一种氢气泄漏速率测量方法、系统、电子设备及存储介质

技术领域

本发明涉及氢安全利用技术领域，特别是涉及一种基于超声波传感器的氢气泄漏速率测量方法、系统、电子设备及存储介质。

背景技术

由于氢气具有高效、清洁和可再生的优点，以氢气作为储能和供能的能源越来越受政界、学界和工业界的关注。但是氢气具有易燃易爆、扩散系数大和易对材料力学性能造成劣化的特征，并且当在空气中氢气达到4%-75.6%体积分数时，仅需0.017mJ的点火能量就可点燃氢气并发生爆炸。在氢气制备、储存、运输、加注和使用过程中均具有潜在的泄漏和爆炸危险，同时氢气的爆炸是在扩散范围内爆燃爆轰的合并连锁反应，产生的火焰传播速度与音速相近。因此研究氢泄漏及扩散规律，预测氢气泄漏量对研究氢安全具有重要意义。

氢气泄漏时与容器泄漏孔壁产生摩擦，在出口处形成不稳定的流动，进而产生偶极子和四极子声源，并形成超声波。当容器泄漏孔形状、大小、气体性质和气体压力不同时，泄漏氢气产生的湍流形态和分布会发生变化，进而产生的声波信号特征也不同。

超声波气体泄漏检测技术是目前气体泄漏检测中的一项新技术。超声波检测技术作为无损检测技术的主要方法，它的优势在于穿透能力比较强、对待测目标的检测灵敏度高、检测速度快、缺陷定位准确等一些特点，现在已经被广泛应用与针对现场环境的无损检测中。

现有的超声波气体泄漏检测技术可以基于声压大小和到达时间差实现对气体泄露源的定位，然而通过超声波传感器获得的声波信号难以得出氢气泄漏速率这一关键参数。

发明内容

本发明的目的是提供一种氢气泄漏速率测量方法、系统、电子设备及存储介质，能够准确预测氢气泄漏速率。

为实现上述目的，本发明提供了如下方案：

第一方面，本发明提供了一种基于超声波传感器的氢气泄漏速率测量方法，包括：

基于超声波传感器阵列，计算目标设备对应的声学信号和信号相位差；所述目标设备为存储氢气的设备；

根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第一转化模型，得到预测的喷口孔径；

根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第二转化模型，得到预测的气体压力；

根据预测的所述喷口孔径和所述气体压力，计算目标设备泄漏处的氢气泄漏速率。

第二方面，本发明提供了一种基于超声波传感器的氢气泄漏速率测量系统，包括：

声学信号和信号相位差计算模块，用于基于超声波传感器阵列，计算目标设备对应的声学信号和信号相位差；所述目标设备为存储氢气的设备；

喷口孔径预测模块，用于根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第一转化模型，得到预测的喷口孔径；

气体压力预测模块，用于根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第二转化模型，得到预测的气体压力；

氢气泄漏速率预测模块，用于根据预测的所述喷口孔径和所述气体压力，计算目标设备泄漏处的氢气泄漏速率。

第三方面，本发明提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的基于超声波传感器的氢气泄漏速率测量方法。

第四方面，本发明提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的基于超声波传感器的氢气泄漏速率测量方法。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明通过超声波传感器阵列，确定目标设备对应的声学信号和信号相位差；通过声学信号、信号相位差和深度学习算法，预测喷口孔径和气体压力；通过喷口孔径和气体压力，计算目标设备泄漏处的氢气泄漏速率，解决了管道内外压以及泄漏孔径难以测量的问题，提高了氢气泄漏速率预测的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于超声波传感器的氢气泄漏速率测量方法的流程示意图；

图2为本发明实施例提供的基于超声波传感器的氢气泄漏速率测量系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

