CN111351618B - 轨道交通机车车辆的气密性检测方法及其系统 - Google Patents
轨道交通机车车辆的气密性检测方法及其系统 Download PDFInfo
- Publication number
- CN111351618B CN111351618B CN201811573189.8A CN201811573189A CN111351618B CN 111351618 B CN111351618 B CN 111351618B CN 201811573189 A CN201811573189 A CN 201811573189A CN 111351618 B CN111351618 B CN 111351618B
- Authority
- CN
- China
- Prior art keywords
- sound
- detected
- vehicle
- air
- air 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.)
- Active
Links
Images
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
Abstract
本申请涉及一种轨道交通机车车辆的气密性检测方法及其系统。所述气密性检测方法包括:对待检测车辆进行建模,形成待检测车辆模型;识别所述待检测车辆检查项点区域的漏气声音;确定所述漏气声音的声源位置;以及根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气。本申请提供的所述气密性检测方法和系统提高了气密性检测的准确性,从而为车辆的检修和维护提供可靠的依据。
Description
技术领域
本申请涉及气密检查领域,特别是涉及一种轨道交通机车车辆的气密性检测方法及其系统。
背景技术
气密性是密闭容器的一项重要参数。对密闭容器的气密性检测方法包括气泡法、压力法、流量法、超声波法和氦质谱法等等。但是这些方法存在操作复杂、检测不准确或者成本较高等问题。因此,人们不断在寻找更好的气密性检测方法。
随着对气密性检测方法研究的不断深入,人们研究出了基于声音检测和分析的气密性检测方法。通过收集和分析密闭容器周围的声音,并对这些声音进行各种分析,从而判断密闭容器是否漏气。
然而,这种方法存在漏气位置检测不准确的问题。
发明内容
基于此,有必要针对漏气位置检测不准确的问题,提供一种轨道交通机车车辆的气密性检测方法及其系统。
一种轨道交通机车车辆的气密性检测方法,所述方法包括:
对待检测车辆进行建模,形成待检测车辆模型;
识别所述待检测车辆检查项点区域的漏气声音;
确定所述漏气声音的声源位置;以及
根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气。
在其中一个实施例中,所述对待检测车辆进行建模,包括:
基于所述待检测车辆检查项的位置分布和测量点的位置分布进行建模。
在其中一个实施例中,根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气包括:
将所述声源位置与所述待检测车辆模型中检查项的位置分布和所述测量点的位置分布匹配,
若是,则判断所述待检测车辆漏气;
若否,则判断所述待检测车辆不漏气。
在其中一个实施例中,所述确定所述漏气声音的声源位置,包括:
确定所述漏气声音的声强;
获取声音检测装置的灵敏度和输出电压;
根据所述漏气声音的声强、所述声音检测装置的灵敏度和输出电压确定所述漏气声音的声波方向矢量;
根据所述漏气声音的声波方向矢量确定所述漏气声音的位置。
在其中一个实施例中,所述待检测车辆检查项点区域的漏气声音,包括:
获取所述待检测车辆的检查项点区域的声音并进行声纹分析,得到声纹信息;
依据所述声纹信息识别所述漏气声音。
在其中一个实施例中,若所述待检测车辆漏气,所述根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气之后,所述方法还包括:
标识出所述声源位置在所述待检测车辆模型中的位置。
在其中一个实施例中,所述标识出所述声源位置在所述待检测车辆模型中的位置之后,所述方法还包括:
对所述待检测车辆的漏气情况进行报警。
在其中一个实施例中,所述对所述待检测车辆的漏气情况进行报警,包括:
判断所述漏气声音的声强;
根据所述漏气声音的声强确定报警级别;
根据所述报警级别进行报警。
一种轨道交通机车车辆的气密性检测系统,包括移动装置、声音检测装置和处理器,所述移动装置用于夹持所述声音检测装置并移动至待检测车辆检查项点区域,所述声音检测装置用于采集声音,所述处理器执行计算机程序时实现如上任意一项所述方法的步骤。
在其中一个实施例中,所述轨道交通机车车辆的气密性检测系统还包括报警装置,与所述处理器连接,用于对所述待检测车辆的漏气情况进行报警。
