严重冲突场景下山区双车道公路货车跟驰风险预测

为预测严重冲突场景下山区双车道公路货车跟驰事故风险，基于视频轨迹数据、实测交通流数据、道路线形数据及交通事故数据，采用双变量冲突极值模型、轻量型梯度提升机，构建严重冲突场景下山区双车道公路货车跟驰事故风险实时预测(Truck Following Accident Risk Real-Time Prediction, TFARRP)模型，并利用耦合度模型分析变量耦合程度。研究显示：碰撞时间(Time to Collision)为5.418 s,后侵入时间(Post Encroachment Time)为0.512 s,这是严重冲突场景阈值；TFARRP模型准确率高达95.000%;平均车头时距(A_HD)、两车间距(T_CD)、货车平均速度(T_AS)、及货车横向偏移(T_LO)对TFARRP模型的重要度都超过了10%;当监测到A_HD<21.11 s、T_CD<35.00 m、T_AS<29.00 km/h或T_LO     

海洋大气环境下架空管道腐蚀失重预测

为提高海洋大气环境下油气管道腐蚀失重预测精度，提出了一种基于IWOA-DGM(1, 1,λ)的架空管道腐蚀失重预测模型。首先用佳点集理论优化鲸鱼优化算法(Whale Optimization Algorithm, WOA)初始种群的布局以增强寻优能力，并用非线性自适应权重和改进黄金正弦算法避免WOA模型的随机性，以提高收敛速度。然后利用指数变换、变权弱化缓冲算子和新陈代谢改进离散灰色模型(Discrete Grey Model, DGM(1, 1)),指数变换可以提高原始数据的光滑度，变权弱化缓冲算子可以抵消冲击扰动的干扰，加入新陈代谢可以实现动态的中长期预测。再用改进鲸鱼优化算法(Improve Whale Optimization Algorithm, IWOA)对改进DGM(1,1,λ)模型中的参数λ进行寻优，最后建立改进鲸鱼优化算法的优化离散灰色预测模型(IWOA-DGM(1, 1,λ)),并用该模型对西沙Q235碳钢管道腐蚀失重情况进行预测。结果表明，改进模型的灰色绝对关联度、平均绝对百分比误差和拟合度分别为98.99%、2.43%和98.73%,各项评价指标均优于其他对比模...     

基于蚁群算法的油田井场疏散路径研究

针对油田作业现场的人员疏散问题，通过实测得到作业人员及设备的空间分布特征，构建二维环境地图，利用蚁群算法计算作业人员的最优疏散路径，并对不同工种作业人员分类研究，划分得到井场疏散重点区域。研究结果表明，发生突发事件后，井场内作业人员的疏散时间为31.6 s，按照疏散距离由大至小分别为压裂车操作人员、储罐试油队人员、配液操作人员及其他辅助人员。为了有效提高井场作业人员的疏散效率，应确保设备间预留足够的安全距离，设备与井场边界有一定的空间，应急集中区域不被占用和遮挡。     

基于“情景-任务”的重特大地质灾害救援装备调配优化

地质灾害应急救援是一种涉及因素多、技术含量高、时间要求紧、工作任务重和社会影响大的非常规防灾减灾行动。救援装备是救援工作的重要保障，当前以滑坡、泥石流为代表的地质灾害救援装备调配存在效率低、匹配度低、利用率低等问题。以“灾害情景—救援任务—救援装备调配”的思路，分析中国地质灾害救援案例，总结出“情景-任务-装备”的匹配关系；在此基础上，以救援任务完成时间最短和救援装备利用率最高为目标，构建基于不同情景-任务的救援装备调配模型；针对不同任务与救援资源的调配优先权冲突，用多优先级动态列表规划(MultiPRI List Dynamic Scheduling, MPLDS)算法求解，从而提高救援资源配置和利用效率，保证调配效果最佳；最后，以2019年贵州水城“7·23”特大山体滑坡救援行动为例验证模型和算法的有效性和可行性，为不同灾害类型下救援情景-救援任务-救援装备间的匹配及优化配置提供一种研究范式，为“任务-资源”调配问题的求解提供一种有效的算法，还有助于深化多个受灾点和出救点下多任务、多目标复杂动态优化问题的研究。     

