氣體泄漏檢測新方法的研究進展

　， 東穎， 　

(北京理工大學 自動化學院SMC技術中心， 北京　100081)

引言

現代工業和生活中廣泛使用了用于存儲和輸送壓縮氣體的壓力容器以及管道等，氣密性是這些設備質量和安全的重要指標之一。對具有容器性質的產品來說，其密封性能直接決定了產品質量的好壞，如果使用了泄漏量超過允許范圍的產品，不僅會影響產品的性能， 嚴重時還會導致火災、爆炸、有害氣體泄漏等嚴重后果[1，2]。因此氣體泄漏檢測極其重要，為了最大程度的在泄漏發生時降低損失、減輕泄漏事故的危害，需在泄漏發生后立即檢測出來，并且能夠指明泄漏發生的位置，估計出泄漏量的大小[3,4]。隨著科學技術的進步和發展，工業生產對設備氣密性的要求越來越高，氣密性檢測的新方法、新理論隨之不斷涌現[5]。本研究對國內外氣體泄漏檢測技術的發展歷史和發展現狀進行了整理和歸納，并對紅外氣密性檢測和超聲波氣密性檢測這兩種新興的氣體泄漏檢測的技術的發展歷史和現狀進行詳細闡述。

1　氣體泄漏檢測技術的國內外發展現狀

1.1　氣體泄漏檢測技術的發展

氣密性檢測技術發展至今大致經歷了依靠經驗的人工觀測、以信號處理和數學建模為基礎的自動檢測以及基于多源數據融合的智能診斷定位三個階段。

20世紀中期以前，泄漏檢測手段受到計算機和傳感技術發展不完善的嚴重制約，眾多國內外生產廠家大都采用濕式檢測法[6]，例如：玻璃U管法和水沒法，這種方法不需要操作人員較高的技術，且不需要配備特殊設備，但由于人的主觀性因素的影響很容易產生誤判且需要事后處理，從而增加了工人的工作強度和檢測所需的費用。

20世紀90年代初，干式檢漏法逐漸成熟，開始代替傳統的濕式檢測法，一些相應的檢測裝置陸續問世[7]。干式檢漏法是根據氣體的泄漏將引起被測件內氣體質量減少，這樣必然引起被測件內氣體的一些參數發生變化，從而根據這些參數的變化判斷出泄漏量。常用的有流量法和壓力響應法，易實現自動化測量，但容易受溫度影響和容器形狀影響，需要進行補償。

上述方法一般采用空氣作為檢測介質，對于某些特定情況可以是其他氣體，如六氟化硫、氮氣、氦氣等。基于鹵素和稀有氣體的干式檢漏法具有很高的精度，檢漏率可以達到10-9Pa·m3/s，對密封性要求很高的被測對象是非常適合的[8]。但這種檢測方法除設備投入、運行費用比較高外，檢測效率低下無法實現在線檢測，并且當容器體內殘留的惰性氣體除不盡時，會在一定程度上影響檢測精度，因此限制了其在工業現場中的應用[9]。

早期的氣密性檢測主要用于管道泄漏檢測和汽車制造業[10-12]。進入21世紀，隨著電子信息技術的飛速發展，氣密性檢測的應用領域越來越廣，從管道泄漏檢測到航空航天及汽車制造業逐漸拓展到了一般日用品、家用電器、食品包裝、醫療器械、建筑等行業[13-16]。

1.2　氣體泄漏檢測技術現狀

根據工件的類型和密封性能要求不同，常用的氣密性檢測方法除濕式檢測法外還有壓力變化法[17]、流量法[18]、質譜法[19]、紅外熱成像法[20]、超聲波法等等[21]。各種氣密性檢測方法如表1所示。

泄漏檢測主要的檢測要素包括：泄漏有無判斷、泄漏點定位、泄漏量測量。下面從這三個方面分別比較常見的幾種泄漏檢測方法。

泄漏有無判斷：所有的泄漏檢測方法均能進行基本的泄漏檢測，但是其檢測的效率和檢測手段的復雜性均有不同。壓力變化法根據待測容器的大小測量時間從幾十秒到幾分鐘不等，直壓式檢測精度低，價格便宜。而差壓式與流量式檢測精度高，價格相對也較高。氣泡法反應速度快，但是其檢測方法復雜后期處理麻煩，同時還不具備自動化檢測的功能。流量檢測法檢測進出口的流量差別需要時間較長，不能做出及時的判斷。氦質譜檢測法檢測效率高但設備復雜價格昂貴，同時對待測物體的體積大小有要求。紅外檢測和超聲波檢測是新興的檢測方法都具有效率高，方法便捷等優點。