本申请实施例提供的所述气密性检测方法和系统通过对待检测车辆进行建模,形成待检测车辆模型,并识别所述待检测车辆检查项点区域的漏气声音,再确定所述漏气声音的声源位置,最后根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气。本申请实施例提供的所述气密性检测方法和系统通过将所述待检测车辆模型与待检测车辆检测项点区域的漏气声音声源位置进行匹配,能够有效排除将待检测项点周围的漏气声音判定为待检测车辆漏气的可能性,提高了检测的准确性,从而为车辆的检修和维护提供可靠的依据。同时,通过对待检测车辆进行建模,并将漏气声音与所述待检测车辆模型进行匹配,使得对车辆气密性检测过程和检测结果更加直观。
附图说明
图1为本申请一个实施例提供的轨道交通机车车辆的气密性检测系统结构示意图;
图2为本申请一个实施例提供的轨道交通机车车辆气密性检测方法流程示意图;
图3为本申请一个实施例提供的轨道交通机车车辆气密性检测方法流程示意图;
图4为本申请一个实施例提供的轨道交通机车车辆气密性检测方法流程示意图;
图5为本申请一个实施例提供的轨道交通机车车辆气密性检测方法流程示意图;
图6为本申请一个实施例提供的轨道交通机车车辆气密性检测方法流程示意图;
图7为本申请一个实施例提供的轨道交通机车车辆的气密性检测系统结构示意图。
附图标记说明:
轨道交通机车车辆的气密性检测系统 10
移动装置 100
声音检测装置 200
处理器 300
存储器 400
报警装置 500
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下通过实施例,并结合附图,对本申请的轨道交通机车车辆的气密性检测方法及其系统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申请,并不用于限定本申请。
本申请一个实施例提供一种轨道交通机车车辆的气密性检测方法。请参见图1,本申请提供的轨道交通机车车辆的气密性检测方法,可以应用于如图1所示的轨道交通机车车辆的气密性检测系统10中。所述轨道交通机车车辆的气密性检测系统10包括移动装置100、声音检测装置200和处理器300。所述声音检测装置200与所述处理器300通信连接。所述声音检测装置200用于采集声音。
所述移动装置100用于夹持所述声音检测装置200并移动至待检测车辆的检查项点区域。所述移动装置100可以是机械臂,也可以是行走机器人,还可以是运输小车等。
所述声音检测装置200可以是麦克风阵列,也可以其他能够采集和识别声音的传感器。所述麦克风阵列可以是心形指向麦克风组成的阵列,也可以是全指向麦克风组成的阵列,还可以是心形指向麦克风、全指向麦克风阵列的组合。在一个实施例中,所述声音检测装置200包括3个心形指向麦克风和1个全指向麦克风。在另一个实施例中,所述声音检测装置200包括1个心形指向麦克风,且所述轨道交通机车车辆的气密性检测系统10包括多个所述声音检测装置200。
所述处理器300可以是计算机设备的处理器,也可以是PLC的处理器,还可以是服务器的处理器。例如,所述处理器可以为个人计算机、笔记本电脑、智能手机、可穿戴设备等等的处理器。所述处理器300与所述声音检测装置200可以通过数据连接,也可以通过网络连接。所述处理器300也可以与所述移动装置100通信连接,以控制所述移动装置100的移动。
可以理解,所述轨道交通机车车辆的气密性检测系统10还包括相应的存储器400。所述存储器400用于存储所述声音检测装置200采集的数据以及计算机程序等。
所述移动装置100夹持所述声音检测装置200,所述处理器300控制所述移动装置100移动至所述待检测车辆,并沿所述待检测车辆检测项点区域移动。其中,所述待检测车辆检测项点区域包括所述待检测车辆的待检测项点及其周围的位置。所述声音检测装置200采集所述待检测车辆检测项点区域的声音并传输至所述处理器300。所述处理器300对采集的声音进行处理。以下实施例以所述处理器300为计算机设备的处理器为例,对本申请进行说明。另外需要说明的是,后文提到的计算机设备即为包括所述处理器300的计算机设备。
本申请实施例提供的所述轨道交通机车车辆的气密性检测方法用于检测轨道交通机车车辆车底或车侧等安装的密闭性器件的漏气情况进行检测。例如,所述轨道交通机车车辆车底或车侧的风管。
请参见图2,在一个实施例中,所述轨道交通机车车辆的气密性检测方法包括:
S10,对待检测车辆进行建模,形成待检测车辆模型。
所述待检测车辆是指需要检测漏气情况的轨道交通机车车辆。计算机设备对待测车辆进行建模,形成所述待检测车辆模型。所述待检测车辆模型可以为3D模型。所述待检测车辆模型包括待检查项点。所述检查项点是指所述待检测车辆需要检查漏气的区域或范围。所述待检测车辆模型能够具体、形象、直观的表征所述轨道交通机车车辆的外观和结构等。具体建模的方法本申请不做限定,可以根据实际需求选择。
