危险化学介质承压设备法规标准分析

承压设备的设计制造及其材料兼容性选择与承载化学介质的危害特性密切相关,为确保承压设备的安全运行,国内外均制定了危险化学介质承压设备的法规标准.本文通过介绍和对比国内外危险化学介质承压设备的相关法规标准,结合对承压设备与化学介质危害程度分级标准的分析,指出完善我国危险化学介质承压设备相关法规标准的进一步工作内容.     

基于BP神经网络的非煤地下矿山安全评价模型

针对非煤地下矿山安全评价的复杂性和非线性特性,BP神经网络对非线性动态系统较强的适应性,提出并建立了一种基于BP神经网络的非煤地下矿山安全评价模型。为提高该模型的可靠性,结合非煤地下矿山生产工艺特点,提出了一套便于统计和赋值的安全评价指标体系;确定了BP神经网络结构和评价结果表征方法;为提高BP神经网络算法的收敛速度和稳定性,对标准BP算法进行有效改进;通过实例运算验证了该模型的可行性。基于BP神经网络的安全评价模型为评价非煤地下矿山安全管理现状及水平提供了可操作的方法,为矿山有关部门提供了科学安全管理的依据。     

承压类特种设备使用过程风险分级方法研究

基于风险分析理论,针对承压类特种设备使用运行过程的风险状态,建立了承压类特种设备运行过程的实时风险定性分级模型与定量分级模型;并应用AHP方法设计建立了设备风险分级评价指标体系及权重体系;最终结合风险可接受准则,依据设备运行的现实风险评价分级结果,可将承压类特种设备划分为风险高中低不同类型的设备,以采取相应的安全检验及监管措施,实现基于风险的特种设备科学分级分类,从而为提高安全监管效能提供技术方法支撑。     

基于人工神经网络理论的船舶动力装置安全综合评价模型

为提高船舶动力装置安全综合评价水平，依据人工神经网络的基本原理，分析了BP神经网络模型的基本原理和优化策略，将其应用于船舶动力装置的安全评价之中。提出了基于神经网络理论的船舶动力装置综合安全评价模型及实现方法，并以实例论证了此方法的可行性。     

基于人工神经网络理论的系统安全评价

阐述了人工神经网络基本原理 ,研究分析了 BP神经网络模型的缺陷并提出了优化策略。在此基础上 ,将神经网络理论应用于系统安全评价之中 ,提出了基于此理论的系统安全评价模型、实现方法和优点 ;评价实例证明了此方法的可行性。     

基于人工神经网络理论的系统安全评价

阐述了人工神经网络基本原理,研究分析了BP神经网络模型的缺陷拼提出优化策略。在此基础上,将神经网络理论应用于系统安全评价之中,提出了基于此理论的系统安全评价模型、实现方法和优点;评价实例证明了此方法的可行性。     

基于图像学习的透明构件缺陷检测方法研究

光学PC板、玻璃幕墙等透明构件中存在的气泡、缺胶等先天缺陷严重影响着设备的运维保障。因此,提出了一种透明构件缺陷检测方法。首先,基于视觉图像特性分析了透明构件缺陷检测机制;其次,改良了高斯滤波模型,建立了边缘特征检测模型,并确立了缺陷区域分割模型,以降低环境条件的干扰;再次,在进行缺陷区域分级的基础上,建立了依据缺陷特性的强特征参数优选方法,以提高缺陷的精准分类效果;最后,搭建了双通道图像检测试验平台对典型试验对象进行了测试验证,验证了视觉图像学习方法应用于透明构件缺陷检测的有效性和实用性。     

介质浓度波动对承压设备动态风险评估影响研究

承压设备由于其特殊性,一旦发生事故,对经济、环境等会带来严重的后果。在役的承压设备,受加工处理原料、操作工艺条件变化的影响,其风险具有显著的动态属性。从新的角度,提出动态风险评估的理念,建立风险评估模型,探索性地研究介质浓度波动因素对承压设备风险评估的影响。基于RBI技术,针对减薄技术模块,尝试用泰勒级数法把浓度的影响加入失效概率中,具有一定的理论意义及实际工程指导价值。     

BP和Elman神经网络在砂土液化预测中的研究

基于砂土液化的影响因素具有非线性关系,而神经网络模型能够逼近任意非线性函数和适合于动态系统辨识的特性,分别建立输入层为4,隐含层神经元为2,输出层为1的三层BP神经网络和Elman网络,并且通过matlab软件运算,实例比较得出Elman模型比BP模型收敛速度快、精度高,在砂土液化的预测中效果更好。     

基于BP神经网络的海军飞行员人为差错安全影响评估

为了更客观合理地对海军飞行员人为差错安全影响进行评估,提出了一套基于BP神经网络的海军飞行员人为差错安全影响评估方法。首先,根据"人为错误因素"模型并结合海军航空兵飞行员人为因素事故案例建立海军飞行员人为差错安全影响评估指标体系;然后,依据该指标体系构建了基于BP神经网络的人为差错飞行安全影响评估模型;最后,以海军航空兵历年人为因素事故统计数据为训练样本对BP神经网络安全影响模型进行训练,并利用该模型对部分数据进行飞行安全影响评估测试。结果表明,评估结果符合实际情况,该方法可对海军航空兵飞行员人为差错安全影响进行评估。     

