硫化氢对不同煤级煤甲烷吸附影响效应研究

为探究H₂S在不同煤级煤体中对CH₄吸附特性的影响效应,利用分子模拟构建肥煤、瘦煤及贫煤3种不同煤级的复杂煤大分子结构模型,并探究H₂S对煤体孔隙的影响作用以及H₂S在煤中的吸附特性,分析不同煤级煤体中H₂S对CH₄饱和吸附量的影响作用。结果显示：煤体表面积与孔隙体积与煤变质程度有关,由大到小依次为肥煤、瘦煤、贫煤;在煤体吸附H₂S过程中,煤体表面及孔隙为H₂S提供吸附场所,且H₂S对贫煤孔隙率影响较为明显;在同温同压条件下,H₂S在同一煤体中的吸附热约为CH₄的1.5倍,在对CH₄及H₂S的双组分气体吸附中,煤体对H₂S的吸附能力大于CH₄;煤体H₂S质量分数在0～1.5%变化区间内,贫煤的Langmuir吸附常数a降幅高达77.4%,肥...     

充填浆液的产气测试及对CO传感器监测的影响

针对采空区充填浆液因发生物化反应后产生干扰气体,引起矿用电化学CO传感器误报警的问题,基于浆液的氧化周期、产气特性、反应后成分的X射线衍射(XRD)及充填产生气体对矿用电化学CO传感器的交叉干扰等测试,研究煤矸石、粉煤灰、普通硅酸盐水泥和矿井水以65.5∶4.5∶10∶20比例配置成的充填浆液的产气特性,探究充填产生气体对矿用电化学CO传感器的影响特征。结果表明：采空区充填浆液在物化反应过程中会消耗O₂和CO₂,且会产生H₂、CO和CH₄;其中O₂和CO的体积分数变化与煤矸石氧化有关,CH₄的体积分数变化与煤矸石中甲烷解吸有关,CaO和CO₂的反应会导致CO₂体积分数的降低,粉煤灰中的铝粉在碱性环境中反应会产生H₂,且H₂是造成矿用电化学CO传感器误报警的主要因素,并对矿用电化学CO传感器检测结果呈正交叉干扰。     

基于GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究

为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_2.5质量浓度、O₃质量浓度、NO₂质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R²)分别为0.80、0....     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...     

基于多传感器融合的林火监测

为了提高近距离火灾监测的准确率,建立了基于Arduino平台的多传感器实时监测系统.此系统安装在移动机器人身上以探测火灾.在林火发生期间,会产生CO、C02明火火焰及其他产物,并引起周围环境温度的升高.因此,选择合适的传感器,检测出以上参数,就有可能据此判断实际环境是否有火.通过在Arduino上搭建火焰传感器、温度传感器、气体传感器和烟雾传感器,可以实时监测环境参数.在无火和有火环境中进行了多次试验,进行数据采集,得到了大量原始数据.无火环境的数据是在不同的天气条件下测得的;有火环境由试验火堆模拟得到.在模拟的过程中,进行人为操作以模拟不同的火情.如通过浇湿底部的可燃物模拟预热阶段,试验数据因此更有代表性.数据分析表明,单个传感器的输出值波动大,且在有火环境和无火环境中的输出值有重叠.因此,用单一传感器来检测火灾的准确率很低.而同时分析3个传感器的输出值时,其输出值随所检测火堆的不同呈现出一致的变化规律.最后,利用神经网络进行多传感器数据融合.涉及5个输入变量,由神经网络实现对多变量的非线性问题进行模式识别.将前述试验所得数据划分为训练数据和测试数据,两类数据均包含一定比例的有火样本和无火样本.用训练数据对BP神经网络进行训练,可得到林火识别模型.用测试数据检验模型,结果表明,该BP神经网络对试验火的识别准确率为98.625％.     

