极端海况下海洋石油结构的风险评估

根据中国海上石油工业缺乏独立的风险评价体系的现状 ,笔者对极端海况进行了环境荷载的联合概率分析 ,利用随机模拟技术 ,求解结构的失效概率 ,提出结构失效分析的新方法 ,并利用DNV提供的历史数据 ,对结构失效的后果做了适当分析。以埕北 12 C井组平台作为实例 ,对平台甲板高程 (AirGap)失效分析进行了实例计算。结果表明 ,使用多维联合极值分布理论及相应的求解方法 ,是离岸工程结构物风险评估的重要手段。     

基于ANSYS的可靠度分析方法及应用

通过对可靠度分析的概述理解到现代工程分析中实体模型不确定因素众多,进而带来分析的不准确性。基于有限元分析软件ANSYS提供的概率设计系统(PDS)的概率分析功能,使对结构的概率分析非常容易。根据结构的失效模式来确定结构功能函数,由此建立结构极限状态方程,再运用结构可靠度分析中的蒙特卡洛法(MCS法)利用结构的失效频率来估算其失效概率。在本文中提出了利用ANSYS的概率分析功能结合MCS法进行结构的可靠性分析的方法,并通过一个实例具体说明了利用ANSYS的概率分析功能实现结构的可靠性分析的可行性。     

基于F-R-M法的刚构-连续梁桥施工期结构强度风险分析

为了解决刚构-连续梁桥施工过程中的风险问题,提出了一种神经网络与有限元结合的定量风险分析方法（F-R-M法）。以八盘峡黄河特大桥为工程背景建立有限元模型,运用参数敏感性分析确定出最不利施工阶段的结构强度主要风险随机变量,然后以蒙特卡洛原理为基础,通过径向基（RBF）神经网络计算结构失效概率,最后对桥梁施工风险进行定量分析。结果表明:该桥在最大悬臂状态下,结构应力仿真次数超过 1 000 万次时,梁体在最大悬臂端应力失效概率仅约为 1.17×10-5,失效概率极低。基于参数敏感性的F-R-M法可以快速、较高精度地对高速铁路刚构-连续梁桥施工期结构强度风险进行定量分析。     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。     

压力容器的可靠性分析

应用概率断裂力学的观点,讨论了压力容器各有关参数的分布特点及允许的失效概率,分析了材料韧性为两种不同分布时压力容器可靠性计算方法,说明了进行压力容器失效概率分析是全面评价压力容器的方法之一.     

压力容器的可靠性分析

应用概率断裂力学的观点,讨论了压力容器各有关参数的分布特点及允许的失效概率,分析了材料韧性为两种不同分布时压力容器可靠性计算方法．说明了进行压力容器失效概率分析是全面评价压力容器的方法之一。     

改进的一次二阶矩计算埋地管道失效概率方法及其应用

为探究不同影响因素对埋地管道运行安全的影响,基于改进的一次二阶矩计算方法,综合考虑埋地管道环向受力和纵向受力的特性,依据应力-强度理论和钢制管道结构设计规范建立了埋地管道失效结构功能函数;通过对ABAQUS软件中的UVARM模块进行二次开发,建立了腐蚀、温度和不均匀沉降耦合作用下的三维管道-地层整体模型,模拟不同管道参数下的管道状况.运用该方法对工程实例进行了计算,分析可靠指标和失效概率的分布情况.结果表明:埋地管道工作内压与管道失效概率呈正相关关系,管道壁厚和管径与失效概率呈负相关关系;在影响参数变化相同的条件下,管道中部失效概率变化最快,两端的失效概率变化较慢.该模型计算结果体现了管道不同部位失效概率的特点,在管道设计、维护和风险评估方面有一定的借鉴意义.     

