基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。     

塔机驾驶员的持续性视觉注意负荷研究

为提高塔机作业安全工效,基于视觉心理学、认知心理学理论,利用眼动追踪技术记录驾驶员视觉行为数据,分析和评估塔机驾驶员视觉转移过程的表征参数,结果表明:起重作业过程中驾驶员注视时间长,视知觉资源主要集中于起吊物,保持持续性注意状态,以维持高效起重作业,心理负荷较大;起重作业不同子过程注视时间与瞳孔直径差异较大,在空中平移过程中注意力较为分散,瞳孔直径较小,心理负荷较小。据此,提出了塔机起重作业的人因工效改善方向,为起重作业安全实施提供决策支持。     

驾驶员注意水平的模糊综合评价研究

驾驶员是道路交通系统中最灵活、最有价值的因素,而交通事故的发生往往都归结为驾驶员的"不注意",因此探讨驾驶员的注意水平对减少交通事故的发生有很大的意义.通过对驾驶员注意的研究和分析,结合专家在注意方面的研究成果,建立了驾驶员注意水平综合评价指标体系,并运用多级模糊综合评价,对驾驶员的注意水平进行评价,得出了驾驶员的注意水平等级.     

基于T-S模糊神经网络的地铁深基坑安全预警

为提高地铁深基坑施工安全预警的准确性和高效性,针对传统预警信息分析处理过程中存在的单指标评判、人为随意决策、不同指向的信息错误组合等问题,提出基于T-S模糊神经网络的多信息融合模型。以黄浦新城站深基坑工程为背景,从空间区位和事故警情2个方面识别与筛选安全预警信息源;运用T-S模糊神经网络构建多信息融合模型,选取大量样本对模型进行训练与检测,以提高模型的有效性和泛化能力;融合预警信息并对融合结果进行分析。结果表明:空间区位和事故警情的融合结果与现场的警情位置和警情类型相吻合,证明该融合模型在深基坑施工安全预警中具有可行性与适用性。     

多源信息下驾驶员认知负荷的测度方法研究

为分析多源出行信息对驾驶员认知负荷的影响机制,设计包含可变信息板(VMS)、交通广播以及这两者相结合的3种模拟驾驶场景,通过建立驾驶员认知负荷测评量表,采集驾驶仿真试验及认知负荷量表数据,测度多源信息影响下的驾驶员认知负荷。结果表明:3种场景中的出行信息均会影响驾驶员的认知负荷,单一VMS场景的认知负荷最低,多源信息场景最高;单一VMS场景中信息搜寻的认知负荷低于交通广播,获取和决策过程则高于交通广播;多源出行信息对认知负荷的影响维度主要是脑力负荷和时间负荷;出行经验对认知总负荷的影响与场景相互独立。     

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。     

矿区岩溶地表塌陷神经网络预测模型研究

针对矿区岩溶地表塌陷存在的非线性动力学特征,为更准确预测岩溶地质矿区地表塌陷区域分布,在分析研究某矿区岩溶地表塌陷机理及其影响因素基础上,确定矿区地表塌陷的影响因素,构建矿区岩溶地表塌陷BP神经网络非线性动力学预测模型。采集并分析某岩溶矿区大量岩溶地表塌陷历史数据,应用Matlab神经网络工具箱,采用构建的矿区岩溶地表塌陷BP神经网络预测模型,对上述矿区岩溶地表塌陷区域分布情况进行非线性预测。研究结果表明,采用训练的神经网络预测模型可以实现对矿区岩溶地表塌陷危险性的合理预测。     

基于D-S理论的企业安全绩效综合评定研究

为客观评定企业安全绩效,提出一种基于D-S证据理论的企业安全绩效综合评定方法。在确定安全绩效评定指标的基础上,利用模糊函数和群决策方法处理评价过程中的不确定信息,将多源决策信息转换为同一框架下的评价信息,然后根据各决策信息的重要度,通过D-S证据理论的mass函数和证据合成方法对安全绩效评价群决策中的不确定性信息逐层融合。实例表明,该方法能够克服D-S冲突问题,保证企业安全绩效综合评定信息融合结果的准确度,企业安全管理的优劣势的表征更为直观。     

基于信息融合与GM的石油罐区安全监控预测模型

近年来,石油罐区安全事故发生频率呈不断上升趋势。为有效增强罐区安全监控预警系统监测数据的可靠性,并实现对事故的早期预警,基于多传感器信息融合技术和灰色模型(GM)理论,建立出石油罐区安全监控预测模型。首先,研究了基于递推最小二乘法改进的最优加权融合算法,并将其作为一级(特征级)融合模型,其次,介绍分析了灰色预测理论及GM(1,1)模型的实现过程,最后建立出基于GA-BP神经网络算法的二级(决策级)数据融合模型,并得到石油罐区安全监控预测模型。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

驾驶人疲劳监测预警技术研究与应用综述

基于各种物理传感器的疲劳驾驶监测预警技术(DFMP),是交通安全领域的研究重点。这类技术主要包括基于驾驶人生理特征、车辆运行状态以及驾驶人行为特征的疲劳监测。分析论述各种疲劳监测技术的研究现状与进展、优缺点以及应用状况,介绍目前世界上常用的疲劳监测系统。通过分析比较得出:车道偏离监测、车辆运动参数监测、基于人眼、头部运动以及面部状态的疲劳监测等是目前的热点研究方向;系统软硬件的提升、基于机器视觉的多传感器多参数信息融合等是疲劳监测技术重要的发展趋势;更强的实时性、准确性和鲁棒性是疲劳监测技术的发展目标。     

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BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题,在现有技术成果基础上对多种火灾探测方式进行研讨,并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术,以红外热成像探测为辅助手段,采用神经网络实现数据融合,对模拟实验舱火灾烟雾进行联合探测,在单一火灾探测方式基础上提高了探测准确率。     

基于多信息检测的车辆智能防撞预警技术研究

运用多源信息检测技术对驾驶状态进行综合检测,利用架设在车辆外部的摄像机获取本车与前方车辆之间的相对距离、相对速度信息,利用架设在车辆内部的摄像机获取驾驶人状态信息,通过综合判断降低车辆防撞检测的漏警率、误警率以及冗余报警率;构建车辆行驶安全判定规则,对行车实时危险和潜在危险进行检测、分析与判断,获取可靠的防撞警示提醒;使反应时间、相对距离、相对速度3个方面都能得到优化控制,从而避免车辆碰撞事故;同时也为提高车速、增加道路通行能力、实现自动驾驶等奠定良好的基础。     

基于BP神经网络的矿车运行时矿井摩擦阻力的预测*

为了快速有效地确定矿车等运输设备在巷道内运行时矿井摩擦阻力的变化情况,克服模拟软件计算量和现场实测工作量大的问题,以巷道风流速度、矿车运行速度、阻塞比、矿车长度4个矿车运行时巷道摩擦阻力的影响因素作为切入点,采用动网格技术模拟得到矿车在巷道内运行时有关矿井摩擦阻力的数据,以此为样本构建基于BP神经网络的矿井摩擦阻力预测模型,运用MATLAB软件进行网络训练,并将BP神经网络预测值与FLUENT模拟值进行对比。研究结果表明:BP神经网络结构比较简单,能以较快速度收敛,预测值与模拟值最大误差在7%以内,该神经网络模型用于求解矿车等运输设备在巷道内运行时摩擦阻力的变化情况是可行的。     

基于因子分析与BP网络的地铁施工安全预警研究

为了解决当前我国地铁施工过程的安全预警问题,构建因子分析与BP神经网络相结合的地铁施工安全预警模型。在分析地铁施工安全预警指标的基础上,采用SPSS因子分析法对调查数据进行降维,采用Visual Basic 6.0软件编写BP网络程序,并通过工程实际数据实现模型的训练及检测。研究结果表明,通过因子分析能使BP网络的输入数据从37个减少至7个,经因子分析降维后的收敛速度和计算精度均高于未经因子分析的神经网络,且误差均在10%以内。通过因子分析与BP神经网络相结合构建的耦合模型识别地铁施工过程中的不安全因素,进而有针对性地完善地铁施工的相关预警技术。     

基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

Turning gap acceptance decision-making: the impact of driver distraction

PROBLEM: A number of studies have found that use of in-car phones by drivers can interfere with the cognitive processing necessary for making appropriate and timely vehicle control decisions. However, the specific linkage between communication-based distraction and unsafe decision-making has not been sufficiently explored. METHOD: In a closed-course driving experiment, 39 subjects were exposed to approximately 100 gaps each in a circulating traffic stream of eight vehicles on an instrumented test track that was wet about half the time. The subjects were at the controls of an instrumented car, which was oriented in a typical left-turn configuration (traffic-crossing situation in North America) and with parking brake on and the transmission in neutral. The subjects were instructed to press on the accelerator pedal when they felt that a gap was safe to accept. Their performances were monitored and incentives were provided for balancing safe decision-making with expeditious completion of the task. For half of the gap exposures (randomly assigned), each subject was required to listen and respond to a complex verbal message. RESULTS: When not distracted, the subjects' gap acceptance judgment was found to be significantly influenced by their age, the gap size, the speed of the trailing vehicle, the level of "indecision," and the condition of the track surface. However, when distracted, the subjects did not factor pavement surface condition into the decision process. On wet pavement, the subjects were judged to have initiated twice the level of potential collisions when distracted by the messages that they did when not distracted. DISCUSSION: Listening/responding to verbal messages may reduce the capacity of drivers to process adequately all the important information necessary for safe decision-making. The effects of the messages in our study seemed to cause the subjects to misjudge gap size and speed information when operating under the additional disadvantage of adverse pavement condition. SUMMARY: Attention to complex messages while making decisions about turning through gaps in an on-coming vehicle stream was associated with significantly increased unsafe decision making by subjects in our experiment when the additional complexity of wet surface condition was introduced. IMPACT ON INDUSTRY: While the results reflected a somewhat artificial situation where the measure was signaled intention to act rather than the act itself, nevertheless, they do strongly suggest a scenario in which mental distraction could contribute to crash risk. With the rapid proliferation of telematics in the vehicle market, even with the laudable objectives represented by the Intelligent Transportation Systems initiative, there is a danger of the primary task of the driver being subordinated to a perceived need to enhance information flow to/from the external "world." Industry and governments need to work together to ensure that apparently desirable in-vehicle communication improvements do not compromise safety.