弹药库房有害气体检测技术研究

弄清了弹药库房需要重点检测的气体种类,并找到库房内有害气体浓度最高的位置,安装相应的传感器对有害气体进行重点检测。硬件方面,构建了基于传感器、信号调理电路和数据采集卡的硬件系统;软件方面,开发了基于LabVIEW的数据采集软件和基于改进粒子群算法优化的BP神经网络模式识别系统。最后,通过实验对气体检测系统的性能进行了验证。结果表明,该系统稳定可靠,较好地完成了数据的采集和分析,实现了对有害气体的准确检测。     

填料塔-文丘里耦合洗消设备研发与H2S洗消效率分析*

为提高H2S泄漏应急处置效率,分析H2S洗消效率影响因素,采用ASPEN模拟与实验相结合的方法获取填料层-文丘里耦合设备关键设计参数,研究进气量、入口浓度、液气比等参数对H₂S洗消效率的影响规律,并搭建填料层-文丘里耦合H2S洗消设备。结果表明:填料层-文丘里耦合洗消设备最大洗消效率达91%,可以高效处置H₂S泄漏危机。     

基于人工神经网络的储罐区泄漏源实时定位技术初步研究

本文建立了基于误差反向传播算法（BP）的多层感知器（MLP）结构的神经网络进行储罐区泄漏源的实时定位，提出了现场传感器阵列优化布置的原则，设计了输入空间和解空间，应用计算机仿真获得的泄漏浓度场对建立起来的神经网络进行了训练，并成功进行了验证，分析了隐层节点数、权值和阈值的取值范围和符号、学习因子等因素对网络性能的影响。研究表明利用神经网络的非线性映射能力对储罐区泄漏源进行实时定位是可行的，单隐层的MLP可以被训练来反向分析泄漏浓度场。     

含硫天然气管道泄漏扩散危险区域的多因素耦合分析

为在含硫天然气管道发生泄漏后制定科学有效的风险防控措施,采用数值模拟的方法,分别以泄漏孔径、风速和大气温度为影响因素,以泄漏发生后CH₄扩散的最大面积、CH₄爆炸危险区域面积和H₂S中毒危险区域面积为试验指标,研究3种因素对试验指标的影响。结果表明,泄漏扩散危险区域受泄漏孔径的影响最大,其次是风速,大气温度对其的影响较为不明显。此外,泄漏孔径对H₂S中毒危险区域影响程度最大,对CH₄最大扩散区域影响次之,对CH₄爆炸危险区域影响程度最小。风速和大气温度趋势一致,对CH₄爆炸危险区域影响程度最大,对H₂S中毒危险区域影响次之,对CH₄最大扩散区域影响程度最小。     

基于遗传BP神经网络模型的矿井突水水源判别

在分析矿井突水水源的水化学特征基础上,选取常用的Na~++K~+,Ca~(2+),Mg~(2+),Cl~-,HCO_3~-,SO_4~(2-)等6种离子质量浓度作为水源判别的依据,将具有局部搜索能力的BP神经网络和具有全局寻优功能的遗传算法(GA)进行结合,提高神经网络的泛化性。为了验证其优点,分别采用BP和GA-BP两种神经网络模型对20组训练样本进行训练,并对6组待测样本进行判别。结果表明:GA-BP神经网络模型克服了BP神经网络初始权值与阈值的随机性、易陷入局部最优的缺点,能提高BP神经网络的判别精度;虽然经过GA初始化的BP神经网络在训练过程中收敛速度与误差均不如未优化的BP神经网络,但GA-BP网络模型泛化性却高于BP网络模型,能提高突水水源的判别准确性。     

基于YOLO-BP神经网络的古建筑修缮阶段火灾监测方法*

为提高古建筑修缮阶段火灾监测水平,有效预防火灾事故,提出1种基于YOLO-BP神经网络算法的古建筑修缮阶段火灾监测模型。针对修缮作业对古建筑产生的消防隐患,在施工场地设置监测点,并利用YOLO算法以火源、可燃物为目标进行检测与定位,计算火源与可燃物距离;以火源温度、含氧量、火源与可燃物距离3项指标作为BP神经网络输入层,以火灾概率为输出层,从而进行预测;基于古建筑修缮阶段焊接、切割动火作业阶段的样本数据进行仿真模拟。结果表明:利用模型监测古建筑修缮阶段火灾的准确率达93.9%,验证模型的可靠性;当火源温度在150~2 000 ℃范围内,含氧量不小于19.5%时,动火作业安全距离为10.1 m。     