基于概率神经网络的液氨汽车罐车复合故障诊断

故障诊断在保证危险化学品汽车罐车运输安全方面具有重要意义。从国内交通运输安全的实际要求出发,依据液氨汽车罐车的结构特点及国家法律法规的要求,比较全面、系统地分析了液氨汽车罐车故障特征的相关参数,并将其作为概率神经网络的输入结点。根据实际可能发生的故障分类模式,考虑到故障诊断的容错能力和自适应能力,提出了基于概率神经网络的复合故障诊断模型。利用指标参数作为网络训练样本,对未知故障模式进行诊断,并以广西地区压力容器检验所液氨检测数据为例进行说明。理论分析和实例计算表明,该模型物理概念清晰,计算结果合理,精度较高,在危险化学品汽车罐车故障诊断中有很好的适用性。该项工作可为我国危险化学品汽车罐车故障智能诊断的深入开展提供参考依据。     

天然气管道不同孔径泄漏失效概率量化方法研究*

为研究不同孔径泄漏下天然气管道失效概率,首先基于EGIG数据库和UKOPA数据库天然气管道历史失效数据,计算由不同失效原因导致3种孔径泄漏所占比例;然后将我国管道各原因基础失效概率按照对应比例分别进行修正,获得较适用于我国天然气管道特点的不同孔径泄漏基础失效概率;最后分别考虑第三方破坏、腐蚀、施工缺陷/材料失效、误操作、自然力破坏5种失效原因,完成对天然气管道不同孔径泄漏基础失效概率的修正计算。研究结果表明:小孔泄漏、中孔泄漏和破裂泄漏的基础失效概率分别为0.173,0.128,0.048次/（103 km·a）;修正因子包括管径、埋深、壁厚、管龄、防腐层类型、管道所处区域,上述因子能够满足不同场景下天然气管道失效概率的修正计算;概率量化方法综合考虑失效原因、泄漏孔径以及管道本体信息,能够定量化预测天然气管道失效概率,为天然气管道定量风险评价提供数据支撑。     

基于贝叶斯网络的页岩气集输管道失效概率计算方法研究

页岩气集输管道运行压力和出砂量在生产过程中衰减显著，这导致管道失效概率不断变化，针对这一问题，采用贝叶斯网络方法，建立了页岩气集输管道失效概率动态计算模型。首先，分析页岩气气质特征、管道运行工况及失效原因，利用逻辑门的连接关系，建立了页岩气集输管道失效故障树；其次，基于贝叶斯网络与失效故障树的结构映射关系，将失效故障树转化成贝叶斯网络结构；然后，通过贝叶斯网络的参数学习，实现模型求解；最后，进行了实例应用。研究结果表明:该模型不仅可有效计算页岩气集输管道的失效概率，还能确定影响管道失效的关键风险因素，并且可通过调整节点的状态及概率分布，实现页岩气集输管道失效概率的更新。     

应用电性拓扑状态指数预测烷烃自燃点

建立了一个基于人工神经网络的定量结构-性质相关性模型,用于52种烷烃化合物自燃点的预测研究。应用原子类型电性拓扑状态指数作为表征分子结构特征的描述符。该指数既能表征分子的电子特性,又反映其拓扑特征,同时易于计算,并有较强的同分异构体区分能力。采用误差反向传播（BP）神经网络方法对烷烃自燃点与电性拓扑状态指数间可能存在的非线性关系进行拟合。将52种烷烃样本随机划分为训练集（30种）、验证集（8种）和测试集（14种）,并通过“试差法”确定网络的最优参数。运用最佳网络结构[64—1]对实验样本进行模拟,结果表明,多数样本的自燃点预测值与实验值符合良好,对于测试集,平均预测绝对误差为8．4℃,均方根误差为11．8,优于多元线性回归方法和传统基团贡献法所得结果。该方法的提出为工程上提供了一种根据分子结构预测有机物白燃点的有效方法。     

基于信息融合的自然灾害等级评估方法研究

为对自然灾害灾情等级进行准确评估,在BP神经网络模型的基础上,结合DS证据理论建立基于信息融合的自然灾害灾情等级评估模型。该模型通过对输入的灾害评估指标数据进行分类,建立网络组,对网络组的输出,建立对于各类信任度的基本概率分配函数,最后利用DS证据理论融合,从而实现灾害的最终等级评估。在MATLAB环境下,以我国45个自然灾害的灾情历史资料数据为训练样本进行模型训练,并对2009年自然灾害灾情进行评估测试。结果表明,该模型能改善单一BP神经网络不稳定、误差大的缺点,得到较优的结果。     