卷积神经网络在燃气管道故障诊断中的应用

为了提高燃气管道泄漏故障的诊断能力,判断燃气管道故障泄漏的类型,将深度学习神经网络应用到燃气管道故障诊断领域,提出了一种基于卷积神经网络与softmax分类器的燃气管道故障诊断技术。选取燃气管道故障中的9种特征参数作为模型的原始输入量,经过卷积神经网络的特征提取、参数重构、soft-max分类,最终达到诊断的效果。将得到的卷积神经网络模型应用在实验室的燃气管道故障泄漏检测系统中,结果表明,这种模型在燃气管道故障识别中的准确率稳定在92. 54%,与BP神经网络相比该方法有明显的准确率和稳定性。     

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MATLAB的危险化学品GHS公示标签快速检索系统的设计与实现

随着我国全球化学品统一分类和标签制度(GHS)进程的进一步提速,对危险化学品实验室在化学品危险信息公示的工作质量和效率提出了更高的要求。基于MATLAB建立了一种GHS公示标签检索系统。该系统依据物质的GHS分类信息,实现象形图,危险说明,防范措施快速检索,经整合判别,去除冗余信息及GHS规定可合并的信息后,形成GHS标签,并以文档报告的形式快速给出结果。可由非专业人员操作完成,将公示标签的制作时间降为原来的1/6。同时可以实现多个物质中文和英文的GHS公示标签的自动批量检索和制作,适用于大型GHS数据库的建立。     

基于SDAE的无绝缘轨道电路调谐区故障诊断研究

调谐区是无绝缘轨道电路的重要组成部分,考虑到其在故障诊断中存在的不确定性和复杂性,提出了一种基于栈式自编码的无绝缘轨道电路调谐区故障诊断方法.首先,利用CEEMD方法完成不同故障模式下的轨面电压信号分解,形成原始特征数据集.其次,利用SDAE进行数据"提纯",获取同一故障下的相关性,并采用BP神经网络从标签层对模型进行微调,实现故障分类.最后,利用测试集数据对模型进行测试.试验结果表明,基于SDAE算法的调谐区故障诊断模型在准确率和召回率上均超过98％,验证了算法的有效性.     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

基于BP神经网络的作业场所风险预警模型研究

在全面分析作业场所职业危害风险影响因素的基础上,从人、物、环境、管理、安全技术、法制监管和社会经济利益等方面进行分析,建立了作业场所风险预警指标体系,建立了作业场所风险预警的BP神经网络模型.应用该模型分析多个企业作业场所职业危害的样本,对作业场所风险预警进行实证研究.结果表明,该模型精度较高,具有实用性和可行性,可用于作业场所职业危害风险预警.     

基于BP神经网络的红外可燃气体探测器温度补偿研究

针对红外可燃气体探测器输出电压随温度变化,而又缺乏理论补偿公式的情况,提出采用BP神经网络对基于NDIR的可燃气体探测器进行温度补偿的方法,解决了以往温度补偿通过硬件补偿带来的探测器体积大、重量增加的弱点;与已有的软件补偿方法相比,BP神经网络方法通过对数据进行训练、学习获得温度补偿模型,得到了较好的结果,使得红外可燃气体探测器具有较宽的使用温度范围。     

民航不安全事件报告危险源识别模型

为了识别民航不安全事件的发生原因,从民航不安全事件报告出发,提出了一种基于LDA主题模型和Word2Vec模型的民航不安全事件报告危险源识别模型。首先,构建危险源标签分类表,选取民航不安全事件报告与Wiki中文数据库作为数据源,然后利用LDA主题模型得出民航不安全事件报告的主题概率分布与词概率分布,最后利用Wiki中文数据库训练Word2Vec模型得到词向量,进而计算文档主题与不同危险源标签之间的相似度,得出民航不安全事件报告的危险源分类。结果表明,该模型的精准率为77.7%、召回率为86.8%、F为82.0%,能够有效识别各民航不安全事件报告的危险源。     

基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

基于主成分分析和BP神经网络的综合安全评价模型

提出了基于主成分分析法和BP神经网络的综合安全评价模型.利用主成分分析法的数据降维功能对评价指标进行特征提取,选用合适的主成分作为神经网络的输入,构建网络拓扑结构.在建立多层次道路危险货物运输企业安全评价指标体系的基础上,采用MATLAB对企业安全现状进行实证仿真分析.结果表明,基于主成分分析法和BP神经网络的综合安全评价模型的评价结果优于其他评价模型.研究表明,本文得到的综合模型能够更加客观、准确地反映评价对象的实际情况.