一种具有泄漏检测功能的固态储氢罐制造技术

本申请涉及智能检测领域，其具体地公开了一种具有泄漏检测功能的固态储氢罐，其通过利用基于深度学习的人工智能监测算法来对于声音探测器采集的固态储氢罐的泄露声音探测信号进行处理和分析，以对所述固态储氢罐是否发生泄露进行检测，且利用多个声音探测器之间的空间特征来优化声音特征的表达，提高了泄露声音探测的精准度，进而提高固态储氢罐的安全性和故障预警能力。和故障预警能力。和故障预警能力。

【技术实现步骤摘要】
一种具有泄漏检测功能的固态储氢罐


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种具有泄漏检测功能的固态储氢罐。

技术介绍

[0002]氢能作为清洁高效的二次能源得到了人们的高度重视和广泛研究，氢能储运是氢能产业链中的限制性环节，提高氢能储运效率，降低氢能储运成本，是氢能储运技术的发展重点。目前，已实用化的储氢方式主要有三种：高压气态储氢、低温液氢储罐以及基于储氢材料的固态储氢。固态储氢技术是利用氢气与储氢材料的反应来实现氢气的储存，与其他储氢方式相比，固态储氢技术具有储氢密度高、压力低、安全性好、氢气纯度高等优点，是储氢技术发展的一个重要方向。
[0003]中国专利号CN111720725A揭露了一种固态储氢罐，其包括罐体、储氢床体元件、导气管、过滤片和阀门，其中多个所述储氢床体元件在罐体内部叠放，所述储氢床体元件上设置有纵向的通孔，所述导气管放置于所述通孔内。所采用的储氢床体元件结构可提高储氢床体的传热性能，加快充/放氢速度，同时可阻止储氢材料粉末迁移，保证储氢材料粉末在床体内的均匀分布，避免储氢材料吸氢膨胀在罐体上产生的应力集中，提高固态储氢罐的使用寿命和安全性。
[0004]虽然通过上述装置能够提高固态储氢罐的使用寿命和安全性，但在利用固态储氢罐进行储氢的过程中，仍有可能发生泄露等问题。因此，期待一种具有泄漏检测功能的固态储氢罐以进一步地提高固态储氢罐的安全性和故障预警能力。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种具有泄漏检测功能的固态储氢罐，其通过利用基于深度学习的人工智能监测算法来对于声音探测器采集的固态储氢罐的泄露声音探测信号进行处理和分析，以对所述固态储氢罐是否发生泄露进行检测，进一步地，还利用多个声音探测器之间的空间特征来优化声音特征的表达，提高了声音探测的精准度，进而提高固态储氢罐的安全性和故障预警能力。
[0006]根据本申请的一个方面，提供了一种具有泄漏检测功能的固态储氢罐，其包括：声音探测模块，用于获取由以阵列方式布置的多个声音传感器采集的多个泄露声音探测信号；时域增强模块，用于分别计算所述多个泄露声音探测信号中各个泄露声音探测信号的时域增强图以得到多个声音信号时域增强图；声音时频特征提取模块，用于将所述多个声音信号时域增强图中各个声音信号时域增强图分别通过作为过滤器的第一卷积神经网络模型以得到多个声音时域特征向量；空间拓扑构造模块，用于获取所述多个声音传感器的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个声音传感器之间的距离，所述拓扑矩阵中对
角线位置上各个位置的值为零；拓扑特征提取模块，用于将所述多个声音传感器的拓扑矩阵通过作为特征提取器的第二卷积神经网络模型以得到拓扑特征矩阵；声音特征优化模块，用于分别对所述多个声音时域特征向量中各个声音时域特征向量的特征分布进行优化以得到多个优化后声音时域特征向量；声音特征全局化模块，用于将所述多个优化后声音时域特征向量进行二维排列以得到全局声音时域特征矩阵；图神经编码模块，用于将所述全局声音时域特征矩阵和所述拓扑特征矩阵通过图神经网络以得到拓扑全局声音时域特征矩阵；以及泄露自检结果生成模块，用于将所述拓扑全局声音时域特征矩阵通过分类器以得到分类结果，所述分类结果用于表示固态储氢罐是否发生泄露。
[0007]在上述具有泄漏检测功能的固态储氢罐中，所述声音时频特征提取模块，进一步用于：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述多个声音时域特征向量，所述作为过滤器的第一卷积神经网络的第一层的输入为所述多个声音信号时域增强图中各个声音信号时域增强图。
[0008]在上述具有泄漏检测功能的固态储氢罐中，所述拓扑特征提取模块，进一步用于：使用所述作为特征提取器的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的第二卷积神经网络的最后一层的输出为所述拓扑特征矩阵，所述作为特征提取器的第二卷积神经网络的第一层的输入为所述声音传感器的拓扑矩阵。