S20,识别所述待检测车辆检查项点区域的漏气声音。
所述计算机根据预设的算法识别出待检测车辆检查项点区域的漏气声音。其中,所述检查项点区域包括所述待检测车辆的待检测项点及其周围的位置。计算机设备识别所述漏气声音的方法可以通过声纹对比或匹配的方法进行识别,也可以通过深度学习的方法进行识别。本申请对识别所述漏气声音的方法不做具体限定,可以根据实际需求选择。
S30,确定所述漏气声音的声源位置。
计算机设备获取S20识别出的所述漏气声音数据,并对所述漏气声音数据进行分析,确定出所述漏气声音的声源位置。确定所述声源位置的方法依据所述声音检测装置200的不同,可以不同。计算机设备确定所述声源位置的具体方法本申请不做具体限定,可以根据实际需求选择。
S40,根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气。
由于S20中识别出的所述漏气声音可能包含所述待检测项点周围的漏气声音,因此,不能直接根据S30得出的所述声源位置对应的漏气确定所述待检测车辆漏气。计算机设备将所述漏气声音的所述声源位置与待检测车辆模型进行匹配,进而判断所述待检测车辆是否漏气。若所述声源位置与所述待检测车辆模型匹配成功,则表示所述漏气声音对应的漏气位置位于所述待检测车辆,所述待检测车辆漏气;若所述声源位置与所述待检测车辆模型匹配失败,则表示所述漏气声音对应的漏气位置位于所述待检测车辆周围,不属于所述待检测车辆,所述待检测车辆不漏气。
本实施例中,所述方法通过对待检测车辆进行建模,形成待检测车辆模型,并识别所述待检测车辆检查项点区域的漏气声音,再确定所述漏气声音的声源位置,最后根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气。本实施例提供的所述方法通过将所述待检测车辆模型与待检测车辆检测项点区域的漏气声音声源位置进行匹配,能够有效排除将待检测项点周围的漏气声音判定为待检测车辆漏气的可能性,提高了检测的准确性,从而为车辆的检修和维护提供可靠的依据。同时,通过对待检测车辆进行建模,并将漏气声音与所述待检测车辆模型进行匹配,使得对车辆气密性检测过程和检测结果更加直观。
在一个实施例中,S10包括:
S110基于所述待检测车辆检车项的位置分布和测量点的位置分布进行建模。
所述检查项是指所述待检测车辆模型中需要检测漏气的项目。所述测量点是指所述检查项中的具体检查点。计算机设备基于所述检查项在所述待检测车辆模型中的位置,以及所述测量点在所述检查项中的具体位置进行建模,形成所述待检测车辆模型。例如,需要检测某一动车的两个检查项,第一检查项为车底风管,第二检查项为车侧风管。对于车底风管需要检测两个测量点,第一测量点为车底风管第一连接处,第二测量点为车底风管第二连接处。本实施例中,计算机设备基于所述待检测车辆检查项的位置分布和测量点的位置分布进行建模,使得所述待检测车辆模型更加具体准确,具有针对性,从而使得后续的气密性检测更加准确。
请参见图3,在一个实施例中,S20包括:
S210,获取所述待检测车辆的检查项点区域的声音并进行声纹分析,得到声纹信息。
所述移动装置100夹持所述声音检测装置200沿所述待检测车辆的待检查项点移动,所述声音检测装置200采集所述待检测车辆检查项点及周围的声音,并发送至计算机设备。所述声音检测装置200采集的声音包括可能漏气声音,也包括其他声音。采集的声音可以直接发送至计算机设备的所述处理器300,也可以存储于计算机设备的所述存储器400中。
所述声音检测装置200采集的声音信息可以通过声波信号表征。所述声音检测装置200采集的声音信息包含声波的幅值、频率和波形。所述声波幅值表征声音的强度,所述频率表征声音的周期,所述声波波形表征声音的特征。
所述处理器300获取所述声音检测装置200采集的声音信息,并进行声纹分析,得到声纹信息。所述声纹信息包含所述声波波形信息,即所述声波的特征信息。
S220,依据所述声纹信息识别所述漏气声音。
所述处理器300将收集到的所有声音的所述声纹信息一一与已知的漏气声音的声纹信息进行对比,判断每种声音是否为漏气声音,从而在多种声音中识别出漏气声音。
本实施例中,所述方法通过获取所述待检测车辆的检查项点区域的声音并进行声纹分析,得到声纹信息,并依据所述声纹信息识别所述漏气声音。通过声纹信息识别所述漏气声音提高了对所述漏气声音识别的准确性,从而提高了气密性检测的准确性。
请参见图4,在一个实施例中,所述声音检测装置200包含3个心形指向麦克风和一个全指向麦克风。所述声音检测装置200包含多个声音传输声道。每个麦克风采集的声音可以通过不同的声道传输至计算机设备。S30包括:
S310,确定所述漏气声音的声强。
所述声强是指声音的强度。所述处理器300可以依据S20中识别出多个声道中的漏气声音的声波信息的幅值,确定每个声道的所述漏气声音的声强。