应急状态下矿井瓦斯爆炸致灾因子传播快速分类器研究*

为了在矿井瓦斯爆炸灾变发生后,快速确定瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子在井巷网络中的传播情况。利用CFD数值模拟或爆炸实验获得瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子传播大数据,将影响瓦斯爆炸传播的因素以及观测点等参数作为人工神经网络的输入节点,压力、温度等致灾因子作为输出节点,建立瓦斯爆炸致灾因子传播快速预测机器学习模型,解决CFD数值模拟的建模、计算及数据分析处理等过程耗时大、不适应灾变应急的快速响应等问题。研究结果表明:在给定爆炸位置和爆炸当量的均直巷道,获得任一点的爆炸冲击波压力、温度以及有毒有害气体所需时间是瞬时的,人工神经网络平均训练误差为6.92 %,有训练样本的验证误差为5.24 %,无训练样本的验证误差为6.88 %。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题,在现有技术成果基础上对多种火灾探测方式进行研讨,并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术,以红外热成像探测为辅助手段,采用神经网络实现数据融合,对模拟实验舱火灾烟雾进行联合探测,在单一火灾探测方式基础上提高了探测准确率。     

基于IPSO-BP神经网络的钢丝绳断丝损伤识别模型研究

为解决传统钢丝绳断丝损伤识别方法精度低,BP神经网络陷入局部最优等问题,提出改进粒子群算法（IPSO）的BP神经网络识别模型。通过采集钢丝绳断丝损伤信号,提取缺陷信号特征,用峰值、峰峰值、波宽、波形下面积和波动能量5个特征值组成特征向量作为神经网络的输人,断丝数量作为神经网络的输出;利用改进粒子群算法对BP神经网络的初始权值和阈值进行优化;建立基于IPSO-BP算法的神经网络模型,用于钢丝绳断丝的定量识别。结果表明:IPSO-BPS神经网络模型的钢丝绳断丝损伤识别精度、泛化能力均高于传统BP神经网络模型,且改进的粒子群算法迭代寻优速度更快。     

基于遗传-神经网络算法的含均匀腐蚀缺陷油气管线爆破压力预测研究*

为提高含均匀腐蚀缺陷油气管线爆破压力的预测精度，保障长输油气管线的安全运行，将遗传算法和BP神经网络相结合，建立含均匀腐蚀缺陷油气管线爆破压力预测的遗传-BP神经网络（GA-BPNNs）模型。采用已有文献实验数据，分析对比该模型与AGA NG-18，ASME B31G，修正B31G，PCORRC，DNV RP-F101和SHELL 92等方法用于X46，X52，X60，X65，X80等材质油气管线含均匀腐蚀缺陷时爆破压力的计算误差。结果表明:GA-BPNNs模型用于含均匀腐蚀缺陷油气管线爆破压力预测时，误差在-7.78%～6.06%之间，预测精度明显高于目前国内外通用规范的计算结果；该模型操作简单，适用范围广，工程实用性好，为含缺陷压力管道爆破压力的预测提供更好的思路和方案。     

城市燃气管网泄漏事故分析知识图谱构建及应用研究*

为深入认识燃气管网泄漏事故的发生发展机理,提高事故分析预测的自动化、智能化、数字化水平,利用知识图谱对燃气管网泄漏事故进行研究。在事故案例分析的基础上,从人-物-环-管的角度对燃气泄漏过程以及火灾爆炸次生事故的相关实体进行归纳梳理,对实体间的逻辑关系和非逻辑关系进行辨识,并对实体的属性进行分类,进而构建出较为全面的燃气管网泄漏事故知识图谱。在此基础上,搭建BP神经网络模型,基于已知实体或属性状态,预测相关联其他实体或属性的状态。研究结果表明:燃气管网知识图谱能够有效展示燃气管网泄漏事故发展的动态过程及相关要素,结合BP神经网络能够有效预测事故的发展路径及相关状态,从而提高燃气管网泄漏事故的分析预测水平与效率。     

污水泵站通风设计探讨

介绍了污水泵站内有害气体的特征及危害性,探讨了对污水泵站内有害物进行通风控制的设计方法。     

铁路行车事故预测方法分析与比较

对铁路行车事故的特点和类型进行分析;根据美国铁路2005年安全年报提供的数据,运用灰色系统理论和BP神经网络方法建立铁路行车事故的预测模型;利用MATLAB软件进行预测仿真,比较和分析两种预测方法的精度及特点。结果表明:灰色系统理论预测结果固定,短期效果比较好;BP神经网络预测具有适应性和灵活性,适用于长期预测。采用灰色系统理论和BP神经网络进行铁路行车事故的预测,克服了传统数学统计预测方法中建立复杂的数学模型,预测准确性低的缺点,对预防和控制铁路事故的发生,降低事故损失具有现实意义。