基于神经网络的混凝土结构使用寿命评估

混凝土结构耐久性是目前建筑结构与建筑材料研究领域的热点.本文用神经网络的研究方法,研究了处于硫酸盐侵蚀下混凝土结构使用寿命与环境侵蚀介质间的关系.建立了混凝土结构寿命评估神经网络模型.网络输出给出了在预期的破坏等级下结构使用寿命的近似估计.     

复合装药安全性优选BP神经网络模型

为在设计复合装药结构时得到复合装药的能量输出和安全性双优结构,利用BP人工神经网络理论,建立结构优选模型。利用不同的感度和能量输出试验数据,进行模型的训练,训练后对样本进行预测和优选。结果表明,该方法能够克服评估复合装药结构性能优劣的各因素之间的复杂关系,实现精确的非线性预测,得到安全性和能量输出双优的设计结构。     

A sequential probability ratio test (SPRT) to detect changes and process safety monitoring

Detecting anomalies is an important problem that has been widely researched within diverse research areas and application domains. The early detection of faults may help avoid product deterioration, major damage to the machinery itself and damage to human health. This study proposes a robust fault detection method with an Artificial Neural Network-Multi-Layer Perceptron (ANN-MLP) and a statistical module based on Wald's sequential probability ratio test (SPRT). To detect a fault, this method uses the mean and the standard deviation of the residual noise obtained from applying a NARX (Nonlinear Auto-Regressive with eXogenous input) model. To develop the neural network model, the required training and testing data were generated at different operating conditions. To show the effectiveness of the proposed fault detection method, it was tested on a realistic fault of a distillation plant at the laboratory scale.     

基于AGA-BP神经网络的采空区危险性评价

针对采空区危险性评价的影响因素众多且关系复杂的特点,提出了基于AGA-BP神经网络算法评价采空区危险性。将岩体结构、地质构造、岩石抗压强度等13个影响因子作为神经网络输入,采空区危险性等级作为输出,建立一个采空区危险性评价的BP神经网络模型;采用自适应遗传算法(AGA)对BP网络的初始权值和阈值进行全局寻优,将寻优结果回代入网络中进行训练并预测得出采空区危险性等级;利用其它智能算法与该预测结果做出比较,以验证AGA-BP算法的有效性及优越性。结果表明:该算法的优化效果明显,同时在训练时间与预测精度上较其它智能算法有突出的优势,是一种在采空区危险性评价方面值得推广的新方法。     

Prediction of ultimate bearing capacity of Tubular T-joint under fire using artificial neural networks

An artificial neural network (ANN) model is developed for the prediction of the ultimate bearing capacity of tubular T-joint under fire. The input parameters of the network are composed of the diameter ratio (β), the wall thickness ratio (τ), the diameter–thickness ratio (γ) and the temperature (T). The output parameter is composed of the ultimate bearing capacity. In this paper, the training and testing data of the neural network are obtained using the finite element program ABAQUS. The network is trained by 216 dataset and tested by 27 dataset. In the process of training of the network, the Levenberg-Marquardt back-propagation algorithm is adopted. The ‘tansig’ function is adopted in the hidden layer, and the ‘purelin’ function is adopted in the output layer. The results predicted by ANN are compared with the results simulated by finite element method (FEM). These results show that the prediction of the ultimate bearing capacity using the network model is accurate and effective.     

面向实时人群动力学分析的深度基本图网络

当前行人疏散实验中基本图计算方法通常是通过对每个行人进行跟踪实现的.但这种跟踪方法难以实现实时人群动力学分析.针对这一问题,提出了深度基本图网络.实验提出的网络框架由两个模块组成,即多尺度递归卷积神经网络(MSR-Net)和光流模块,分别对行人密度和行人速度进行估计.具体来讲,MSR-Net学习了输入图像与行人密度图之...