AI压缩空气泄漏检测定制：超声阵列定位与泄漏量估算

压缩空气泄漏通常占工厂用电的15%~25%，但传统听音棒只能逐点排查，效率低且依赖老师傅经验。我们为一家汽配厂做定制时的路径是：把8通道超声麦克风阵列装在移动巡检车上，采集38~42kHz频段，用波束成形做声源定位，再截取峰值方向的一段时频特征送轻量模型，区分泄漏、吹扫气流与电磁阀排气。 定制重点有三处： 1、频段与阵列孔径须按现场背景噪声重新设计。冲压车间低频能量占主导，需加高通滤波与自适应噪声基底，否则定位会始终偏向主机震动方向。 2、泄漏量不能只报声压级。我们用已知孔径的标准漏孔做现场标定，建立声压—距离—孔径的回归关系，输出L/min估值，误差控制在±30%以内即可满足维修排序需求。 3、与空压机房流量基线交叉验证。单点声学判定容易把正常用气误判为泄漏，把巡检时段与总管流量波动对齐后，误报明显下降。 落地后，巡检从两人一天查一层楼缩短为单人两小时覆盖全车间；优先修复排名前10的漏点后，空压机加载率约下降6%。这类项目的关键往往不在模型多深，而在标定方法与误报抑制。