1.一种危化品运输存储罐泄漏检测方法，其特征在于，包括以下步骤：步骤一、采集危化品运输过程中存储罐的振动信号和声发射信号；

步骤二、采用小波分解与梅尔倒谱系数相结合的方法对振动信号和声发射信号分别进行降噪；

步骤三、对降噪后的振动信号和声发射信号分别进行特征提取；

步骤四、采用动态相关系数法选择最能表征存储罐泄漏的振动信号和声发射信号中的信号特征；

步骤五、采用BP神经网络对振动信号和声发射信号中的信号特征进行初步识别；

步骤六、采用改进的DS证据理论方法对振动信号和声发射信号的识别结果进行融合，确认泄漏结果；

所述采用改进的DS证据理论方法对振动信号和声发射信号的识别结果进行融合，确认泄漏结果的具体过程包括：步骤601、确定危化品泄漏识别框架；

危化品泄漏诊断的识别框架为U＝{A1,A2，A3，A4，}，A1表示正常，A2表示微小泄漏，A3表示U U中度泄漏，A4表示严重泄漏，在识别框架U下，2为U中所有命题构成的集合，称m:2 →[0,1]为基本概率赋值BPA，满足条件 m(A)是命题A的BPA；

步骤602、不同证据的融合；

在同一识别框架U中，当存在多个不同证据m1,m2,...,mn时，不同证据的合成规则为：其中，k为不同证据之间的冲突系数，

步骤603、使用BP神经网络对网络进行训练，得到泄漏诊断的初始分类结果；

步骤604、根据BP神经网络的输出值构造初始基本可信度分配函数值；

公式为 其中，y(Ai)为该泄漏结果的神经网络输出值，N为所有泄漏结果的输出值的和；

步骤605、使用改进的基于自定义相似度的基本可信度函数值进行修正得到新的证据体；

具体过程包括：

步骤60501、根据公式 计算不同证据mi与mj之间的距离dij；

x

步骤60502、选择e 为映射函数，根据公式 计算各证据之间的相似程度Rij，其中，α∈(0,1)；

步骤60503、根据公式 计算证据mi与其他证据体之间的总相似度Ri；

步骤60504、根据公式 对Ri进行归一化，得到Ri的数据修正系数Ci；

步骤60505、将归一化得到的数据修正系数进行加权平均得到新的证据体步骤606、利用证据理论融合规则对新的证据体进行融合，根据融合诊断决策规则输出最终的分类决策结果。

2.按照权利要求1所述的一种危化品运输存储罐泄漏检测方法，其特征在于，步骤一中所述采集危化品运输过程中存储罐表面的振动信号和声发射信号，以及存储罐阀门上的振动信号和声发射信号的具体过程包括：在危化品运输存储罐的表面安装振动传感器与声发射传感器，在危化品运输存储罐的阀门上安装振动传感器与声发射传感器，振动传感器采集的信号放大处理后传输到振动信号采集卡，进而传输到上位机的处理器中；声发射传感器采集的信号放大处理后传输到声发射信号采集卡，进而传输到上位机的处理器中。

3.按照权利要求1所述的一种危化品运输存储罐泄漏检测方法，其特征在于，步骤二中所述小波分解与梅尔倒谱系数相结合的方法的具体步骤包括：步骤201、选择合适的小波基进行信号分解，分解为高频分量信号s(n)和低频分量信号；

