法，对多个通道的时域信号进行FIR滤波，并通过时域神经网络进行时域DS融合；通过频域神经网络对多个通道的频域信号进行频域DS融合，并对时频域DS数据进行融合，通过D-S数据融合与泄漏判断算法进行判断，若融合结果大于阈值，则判断发生泄漏，并输出泄漏信息。

进一步地，本发明的步骤S2中判断发生明显泄漏的条件为：进行FFT频谱分析，若40kHz点的幅值大于10，则发生泄漏。

进一步地，本发明的步骤S3中微弱泄漏判断算法的具体步骤为：

A1、对时域信号进行FIR滤波；

A2、将滤波完成的时域信号转到时域神经网络，同时将频域信号转到频域神经网络；

A3、时域DS数据融合，同时进行频域DS数据融合；

A4、对融合后的数据进一步进行时-频域DS数据融合；

A5、决策逻辑。

进一步地，本发明的步骤S3中D-S数据融合与泄漏判断算法的具体步骤为：

B1、收到时域合成后数据和频域合成后数据；

B2、对合成后的数据进行时-频域DS数据融合；

B3、进行分时段T数据融合；

B4、进行决策逻辑；

B5、泄露信号输出。

进一步地，本发明的步骤S3中根据阈值进行判断的方法具体为：

DS融合后判断目标类别必须具有最大可信度；

目标类别的可信度值与其他类别可信度之差大于阈值，即判定结果为泄漏时，泄漏的可信度大于未泄漏的可信度和不确定的可信度；判定结果为未泄漏时，未泄漏的可信度大于泄漏的可信度和不确定的可信度。

本发明产生的有益效果是：本发明的基于多传感器的超声波气密性检测系统及方法，通过多个换能器采集到的信号进行处理，并结合模糊识别算法、微弱泄漏判断算法和D-S数据融合与泄漏判断算法对容器的气密性进行检测，该方法相对于单个超声波传感器检测，具有检测精度高的优点；且对微弱泄漏信号的检测能力强，泄漏检测系统的智能化水平高，能够满足不同工业场景的应用；另外，本系统具有体积小、方便携带、灵敏度高、稳定性好、利于动态在线检测的优点，能够有效的提高了气密部件的使用安全性，在很大程度上确保了人员的生命和财产安全。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的基于多传感器的超声波气密性检测系统的总体框架图；

图2是本发明实施例的基于多传感器的超声波气密性检测系统的信号调理电路框图；

图3是本发明实施例的基于多传感器的超声波气密性检测系统的前置差分放大电路图；

图4是本发明实施例的基于多传感器的超声波气密性检测系统的二阶有源带通滤波电路图；

图5是本发明实施例的基于多传感器的超声波气密性检测系统的电平转换电路图；

图6是本发明实施例的基于多传感器的超声波气密性检测系统的AD输入保护电路图；

图7(a)是本发明实施例的基于多传感器的超声波气密性检测系统的信号输出驱动电路图(a)；

图7(b)是本发明实施例的基于多传感器的超声波气密性检测系统的信号输出驱动电路图(b)；

图8是本发明实施例的基于多传感器的超声波气密性检测方法的框图；

图9是本发明实施例的基于多传感器的超声波气密性检测方法的软件主流程图；

图10是本发明实施例的基于多传感器的超声波气密性检测方法的TF-BP-DS模糊识别算法框图；

图11是本发明实施例的基于多传感器的超声波气密性检测方法的微弱泄漏判断算法运算框图；

图12是本发明实施例的基于多传感器的超声波气密性检测方法的D-S数据融合与泄漏判断框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的基于多传感器的超声波气密性检测系统，包括设置在容器内的多个超声波发射机，该系统还包括依次连接的换能器组、信号调理电路、主处理器和信号输出模块；

