基于超声波换能器阵列的数据融合的气密性检测研究

The ultrasonic signals generated by the container with leakage hole can be used to determine the gas leakage, the leakage position and the leakage flow rate. Due to the lower leaking rate that can be test and poor positioning accuracy using a few ultrasonic transducers, along with the increasing demand for the accuracy in quality control air-tightness test, this study shows great significance in improving the accuracy of air-tightness measurement, owing to the application of detection algorithm and implementation method which are comprised of both multi-transducer array arrangement and multi-parameter data fusion. While focusing on the selection of desired ultrasonic wave by means of the algorithm based on relevant algorithm, this research is able to accurately determine whether there exists gas leakage via the data fusion algorithm based on neural network's evidence theory; based on data feature extraction of different physical quantities of the raw data from TDOA and ED, and the algorithm of adaptive weighted-average fusion, as well as by exploiting weight coefficient information processing methods to fuse the data, then we can get access to the correct leakage position; propose an approach to the measurement of pore sizes by a modified sound pressure-pressure characteristic. It owns great scientific meaning in improving the technology of air-tightness measurement. If only we are able to make this breakthrough in current ultrasonic air-tightness measurement of 0.0001Pa·m3/s minimum leakage rate.

通过检测气体从容器泄漏时产生的超声波信号可判断是否有泄漏、泄漏的位置及泄漏量的大小。针对当前利用少数超声波换能器进行气密性检测时存在的可测最小漏率较大、泄漏点定位精度差的现状，及气密性检测质量需求的不断提高，研究采用多换能器阵列式布置，多参量数据融合的检测算法和实现方法对于提高气密性检测精度方面非常重要。重点通过相关算法将泄漏产生的微弱超声波有用信号进行提取，研究基于神经网络和证据理论的数据融合算法，对有无泄漏进行准确判断；将到达时间差（TDOA）算法和能量衰减（ED）算法得到的不同物理量的原始数据特征提取后，基于改进型自适应加权平均数据融合算法，利用权系数估计的信息处理进行数据融合，得到泄漏点正确位置；提出一种通过利用标准泄漏孔根据改进型的声压-压力曲线对泄漏孔径大小进行估算的方法。突破目前超声波气密性检测0.0001Pa·m3/s最小漏率的瓶颈，对提高气密性检测技术具有重要的科学意义。

目前判断气体是否泄漏以及对泄漏点定位，普遍采用超声波气体泄漏检测定位技术。随着气密性检测质量需求的不断提高，针对现有检测系统存在的可测最小漏率较大、特征值提取精度差、泄漏点定位精度差、不具备泄漏孔径估算等问题，提出采用多换能器阵列的布局方式，提出了基于D-S证据理论的微小泄漏识别方法、优化的特征值提取方法、多参量数据融合的检测定位算法和对泄漏孔径大小进行估算的方法。. 多换能器阵列布局的研究主要包括研究传感器阵列各阵元间距、数量对定位误差的影响以及最佳检测距离的推导。通过理论和实验分析传感器间距为60mm时，得到最大的收益成本比，且最佳检测距离在259 ~ 1040mm。建立了基于面阵型超声波换能器阵列的泄漏定位模型。. 泄漏判断的研究基于D-S证据理论，将各相邻的超声波换能器采集到的信号进行互相关运算，通过神经网络得到泄漏、未泄漏及不确定的概率，最后进行数据融合，得到对泄漏状态的判定结果。融合结果显示，该方法可以在1m处准确的判断出150kPa，0.06mm的泄漏状态，较未融合的判断有良好校正效果。. 泄漏定位算法的研究，主要考虑克服单一特征值测试精度和范围的局限性，提出了基于自适应数据融合的定位算法，利用优化的特征值提取方法对提取的声压值和时延值进行自适应加权融合，计算泄漏点坐标。融合结果显示，该方法能够在1m处检测15kPa，0.1mm的泄漏孔，且定位误差在5mm以内。. 对泄漏孔径计算的方法研究，是基于声压-压力曲线估算的。通过3个压力点的计算对孔径大小进行估算，估算结果误差在15%内，与拟合雷诺数与泄漏量的关系方法相比，精度有一定的提高，在泄漏孔径快速检测判断中具有一定的参考意义。. 基于实验室现有的超声波气体泄漏检测平台，本项目研究开发设计了基于嵌入式系统的超声波气体泄漏检测仪，具有可视化检测、引导定位、检测迅速、人机交互等优点，在不同工况下定位误差控制在20mm以内，为系统的性能测试及实用化打下了坚实的基础。