通用航空山区救援安全航迹规划模型

针对通用航空山区救援飞行环境的高复杂度地形问题，提出了一种基于改进型蚁群算法的三维救援航迹规划模型。首先，获取真实的山区地形环境数据，根据安全飞行规则，利用格栅法建立三维飞行环境模型。然后，以路径最短为目标函数、以航空性能为约束条件建立航迹规划模型。最后，利用改进型蚁群算法对模型求解，通过合理设置初始信息素分布和信息素更新规则，改进型蚁群算法，并对西南山区某次通航救援进行了救援航迹规划仿真。改进算法得到的飞行路径与球面直线的距离误差控制在15%以内，且飞行航路的俯仰角和偏转角均满足安全飞行规则，偏航次数较少。研究表明，对于山区环境下的通航应急救援航迹规划问题，提出的改进蚁群算法能够实现对障碍物的规避和对最优航迹的快速搜寻，保证了救援任务的安全性、高效性和可靠性。     

基于IWOA-PNN模型的管道焊缝腐蚀剩余强度预测

针对管道焊缝腐蚀问题构建基于改进鲸鱼优化算法(Improved Whale Optimization Algorithm, IWOA)的概率神经网络(Probabilistic Neural Network, PNN)剩余强度预测模型。首先，通过种群初始化、非线性收敛因子和惯性权重因子提高鲸鱼优化算法的寻优速度和精度；然后，利用IWOA算法优化PNN的光滑因子，构建IWOA-PNN预测模型；最后，以水压爆破试验数据为基础，使用MATLAB软件进行仿真试验，并与另外2个模型进行对比分析。结果表明：IWOA-PNN模型的E_RMS为0.633 1,E_AR为2.19%,R²为0.954 6,均优于PNN和鲸鱼优化算法(Whale Optimization Algorithm, WOA)-PNN模型；IWOA-PNN模型与传统模型相比误差更小，能够更为准确地预测焊缝腐蚀后剩余强度，为管道的维修和更换提供参考。     

基于改进YOLOv5s的综采工作面人员检测算法

为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题，避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题，提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先，在颈部网络部分，采用深度可分离卷积(DwConv)替换普通卷积，降低参数量和计算量；然后，引入改进的路径聚合网络(PANet)提升特征提取能力，替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率；最后，选取综采工作面视频中的人员图像进行检测，选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集，并进行训练和验证。结果表明：对比初始YOLOv5s算法模型，YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好，误检漏检等情况有所减少。     

基于ISOA-RBPNN的埋地管道剩余强度预测*

为提高腐蚀管道剩余强度的预测精度，提出引入弹性梯度下降法改进BP神经网络，并融合改进海鸥优化算法(ISOA)，构建腐蚀管道剩余强度预测模型。关于改进BP神经网络模型的参数寻优，首先采用Cat混沌映射初始化改进海鸥优化算法(SOA)初始种群的分布，提升寻优能力，优化SOA的搜索方向和攻击形式，增强其全局搜索能力并提高收敛速度，然后用ISOA对弹性BP神经网络（RBPNN）模型中的权值和阈值进行寻优，最后构建ISOA-RBPNN预测模型。以管道爆破数据为例，利用MATLAB进行仿真模拟，并与PSO-BPNN模型和IFA-BPNN模型预测结果进行对比分析。研究结果表明:ISOA-RBPNN模型的各项评价指标均优于其他2个模型，预测结果较实际值误差更小，在预测腐蚀管道剩余强度领域具有更好的性能，可为后续研究腐蚀管道剩余寿命和制定维修策略提供参考依据。     

融合心电特征提取的矿工疲劳状态识别

疲劳引起的人为失误是事故的主要原因。为准确识别矿工疲劳状态，降低作业风险，利用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化反向传播(Back Propagation, BP)神经网络，构建疲劳识别模型。首先，通过模拟日常作业进行疲劳诱发试验，将OpenBCI Cyton开发套板作为心电信号的采集装置；其次，借助MATLAB对所采集心电信号(Electrocardiogram, ECG)数据进行预处理，基于疲劳等级形成初始样本数据集；进而利用Pan-Tompkins算法进行特征提取；最后，针对特征间皮尔逊相关系数进行假设检验，从而获得优选指标并用于模型训练，经疲劳识别模型得出结果。结果表明，与传统BP神经网络、支持向量机(Support Vector Machines, SVM)、遗传算法(Genetic Algorithm, GA)优化BP神经网络相比，模型准确率分别提高6.25百分点、22.92百分点、2.78百分点，从而为企业作业人员休息制度的制定及完善提供了理论依据。研究结果对于相关便携式精神状态监测硬件研发具有参考价值。