[0009]在上述具有泄漏检测功能的固态储氢罐中，所述声音特征优化模块，包括：权重计算单元，用于以如下公式分别计算所述多个声音时域特征向量中各个声音时域特征向量的类小波函数族能量聚合因数；其中，所述公式为：其中表示所述多个声音时域特征向量中各个声音时域特征向量的每个位置的特征值，且是所述多个声音时域特征向量中每个声音时域特征向量的长度，表示以2为底的对数函数值；以及，加权单元，用于以所述多个声音时域特征向量中各个声音时域特征向量的类小波函数族能量聚合因数分别对于所述多个声音时域特征向量中各个声音时域特征向量进行加权优化以得到所述多个优化后声音时域特征向量。
[0010]在上述具有泄漏检测功能的固态储氢罐中，所述图神经编码模块，进一步用于：使用所述图神经网络以可学习的神经网络参数对所述全局声音时域特征矩阵和所述拓扑特征矩阵进行处理以得到包含不规则的空间拓扑特征和声音高维特征的所述拓扑全局声音
时域特征矩阵。
[0011]在上述具有泄漏检测功能的固态储氢罐中，所述泄露自检结果生成模块，包括：使用所述分类器以如下公式对所述拓扑全局声音时域特征矩阵进行处理以获得分类结果，所述公式为：，其中表示将所述拓扑全局声音时域特征矩阵投影为向量，至为各层全连接层的权重矩阵，至表示各层全连接层的偏置矩阵。
[0012]根据本申请的另一方面，提供了一种具有泄漏检测功能的固态储氢罐的方法，其包括：获取由以阵列方式布置的多个声音传感器采集的多个泄露声音探测信号；分别计算所述多个泄露声音探测信号中各个泄露声音探测信号的时域增强图以得到多个声音信号时域增强图；将所述多个声音信号时域增强图中各个声音信号时域增强图分别通过作为过滤器的第一卷积神经网络模型以得到多个声音时域特征向量；获取所述多个声音传感器的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个声音传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；将所述多个声音传感器的拓扑矩阵通过作为特征提取器的第二卷积神经网络模型以得到拓扑特征矩阵；分别对所述多个声音时域特征向量中各个声音时域特征向量的特征分布进行优化以得到多个优化后声音时域特征向量；将所述多个优化后声音时域特征向量进行二维排列以得到全局声音时域特征矩阵；将所述全局声音时域特征矩阵和所述拓扑特征矩阵通过图神经网络以得到拓扑全局声音时域特征矩阵；以及将所述拓扑全局声音时域特征矩阵通过分类器以得到分类结果，所述分类结果用于表示固态储氢罐是否发生泄露。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有泄漏检测功能的固态储氢罐，其特征在于，包括：声音探测模块，用于获取由以阵列方式布置的多个声音传感器采集的多个泄露声音探测信号；时域增强模块，用于分别计算所述多个泄露声音探测信号中各个泄露声音探测信号的时域增强图以得到多个声音信号时域增强图；声音时频特征提取模块，用于将所述多个声音信号时域增强图中各个声音信号时域增强图分别通过作为过滤器的第一卷积神经网络模型以得到多个声音时域特征向量；空间拓扑构造模块，用于获取所述多个声音传感器的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个声音传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；拓扑特征提取模块，用于将所述多个声音传感器的拓扑矩阵通过作为特征提取器的第二卷积神经网络模型以得到拓扑特征矩阵；声音特征优化模块，用于分别对所述多个声音时域特征向量中各个声音时域特征向量的特征分布进行优化以得到多个优化后声音时域特征向量；声音特征全局化模块，用于将所述多个优化后声音时域特征向量进行二维排列以得到全局声音时域特征矩阵；图神经编码模块，用于将所述全局声音时域特征矩阵和所述拓扑特征矩阵通过图神经网络以得到拓扑全局声音时域特征矩阵；以及泄露自检结果生成模块，用于将所述拓扑全局声音时域特征矩阵通过分类器以得到分类结果，所述分类结果用于表示固态储氢罐是否发生泄露。2.根据权利要求1所述的具有泄漏检测功能的固态储氢罐，其特征在于，所述声音时频特征提取模块，进一步用于：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述多个声音时域特征向量，所述作为过滤器的第一卷积神经网络的第一层的输入为所述多个声音信号时域增强图中各个声音信号时域增强图...

【专利技术属性】
技术研发人员：刘学武，梁飞，李守良，
申请(专利权)人：河南氢源技术有限公司，
类型：发明
国别省市：