S320,获取声音检测装置200的灵敏度和输出电压。
获取所述声音检测装置200每个麦克风的输出电压和所述声音检测装置200的灵敏度。所述麦克风的输出电压和所述声音检测装置200的灵敏度可以预先存储与所述存储器400。
S330,根据所述漏气声音的声强、所述声音检测装置的灵敏度和输出电压确定所述漏气声音的声波方向矢量。
所述处理器300根据预设的算法,对每个声道的所述漏气声音的声强、所述声音检测装置的灵敏度和所述声音检测装置的输出电压进行计算,得出所述漏气声音的声波方向矢量。在一个实施例中,所述声波方向矢量的计算方法如下:
Vo=AP 公式(3)
其中,Vx表示第一个麦克风的输出电压,Vy表示第二个麦克风的输出电压,Vz表示第三个麦克风的输出电压,βx表示第一个声道的漏气声音的方向参数,βy表示第二个声道的漏气声音的方向参数,βz表示第三个声道的漏气声音的方向参数,A表示所述声音检测装置200的灵敏度,P表示所述漏气声音的声强。表示所述声波方向矢量,
根据公式(1)、(2)、(3)计算出所述声波方向矢量。
S340,根据所述漏气声音的声波方向矢量确定所述漏气声音的位置。
所述声波方向矢量能够表征声波的传播方向,因此可以根据所述声波方向矢量确定出漏气声音的位置。
本实施例中,所述方法通过确定所述漏气声音的声强,获取声音检测装置200的灵敏度和输出电压,根据所述漏气声音的声强、所述声音检测装置的灵敏度和输出电压确定所述漏气声音的声波方向矢量,并根据所述漏气声音的声波方向矢量确定所述漏气声音的位置。本实施例提供的所述方法误差小,准确度高。
在一个实施例中,S40包括:
S410,将所述声源位置与所述待检测车辆模型中的检查项的位置分布和所述测量点的位置分布匹配,
若是,则判断所述待检测车辆漏气;
若否,则判断所述待检测车辆不漏气。
计算机设备通过将所述声源位置的坐标与所述检测车辆模型中的所述车辆检查项的位置坐标范围及所述测量点的位置坐标范围进行匹配。若所述声源位置坐标位于所述车辆检查项的位置坐标范围,且所述声源位置坐标位于所述测量点的位置坐标范围内,则说明所述待检测车辆漏气。若所述声源位置坐标不在所述车辆检查项的位置坐标范围,则说明所述待检测车辆不漏气。若所述声源位置坐标在所述车辆检查项的位置坐标范围,但不在所述测量点的位置坐标范围,则说明所述待检测车辆漏气。
本实施例中,通过将所述声源位置与所述待检测车辆模型中的所述车辆检查项的位置分布和所述测量点的位置分布进行匹配,进一步提高了对气密性检测的准确性。
请参见图5,在一个实施例中,若所述待检测车辆漏气,则S40之后,所述方法还包括:
S50,标识出所述声源位置在所述待检测车辆模型中的位置。
所述声源位置即所述漏气声音的位置。计算机设备根据所述漏气声音的位置与所述待检测车辆模型的匹配结果,将所述待检测车辆模型中与所述漏气位置相匹配的位置进行标识,以供操作人员进行下一步的检修和维护。本实施提供的所述方法使得所述漏气位置检测更加直观和智能。
在一个实施例中,S50之后,所述方法还包括:
S60,对所述待检测车辆的漏气情况进行报警。
所述轨道交通机车车辆的气密性检测系统10还可以包括报警装置500。所述报警装置500可以为声音报警,也可以为灯光报警,还可以为声光报警或其他报警方式。所述报警装置500与所述处理器300连接,用于对所述待检测车辆的漏气情况进行报警。当检测到所述待检测车辆漏气时,所述报警装置500报警提示出现漏气。所述报警装置500也可以通过预设阈值和算法对漏气的等级或强度进行报警。所述报警装置500还可以结合所述待检测车辆模型对待检测车辆的所述漏气声音位置进行报警。本实施例中,通过对所述待检测车辆的漏气情况进行报警提高了气密性检测的智能性。
请参见图6,在一个实施例中,S60包括:
S610,判断所述漏气声音的声强。
所述处理器300根据所述漏气声音的声波幅度确定所述漏气声音的声强。
S620,根据所述漏气声音的声强确定报警级别。
所述处理器300根据预设的阈值或预设的算法确定所述漏气声音的声强对应的报警级别。例如,所述漏气声音的声强大于第一预设阈值判定为第一报警级别,所述漏气声音的声强大于等于第一预设阈值,小于第二阈值判定位第二报警级别。以此类推。
S630,根据所述报警级别进行报警。
所述处理器300根据预设的所述报警级别与报警方式的对应关系,控制所述报警装置500进行报警。根据报警级别的不同,可以对应不同的报警方式或报警强度。例如,若所述报警装置500为灯光报警时,所述报警级别为第一级,所述报警装置500闪烁频率为每3秒一次;所述报警级别为第二级时,所述报警装置500闪烁频率为每2秒闪烁一次。
本实施例中,所述方法首先判断所述漏气声音的声强,然后根据所述漏气声音的声强确定报警级别,再根据所述报警级别进行报警。本实施例提供的所述方法能够依据所述漏气声音的声强不同进行不同的报警,进一步提高了气密性检测的智能性。
