压缩气体在纺织、化工生产、生物制药、航空航天等领域发挥着重要的作用,被誉为“第四类资源”。由于腐蚀、老化以及人为破坏所引起的气体泄漏,给压缩气体产业造成巨大的经济损失和资源浪费,并威胁工作人员的人身安全,严重影响着压缩气体的广泛应用。因此,研究针对压缩气体的泄漏检测方法具有重要意义。目前,工厂中主要的检测手段是利用泄漏信号与环境噪声的频谱能量在40k Hz相差最大的特性,通过超声检测仪进行人工巡检。存在判定标准单一、容易受到噪声与干扰的影响等缺点;人工巡检的方式耗时耗力,检测的准确性受工作人员的主观能力限制;对于存储易燃易爆气体的场所,人工巡检还会威胁检测人员的人身安全。针对现有方法的局限性,在研究泄漏信号超声特性的基础上,提出一种特征提取结合分类器识别的泄漏检测模式,主要的方法思路以及工作内容为:(1)、通过分析泄漏信号的时频域特性以及压缩气体泄漏产生超声信号的原理,确定低频干扰对特征提取的影响,以及对超声频段进行特征提取的合理性。(2)、选择经验模态分解(Empirical Mode Decomposition,EMD)作为预处理方法,提取泄漏信号的超声频段。首先分析EMD算法的原理和局限性,为解决频谱混叠问题导致的低频噪声干扰与超声信号混杂,影响预处理效果的问题,引入熵理论进行优化:通过实验测试常用熵算法,确定熵具备衡量信号频域分布复杂程度的能力;结合泄漏检测要求,将熵判决作为算法的迭代条件,提出改进EMD算法。通过实验验证,改进EMD算法能够有效解决泄漏检测中的频谱混叠问题。(3)、针对超声频段频谱宽度大、分布复杂的情况,选择梅尔频率倒谱系数(Melfrequency cepstral coefficients,MFCC)作为检测特征。针对MFCC中的Mel变换函数是对人耳听觉机理的拟合,Mel滤波器组无法直接应用于泄漏检测的问题,提出改进MFCC:通过增加不同形式的变换函数,提升特征维度以保障提取超声频段特征的有效性;优化MFCC特征提取流程,与泄漏检测要求相匹配。实验验证改进MFCC的检测准确率更高,鲁棒性更强。最后,引入降维算法优化提取特征,降低进行分类检测的时间消耗。(4)、在实验室模拟泄漏环境并采集实验数据,通过构建数据集测试算法性能。首先,对比不同分类器在数据集上的表现,选择支持向量机(Support Vector Machine,SVM)作为最优分类器并确定模型参数。确定SVM分类器后,得到检测方法性能的相关结果为:改进MFCC相较于MFCC在数据集上的准确率提升超过7%,具有更好的性能,同时MFCC在训练集、测试集上的表现差距较大,出现过拟合现象,而改进MFCC表现稳定,证实改进MFCC特征具有较强的鲁棒性;对比论文所提特征提取方法与超声检测、语音信号处理中的方法在数据集上的表现,论文所提算法检测准确率能达到95.60%,相较其它算法表现更好,同时在不同距离、角度的扰动下具备较强的稳定性,且算法的时间消耗满足实时性的要求;确定了滤波器个数、降维幅度、目标频段范围等关键参数的选取对泄漏检测准确率的影响,为检测方法在实际场景中的应用提供了参考。