换能器组包括多个换能器，用于采集容器内的超声波发射机通过孔隙发射出的超声波信号；

信号调理电路，用于对换能器采集到的超声波信号进行放大和滤波，并将其发送给主处理器；

主处理器，包括集成在主处理器中的AD采集模块和DA输出模块，用于将放大和滤波后的超声波信号转换成数字信号，并通过模糊识别算法、微弱泄露判断算法和数据融合与泄露判断算法对数字信号进行处理，得到对各个传感器信号进行融合后产生的对泄露情况的一致性解释，并将得到判断结果转换为模拟信号；

信号输出模块，用于将包含判断结果的模拟信号发送到信息终端进行显示。

换能器组包括三组与信号调理电路同步相连的FUS-40RC型超声波换能器：换能器1、换能器2、换能器3，其额定频率40kHz，带宽6kHz(-54dB)，分辨率9mm，接收灵敏度为-46dB(0dB＝1V/Pa)即5mV/Pa，量程0.2～6m，三传感器进行信号采集然后将各个传感器信号进行融合最终产生对泄漏的一致性解释。

如图2所示，信号调理电路的前置放大电路采用AD公司的仪表运放AD620，其采用差分输入、输入阻抗高、偏置电流小且只需要一个电阻就能调整运放的放大倍数。差分输入能有效的抑制产生的共模干扰，提高电路信噪比。AD620的增益带宽积为12000，信号频率为40kHz放大倍数能够达到300倍，小于1000，所以需要加入第二级放大。但是因为需要加入滤波电路所以第二级可以做成有源带通滤波电路，即满足了放大倍数的要求也成功的进行了滤波，节省了电路面积；滤波电路的高频截止频率为42kHz、低频截止频率为38kHz，调整阻抗将中心放大倍数设置为20倍，则放大电路能实现100到2000的变放大倍数放大。电平转换电路将正负信号调整为0到3.3V之间的信号，只需加法电路即可。在调理电路的第三级电平变换部分，输出端反馈电阻上加稳压二极管D6，把输出电压稳定在3.3V以内，D7肖特基二极管RB400D和R38可以有效的去除输出信号的负电压。瞬态抑制二极管TZM5226B可以再次稳定输出电压到3.3V，R16和C18构成低通滤波电路滤除低频噪声信号。以上电路实现了输出到AD端的电压限制在0到3.3V之内，对AD起到了有效的保护。

如图3所示，为前置差分放大电路图，调整阻抗将中心放大倍数设置为20倍，则放大电路能实现100到2000的变放大倍数放大。

如图4所示，为二阶有源带通滤波电路图，滤波电路的高频截止频率为42kHz、低频截止频率为38kHz。

如图5所示，为电平转换电路图，电平转换电路将正负信号调整为0到3.3V之间的信号，只需加法电路即可。在调理电路的第三级电平变换部分，输出端反馈电阻上加稳压二极管D6，把输出电压稳定在3.3V以内，D7肖特基二极管RB400D和R38可以有效的去除输出信号的负电压。

如图6所示，为AD输入保护电路图，瞬态抑制二极管TZM5226B可以再次稳定输出电压到3.3V，R16和C18构成低通滤波电路滤除低频噪声信号。以上电路实现了输出到AD端的电压限制在0到3.3V之内，对AD起到了有效的保护。

如图7(a)和图7(b)所示，为信号输出驱动电路图，所述信号输出模块为了便于仪器的使用设置了三种信号输出模式：开关式、模拟式、数字式。开关量信号是当信号的强度大于设定阈值的时候输出为高，反之为低。除了利用GPIO进行开关量输出之外，仪器上还设置了泄漏指示灯，和定位激光，激光需要的电流达到50mA。模拟式信号输出通过STM32F407的内部12位DA输出0到3.3V，在经过运放将信号调理到0～5V。数字式信号输出通过STM32F407的内部TTL电平的串口输出信号强度，每秒10字节，每个字节0～255线性代表着信号0.01Pa～3Pa的声压，TTL电平串口通过MAX3232将信号转换为RS232电平更加适用于工业现场。整个信号输出模块用一个DB9接头封装在一起，简洁稳定。