请参见图1,本申请一个实施例提供一种轨道交通机车车辆的气密性检测系统10,其包括移动装置100、声音检测装置200和处理器300。所述移动装置100用于夹持所述声音检测装置200并移动至待检测车辆检查项点区域。所述声音检测装置200用于采集声音。所述处理器300执行计算机程序时实现如上所述方法的步骤。
请参见图7,在一个实施例中,所述轨道交通机车车辆的气密性检测系统10,还包括报警装置500。所述报警装置500与所述处理器300连接,用于对所述待检测车辆的漏气情况进行报警。
本申请实施例提供的所述轨道交通机车车辆的气密性检测系统10与上述方法的实现原理和有益效果类似,在此不做赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种轨道交通机车车辆的气密性检测方法,其特征在于,所述方法包括:
基于待检测车辆检查项的位置分布和测量点的位置分布对待检测车辆进行建模,形成待检测车辆模型,所述待检测车辆模型包括待检查项点;
识别所述待检测车辆检查项点区域的漏气声音,所述检查项点区域包括所述待检测车辆的待检测项点及其周围的位置;
确定所述漏气声音的声强;
获取声音检测装置的灵敏度和输出电压;
根据预设的算法,对每个声道的所述漏气声音的声强、所述声音检测装置的灵敏性和所述声音检测装置每个麦克风的输出电压进行计算,得到所述漏气声音的声波方向矢量;其中,所述声波方向矢量的计算方法如下:
Vo=AP;
其中,Vx表示第一个麦克风的输出电压,Vy表示第二个麦克风的输出电压,Vz表示第三个麦克风的输出电压,βx表示第一个声道的漏气声音的方向参数,βy表示第二个声道的漏气声音的方向参数,βz表示第三个声道的漏气声音的方向参数,A表示声音检测装置的灵敏度,P表示漏气声音的声强;表示声波方向矢量;
根据所述漏气声音的声波方向矢量确定所述漏气声音的声源位置;以及
将所述声源位置与所述待检测车辆模型中检查项的位置分布和所述测量点的位置分布匹配,若是,则判断所述待检测车辆漏气;若否,则判断所述待检测车辆不漏气。
2.根据权利要求1所述的方法,其特征在于,所述待检测车辆检查项点区域的漏气声音,包括:
获取所述待检测车辆的检查项点区域的声音并进行声纹分析,得到声纹信息;
依据所述声纹信息识别所述漏气声音。
3.根据权利要求1所述的方法,其特征在于,所述确定所述漏气声音的声强,包括:
识别出多个声道中的所述漏气声音的声波信息的幅值,确定每个声道的所述漏气声音的声强。
4.根据权利要求1所述的方法,其特征在于,所述将所述声源位置与所述待检测车辆模型中检查项的位置分布和所述测量点的位置分布匹配,包括:
将所述声源位置的坐标与所述检测车辆模型中的所述车辆检查项的位置坐标范围及所述测量点的位置坐标范围进行匹配;
对应的,若所述声源位置坐标不在所述车辆检查项的位置坐标范围,则所述待检测车辆不漏气;若所述声源位置坐标在所述车辆检查项的位置坐标范围,但不在所述测量点的位置坐标范围,则所述待检测车辆漏气。
5.根据权利要求1-4任一项所述的方法,其特征在于,若所述待检测车辆漏气,所述根据所述声源位置与待检测车辆模型,判断所述待检测车辆是否漏气之后,所述方法还包括:
标识出所述声源位置在所述待检测车辆模型中的位置。
6.根据权利要求5所述的方法,其特征在于,所述标识出所述声源位置在所述待检测车辆模型中的位置之后,所述方法还包括:
对所述待检测车辆的漏气情况进行报警。
7.根据权利要求6所述的方法,其特征在于,所述对所述待检测车辆的漏气情况进行报警,包括:
判断所述漏气声音的声强;
根据所述漏气声音的声强确定报警级别;
根据所述报警级别进行报警。
8.根据权利要求7所述的方法,其特征在于,所述报警设备为灯光报警,所述根据所述报警级别进行报警,包括:
若所述报警级别为第一级,所述报警装置的闪烁频率为每3秒一次;
若所述报警级别为第二级,所述报警装置的闪烁频率为每2秒闪烁一次。
9.一种轨道交通机车车辆的气密性检测系统,其特征在于,包括移动装置、声音检测装置和处理器,所述移动装置用于夹持所述声音检测装置并移动至待检测车辆检查项点区域,所述声音检测装置用于采集声音,所述处理器执行计算机程序时实现如权利要求1-8任意一项所述方法的步骤。
10.根据权利要求9所述的轨道交通机车车辆的气密性检测系统,其特征在于,还包括报警装置,与所述处理器连接,用于对所述待检测车辆的漏气情况进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573189.8A CN111351618B (zh) | 2018-12-21 | 2018-12-21 | 轨道交通机车车辆的气密性检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573189.8A CN111351618B (zh) | 2018-12-21 | 2018-12-21 | 轨道交通机车车辆的气密性检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111351618A CN111351618A (zh) | 2020-06-30 |