泄漏定位：壓力變化法、氦質譜檢測法都不具備泄漏點定位的功能，傳統的氣泡法和新興的檢測手段包括紅外檢測法和超聲波檢測法均具有泄漏點定位檢測的能力。但是氣泡法定位精度較低，紅外檢測設備投資大且容易受現場環境噪聲的干擾，這兩種定位方法都不適合大規模推廣。

泄漏量檢測：壓力變化法、氣泡收集法均能檢測出泄漏量的大小，壓降法可以檢測出的最小泄漏率為10-3Pa·m3/s,氣泡法可檢測出的最小泄漏率為10-5Pa·m3/s。 氦質譜檢測法是高精度泄漏檢測方法，其可檢測的最小泄漏率為10-9Pa·m3/s。紅外檢測法可檢測的最小泄漏率為10-5Pa·m3/s，超聲波檢漏法可以檢測到的氣體最小泄漏率為10-4Pa·m3/s。雖然超聲波檢測方法檢測的最小泄漏量低于氦質譜檢測方法和紅外檢測方法，但其設備簡單成本低且操作方便，在一定工況下有很大的應用空間。

根據比較，應用氣泡法、水壓法、涂抹法等檢測方法在滿足高精度、高效率的生產需求方面顯得力不從心。而基于泄漏量相關參數檢測如壓力法、流量法等不能測試泄漏的全部參數，基于氣體分析的檢測如氦質譜檢測法、鹵素檢測法等存在檢測儀器價格昂貴的問題。產品生產廠家需要高效、簡便、智能的氣體泄漏檢測設備，使用傳統的泄漏檢測方法不能滿足許多廠家的生產要求，而使用昂貴的檢測設備對廠家來說也是不小的開銷，因此需要性能價格比較好、自動化程度高的新型檢測設備對容器的泄漏量進行檢測。超聲波氣體泄漏檢測技術和紅外檢測技術在可以滿足檢測精度的前提下，易操作、造價合理，在工業中有廣泛應用前景。是泄漏檢測方法發展前景比較好的兩種方法。

表1　氣體泄漏檢測常見方法的比較

2　超聲波氣密性檢測方法及測試儀器

2.1　超聲波氣密性檢測現狀

美國的Paul Shuttleworth等人利用氣體泄漏耦合超聲測量方法來進行管道厚度的測量[23]；美國的Javid Huseynov等人利用分布式超聲傳感器來對氣體泄漏進行定位[24]；Niels P等人應用基于波方程的圖形技術對泄漏超聲進行了研究[25,26]；美國的Bartoli等人利用氣體泄漏超聲來測量多線程肌腱的壓力損失[27]；日本的Hoshino等人利用超聲波的方法對沉船的油泄漏進行了測量[28]；Strohal通過大量的實驗分析給出了射流噪聲中心頻率、泄漏孔射流速度以及泄漏孔徑之間關系的經驗公式[29]。

國內最早的氣體泄漏超聲波檢測儀見于1989年，東南大學開發了一套高靈敏度超聲檢測儀，能在1 MPa 的壓差下，6～8 m外測量出0.1～3 mm的泄漏[30,31]。中南工學院設計了一種超聲波檢漏儀，能夠在150 mm左右、0.1 MPa的壓力下對0.1 mm的泄漏孔進行測量[32]。針對系統要求壓差過大的情況，西安電子科技大學采用了雙探頭加減法器的方法，能在1.23 m處對0.4 mm的泄漏進行測量，而壓差僅需要0.023 MPa，在0.03 m處測量時最低壓強可達0.002 MPa[33]。上海交通大學于2005年首次加入了泄漏量計算的功能，在距離泄漏孔100 mm處，可檢測出小孔直徑為0.08 mm，壓力為20 kPa，40 mL/min空氣的泄漏量[34]。北京理工大學氣動技術中心提出了陣列式多超聲波換能器氣密性檢測方法，并研制了超聲波氣密性檢測儀，在泄漏判斷、泄漏定位、泄漏估算上有了明顯的提高。

2.2　超聲波氣密性檢測理論

1) 氣體泄漏產生超聲波原理

根據典型泄漏小孔流動狀態，當孔隙的尺寸足夠小，密閉容器內外壓差足夠大的時候，此時孔隙中泄漏出的氣體的流速會很大，泄漏氣體的雷諾數比較高，泄漏處于湍流區，形成湍流射流。

Lighthill在1952年給出了湍流形成漩渦進而產生聲波的論述[32]，其聲壓的有效值與噴口的直徑、氣流密度、噴注速度的四次方呈正比，與測試點的距離、當地均勻介質中的聲速的平方呈反比。

