一种气密性检测方法、系统及介质与流程

本发明涉及气密性测试，具体涉及一种气密性检测方法、系统及介质。

背景技术：

1、气密性泄漏检测作为质量控制的关键环节，广泛应用于汽车零部件、电子产品封装、新能源三电系统等领域。随着工业自动化水平的提高，现代生产线对气密性检测系统提出了更为严苛的要求。为了匹配高频快节拍的生产节奏，检测系统必须在保证检测准确度高、重复性好的同时，具备极高的检测速度和低廉的实施成本。

2、目前，传统的气密性检测方法主要依赖单一的压力或流量参数，或者通过设定固定阈值来判断是否存在泄漏。然而，这种单一参数、固定阈值的方法在实际应用中存在以下缺点：1.测量数据极易受到环境噪声、传感器漂移等因素的干扰，导致误判率高；2.单一参数无法全面反映泄漏过程的动态特征，导致泄漏检出能力不足；3.固定阈值判断缺乏对不同泄漏程度的区分能力，无法实现泄漏等级的精细分类。

3、在气密性检测中，现有技术引用多个参数实现高精度检测。如中国专利申请cn120274967a公开了一种汽车缸套气密性检测装置，通过自动化检测缸套的气密性，利用压力传感器和流量传感器实时监测缸套内部压力和气体流量，控制单元根据预设程序判断气密性。中国专利申请cn122174100a提出一种压缩机气密性检测的多维特征分析方法及系统，结合多种传感器采集数据，进行特征融合分析，提高检测精度，但该专利融合过程过于复杂，算法处理深度高，无法适用于快节奏的检测场景。

4、为了抑制测量噪声并实现对动态系统状态的最优估计，卡尔曼滤波技术逐渐被引入检测领域。在气密性检测这一典型的动态过程中，卡尔曼滤波能够有效滤除高频环境噪声和传感器测量误差，精确跟踪压力和流量的变化趋势。

5、如中国专利cn116086723b公开了一种基于卡尔曼滤波的气压估计方法，解决了气压值采集精确度低的问题，提升了气密性测试仪的可靠性和稳定性。但该专利存在单一参数判断的固有缺点，检测能力有限。

6、中国专利申请cn120179968 a公开了一种针对气密性检测设备的卡尔曼滤波方法及系统，通过图结构模型和连续时间卡尔曼滤波方法，实现了对检测网络拓扑结构的动态适应和高精度气密性检测。但该专利检测过程依赖于复杂的深度学习模型，计算复杂度高，难以在资源受限的嵌入式边缘计算节点上实现。

7、中国专利申请cn121855783a公开了一种气密性测试设备及气密性测试方法，该专利通过多支路通道和旁路通道设计的气密性测试设备，结合实时数据处理和自动控制，适用于高密度数据中心的检漏测试。该专利与本技术的技术方案不同。

技术实现思路

1、本发明提供一种气密性检测方法、系统及介质，至少解决上述技术问题之一。

2、为实现上述目的，本技术提出以下技术方案：

3、一种气密性检测方法，适用于恒压检测场景，包括：

4、获取多传感器数据，传感器数据至少包括温度、流量、压力，任一传感器数据为时间序列参数；

5、分别建立每一传感器数据的卡尔曼滤波模型，并计算每一传感器的滤波数据；

6、根据滤波后的传感器数据，提取统计特征、时域特征、相关性特征，以构建多维特征向量；其中，统计特征包括均值、方差、相对于时间的变化率；时域特征包括峰值、波动幅度；相关性特征包括每两种传感器的滤波数据之间的相关系数；

7、设定每一多维特征向量对应的泄漏阈值，根据已知泄漏数据的标注样本，训练分类模型；

8、输入获取的多维特征向量至已训练的分类模型，根据分类模型各节点的分裂规则进行递归划分，输出泄漏等级。

9、进一步的，还包括：若泄漏等级为正常，则气密性检测通过；若泄漏等级为不正常，则触发警报，终止气密性测试。

10、进一步的，包括：若泄漏等级为不正常，根据泄漏阈值，划分泄漏分类结果，输出分类结果。

11、进一步的，卡尔曼滤波模型包括一维卡尔曼滤波模型，

12、其中，状态方程x(k)=α·x(k-1)+(1-α)·u+w(k)；观测方程z(k)=x(k)+v(k)；

13、式中，x(k)为k时刻任一传感器数据的真实状态；为一阶惯性离散化衰减系数；τ为当前传感器信号时间常数；u为当前传感器稳态目标值；w(k)为过程噪声，服从零均值高斯分布；z(k)为k时刻当前传感器的测量数据；v(k)为测量噪声，服从零均值高斯分布。

