为了可靠地保证气体存储和运输设备正常安全地运行,尽可能地避免气体泄漏所引发的灾难性危害,如何有效地检测和定位出气体泄漏是人们越来越重视的问题。声传感器阵列气体泄漏检测和定位方法因其稳定性好、抗干扰性强、准确率高等优良特性,逐渐成为当前气体泄漏检测定位领域的热点研究方向之一。本文首先对现有的典型声传感器阵列波束形成算法做出改进,提出了一种基于符号相干性和特征空间分解的波束形成算法,并验证了该算法可以将旁瓣水平从-30d B显著降低到-100d B,增强了波束指向性。同时利用本文设计的多臂螺旋声阵列声像设备在压气站内采集的音频和图像数据,对气体泄漏源进行了声学成像和波达角估计,结果表明本文提出的算法可以提高对于泄漏点的成像分辨率,相比于延时相乘和算法其定位精度提高了4倍左右。然后,在本文提出的音频成像定位方法的基础上,提出了一种基于波束频谱的天然气站场设备运行及泄漏诊断方法。本文设计了线性约束最小方差波束形成器,相较于延时求和波束形成器,可以更准确地根据波达角获取目标设备的音频频谱。通过从波束频谱中提取梅尔频率特征,建立了站场设备的音频特征数据集。使用支持向量机模型能够完全正确地区分出数据集中不同设备的音频数据,且可以准确地诊断出阀门发生不同程度向外泄漏的状况。最后,本文利用阵列离群点检测方法进一步提升了波束形成对于设备音频的成像定位和空域滤波效果。通过检测和筛除阵列中的离群点,可以提高音频成像的分辨率和对比度,且在阵列有8个离群点时使方位角估计的最大偏差从19°减小到1°。综上所述,本文结合波束形成和机器学习技术,提出了一种基于声阵列的天然气站场设备状态监测方法,该方法可以准确地对气体泄漏进行成像定位,并能高效智能地监测站场设备,这为今后声学气体泄漏监测系统的设计和应用提供了新的思路。