CN111351618B true CN111351618B (zh) | 2022-07-05 |
Family
ID=71192320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811573189.8A Active CN111351618B (zh) | 2018-12-21 | 2018-12-21 | 轨道交通机车车辆的气密性检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111351618B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114018498A (zh) * | 2021-09-22 | 2022-02-08 | 国网河北省电力有限公司营销服务中心 | 气阀装置的漏气状态评估方法、装置、终端及存储介质 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101319955A (zh) * | 2007-06-07 | 2008-12-10 | 北京昊科航科技有限责任公司 | 提取次声波监测管道泄漏的方法 |
CN100547371C (zh) * | 2008-08-05 | 2009-10-07 | 铁道部运输局 | 轨道车辆整车气密性试验方法及系统 |
CN102779409B (zh) * | 2012-07-03 | 2014-12-03 | 华南理工大学 | 一种自行车检测与定位方法 |
CN203753003U (zh) * | 2014-03-18 | 2014-08-06 | 韦新强 | 车辆泄漏报警装置 |
CN104167207B (zh) * | 2014-06-20 | 2017-12-12 | 国家电网公司 | 一种基于变电站巡检机器人的设备声音识别方法 |
CN104316277B (zh) * | 2014-09-26 | 2016-08-17 | 西安交通大学 | 基于声检测与盲信号分离的气密性监测方法 |
CN104792476A (zh) * | 2015-05-13 | 2015-07-22 | 神龙汽车有限公司 | 一种整车气密性的检测方法 |
CN105243189B (zh) * | 2015-09-15 | 2018-06-26 | 同济大学 | 一种车窗密封系统的等效建模及快速评价方法 |
CN205175617U (zh) * | 2015-10-08 | 2016-04-20 | 中车青岛四方机车车辆股份有限公司 | 一种轨道车辆气密性检测系统 |
CN106567997B (zh) * | 2016-04-24 | 2020-01-21 | 内蒙古科技大学 | 基于物联网的油气管道远程实时健康监测系统 |
CN106128205A (zh) * | 2016-07-15 | 2016-11-16 | 安徽工业大学 | 一种危险品泄漏模拟系统及其构建方法和使用方法 |
CN106525349A (zh) * | 2016-11-18 | 2017-03-22 | 山西中天信科技股份有限公司 | 一种可燃气体泄漏检测方法及系统 |
CN106595757B (zh) * | 2016-11-29 | 2019-04-19 | 西南石油大学 | 一种环境监测方法及系统 |
CN107796569B (zh) * | 2017-09-30 | 2020-01-24 | 上海邦芯物联网科技有限公司 | 管道检漏装置、系统和方法 |
CN108361559B (zh) * | 2018-02-27 | 2019-06-14 | 中煤科工集团重庆研究院有限公司 | 一种提高煤矿瓦斯抽采管网声波检漏准确率的方法 |
CN108758354B (zh) * | 2018-05-03 | 2023-09-12 | 太原理工大学 | 基于次声波和参考点的供热管道泄漏检测系统及方法 |
CN108895839B (zh) * | 2018-05-31 | 2019-12-13 | 中冶华天工程技术有限公司 | 烧结机漏风故障在线诊断方法 |
-
2018
- 2018-12-21 CN CN201811573189.8A patent/CN111351618B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111351618A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Poston et al. | Indoor footstep localization from structural dynamics instrumentation | |