14、进一步的，分类模型包括cart算法、c4.5算法、id3算法、随机森林分类算法。

15、进一步的，卡尔曼滤波模型包括sage-husa 自适应卡尔曼滤波。

16、进一步的，卡尔曼滤波模型包括扩展卡尔曼滤波，扩展卡尔曼滤波包括，压力-温度耦合的二维非线性状态方程，用于同时估计压力、温度的真实状态，状态方程的表达式为x(k)=f[x(k-1)]+w(k)；观测方程z(k)=h·x(k)+v(k)；

17、式中，x(k)为k时刻任一传感器数据的真实状态；w(k)为过程噪声；z(k)为k时刻当前传感器的测量数据；v(k)为测量噪声；f为压力-温度耦合的二维非线性关系式，f的每个分量只依赖(k-1)时刻的状态量；h为观测矩阵。

18、进一步的，采用皮尔逊相关系数计算任意两个传感器滤波数据之间的相关系数。

19、基于同样的发明构思，本技术提出一种气密性检测系统，包括：

20、服务器，部署于数据中心，用于存储历史样本数据、进行分类模型训练与优化；

21、边缘计算节点，部署于测试现场，基于处理器提供信号预处理、本地推理与节点自治；

22、现场配套信号采集装置、显示装置、报警装置、记录装置，由边缘节点统一接入与控制；

23、信号采集装置，至少包括温度、流量、压力传感器，用于采集传感器数据，任一传感器数据为时间序列参数；

24、处理器，包括采集控制模块、滤波模块、特征提取模块、分类模块；

25、采集控制模块，用于控制信号采集装置采集传感器数据，存储传感器数据；

26、滤波模块，分别建立每一传感器数据的卡尔曼滤波模型，并计算每一传感器的滤波数据；

27、特征提取模块，根据滤波后的传感器数据，提取统计特征、时域特征、相关性特征，以构建多维特征向量；其中，统计特征包括均值、方差、相对于时间的变化率；时域特征包括峰值、波动幅度；相关性特征包括每两种传感器的滤波数据之间的相关系数；

28、分类模块，输入获取的多维特征向量至已训练的分类模型，根据分类模型各节点的分裂规则进行递归划分，输出泄漏等级。

29、基于同样的发明构思，本技术提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。

30、本发明的有益效果是：

31、本技术提出的气密性检测方法，适用于压力恒定的检测场景。基于压力恒定的测试环境，利用趋向过程的惯性，提出以一维卡尔曼滤波描述气密性测试中物理量的动态行为，在保证计算精度的前提下，简化计算过程，提高计算效率。

32、本技术提出的气密性检测方法，还提出自适应sage-husa的卡尔曼滤波，适用于在线调整过程噪声协方差矩阵q(k)。当实际新息（预测值与测量值的偏差）连续偏大时，说明模型低估了过程噪声，系统通过该公式动态增大q(k)，解决了固定q(k)值无法适应工况变化的问题。当泄漏突然发生时，信号变化剧烈，新息变大，自适应算法会自动增加q(k)值，使滤波器更适配于测量值，从而快速跟踪泄漏状态的突变，避免滤波延迟，提高测试结果准确性。

33、本技术中，卡尔曼滤波对压力、温度、流量三参数分别建立状态估计模型，利用预测-更新迭代机制减小测量噪声与传感器漂移的干扰，滤波后数据具有更高的信噪比与稳定性。

34、本技术从滤波后数据提取18维特征向量，将多传感器数据转化为可量化的特征表示，以利用泄漏过程中多参数协同变化规律，相比单一压力或流量参数检测，多参数融合方法能够更全面地反映泄漏过程的动态特征。

35、本技术中提出的决策树分类模型能够自动学习泄漏状态与多维特征向量之间的复杂映射关系；利用节点分裂规则进行递归划分，输出泄漏等级分类结果，相比于利用固定阈值的判断方法，实现智能化判断，具有更高的准确率与鲁棒性。

36、本技术提出的气密性检测方法，以卡尔曼滤波与分类模型结合，形成“数据采集→滤波降噪→特征提取→分类判断→结果输出”的完整处理链路，卡尔曼滤波的输出可靠的滤波数据，分类模型基于滤波数据进一步智能分类，实现了泄漏状态的精确识别与分级输出。