主处理器选用了ARM公司的Cortex-M4构架的STM32F407主处理器，STM32F407VG内部具有三路独立的AD，最高采集速率达到2.4MSPS满足系统需求，同时此芯片内部每路AD都可以进行DMA，提高CPU利用效率，并且避免在此次数据没有读取之前被写入造成数据丢失，在本系统中，因为需要三路通道同时采集，且采集通道不需要经常变换所以选用规则同时模式。

信号输出模块为了便于仪器的使用设置了三种信号输出模式：开关式、模拟式、数字式。开关量信号是当信号的强度大于设定阈值的时候输出为高，反之为低。除了利用GPIO进行开关量输出之外，仪器上还设置了泄漏指示灯，和定位激光，激光需要的电流达到50mA。模拟式信号输出通过STM32F407的内部12位DA输出0到3.3V，在经过运放将信号调理到0～5V。数字式信号输出通过STM32F407的内部TTL电平的串口输出信号强度，每秒10字节，每个字节0～255线性代表着信号0.01Pa～3Pa的声压，TTL电平串口通过MAX3232将信号转换为RS232电平更加适用于工业现场。整个信号输出模块用一个DB9接头封装在一起，简洁稳定。

如图8所示，本发明实施例的基于多传感器的超声波气密性检测方法，包括以下步骤：

S1、换能器组的不同通道同时收到各个换能器采集到的多通道信号，并对该多通道信号分别进行FFT频谱分析，并将其传输到神经网络进行处理，判断是否发生明显泄漏；

S2、若没有发生明显泄漏，则进入步骤S3；若发生明显泄漏，则判断发生泄漏，并输出泄漏信息；

S3、执行微弱泄漏判断算法，对多个通道的时域信号进行FIR滤波，并通过时域神经网络进行时域DS融合；通过频域神经网络对多个通道的频域信号进行频域DS融合，并对时频域DS数据进行融合，通过D-S数据融合与泄漏判断算法进行判断，若融合结果大于阈值，则判断发生泄漏，并输出泄漏信息。

如图9所示，为软件主流程图，软件程序的主流程如下所示：

步骤1、开始；

步骤2、系统初始化；

步骤3、超声信号数据采集；

步骤4、泄漏阈值采集；

步骤5、执行泄漏判断算法；

步骤6、泄漏信号输出，并转到步骤3。

如图10所示，是本发明的一个具体实施例的TF-BP-DS模糊识别算法框图，算法的运算流程如下所示：

步骤1、通道1、通道2、通道3同时分别收到换能器1、换能器2、换能器3采集到的信号；

步骤2、同时分别对通道1、通道2、通道3中的信号进行FFT频谱分析；

步骤3、同时分别将上述信号信息传输到神经网络进行处理，处理完成后转到步骤7，同时分别判断每一路是否检测到泄露信息，是则转到步骤12，否则转到步骤4；

步骤4、由FIR滤波器对于信息进行滤波；

步骤5、由神经网络对信息进行处理，处理完成后转到步骤6；

步骤6、时域DS融合，转到步骤8；

步骤7、频域DS融合，转到步骤8；

步骤8、时-频域DS融合；

步骤9、多时间T数据DS融合；

步骤10、决策逻辑；

步骤11、泄露信息输出；

步骤12、决策逻辑1，转到步骤11。

在较大泄漏孔和压力下的测量可以通过FFT直接稳定的测量出来。但是，当较小泄漏量的时候用此方法不再适用，为此本系统设计了如下算法一方面，利用FIR滤波器进行时域内信号的滤波，将时域内信号经过神经网络进行概率分配后，再将三通道的概率值进行DS数据融合，另一方面利用频域信号进行神经网络概率分配后做DS数据融合，最终两部分数据进行总的融合和决策。