另外，由于是根據湍流射流分析到聲波，很難精確給出泄漏孔徑和聲波的頻率及射流速度之間的關系，Strohal[29]通過大量的實驗分析給出了聲波頻率的相關經驗公式，與泄漏孔射流速度成正比，而與泄漏孔的有效直徑成反比。

當泄漏孔徑很小時且聲波頻率會大于20 kHz，人耳無法聽到聲音，但此時聲波依然在空中進行傳播，叫做空載超聲波。通過檢測待測目標超聲波信號可以判斷是否存在氣體泄漏。泄漏產生的超聲波的頻率與射流速度和力學平均直徑相關，精確確定中心頻率不太容易實現。通過前人大量的測試經驗得知[43]，泄漏產生的超聲波的頻帶一般比較寬，在 20 kHz 到 100 kHz 之間都有分布。而在不同的頻率點處，超聲波的能量實際上是不同的。但是在相同的頻率點處，對于形狀相同的泄漏孔來說，泄漏所產生的超聲波的聲強是隨泄漏量的不斷增大而增大的，這就可以通過對一固定頻率點的測量來代替全頻譜的測量判斷泄漏。圖1為典型的環境噪聲與泄漏的頻譜圖。

圖1　泄漏聲與噪聲頻譜分布圖

由圖1可知，在可聽聲頻段環境噪聲的強度遠大于泄漏聲，在超聲波頻段泄漏聲大于環境噪聲，40 kHz頻率點的超聲波信號具有較強的信噪比，即可通過采集40 kHz頻率點的超聲波信號進行氣體泄漏檢測。

2) 基于神經網絡和D-S證據理論的微小泄漏識別

針對微小泄漏產生的聲強較微弱、無法用傳統的超聲波聲強檢測方法進行判斷，我們提出了一種基于神經網絡和D-S證據理論的微小泄漏識別方法[35]。圖2為基于D-S證據理論的微小泄漏識別方法流程，首先將各相鄰的超聲波換能器采集到的信號進行互相關運算，以去除噪聲的影響，提高系統的抗干擾性；將得到的相關數組通過訓練好的神經網絡，得到根據此數組得出的泄漏的概率、未泄漏的概率及不確定的概率；最后將各個組得到的概率進行基于D-S證據理論的數據融合，計算出泄漏的概率，得到對泄漏狀態的判定結果。

圖2　基于神經網絡和D-S證據理論的微小泄漏識別流程

基于神經網絡網絡D-S證據理論的微小泄漏識別方法是將超聲波換能器采集到的數據經過互相關運算、神經網絡運算后進行了基于D-S證據理論的數據融合，表2所示的實驗結果顯示可以在1000 mm處準確的判斷出150 kPa，0.06 mm的泄漏狀態。該方法提高了超聲波泄漏檢測系統對微小泄漏的檢測能力，較未融合的判斷有良好校正效果。

表2　D-S數據融合(1000 mm、150 kPa)

3) 基于聲強與TDOA融合的泄漏定位

在泄漏定位算法中，首先利用聲強大小對泄漏位置進行粗略定位。不同換能器接收到的來自同一泄漏聲源的超聲波信號的強度也不同。距離泄漏孔越近的換能器，接收到的超聲波的強度越大，從而構成約束條件，泄漏孔應位于對應接收到聲強最大值的兩個換能器之間，因此可以確定泄漏的大致范圍。在確定了大致泄漏范圍的基礎上，利用到達時間差TDOA算法進行精確定位[36，37]，圖3為基于TDOA泄漏定位方法的原理示意圖，在檢測時以換能器A1的中心點作為基準點，A1中心點到泄漏孔的距離L，即為得到的定位距離值。

圖3　基于TDOA泄漏定位方法的原理示意圖

一般的TDOA泄漏定位應用中，是對所有傳感器得到的數據進行計算，這樣不僅增加了算法的計算量，而且可能會因為微小的誤差導致對泄漏點的模糊定位或是計算泄漏點位置出現結果跳動。為此在引入聲強因素之后，就能夠在先得到泄漏范圍的基礎上，利用確定的兩組數據進行計算，能夠有效的避免模糊定位情況的出現，進一步提高定位的準確性。

同時，相鄰傳感器之間的距離大小及傳感器距離泄漏點的距離大小是影響TDOA泄漏定位精度重要因素，通過理論推導可得出給定換能器間距的條件下最優的測試距離如圖4所示。

圖4　測試距離h與換能器間距d關系

從圖4可以看出，傳感器間隙d的微小變化，會引起測試距離h的較大變化，因此在實驗中d設置好后，將盡可能取h滿足曲線關系，使定位誤差最小。

在固定聲壓、固定換能器間距的條件下，不同測試距離下的實驗結果表明測試距離為140 mm時，測試誤差最小。同樣，固定聲壓、固定傳感器距離的條件下，不同傳感器間距的實驗結果表明當傳感器間距為60 mm時，測試誤差最小。

4) 基于聲強-氣壓關系的泄漏孔徑估算

根據對理論經驗公式和方法的分析研究，本實驗室提出一種能夠快速估算泄漏孔徑(泄漏孔等效為圓形)大小的基于改進型聲壓-氣壓關系的泄漏孔徑估算方法[38]。對先前研究學者提出的聲壓-壓力經驗公式[39]進驗證性實驗并對其進行優化，得到適用于微小泄漏檢測的改進型的聲壓-壓力關系：

(1)

從式(1)及圖5的實驗結果可以看到，泄漏產生的聲壓Lf與log(p1-p0)/p0呈線性關系；同時，圖5中擬合直線的斜率與式中計算出的斜率值25接近，因此利用式(1)對泄漏孔徑的尺寸進行估計。

圖5　聲壓Lf與log(p1-p0)/p0關系曲線

式(1)的右項中，由于Lf與log(p1-p0)/p0近似呈線性關系，那么Cfl+20logD/D0即該直線的截距，而對一固定檢測位置和頻率點的測試來說(即Cfl為一常數)，直線的截距即為一與泄漏孔直徑D相關的量。通過一固定孔徑的待測樣件進行測試，計算出常數Cfl的大小，通過不同壓力值下得到的聲壓值可計算出截距h，即可計算出泄漏孔的直徑D。通過不同泄漏孔的實驗，相對誤差最大約為12.4%。

2.3　超聲波氣密性檢測儀器

1) 便攜式超聲波氣密性檢測儀

針對汽車門窗密封性檢測，輪船船體檢測，以及一些無法利用差壓法進行檢測的問題，我們研制了一款便攜式的基于多傳感器的超聲波氣密性檢測儀。該儀器由超聲波換能器組，信號調理電路，信號采集及其處理器電路，信號輸出電路，及其相應軟件組成。系統實物圖如圖6所示。

圖6　便攜式檢測儀實物圖

在算法方面，基于上述基于神經網絡和DS證據理論微小泄漏檢測方法，設計提出了TF-BP-DS模糊識別的檢測算法，首先利用FFT將時域信號變換到頻域，然后在時域和頻域分別利用BP神經網絡和DS數據融合判別微小泄漏是否存在。

通過實驗對整體系統的進行了靈敏度測試。得出了本系統可以檢測到距離漏孔100 mm處，容器內外壓力50 kPa下，有效孔徑為0.06 mm氣體泄漏孔的泄漏。在有效孔徑為0.06 mm，300 kPa的壓力下最遠測量距離為0.8 m，同時具有增益可調、閾值設定、報警和數據輸出功能。

2) 陣列式超聲波氣密性檢測儀

在上述陣列式多超聲波換能器泄漏測試的理論和實驗研究的基礎上，我們開發了基于超聲技術的泄漏檢測系統，可進行微小泄漏的識別、定位和泄漏量估算。該系統由超聲波換能器陣列、前置信號調理電路、數據采集卡和嵌入式主板組成。圖7為檢測系統機箱外觀圖，實驗平臺如圖8所示。

圖7　超聲波氣密性檢測系統

可檢測的指標參數包括： ① 泄漏有無檢測：首先將采集到的各個超聲波數據進行相關運算，得到待測目標的泄漏概率、未泄漏概率及不確定概率，將各個泄漏概率進行基于證據理論的數據融合運算判斷是否有泄漏存在。測試結果表明在1000 mm 處檢測出300 kPa 容器壓力下、檢測出有效直徑為0.06±0.01 mm 孔徑的泄漏； ② 泄漏點定位：首先根據相關性數組計算出泄漏源到達各個探頭的時差值，其次根據采集到的數據進行功率譜換算，得到各個探頭的聲強，最后融合時差值和聲強值，計算泄漏的位置并顯示出來。通過測試定位精度可以達到1 mm 以內； ③ 泄漏孔徑估算：將各探頭的聲強結合設定的對照表，估算出泄漏孔徑的大小。測試結果表明，該研究方法的泄漏孔徑估算精度達到12%以內。

圖8　超聲波氣密性定位檢測系統實驗平臺

在軟件設計方面，利用LabVIEW設計了基于虛擬儀器的線陣型超聲波氣體泄漏檢測系統的軟件平臺，大大提高了測試系統的自動化程度。

3　紅外氣體泄漏檢測系統構成及理論研究

3.1　紅外圖像氣體泄漏檢測系統

當被測對象發生氣體泄漏時，會導致漏孔周圍的溫度場發生變化[40]。基于紅外熱成像技術，通過對采集到的紅外圖像進行分析處理，能夠高效而準確地確定泄漏孔的位置。為了能夠高效而準確地對密閉容器類進行泄漏定位研究，我們設計了基于泄漏檢測的紅外與可見光圖像融合系統。

系統的實驗回路如圖9所示，系統的實物如圖10所示，利用轉臺與三維電動平移臺將紅外熱像儀與可見光攝像機同時調整到合理的視野范圍后，打開截止閥，氣源給定0.1～0.7 MPa的壓縮空氣經空氣處理單元處理，此時將二位三通閥切換至與壓縮式空氣冷卻器連通，氣體流經流量計和節流閥以一定速率向被測對象充氣；充氣一段時間后，停止充氣，將二位三通閥切換至與大氣連通，進行排氣；在整個充氣和排氣過程中，紅外熱像儀與可見光攝像機實時采集被測工件的圖像序列；采集到的紅外圖像與可見光圖像經數據線傳輸到計算機進行存儲和后續處理。

利用LabVIEW進行了系統的軟件開發，實現系統的監測控制功能和泄漏點檢測及定位分析兩部分功能。通過控制三維電動平移臺的運動可實現熱像儀的自動對焦、掃描拍攝和ZOOM IN 功能，通過控制轉臺的旋轉可實現旋轉拍攝被測工件不同角度部位的功能。同時將被測工件的紅外圖像與可見光圖像進行圖像融合，如圖11所示，實現了在可見光圖像中紅外圖像畫中畫功能，更直觀得識別出泄漏點。

圖9　基于泄漏檢測的紅外與可見光圖像融合系統的實驗回路圖

圖10　基于泄漏檢測的紅外與可見光圖像融合系統的實驗平臺

圖11　紅外圖像與可見光圖像的畫中畫融合效果圖

3.2　微小泄漏點識別紅外圖像處理算法

在泄漏目標識別算法方面，針對小目標紅外圖像低信噪比的特點，對于單幀圖片，分別采用自適應核回歸[46,43]與形態學Top-Hat算子[41]進行泄漏診斷與定位；對于多幀圖片，分別提出了基于紅外熱像圖局部灰度-熵差的定位算法[42]、帶有溫差因子θ的改進模糊核聚類分割定位方法[44]與核回歸背景預測的差分定位方法[45]。

1) 基于單幀紅外圖像的自適應氣體泄漏定位算法

針對氣體泄漏紅外圖像信噪比低的特點，將自適應加權中值濾波與自適應核回歸相結合，濾除紅外圖像噪聲的同時估計出圖像背景，然后利用自適應閾值分割的方法可將泄漏點提取出來。

圖12給出了泄漏孔檢測過程中的中間圖像。由于容器檢測面充氣前后其溫度場，尤其是在泄漏點附近的溫度場產生了比較大的變化。我們就是利用這個溫度差異來檢測出泄漏點。

圖12　基于自適應算法泄漏孔檢測過程

2) 基于Top-Hat算子的泄漏點診斷與定位算法

針對紅外圖像中泄漏點處的灰度值較背景要高，與背景不相關需利用高通濾波器抑制圖像背景等特點，利用形態學中的Top-Hat算子可以將需要的目標從復雜的背景中提取出來。

圖13a～圖13e給出了泄漏點診斷過程中各階段的圖像處理結果。

如圖13所示，中值濾波后消除了圖像中的隨機噪聲，圖像變得平滑。利用Top-Hat算子濾波，開運算后圖像中的目標點和亮噪聲被剔除，從而得到背景圖像；將圖13a與圖13b相減得到只剩下目標點和亮噪聲圖像。采用閾值分割將濾波后的圖像二值化。利用Diff.邊緣檢測最終可得到目標點的輪廓。

3) 基于紅外圖像幀序列的氣體泄漏檢測算法

在基于單幀紅外圖像的泄漏檢測算法中， 利用自適應核回歸的方法能夠提高泄漏點的檢測質量， 但由于檢測表面形狀的不規則(如物體表面有凹槽)，邊緣信息容易影響檢測結果，且由于噪聲和環境因素的影響，泄漏點誤檢或者漏檢的虛假報警的情況會時有發生。為了解決這些問題， 提出了基于核回歸背景預測的紅外圖像幀序列泄漏檢測方法，并與改進的管道濾波方法相結合，能夠有效的消除邊緣信息，降低虛警率，保證檢測速度同時提高了檢測的成功率。

圖13　圖像處理各階段結果圖像

基于幀序列的泄漏診斷定位系統整個診斷過程如框圖14所示。

對于不規則表面紅外圖像，如果對整幅圖像進行處理，計算量大，在通過前面幀建立管道后，以管道中心為ROI2窗口中心建立50×50的窗口。如圖15所示為連續后面幀序列利用小窗口處理的過程。