CN109737309B (zh) | 一种基于风险识别的风险源定漏溯源方法及其系统 | |
Liu et al. | Window feature-based two-stage defect identification using magnetic flux leakage measurements | |
JP2019112049A (ja) | 陸上車両の運転者の運転スタイルを認識するための方法及び対応する装置 | |
KR20150034720A (ko) | 소음 식별장치 및 소음 식별방법 | |
CN111351618B (zh) | 轨道交通机车车辆的气密性检测方法及其系统 | |
CN104462794A (zh) | 一种基于对比统计分析发现环境监测异常数据的算法 | |
CN113878214B (zh) | 基于lstm与残差分布的焊接质量实时检测方法及系统 | |
US20150308920A1 (en) | Adaptive baseline damage detection system and method | |
RU2591584C1 (ru) | Способ оценки геометрических размеров дефектов стенки трубной секции и сварных швов по данным магнитного внутритрубного дефектоскопа с помощью универсальной нейросетевой модели, подходящей для дефектоскопов с различными диаметрами и магнитными системами | |
CN104316277A (zh) | 基于声检测与盲信号分离的气密性监测方法与装置 | |
CN103471784A (zh) | 航天器在轨泄漏的非接触式超声定量漏孔大小的确定方法 | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
Kumar et al. | Indirect damage identification in bridges based on dynamic tyre pressure monitoring | |
Tejedor et al. | A Gaussian Mixture Model-Hidden Markov Model (GMM-HMM)-based fiber optic surveillance system for pipeline integrity threat detection | |
US20180188104A1 (en) | Signal detection device, signal detection method, and recording medium | |
CN113554645A (zh) | 基于wgan的工业异常检测方法和装置 | |
US10317367B2 (en) | Eddy-current flaw detector and eddy-current flaw detection method | |
CN116148801B (zh) | 一种基于毫米波雷达的目标检测方法及系统 | |
KR20180052180A (ko) | 비파괴검사 이미지 분석을 통한 타이어 결함 판정 방법 | |
US11351630B2 (en) | Processing state detecting device, laser processing machine, and machine learning device | |
Murovec et al. | Automated identification and assessment of environmental noise sources | |
US20220253735A1 (en) | Method for simulation assisted data generation and deep learning intelligence creation in non-destructive evaluation systems | |
WO2015071925A1 (ja) | 分析装置、分析方法および分析プログラム | |
JP7434917B2 (ja) | 信号検出装置、センサネットワークシステム、信号検出方法、及び信号検出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |