矿井通风网络角联风路自动识别与分析

介绍国内外矿井角联风路判断研究的概况,分析矿井通风网络角联风路自动识别的数学模型,用角联风路自动识别系统,对矿井角联风路进行了自动识别和分析。矿井通风网络角联风路自动识别系统为判断复杂网络或风路中的角联风路提供了准确的、科学的识别工具。     

复杂矿井通风系统角联风路自动识别方法的研究

角联风路的识别与稳定性分析是矿井通风系统稳定性与可靠性分析理论中的核心内容之一。笔者对通风系统角联风路进行了深入的研究;分析了通路法的局限性,简化了角联风路的数学模型,提出了快速、准确、灵活的角联风路自动识别的新方法——节点位置法;编写了角联风路自动识别软件,并应用现场数据进行测试,将其结果与通路法的结果进行了比较分析;证明了节点位置法是切实可行的。     

土城煤矿角联分支通风稳定性分析与控制

介绍了评价角联分支稳定性的两个指标—风流功率与风量敏感度。利用风流功率指标,衡量角联分支的通风稳定性。根据风量敏感度指标,确定影响角联分支稳定性的关键分支。在角联分支稳定性分析与关键分支确定的基础上,提出提高角联分支稳定性的技术措施,使角联分支的稳定性得到有效提高,矿井通风系统稳定性得到加强。将上述方法在土城煤矿加以应用,取得了良好效果。     

角-并联变换法解算简单角联网络研究

在解决简单角联网络的风量分配、风阻风压计算等问题上,很少有比较简便的方法。提出了角-并联变换法,实质是将简单角联通风网络简化为简单并联网络,即将具有共同风量的分支分解为2条或几条具有等值风阻的分支巷道;然后采用BFS法(由Broyden、Flether与Shanno提出),基于MALAB编程解算变换后的网络各项通风参数,并分析等效变换精度。对解算结果的对比分析发现,运用此法求解矿井复杂风网的实算结果与Scott-Hinsley(斯考德-恒斯雷法)所得结果一致,而且更准确,表明角-并联变换的理论和方法是正确的。与传统方法相比,该方法可避免建立复杂的数学方程,在计算机上即可完成全部解算过程,除适用于解算简单角联通风网络外,也可应用于其他相关领域。     

基于Fluent软件的角联通风网络数值模拟

首先采用拟牛顿法(Broyden方法),基于MATLAB编程对地下矿山角联通风网络进行了编程解算,此种方法避免了复杂的数学方程建立过程,使解算过程在计算机上便可全部完成,并且收敛快,精度高。通过对解算结果的对比分析,可以了解角联分支对通风系统的影响,论文重点通过FLUENT软件,对角联通风网络进行了数值模拟,分别模拟了角联分支内有风流流过以及无风流流过的情况,通过选取不同的通风巷道截面,观察速度云图以及矢量图等,可以清楚的看到角联巷道内风流的特性以及效果,为角联巷道内风流特性的研究提供了一定的依据,文章最后指出了在矿山实际情况中,在处理角联通风网络时应注意的一些问题。     

瓦斯爆炸在角联通风管网中的传播特性研究*

为研究真实通风工况下瓦斯爆炸冲击波在复杂管网内的超压演化规律及高温传播规律,采用数值模拟方法,研究角联通风管网模型中各个监测点在不同通风条件下对瓦斯爆炸冲击波超压及高温的影响规律,研究结果表明:瓦斯爆炸冲击波在角联管网传播过程中产生3个局部高压区域,高温气体主要在左、右通路内传播,斜角联分支内只受到微弱影响;管网入口风流的存在,使得爆炸初期冲击波超压经相同距离传播用时更短,峰值更大,破坏力更强;风流的存在使得管网内高温气体传播状态发生改变,斜角联分支与左通路尾部热量发生积聚,温度峰值更大。     

矿井风速故障源诊断及角联结构传感器布设

煤矿井下监控系统测量的风速数据并不能用来判断故障源位置,只能反映风速传感器所在巷道的风量变化情况。引起井下风速变化的原因很多,如巷道冒落、巷道堵塞、巷道变形等,从整个通风网络角度考虑,都可以归结为分支的风阻发生变化。由于井下通风网络中任一分支风阻的变化都可能引起自身及其他相关分支风量变化。提出用逐步线性回归分析法,确定引起通风系统风速传感器报警的分支集合。建立了逐步线性回归分析的通风系统故障源诊断数学模型。通过具体实例给出了风速传感器安设在不同位置下,可能引起此分支风速超限的故障巷道集合的结果。分析了关联分支的风阻变化对角联分支的影响,从而确定选择那些对角联分支影响大且自身风量容易发生变化的巷道安设风速传感器。     

通风系统可靠性和稳定性数学模型研究

通风系统的可靠性和稳定性是矿井通风网络理论的两大核心内容之一,本文从通风系统分析的角度出发,对通风系统可靠性和稳定性数学模型进行了研究.可靠性用来衡量通风系统保持其通风参数的性能,稳定性是衡量风量波动大小的,二者既存在联系又有一定的区别.     