經過基于紅外圖像幀序列的泄漏點檢測算法處理后，原有的一些虛警點被成功剔除，最終得到如圖16所示的泄漏點的像素質心坐標在圖中被框出。

圖15　不規則表面雙窗口管道濾波示意圖

圖16　不規則表面泄漏點指示圖

4) 基于差分熱像圖模糊核聚類分割的泄漏定位算法

為解決由于受到紅外發射率和被檢表面情況等多種因素對測試精度影響的問題，提出一種基于差分熱像圖模糊核聚類分割的泄漏定位方法。該方法利用拍攝充氣前后被測容器的紅外熱像圖進行圖像增強和加權差分處理，提出基于帶有溫差因子θ的模糊核聚類分割算法來處理容器的紅外熱像圖，進行對泄漏位置及邊界的提取。通過引入與目標區域溫度范圍相關的參數-溫差因子θ，對于不同溫度范圍熱像圖的噪聲具有良好的自適應抑制能力，增強了圖像分割的魯棒性。

圖14　基于幀序列的泄漏診斷診斷框圖

算法特點檢測能力適用性基于單幀紅外圖像的自適應氣體泄漏定位算法自適應能力強,克服物體表面輪廓的影響,檢測效率高,計算量大基于Top-Hat算子的泄漏點診斷與定位算法誤判率低,檢測效率高,適用表面簡單對象基于紅外圖像幀序列的氣體泄漏檢測算法克服物體表面輪廓的影響,受環境影響小,檢測步驟復雜基于差分熱像圖模糊核聚類分割的泄漏定位算法自適應能力和抗干擾能力強,計算速度稍慢基于紅外圖像的局部灰度-熵的泄漏檢測算法克服物體外形信息的影響,易誤判鋁制氣罐:≤31mL/min(0.1MPa)鋼制氣罐:≤45mL/min(0.1MPa)尼龍氣罐:≤12mL/min(0.1MPa)紅外發射率高、傳熱系數低的被測對象檢測效果好

圖17所示為基于帶有溫差因子θ的模糊核聚類分割算法獲得的分割結果和泄漏點定位結果。差分圖像分為8類，用s表示各類圖像的灰度標準差。從實驗結果中可以看出，泄漏目標出現在標準差最小的第四類圖像中。在圖17d中，泄漏區域A中像素連通數為16，遠遠大于非泄漏區域中像素連通數，因此可以直接通過最大像素連通數確定泄漏點位置，此結果與事先設置的泄漏點位置一致。

圖17　θ-KFCM算法模糊核聚類分割的結果

5) 基于紅外圖像的局部灰度-熵的泄漏檢測算法

作為實用簡易的泄漏點紅外檢測算法，通過對局部熵差算法進行改進，選擇了計算量相對加權熵較小的局部灰度- 熵差算法。對于充氣前和充氣后的紅外圖像，選擇大小為m×n的模板分別對兩圖像掃描計算，得出所有大小為m×n所有子圖像對應的平均灰度值和灰度概率，再由局部熵矩陣的計算方法得出每個子圖像對應的灰度-熵值，最后得到兩圖像的局部灰度-熵矩陣。

選用兩幅圖像的局部灰度-熵差矩陣ΔH作為泄漏檢測的診斷因子，對ΔH逐點掃描并與設定的閾值比較：若ΔH中某一連續區域中的元素值均大于閾值δ，則判定該區域為泄漏區域，并計算該連通區域的質心，得到泄漏中心。實驗得到的充氣前后灰度-熵差矩陣ΔH的結果如圖18所示，可以看出矩陣的三維圖中存在的突起部分即為泄漏點位置。

綜上所述，各種微小泄漏點識別紅外圖像處理算法的總結如表3所示。在實際紅外氣體泄漏檢測中可根據測試精度簡繁要求來進行選擇。

圖18　充氣壓力為0.2 MPa時的原始圖像及其局部-灰度熵差矩陣

4　結論

作為保證產品質量和安全性能的重要手段之一，氣密性檢測方法也不斷在進步，尤其傳感器技術和信息技術的發展，給氣密性檢測提供了很多可選的方式，本文針對氣密性檢測的各種方法進行了對比闡述，簡單分析了不同方法的優勢和弊端。同時，對近年新興的超聲波氣密性檢測技術和紅外氣密性檢測技術進行了詳細論述。可以預測，泄漏檢測的未來發展方向主要集中在對泄漏靈敏度的提高、泄漏定位精度的提高和泄漏孔徑估算這三大方向上。除此之外智能化和網絡化也是氣密性檢測技術發展的重要趨勢。

參考文獻：

[1]Pal-Stefan Murvay,IoanSilea (2012).A Survey on Gas Leak Detection and Localization Techniques[J].Journal of Loss Prevention in the Process Industries,2012,(25):966-973.