如图11所示，是微弱泄漏判断算法运算框图，算法的运算流程如下所示：

步骤1、对时域信号进行FIR滤波；

步骤2、将滤波完成的时域信号转到时域神经网络，同时将频域信号转到频域神经网络；

步骤3、时域DS数据融合，同时进行频域数据融合；

步骤4、时-频域DS数据融合；

步骤5、决策逻辑。

数字滤波器是通过计算机将输入序列通过一定的运算变换成输出序列，来实现滤波功能。这X(n)是系统输入，X(e_-jw)是其傅氏变换，y(n)是系统输出，Y(e_jw)是其傅氏变换，系统输出公式如下：

H(e^jw)为系统函数傅氏变换，则输入序列的频谱X(e^-jw)经过滤波器后变成了X(e^-jw)H(e^jw)，选取H(e^jw)使得输出X(e^-jw)H(e^jw)满足我们的要求。滤波器按照冲击响应的有限性可以分为有限长冲击响应滤波器FIR和无限长冲击响应滤波器IIR.IIR和FIR滤波器在以下几点有不同：(1)IIR滤波器单位冲激响应h(n)是无限长的n→∞，FIR滤波器系统的单位冲激响应h(n)在有限个n点处不等于零即h(n)是个有限长序列；(2)在系统函数零极点方面来看，IIR滤波器的系统函数H(z)分布在有限长Z平面，而FIR滤波器的系统函数|H(z)|在|Z|>0处收敛，极点全部在Z＝0处，FIR在任何情况下均稳定；(3)IIR滤波器结构是递归型的即存在在输出到输入的反馈。FIR滤波器为非递归结构。其中FIR滤波器具体的实现可以分为纹波逼近法、最小乘方法、窗函数法等。对通带内平稳度要求较高的用窗函数法，对阻带内衰减较高的用最小乘方法，对阶数要求较高的用纹波逼近法。考虑到我们后续要使用三个通道的信号相位相等便于分析计算，所以一定要使用FIR滤波器进行滤波，因为实用的嵌入式处理器和对实时性的要求不宜用过高阶数的滤波器所以用纹波逼近法进行设计。

如图12所示，是D-S数据融合与泄漏判断框图，D-S数据融合与泄漏判断算法流程如下所示：

步骤1、收到时域合成后数据和频域合成后数据；

步骤2、对上述数据同时进行时-频域DS数据融合；

步骤3、进行分时段T数据融合；

步骤4、进行决策逻辑；

步骤5、泄露信号输出。

软件程序中的决策逻辑必须遵循以下四个规则：

规则1、当FFT初步判断FFT变换40kHz点幅值大于10时，必有泄漏。

规则2、DS融合后判断目标类别必须具有最大可信度；

规则3、目标类别的可信度值与其他类别可信度之差必须大于某一阈值(此阈值可以根据工况通过外部旋钮进行调节)即判定结果为泄漏时，必须要求泄漏的可信度大于未泄漏的可信度和不确定的可信度；判定结构为未泄漏时，必须要求未泄漏的可信度大于泄漏的可信度和不确定的可信度。

规则4、当满足规则1时，则不需要考虑规则2和3，反之当FFT处理后40kHz点幅值小于10时，不能直接用FFT算法来判断，此时若判断有泄漏则必须同时满足规则2、3。

为检测微弱泄漏检测算法的有效性，遂作出如下实验。分别取2个固定大小的泄漏孔有效孔径分别为0.06mm和0.1mm，将检测设备放在和泄漏口对面正对泄漏孔，将容器内外压力差从0kPa步进50kPa调节到500kPa，测量出在每个压力点下能够检测到的最远临界距离。不同算法下的0.06mm和0.1mm两个不同大小孔的压力与测试距离关系可由下表得出。

表1 0.1mm孔径不同算法测试距离对比

表2 0.06mm孔径不同算法测试距离对比

FFT算法和D-S数据融合算法在固定孔径容器内外压力300kPa以上的情况下测试结果基本一致，但是在300kPa以内D-S数据融合算法的测量范围明显大于FFT测量结果。还可以得出结论本系统在0.06mm有效孔径50kPa的压力下，在距离泄漏孔12cm内可以检测到泄漏。根据实验可以看出本系统可以实现固定轨迹泄漏点的测量。可以实现有效孔径为0.06mm压力为50kPa，在距泄漏孔120mm内的最微小泄漏。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (9)

