一种基于多传感器融合的手套箱泄漏点智能定位检测方法与流程

本发明涉及密封设备泄漏检测，尤其涉及一种基于多传感器融合的手套箱泄漏点智能定位检测方法。

背景技术：

1、手套箱是提供高纯度惰性气氛或密闭隔离环境的核心设备，其密封性能直接决定生产实验的安全性与产品质量，当前行业遵循ej/t1096—1999等标准开展泄漏检测，但现有技术仍存在系统性缺陷，例如现有采用的压力衰减法仅能计算整体泄漏率，完全无法定位泄漏点空间位置，而且受环境温度波动影响大，昼夜温差10℃可造成0.5%-1.2%的测量偏差，微泄漏响应时间长。

2、也有采用肥皂水气泡法，此方法依赖人工逐点涂刷，单台设备检测耗时4-6小时，对微米级孔隙识别能力差，箱体底部、背部、管路密集区存在检测死角；残留水渍易引发箱体腐蚀与电路短路。

3、此外，也有部分采用单一声学检测法，该方法利用泄漏湍流超声波定位，检测速度快，但工业现场环境噪声信噪比低，金属箱体表面声波反射易产生镜像伪影，焊缝、法兰等复杂结构处误报率可达20%以上。

4、为此，本发明提供了一种基于多传感器融合的手套箱泄漏点智能定位检测方法。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于多传感器融合的手套箱泄漏点智能定位检测方法，解决了上述背景技术提出的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于多传感器融合的手套箱泄漏点智能定位检测方法，包括以下步骤：

3、s1：构建双层感知系统与数字孪生模型

4、首先，在手套箱内壁按照三维网格化布局部署微型多传感器阵列节点，构建内部无线传感网络，在箱体外侧部署集成多传感模组的巡检执行机构，然后导入手套箱三维cad模型构建数字孪生场景，预标定内部循环流场与结构反射路径作为先验信息；

5、s2：内置阵列在线监测与初定位

6、在手套箱正常运行状态下同步采集多源数据，分别通过超声tdoa、压差梯度场反演、浓度扩散模型求解三路定位结果，采用改进d-s证据理论进行决策级融合，输出泄漏嫌疑区域并触发精检流程；

7、s3：外置单元区域级融合定位

8、再通过巡检执行机构按规划路径扫描，同步采集超声相控阵信号与红外热成像数据，采用交叉注意力多模态融合算法进行特征级融合，输出一级嫌疑区域；

9、s4：点位级示踪气体验证

10、进一步的，向箱体内注入示踪气体，对一级嫌疑区域精细化扫查，通过动态权重决策融合模型计算泄漏置信度，输出最终泄漏点三维坐标与风险等级；

11、s5：数字孪生闭环输出

12、最后，将检测结果映射至三维模型，生成可视化报告与维修建议，更新泄漏特征库并进行性能趋势预测。

13、作为本发明进一步的技术方案，在步骤s1中，所述微型无线多传感器节点集成宽频超声波传感器、高精度微压差传感器、微量气体浓度传感器与温度传感器，采用磁吸底座固定与无线mesh网络通信。

14、作为本发明进一步的技术方案，在步骤s1中，所述预标定内部循环流场通过cfd仿真获取不同风机转速下的流速场分布，作为后续压差反演与浓度扩散计算的对流项约束。

15、作为本发明进一步的技术方案，在步骤s2中，所述的改进d-s证据理论具体为：将三维空间离散化为体素网格分配概率质量，引入基于空间距离的证据折扣因子处理冲突证据，再通过dempster组合规则合成最终定位结果。

16、作为本发明进一步的技术方案，在步骤s3中，所述超声相控阵信号处理采用波束成形算法计算声源方位，并结合预构建的箱体结构反射路径模型剔除镜像伪影。

17、作为本发明进一步的技术方案，在步骤s3中，所述交叉注意力多模态融合算法具体为：分别提取声学信号的频域特征向量与红外图像的空间梯度特征，通过交叉注意力机制捕捉时空关联性，强化泄漏区域特征并抑制干扰点。

