BP神经网络在航空机务人员本质安全程度评价中的应用

航空机务是飞机安全服役的重要保障,为提高航空机务系统的本质安全性,需要对航空机务人员的本质安全程度进行准确评价。在对本质安全人进行定义并明确航空机务人员本质安全程度评价项目后,构建了一种基于MATLAB的用于本质安全程度评价的BP神经网络模型。实例分析中,以某航空公司10位机务人员的专家打分数据作为样本输入,在对输入数据进行标准化处理,并明确期望输出后,通过编程计算,确定了网络隐含层神经元的最佳数目。采用优化结构进行仿真计算,结果表明BP网络的期望输出值和实际仿真输出值能较好吻合,证实了模型的可信性。基于BP网络的航空机务人员本质安全程度评价具有较好的适用性和可行性。     

基于风险耦合理论的航空装备本质安全管理研究

为提高航空装备的本质安全管理水平,奠定新一代航空装备安全服役的良好基础,基于目前本质安全管理理论片面强调组成元素自身本质安全度的提高,忽略系统组元间耦合交互作用的现实,提出了一种基于风险耦合理论的航空装备本质安全管理模型。对航空事故本质致因和耦合风险理论进行了分析,指出耦合风险的原因主要在于各系统组元在容错性、兼容性和标准化等方面存有缺陷。构建了基于耦合理论的飞机本质安全管理图示模型,强调系统宏观安全度的提高在于组元的本质安全化和对组元内部及组元之间耦合风险的有效管控,建立了系统安全度和耦合风险度计算模型,为航空装备服役安全性的提高提供了新理念。     

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％.     

一种航空装备系统中本质安全人的构建方法

据统计,各种事故因素中人为失误占80%,为提高航空装备系统的服役安全性,需要在其使用管理中构建本质安全人.在对本质安全人进行定义并分析构建必要性后,提出了航空装备系统本质安全人的构建方法,建立了人员安全行为控制模型,最后指出本质安全人可靠性增长与本质安全人的构建有着共同的努力方向.对于航空装备系统服役安全性的提高有一定...     

基于生态学视角的煤矿企业本质安全文化建设评价研究

系统分析了煤矿本质安全文化的影响因素及各要素间存在的复杂反馈依存关系,结合网络分析法 对复杂网络关系处理的优点,构建了基于生态学视角的本质安全建设水平评价模型和方法, 从物资系统、能量系统和信息系统3个方面建立了评价指标体系,利用决策软件计算了各指 标的相应权重,并通过实例分析进行了验证.结果表明,该方法具有较强的可操...     

面向新型航空装备系统的安全保障模式研究

四代机和大型运输机作为新型的航空装备,因其具有更为先进的技术性能,导致服役风险的增大。为促进国内四代机装备部队后战斗力的迅速形成,提出了一种基于和谐交互机制的安全保障模式。通过建立系统安全度模型,揭示了航空装备系统本质安全化的规律,即注重系统组元本质安全化的同时,强调系统组元内部及其与外界环境间的和谐交互作用。分析了系统安全保障模式中的人的本质安全化和环境的本质安全化,阐述了三类本质安全人的职责和相互关系;借用辐射理念,建立了系统安全辐射模型,提出安全辐射是扩大安全效益的有效手段;对航空装备系统本质安全化中的总效用和边际效用进行了数学描述,认为系统组元达到有机耦合是安全效用最大化的唯一途径,所述观点为新型航空装备的安全服役有一定指导意义。     

基于BP模型的十溴联苯醚分散液液微萃取条件优化

采用正交试验研究萃取剂类型、萃取剂体积、分散剂类型、分散剂体积、溶液pH值、离子强度和萃取时间对水样中痕量十溴联苯醚(decaBDE)分散液液微萃取(DLLME)回收率的影响.结果表明,离子强度对萃取回收率(ER)的影响非常显著,而分散剂体积与萃取剂体积交互作用的影响不显著.通过极值法确定的decaBDE分散液液微萃取条件下的萃取回收率为88.24%.以正交试验数据为训练样本,以分散剂体积、萃取剂类型、pH值、离子强度及萃取时间为输入,萃取回收率为输出,建立了影响decaBDE分散液液微萃取的BP神经网络模型.模型检验样本预测输出值和试验值的决定系数为0.873 4,表明模型可以预测水样中decaBDE分散液液微萃取的回收率.采用遗传算法工具箱对建立的BP神经网络模型进行优化求解,得到的优化分散液液微萃取条件下的decaBDE萃取回收率平均值为99.94%,比通过极值法确定的萃取回收率提高10%以上.     

以风险预控为核心的安全管理体系理论研究与应用

以系统安全理论的观点和方法,通过建立人机环境系统物理模型,剖析两类危险有害因素诱发事故的机理,阐述危险有害因素在生产系统中不同影响程度和情况.将生产系统划分为本质安全型、风险型、危险型和危机型四种形式,并与之对应将安全管理分为本质安全管理、风险预控管理、隐患排查治理和应急响应管理四个等级.进而提出推行“以风险预控为核心、以隐患排查治理为基础、以应急响应为补充、以本质安全为目标”的“四位一体”安全管理模式.     

二元部分互溶液体闪点的支持向量机(SVM)预测与实验研究

建立了一个基于支持向量机的理论模型,用于预测二元部分互溶混合液体的闪点.根据所研究混合液体的物理性质,选择了纯物质的黏度、表面张力、配比、燃烧下限等物理参数来表征闪点,以这些参数作为输入参数,二元部分互溶液体的闪点作为输出值,应用支持向量机方法对两者之间的内在定量关系进行模拟.结果表明,闪点预测值与实验值符合良好.为工...     

基于SVM耦合遗传算法的回采工作面瓦斯涌出量预测

为了对回采工作面瓦斯涌出量进行预测,提出将支持向量机(SVM)与遗传算法(GA)相耦合。利用GA寻找SVM最优的惩罚参数c和核函数参数g,并结合SVM训练速度快且具有良好泛化性能的特点,建立了基于SVM耦合遗传算法的回采工作面瓦斯涌出量预测模型。煤层深度、煤层厚度、煤层倾角、开采层原始瓦斯量、煤层间距、采高、临近层瓦斯含量、临近层厚度、层间岩性、工作面长度、推进速度、采出率、日产量对瓦斯涌出量的影响是复杂的、非线性的,因而将其作为预测的影响参数。将瓦斯涌出量作为目标参数。分别将影响参数和目标参数作为GA-SVM的输入值和输出值进行训练,训练后的预测输出和期望输出之间的误差绝对值作为GA的适应度函数值进行参数优化。结果表明,该预测模型预测的最大相对误差为5.878 2%,最小相对误差为0.923 0%,平均相对误差为2.180 9%,相比耦合前及其他预测模型有更强的泛化能力和更高的预测精度。