步骤202、采用一阶有限激励响应高通滤波器对高频分量信号s(n)进行预加重处理，得到s′(n)，s′(n)＝s(n)‑0.9(n‑1)；

步骤203、对s′(n)进行短时傅里叶变换，得到信号的短时频谱S(f)，S(f)＝STFT{s′(n)}；

步骤204、将短时频谱S(f)从频域f转换到梅尔频率m，再将信号的功率谱在梅尔域进行2

滤波处理得Y(m)， Y(m)＝ωm|S(f)| ，其中，ωm为梅尔域滤波器；

步骤205、对滤波后的功率谱Y(m)进行对数变换和离散余弦变换，得到梅尔倒谱系数c(m)，c(m)＝DCT{loge(Y(m))}；

步骤206、将去除噪声后的梅尔倒谱系数进行离散余弦逆变换和指数运算得到功率谱；

步骤207、将功率谱进行Moore‑Penrose广义逆矩阵变换得到信号的幅度谱|Z|；

步骤208、对幅度谱采用幅度谱逼近算法，将白噪声信号z0经过傅立叶变换得到Z0，并计算幅度谱|Z0|；

2

步骤209、计算幅度谱误差σ＝(|Z|‑|Z0|) ；

步骤2010、当幅度谱误差σ大于等于设定值σs时，将原始输入的幅度谱|Z|作为幅度谱、|Z0|的相位作为相位谱,使用Wigner‑Ville方法得到复数傅立叶频谱，再经过傅里叶反变换得到重建的时域信号z'；

步骤2011、将重建的时域信号z'经过傅立叶变换得到Zi，其中i为迭代次数,计算幅度谱2

误差σ＝∑(|Z|‑|Zi|) ；

步骤2012、当幅度谱误差σ小于设定值σs时，将原始输入的幅度谱|Z|作为幅度谱、|Zi|的相位作为相位谱,使用Wigner‑Ville方法得到复数傅立叶频谱，再经过傅里叶反变换得到最终重建的高频细节信号；

步骤2013、将重建的高频细节信号和低频分量信号进行小波重构，得到去噪信号。

4.按照权利要求3所述的一种危化品运输存储罐泄漏检测方法，其特征在于，步骤201中所述选择合适的小波基进行信号分解的具体过程包括：采用“db5”小波基函数对振动信号进行分解，分解层数为3层；采用“sym8”小波基函数对声发射信号进行分解，分解层数为4层。

5.按照权利要求1所述的一种危化品运输存储罐泄漏检测方法，其特征在于，步骤三中所述对降噪后的振动信号和声发射信号分别进行特征提取的具体过程包括：对降噪后的振动信号和声发射信号分别进行时域特征、频域特征和小波包能量特征的提取，所述时域特征包括均值、峰值、均方根值、方差、波形指标、峰值指标、脉冲指标、裕度指标、偏斜度指标和峭度指标；所述频域特征包括重心频率、均方频率、均方根频率、频率方差和频率标准差，所述小波包能量特征包括经过小波包分解后得到的各个频段的能量值。

6.按照权利要求1所述的一种危化品运输存储罐泄漏检测方法，其特征在于，步骤四中所述采用动态相关系数法选择最能表征存储罐泄漏的振动信号和声发射信号中的信号特征的具体过程包括：步骤401、根据公式 计算动态相关系数rxy，其中，表示自适应调节系数，a为调节参数，xi为特征值，为特征均值，yi为泄漏程度值，为泄漏程度均值；

步骤402、对调节参数a进行迭代，计算自适应调节系数 的值，输出动态相关系数rxy的绝对值|rxy|；

步骤403、当|rxy|的值越接近1，表明特征向量与泄漏程度之间的相关性越高，|rxy|的值越接近0，表明特征向量与泄漏程度之间的相关性越低，根据|rxy|的值选择最能表征存储罐泄漏的振动信号和声发射信号中的信号特征。

7.按照权利要求1所述的一种危化品运输存储罐泄漏检测方法，其特征在于，步骤五中所述采用BP神经网络对振动信号和声发射信号中的信号特征进行初步识别的具体过程包括：步骤501、初始化网络连接权值ωij、ωjk及阈值σj、σk，计算输入层到隐含层，隐含层到输出层之间的输出值，其中，yk为输出层输出，xi为输入的特征向量，zj为隐含层的输出值；

步骤502、计算输出值与期望值之间的误差以及反向传播的误差，并设定误差期望值，根据实际误差值与期望误差值之间的差距对网络连接权值进行调整；

步骤503、重复步骤501～步骤502，直到误差小于设定的期望误差值时，得到泄漏检测的分类结果。