[2]F Mohammad, A Abdulhameed and N Kahm (2007). Application of Ultrasonic Technology for Well Leak Detection[J]. International Petroleum Technology Conference,2007,(2):1348-1352.

[3]李成貴, 曾升渝. 氣密性檢測技術及其設備[J]. 內燃機,1996, 12(5):18.

[4]江洋.氣體泄漏量超聲檢測理論及檢測系統的研究[D].上海:上海交通大學,2006.

[5]朱小明.氣壓檢漏儀原理及其應用[J].液壓氣動與密封,2005,(8):48-50.

[6]彭光正.氣密性檢測技術現狀及檢測效率改進方法[J]. 現代制造,2008,14(10):12-13.

[7]J L Hartley, F Garcia.Enhanced Method of Bubble Testing[C].Proceedings of the American Society for Non-Destructive Testing Conference,Philadelphia,USA,1980:121-129.

[8]吳孝儉, 閆榮鑫.泄漏檢測[M].北京: 機械工業出版社, 2005.

[9]林引. 密閉容器氣密性檢測方法的仿真研究及應用[D]. 重慶: 重慶大學, 2007.

[10]Rivers, H.K., Sikora, J.G. and Sankaran, S.N. Detection of Hydrogen Leakage in a Composite Sandwich Structure at Cryogenic Temperature [J]. Journal of Spacecraft and Rockets , 2002,39(3): 452-459.

[11]Hisashi K, Ippel S. Gas Leakage Evaluation of CFRP Cross-ply Laminates under Biaxial Loadings[J]. Journal of Composite Materials,2006,(40):853-871.

[12]Kumazawa H, Aoki, TandSusuki I. Analysis and Experiment of Gas Leakagethrough Composite Laminates for Propellant Tanks[J]. AIAA Journal,2003,41(10):2037-2044.

[13]龍飛, 邢武, 盛曾慰. 氣密性檢測方法分析[J]. 液壓氣動與密封,2001, 29(10): 21-23.

[14]F Satoru, F Kenji, S Jiro. Automatic Oil Leak Detection System for an Underground Tank[C].Proceedings of the 21st International Telecommunications Energy Conference, 1999: 16-12.

[15]G Debicki, Y Billard,Y Coudert. Leakage Rate Through a Non-cracked Concrete Wall, Comparison Between Two Situations: Air Pressure Test and Accident Conditions[J].Nuclear Engineering and Design,2005,235(17-19): 2109-2123.

[16]T Kalamees. Air Tightness and Air Leakages of New Lightweight Single-Family Detached Houses in Estonia[J]. Building and Environment,2007, 42(6): 2369-2337.

[17]龔從容,曹書平,馮磊.差壓法檢測泄漏及其準確度分析[J]. 液壓與氣動, 1998,(1):29-31.

[18]肖祥正. 泄漏檢測方法與應用[M]. 北京：機械工業出版社, 2010.

[19]唐曉群.微量泄漏檢測儀[J].大學科技,1997,(2):37-39.

[20]趙苓. 基于紅外圖像的氣體泄漏檢測關鍵技術研究. [D]. 北京: 北京理工大學, 2011.

[21]張玉芝. 基于DSP的氣體泄漏超聲波檢測系統[J].微計算機信息, 2009,25(2):158-160.

[22]Lighthill M.J Wave in Fluids[M]. Cambridge City：Cambridge University Press, 1978.

[23]Paul S, Julie M, Albert T.Gas Coupled Ultrasonic Measurement of Pipeline Wall Thickness [J].Journal of Pressure Vessel Technology, 2005,127(2):290-293.

[24]Javid H, Shanker B, Michael D. Gas-Leak Localization Using Distributed Ultrasonic Sensors[C]. California：Smart Sensor Phenomena,Technology, 72930Z , March 08, 2009，San Diego California USA，33-38.

[25]Niels P, Dries G and Dirk J, et al. Wave Equation Based Imaging of Mode Converted Waves in Ultrasonic NDI with Sup Pressed Leakage From Nonmode Converted Waves[J].IEEE Transactions on Ultrasonics, Ferroelectrics,and Frequency Control,2008,55(8): 1768-1780.

[26]M G Silk. The Transfer of Ultrasonic Energy in the Diraction Technique for Crack Sizing[J].Ultrasonics, 1979,6(7): 113-121.