1.一种基于多传感器的超声波气密性检测系统，包括设置在容器内的多个超声波发射机，其特征在于，该系统还包括依次连接的换能器组、信号调理电路、主处理器和信号输出模块；

所述换能器组包括多个换能器，用于采集容器内的超声波发射机通过孔隙发射出的超声波信号；

所述信号调理电路，用于对换能器采集到的超声波信号进行放大和滤波，并将其发送给主处理器；

所述主处理器，包括集成在主处理器中的AD采集模块和DA输出模块，用于将放大和滤波后的超声波信号转换成数字信号，并通过模糊识别算法、微弱泄露判断算法和数据融合与泄露判断算法对数字信号进行处理，得到对各个传感器信号进行融合后产生的对泄露情况的一致性解释，并将得到判断结果转换为模拟信号；

所述信号输出模块，用于将包含判断结果的模拟信号发送到信息终端进行显示。

2.根据权利要求1所述的基于多传感器的超声波气密性检测系统，其特征在于，所述换能器组包括至少3个换能器。

3.根据权利要求2所述的基于多传感器的超声波气密性检测系统，其特征在于，所述换能器组的多个换能器通道之间采用规则同时模式，多个通道同时采集信号。

4.根据权利要求1所述的基于多传感器的超声波气密性检测系统，其特征在于，所述信号输出模块包括3种信号输出模式：开关式、模拟式和数字式。

5.一种基于多传感器的超声波气密性检测方法，其特征在于,包括以下步骤：

S1、换能器组的不同通道同时收到各个换能器采集到的多通道信号，并对该多通道信号分别进行FFT频谱分析，并将其传输到神经网络进行处理，判断是否发生明显泄漏；

S2、若没有发生明显泄漏，则进入步骤S3；若发生明显泄漏，则判断发生泄漏，并输出泄漏信息；

S3、执行微弱泄漏判断算法，对多个通道的时域信号进行FIR滤波，并通过时域神经网络进行时域DS融合；通过频域神经网络对多个通道的频域信号进行频域DS融合，并对时频域DS数据进行融合，通过D-S数据融合与泄漏判断算法进行判断，若融合结果大于阈值，则判断发生泄漏，并输出泄漏信息。

6.根据权利要求5所述的基于多传感器的超声波气密性检测方法，其特征在于,步骤S2中判断发生明显泄漏的条件为：进行FFT频谱分析，若40kHz点的幅值大于10，则发生泄漏。

7.根据权利要求5所述的基于多传感器的超声波气密性检测方法，其特征在于,步骤S3中微弱泄漏判断算法的具体步骤为：

A1、对时域信号进行FIR滤波；

A2、将滤波完成的时域信号转到时域神经网络，同时将频域信号转到频域神经网络；

A3、时域DS数据融合，同时进行频域DS数据融合；

A4、对融合后的数据进一步进行时-频域DS数据融合；

A5、决策逻辑。

8.根据权利要求7所述的基于多传感器的超声波气密性检测方法，其特征在于,步骤S3中D-S数据融合与泄漏判断算法的具体步骤为：

B1、收到时域合成后数据和频域合成后数据；

B2、对合成后的数据进行时-频域DS数据融合；

B3、进行分时段T数据融合；

B4、进行决策逻辑；

B5、泄露信号输出。

9.根据权利要求7所述的基于多传感器的超声波气密性检测方法，其特征在于,步骤S3中根据阈值进行判断的方法具体为：

DS融合后判断目标类别必须具有最大可信度；

目标类别的可信度值与其他类别可信度之差大于阈值，即判定结果为泄漏时，泄漏的可信度大于未泄漏的可信度和不确定的可信度；判定结果为未泄漏时，未泄漏的可信度大于泄漏的可信度和不确定的可信度。