石油化工行业,由于其环境复杂性,一旦发生泄漏,如果不能及时发现和处理,可能会造成不可逆的后果,如张家口氯乙烯泄漏发生的爆炸事故,造成22死22伤;江苏化工园苯泄漏引起的爆炸事故,造成6人死亡。根据中化安全网和中化安全协会官网公布的2 013-2 019的危化品事故信息,通过对事故类型进行统计,其中由于泄漏引起的危害事故占据48%以上。针对此背景,本文致力于石化场所下泄漏识别与泄漏源定位,主要做了以下工作:针对石化等多噪声环境下,异常声音信号识别困难的问题,提出一种基于自适应噪声的完备经验模态分解（CEEMDAN,Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）和梅尔倒谱系数（MFCC,Mel-scale Frequency Cepstral Coefficients）相结合的特征提取算法。首先对待处理的异常声音信号进行CEEMDAN分解,舍弃前两阶本征模态分量（IMF,Intrinsic Mode Function）,达到去噪的效果,对剩余的IMF提取静态MFCC特征和动态MFCC特征,为提高识别率,引入短时能量特征;将短时能量特征、静态MFCC特征和动态MFCC特征相结合,采用随机森林（RF,Random Forest）分类器,进行对异常声音进行分类识别。将本文提出的特征提取算法与其它特征提取算法作比较,对比结果表明,在低信噪比下,本文提出特征提取算法,在多噪声环境下,具有良好的识别率,且所用识别时间相对较少。计算麦克风阵列相对于声源的空间几何位置关系;基于小波和经验模态分解,提出自适应门限能零比气体泄漏声音端点检测算法。计算结果表明,与传统的能零比和基于EMD的能零比算法相比,提出的算法在低信噪比下不仅具有良好的稳定性,而且检测所用的时间也相对较少。针对实际的石油化工场景,在相对空旷的室外搭建实验系统,利用空气压缩泵模拟石化场景下的泄漏声音信号,Azure Kinect DK自带的麦克风阵列采集声音信号,利用MATLAB软件控制程序。在采样频率、距离、方位角、俯仰角单一变量下进行定位实验,实验结果表明,在室外环境下,该系统具有良好的定位精度。