如图1所示，本发明实施例提供了一种基于超声波传感器的氢气泄漏速率测量方法，包括：

步骤100：基于超声波传感器阵列，计算目标设备对应的声学信号和信号相位差；所述目标设备为存储氢气的设备。

优先地，在所述目标设备周围设置多个超声波传感器，以形成超声波传感器阵列；所述超声波传感器用于监测氢气泄漏时产生的超声波信号；步骤100具体包括：

基于超声波传感器阵列和信号处理技术，得到超声波到达超声波传感器时的声压信号，以及超声波到达不同超声波传感器时的信号相位差。

其中，所述目标设备对应的声学信号为超声波到达超声波传感器时的声压信号；所述目标设备对应的信号相位差为超声波到达不同超声波传感器时的信号相位差。

步骤200：根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第一转化模型，得到预测的喷口孔径。

步骤300：根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第二转化模型，得到预测的气体压力。

步骤400：根据预测的所述喷口孔径和所述气体压力，计算目标设备泄漏处的氢气泄漏速率。

优先地，步骤400具体包括：

首先基于预测的喷口孔径，计算泄露孔面积；其中，预测的喷口孔径为泄漏孔径；其次基于所述泄露孔面积、预测的所述气体压力和氢气泄漏速率计算公式，计算氢气泄漏速率。

所述氢气泄漏速率计算公式为：

；

式中，Q为氢气泄漏速率，单位为kg/s；A

进一步地，该方法还包括：

基于一段时间内目标设备泄漏处的氢气泄漏速率，采用高斯过程回归算法，确定未来时段内目标设备泄漏处氢气泄漏速率与时间的关系。

根据未来时段内目标设备泄漏处氢气泄漏速率与时间的关系，积分计算未来时段目标设备泄漏处每时刻对应的氢气泄漏量。

按照时间顺序，将未来时段目标设备泄漏处预测的氢气泄漏量依次与泄露阈值进行比较。

当未来时段目标设备泄漏处预测的氢气泄漏量大于泄露阈值时停止比较，并输出停止比较时未来时段目标设备泄漏处预测的氢气泄漏量对应的时刻和氢气泄漏预警指令，实现氢气泄漏的提前预警。

其中，基于高斯过程回归算法实现对未来氢气泄漏速率的预测过程为：

（1）选取一段时间内氢气泄漏速率作为学习样本。

（2）选取合适的核函数，设置超参数的初始值，确定高斯过程回归的先验模型。

（3）基于学习样本对高斯过程回归的先验模型进行训练，确定高斯过程回归的后验模型。

（4）基于高斯过程回归的后验模型预测未来时刻的氢气泄漏速率。

实施例二

为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种基于超声波传感器的氢气泄漏速率测量系统。

如图2所示，本发明实施例提供了基于超声波传感器的氢气泄漏速率测量系统，包括：

声学信号和信号相位差计算模块1，用于基于超声波传感器阵列，计算目标设备对应的声学信号和信号相位差；所述目标设备为存储氢气的设备。

喷口孔径预测模块2，用于根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第一转化模型，得到预测的喷口孔径。

气体压力预测模块3，用于根据所述声学信号、所述信号相位差以及基于深度学习算法确定的第二转化模型，得到预测的气体压力。

氢气泄漏速率预测模块4，用于根据预测的所述喷口孔径和所述气体压力，计算目标设备泄漏处的氢气泄漏速率。

进一步地，该系统还包括：

关系确定模块，用于基于一段时间内目标设备泄漏处的氢气泄漏速率，采用高斯过程回归算法，确定未来时段内目标设备泄漏处氢气泄漏速率与时间的关系。

氢气泄漏量预测模块，用于根据未来时段内目标设备泄漏处氢气泄漏速率与时间的关系，积分计算未来时段目标设备泄漏处每时刻对应的氢气泄漏量。

氢气泄漏时间预测模块，用于按照时间顺序，将未来时段目标设备泄漏处预测的氢气泄漏量依次与泄露阈值进行比较，当未来时段目标设备泄漏处预测的氢气泄漏量大于泄露阈值时停止比较，并输出停止比较时未来时段目标设备泄漏处预测的氢气泄漏量对应的时刻和氢气泄漏预警指令。

实施例三

本发明实施例提供了一种基于超声波传感器的氢气泄漏速率测量与氢气泄漏量评估方法，可以实现管道氢气泄漏速率的测量，以解决管道内外压以及泄漏孔径难以测量的问题，并利用一段时间内已经测得的氢气泄漏速率，预测未来一段时间内氢气的泄漏速率，从而评估氢气泄漏量何时达到危险阈值，实现氢气发生泄露到产生安全隐患过程中的提前预警，提高了氢气在运输和储存过程中的安全性，整个过程计算量小，效率高，贴合现实，准确性高。

本发明提供了一种基于超声波传感器的氢气泄漏速率测量与氢气泄漏量评估方法，包括：

步骤S1，获取若干组训练数据集；所述训练数据集包括声压训练集、相位差训练集、喷口孔径训练集和气体压力训练集。

具体地，所述步骤S1包括：

步骤S11，搭建实验台架；在氢气泄漏处布置一个压力传感器，该压力传感器用来检测泄漏处氢气的气体压力，布置N个超声波传感器以形成一个超声波阵列，下面以5个超声波传感器组成的超声波传感器阵列为例。