金川矿井通风网络自动简化数学模型与简化技术

重点论述了矿井通风网络自动简化数学模型以及简化技术 ;用网络简化程序框图及网络简化过程、结果、层次图 ,介绍了网络简化程序 ;给出了应用这一自动简化技术的实例     

基于通风网络理论的采空区自燃过程数值模拟

把采空区多孔介质空间假想成由漏风通道组成的通风网络 ,各漏风分支的风阻则按采空区的实际特性给予赋值 ,然后采用通风网络理论、流体力学与传热学理论 ,对新集矿 130 7工作面采空区的简化模型进行了自燃过程的模拟。其模拟结果经实测与分析 ,证明是合理的。因此 ,采用该方法模拟采空区煤炭自燃过程是可行的 ,具有很高的实用价值     

突然进风对室内火灾影响的实验研究

以工业酒精为燃料，在一房间与走廊相联的模型中，研究了封闭燃烧一定时间后，突然进风对室内火灾的影响。分别在走廊进风。起火室进风等情况下，观察了燃烧状况的变化，测量了典型截面的温度分布，并对一些现象出现的原因作了分析。指出这种突然进风，可在短时间、一定范围内降低温度，但主要效果是促进燃烧。当室内有明火源时还会引发烟气回燃，致使其中的温度急剧升高。     

A Noisy-OR gate based fuzzy fault tree approach for micro-leakage evaluation of bolt-gasket-flange connection (BGFC)

In the natural gas gathering and transportation station, bolt-gasket-flange connection (BGFC) is the main connection mode, but due to its large number, the micro-leakage may result in serious consequences. For this reason, early BGFC micro-leakage evaluation can effectively assist decision-making and prevent the occurrence of accidents. To solve the problem of insufficient field data collection, we proposed a Noisy-OR gate based fuzzy fault tree approach, and calculated the corresponding minimum cut sets and the highest risk factors. Moreover, sensitivity analysis (SA) was used to determine that material problems (wear and corrosion of the sealing surface), man-made operation problems (bolts and flanges) and working conditions (pipe vibration and temperature fluctuations) are the key factors that contributing to the BGFC micro-leakage. In brief, the combination of the fuzzy fault tree analysis and Noisy-OR gate is an effective approach for BGFC micro-leakage evaluation, which is of great significance to the micro-leakage analysis, safe operation, and risk assessment of the gas station.     

基于网络分析和联系熵的煤与瓦斯突出预测研究

以煤与瓦斯突出预控为目的,将网络分析法和联系熵理论相耦合,建立了煤与瓦斯突出预测的ANP-CE模型。该模型运用网络分析法建立了煤与瓦斯突出预测指标网络模型并计算预测指标权重分布,划分了突出危险性等级及其相应的指标临界值,确定了各危险等级的联系熵范围。结合工程实例,预测结果与工程实际情况相符,表明了该预测模型在计算预测指标权重分布和煤与瓦斯突出危险性预测上具有可行性和合理性,为煤与瓦斯突出预测方法提供了一种新的途径。     

基于GSPABN的拓扑结构系统状态动态分析

介绍了贝叶斯网络(BN)应用现状及其优势,引入GSPA理论,提出了基于GSPA-BN拓扑结构节点状态分析模型,讨论了节点状态联系度及其重要度表示方法,提出了BN拓扑结构节点态势概念。结果表明,以构建的锅炉缺水烧干事件的BN拓扑结构为例,得到了各根节点重要度排序;同时得到了叶节点、中间节点状态联系度及其态势等级,且中间状态的变化会对其节点态势及其等级产生一定的影响,甚至发生节点态势逆转现象,为动态了解BN拓扑结构节点态势发展奠定了理论分析依据。     

基于神经网络的重大危险源分级研究

利用人工种经网络系统理论，对重大危险源进行分级研究，介绍了危险源分级网络系统的结构、学习过程和分级方法，并在计算机上进行网络实现与模拟。实例结果表明，利用神经网络方法对重大危险源进行分级是合理可行的，具有一定的实用价值。     

Fault propagation behavior study and root cause reasoning with dynamic Bayesian network based framework

The Bhopal disaster was a gas leak incident in India, considered the world's worst industrial disaster happened around process facilities. Nowadays the process facilities in petrochemical industries have becoming increasingly large and automatic. There are many risk factors with complex relationships among them. Unfortunately, some operators have poor access to abnormal situation management experience due to the lack of knowledge. However these interdependencies are seldom accounted for in current risk and safety analyses, which also belonged to the main factor causing Bhopal tragedy. Fault propagation behavior of process system is studied in this paper, and a dynamic Bayesian network based framework for root cause reasoning is proposed to deal with abnormal situation. It will help operators to fully understand the relationships among all the risk factors, identify the causes that lead to the abnormal situations, and consider all available safety measures to cope with the situation. Examples from a case study for process facilities are included to illustrate the effectiveness of the proposed approach. It also provides a method to help us do things better in the future and to make sure that another such terrible accident never happens again.     

Pipeline leakage detection and isolation: An integrated approach of statistical and wavelet feature extraction with multi-layer perceptron neural network (MLPNN)

Leakage diagnosis of hydrocarbon pipelines can prevent environmental and financial losses. This work proposes a novel method that not only detects the occurrence of a leakage fault, but also suggests its location and severity. The OLGA software is employed to provide the pipeline inlet pressure and outlet flow rates as the training data for the Fault Detection and Isolation (FDI) system. The FDI system is comprised of a Multi-Layer Perceptron Neural Network (MLPNN) classifier with various feature extraction methods including the statistical techniques, wavelet transform, and a fusion of both methods. Once different leakage scenarios are considered and the preprocessing methods are done, the proposed FDI system is applied to a 20-km pipeline in southern Iran (Goldkari-Binak pipeline) and a promising severity and location detectability (a correct classification rate of 92%) and a low False Alarm Rate (FAR) were achieved.     

维修时间不确定性下配电网灾后维修队安排的鲁棒恢复研究*

为最小化灾后配电网损失量,准确描述完整维修队工作时间（分为路途时间与具体维修时间）,依据台风路径对维修队所需路途时间进行分类,并利用期望概率描述具体维修时间的不确定性。建立2阶段分布式鲁棒优化模型,采用CCG算法分析国内某地区配电网算例发现:考虑维修时间不确定性可以有效减少配电网损失量。