18、作为本发明进一步的技术方案，在步骤s4中，所述动态权重决策融合模型的计算公式为：

19、

20、其中，为根据环境噪声、温度波动实时自适应调整的动态权重系数；

21、、和分别为声学、红外、示踪气体检测的归一化特征值。

22、作为本发明进一步的技术方案，所述动态权重系数通过强化学习算法在线优化，而环境噪声越高则声学权重越低、红外与气体权重越高；其中，环境温度波动越大则红外权重越低、声学与气体权重越高。

23、作为本发明进一步的技术方案，在步骤s4中，所述精细化扫查步距≤0.5mm，且示踪气体为5%氢氮混合气或氪-85放射性气体。

24、作为本发明进一步的技术方案，所述巡检执行机构为多自由度机械臂或导轨式agv机器人，所有外置传感器通过fpga同步时钟触发采样，同步误差≤1μs。

25、本发明提供了一种基于多传感器融合的手套箱泄漏点智能定位检测方法，与现有技术相比具备以下有益效果：

26、1、本设计的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，通过内置无线传感网实现不间断在线监测，在泄漏发生后秒级预警并初步定位，而且外置巡检执行机构承接后续高精度定位，无需人工介入，既解决了全内置方案维护困难、成本高昂的问题，又弥补了全外置方案无法实时监测的短板。

27、2、本设计的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，利用超声波负责快速触发，压差梯度负责空间精确定位，气体浓度负责长期趋势验证，该机制可以有效解决了传统多传感器融合中快传感器等慢传感器导致的信息丢失或慢传感器被快传感器主导导致的误判问题，而且将cfd预标定的循环流场作为先验条件，同时用于修正内部压差梯度、浓度扩散模型与外部声学传播路径，从根源上消除了手套箱内部强制循环气流对定位结果的干扰，解决了现有技术直接套用管道、罐体检测方案而不适配手套箱场景的行业痛点。

28、3、本设计的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，通过动态权重决策融合模型，根据环境噪声、温度波动、气体浓度梯度等实时条件自适应调整各传感模态的权重，并引入强化学习算法以历史检测准确率为奖励函数进行在线优化，而且从高风险区域自动识别、巡检路径自动规划，到泄漏点三维可视化标注、部件自动识别、维修建议生成、衰减趋势预测，整个流程都是基于数字孪生体系进行运行，进一步提高了其检测效率。

1.一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，在步骤s1中，所述微型无线多传感器节点集成宽频超声波传感器、高精度微压差传感器、微量气体浓度传感器与温度传感器，采用磁吸底座固定与无线mesh网络通信。

3.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，在步骤s1中，所述预标定内部循环流场通过cfd仿真获取不同风机转速下的流速场分布，作为后续压差反演与浓度扩散计算的对流项约束。

4.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，在步骤s2中，所述的改进d-s证据理论具体为：将三维空间离散化为体素网格分配概率质量，引入基于空间距离的证据折扣因子处理冲突证据，再通过dempster组合规则合成最终定位结果。

5.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，在步骤s3中，所述超声相控阵信号处理采用波束成形算法计算声源方位，并结合预构建的箱体结构反射路径模型剔除镜像伪影。

6.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，在步骤s3中，所述交叉注意力多模态融合算法具体为：分别提取声学信号的频域特征向量与红外图像的空间梯度特征，通过交叉注意力机制捕捉时空关联性，强化泄漏区域特征并抑制干扰点。

7.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，在步骤s4中，所述动态权重决策融合模型的计算公式为：

8.根据权利要求7所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，所述动态权重系数通过强化学习算法在线优化，而环境噪声越高则声学权重越低、红外与气体权重越高；

9.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，在步骤s4中，所述精细化扫查步距≤0.5mm，且示踪气体为5%氢氮混合气或氪-85放射性气体。

10.根据权利要求1所述的一种基于多传感器融合的手套箱泄漏点智能定位检测方法，其特征在于，所述巡检执行机构为多自由度机械臂或导轨式agv机器人，所有外置传感器通过fpga同步时钟触发采样，同步误差≤1μs。