[27]Bartoli, lvan.Use of Interwire Ultrasonic Leakage to Quantify Loss of Prestress in Multiwiretendons[J]. Journal of Engineering Mechanics, 2011,137(5):324-333.

[28]Hoshino, Kunihiro. On Examination of the Detection Method of Leakage Oil From Sunken Ship and Quantity of the Remained Oil Using Ultrasonic Wave[C]. Tokyo：Proceedings of the International Offshore and Polar Engineering Conference, March 082005,Tokyo:596-603.

[29]李建藩.氣動系統動力學[M].廣州:華南理工大學出版社,1991:21-23.

[30]勒世久.強環境噪聲地下管道泄漏檢測[J].天津大學學報, 1994,(5):34-37.

[31]唐家秀.管道系統泄漏檢測神經網絡與模式識別方法[J].核科學與工程, 1998,9(3):220-227.

[32]曹揚.一種使用的超聲波檢漏儀[J].中南工學院學報,1996,10(2):43-47.

[33]李進,陳會倉,程斌,葛德彪.氣體泄漏超聲波檢測裝置[J].工業儀表與自動化裝置, 1996, (5): 49-51.

[34]龔其春,氣體泄漏超聲檢測系統研究與設計[D].上海:上海交通大學,2005.

[35]Wang Tao,PeiYu,Fan Wei. Detection of Small Gas Leaks Based on Neural Networks and D-S Evidential Theory Using Ultrasonics[J]. Insight,2014,56(4):189-194.

[36]Wang Tao, Pei Yu, Fan Wei. Leak Aperture Estimation Method Based on the Relationship Between the Sound Pressure and Container Pressure[CD].Nara, Japan:The 12th International Symposium on Fluid Control, Measurement and Visualization, 2013.

[37]Wang Tao, Wang Dongying,Pei Yu, Fan Wei. Gas Leak Location and Detection Method Based on a Multi-point Ultrasonic Sensor Array with TDOA Algorithm[J]. Measurement Science and Technology,2015,26(9):189-194.

[38]Pei Yu. The Gas Leak Locating Detection Based on the Improved Ultrasonic Transducer Array Group[I]. The 5th International Conference on Machinery, Materials Science and Engineering Applications, 2015.

[39]馬大猷,李沛滋,戴根華,等.湍流噴注噪聲的壓力關系[J].物理學報,1978,27(2):121-125.

[40]彭煥良.熱成像技術發展綜述[J].激光與紅外,1997,27(3):131-136.

[41]金月麗,王濤,覃鶴宏,張睿智,范偉,容器及泄漏點溫度變化對紅外氣體泄漏檢測的影響的研究[J],液壓氣動與密封,2012,(32):50-52.

[42]QIN Hehong, WANG Tao, FAN Wei. Air Leak Localization Method Based on Infrared the Rmography Using Local Gray-entropy Difference Algorithm[J].Applied Mechanics and Material,2012，(233)：200-203.

[43]Zhang Rui-zhi,Wang Tao,Zhao Ling,Fan Wei,Zhao Tong.Thermography Autofocus Applied in Air Leak Location[C]. Beijing：International Conference on Fluid Power and Mechatronics(ICFPM2011),2011(P0051): 196-201.

[44]王濤, 覃鶴宏, 趙苓,等. 基于模糊核聚類圖像分割的氣體泄漏定位研究[J]. 北京理工大學學報, 2013,33(3):280-284.

[45]葛楠. 基于紅外熱成像技術的氣體泄漏診斷定位研究[D]. 北京: 北京理工大學, 2009.

[46]趙苓. 基于紅外圖像的氣體泄漏檢測關鍵技術研究[D]. 北京: 北京理工大學, 2011.

關于舉辦JB/T10365-2014《液壓電磁換向閥》等11項液壓閥

標準宣貫及新技術交流會的通知

2014年工業和信息化部發布了液壓電磁換向閥等11項液壓閥系列修訂標準。根據國家標準化管理委員會、工業和信息化部以及中國機械工業聯合會關于標準宣貫的精神，為使各單位盡快了解最新的標準內容，加深對標準的理解，通過標準的有效實施，促進技術創新，提高產品性能和質量，本標委會決定舉辦相關標準宣貫及新技術交流會。

一、主辦單位

全國液壓氣動標準化技術委員會 中國機械工程學會流體傳動與控制分會

二、承辦單位

江蘇省質量技術監督液壓件/齒輪傳動產品質量檢驗站 江蘇省機械研究設計院液壓所

三、會議時間和地點

時間：2015年11月18日-20日；11月17日報到

地點：南京東宮大酒店

四、聯系人

(南京) 朱玲徐澄電話: 025-66062051

楊永軍 電話: 025-52409115

(北京)羅經 電話: 010-82285320

全國液標委秘書處