步骤S12，进行氢气泄漏实验；分别取不同的喷口孔径，记录得到喷口孔径训练集，利用压力传感器获取泄漏处氢气的气体压力，得到气体压力训练集，利用超声波传感器监测氢气泄漏时产生的超声波信号，经过信号处理得到超声波到达超声波传感器时的声压信号，以及超声波到达不同超声波传感器时的信号相位差，得到声压训练集和相位差训练集。为了安全性考虑，实验利用密度与氢气相近但是不易燃易爆的氦气代替氢气。本发明实施例中，设定氢气的泄漏时长为5s，超声波传感器以20kHz的采样频率对氢泄漏进行信号采样，获得5组声压信号数据以及10组相位差信号数据。

步骤S2，基于声压训练集、相位差训练集、喷口孔径训练集和深度学习算法，得到第一转化模型；所述第一转化模型的输入为声压和相位差，所述第一转化模型的输出为喷口孔径；基于声压训练集、相位差训练集、气体压力训练集和深度学习算法，得到第二转化模型；所述第二转化模型的输入为声压和相位差，所述第二转化模型的输出为气体压力。

具体地，所述步骤S2包括：

步骤S21，将80%的训练数据集用于深度学习训练，将20%的训练数据集用于模型测试。

步骤S22，搭建第一转化网络和第二转化网络，以声压和相位差作为特征输入以喷口孔径作为最终输出量，对第一转化网络进行迭代训练，以声压和相位差作为特征输入以气体压力作为最终输出量，对第二转化网络进行迭代训练。其中，第一转化网络和第二转化网络的损失函数选用均方误差，激活函数选用ReLU，并且加入正则化层，将正则化损失和均方误差合在一起作为整体的误差损失值，在反向传播过程中，第一转化网络和第二转化网络的尺寸会减小，同时所有的权重系数的会尽可能地变小，减小了随机误差对最终输出量的影响。当所述误差损失值小于误差损失设定值且不出现过拟合时，训练结束，得到第一转化模型和第二转化模型。本发明实施例中，所述误差损失设定值为5%。

所述均方误差的计算公式如下：

；

式中：MSE为均方误差，M为当前迭代输入的声压和相位差的数量，y

所述正则化损失的计算公式如下：

；

式中：L

所述误差损失值的计算公式如下：

；/>

式中：

步骤S3，基于超声波传感器阵列，获取实时声学信号，如不同超声波传感器测得的声压以及超声波到达不同超声波传感器时的信号相位差，结合上述第一转化模型和第二转化模型，得到预测喷口孔径和气体压力。

步骤S4，基于预测的喷口孔径和气体压力，计算得出氢气泄漏速率。

具体地，所述步骤S4包括：

氢气泄漏时，在泄露孔处的流体状态为音速流动，根据氢体泄漏时动量方程、能量方程、气体状态方程、泊松方程和连续性方程，可得氢气泄漏速率Q的计算公式为：

；

其中，Q为氢气泄漏质量流速，简称氢气泄漏速率，单位为kg/s；

具体地，所述步骤S4包括：

步骤S41，基于预测的喷口孔径，计算泄露孔面积；其中，预测的喷口孔径为泄漏孔径。

步骤S41，基于泄露孔面积和预测的气体压力，根据氢气泄漏速率计算公式，计算得出氢气泄漏速率。

步骤S5，基于一段时间内的氢气泄漏速率，利用高斯过程回归算法，预测未来的氢气泄漏速率Q与时间t的关系。

具体地，所述步骤S4包括：

设置一定的时间步长，获取m个不同时刻t，通过步骤S4获取t时刻对应的氢气泄漏速率，组成向量D={t

；

这里，k(·，·)是定义域的协方差函数，k

本发明实施例采用指数核函数作为核函数，指数核函数的形式为：

；

其中，

由条件概率公式，可以得出预测值Q

；/>

于是，-1表示逆矩阵，在测试位置上的t

综上，基于一段时间内不同时刻的氢气泄漏速率，根据高斯过程回归算法，可以预测未来的氢气泄漏速率Q与时间t的关系。

步骤S6，基于预测的不同时刻氢气的泄漏速率，计算得出这段时间内的氢气泄漏量，并预测未来哪一个时刻的氢气泄漏量会达到危险阈值，实现氢气泄漏的提前预警。

具体地，基于S5中得出的氢气泄漏速率Q与时间t的关系，则0-t

本发明通过超声波传感器测得的声学信号，得出氢气的泄漏速率，预测了氢气的泄漏量，实现了氢气泄漏的提前预警，提高了氢泄漏量预测的效率和精度。

实施例四

本发明实施例提供一种电子设备包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的基于超声波传感器的氢气泄漏速率测量方法。

可选地，上述电子设备可以是服务器。

另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的基于超声波传感器的氢气泄漏速率测量方法。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。