灰色预测法在设备状态趋势预报中的应用

分析了设备运行状态的特征 ,运用灰色系统理论对设备状态特征量——振动烈度 ,建立了灰色预测模型。计算结果表明 ,预测模型的计算值与实际测定值非常接近 ,而且可进一步预报设备运行状态趋势。灰色预测法的引进 ,丰富了设备状态监测与故障诊断技术学科的基础理论 ,推动了该学科向更高水平发展 ,预示了该学具有更广阔的应用前景。     

面向复杂设备的分布式故障诊断研究

基于复杂系统的设备故障诊断的要求 ,按故障信息流动的方向将诊断过程分为实时监测层、故障诊断层及综合决策层 ,并建造一种分布式多级黑板诊断结构模型。根据不同诊断层次的特点 ,赋予其不同的诊断方法。在实时监测层中各实时监测单元采用神经网络和知识基模块的混合结构完成该层任务 ;故障诊断层则基于广义知识表达模型 ,建立三库结构 ,即静态实例库、动态实例库和规则库 ,整个推理过程基于三级推理机制 ;综合决策层为一智能型的辅助决策支持系统 ,提供对整个系统生产与设备运行状态的综合诊断与决策。     

基于运行场次用时误差的载人设备故障预警可视化研究

针对国内游乐设施行业载人设备运行状态监测不够完善、故障诊断多数情况下需要依赖技术人员经验的现状,分析了基于机理模型、基于知识和基于数据驱动的载人设备故障预警方法,研究了载人设备故障预测的多元线性回归算法,并利用矿山车的时间系数、人数系数、温度系数,建立了矿山车载人设备的多元线性回归模型。通过矿山车15个同步点区间用时预测案例,在可视化平台上显示预测和实际运行曲线,实现了对矿山车或过山车类载人设备运行故障的有效预警。     

关联维数在机械设备故障诊断中的应用研究

研究了混沌与分形的特征参数———关联维数的计算方法和参数的选择。以滚动轴承在正常、外圈故障、滚动体故障、内圈故障4种状态下的信号特征为标准样本,以其运行的实测信号为例,对时域信号进行了频谱分析,并进一步进行了关联维数分析。通过对滚动轴承振动信号的关联维数分析,证明了该轴承在4种不同标准状态下具有明显不同的关联维数特征。因此,按照相关性的大小,就可诊断出实测信号属于外圈故障状态信号。研究结果表明,关联维数分析方法在设备状态监测与故障诊断中,尤其是在非线性系统的故障诊断中显示出其独特的优势,具有较为广阔的应用前景。     

基于mini-1D-CNN模型的TE过程故障诊断

为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自动提取优势特征并进行故障分类;其次,通过逐步向后回归选择重要特征参数,优化模型结构。利用可实时获取的31个过程变量与操作参数,输入一维卷积神经网络(1D-CNN),监测与诊断田纳西-伊斯曼(TE)过程的主要故障。结果表明：相对于其他故障诊断模型,mini-1D-CNN模型在测试集上故障诊断率(FDR)较高,可达到96.50%;同时,mini-1D-CNN模型关注于TE过程故障诊断的重要特征参数,在降低参数量及降低训练和测试时间上具有显著优势。     

游乐园和景区载人设备全生命周期检测监测与完整性评价技术研究

目前,"国家质量基础的共性技术研究与应用(NQI)"重点专项项目"游乐园和景区载人设备全生命周期检测监测与完整性评价技术研究"已在科技部成功立项。该项目从载人设备损伤、故障、失效模式等基础研究出发,攻克其设计、建造、状态监测、故障诊断、风险评价中的共性关键技术,将在国内外率先建立全生命周期的完整性评价技术体系与动态质量监测管理平台。项目完成后,必将推动休闲娱乐和旅游观光业的持续健康发展和安全科学技术进步。本文重点介绍了该项目的背景、目标及总体研究方案、各课题主要研究内容、预期主要研究成果、预期的经济社会效益等相关内容。     

特种机电设备远程监控若干关键技术研究

以可能对城市公共安全造成威胁的机电类特种设备为主要研究对象,探讨对特种设备的在线监测和控制问题,以期提高设备的监测和控制水平,减少和预防事故的发生。根据远程监控系统的基本要求并考虑到实际情况,构造了一种以Internet为骨架、多种异构网络并存的特种机电设备远程监控系统网络拓扑结构模型,并对其中若干关键技术进行研究。重点讨论数据采集、网络技术、故障诊断技术、数据处理技术和数据安全技术,给出了具体的实现措施。部分技术在实践中得到应用,使用效果良好,实现了对特种设备的安全运行监控和故障的预测预报。笔者研究的课题对建立区域性大型机电设备的远程监控、故障诊断和安全管理系统,同样具有重要的现实意义。     

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。     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。     

基于灰色GM(1,1)-马尔科夫模型的职业病预测研究

为准确预测量化我国职业病的发病趋势,在灰色GM(1,1)模型的基础上结合马尔科夫过程构建灰色GM(1,1)-马尔科夫预测模型,探讨灰色GM(1,1)-马尔科夫模型在职业病预测领域的应用。通过平均相对误差、后验差比值、小误差概率3个指标对该组合模型的预测精度进行评估。结果表明:10维灰色GM(1,1)-马尔科夫模型与原始数列的拟合程度较高,预测精度等级为一级（好）,该组合模型的预测精度优于单一的灰色GM(1,1)预测模型;在遵循新陈代谢原理的情况下,我国职业病发病呈现上升态势,2015—2018年的职业病发病例数依次为31 196,36 284,37 724,39 147例。     

基于路网脆弱性的紧急情况下交通疏散诱导模型

为提高紧急情况下交通疏散速度,实现对疏散交通流的诱导,需要建立紧急情况下的交通流诱导模型。根据紧急情况下路网特性,提出路网脆弱性指标,并将其引入交通流诱导模型,对常态交通流诱导模型进行改进,得到基于路网脆弱性的紧急情况下交通疏散诱导模型,并用实测数据求解模型参数。分别用常态交通流诱导模型和文中的改进模型进行实例计算,结果表明,经过改进模型诱导之后,高流量和低流量路段相对减少,交通流在路网中的分布更均衡、达到系统最优的效果。对紧急情况下的交通流进行有效诱导,可提高疏散路网利用效率,加快应急交通疏散。     

基于率失真函数的群组层次分析法的研究

层次分析法作为一种常用的安全评价方法,针对其中的两两比较这一环节,由于专家的自身原因,做出的评价与实际情况可能存在一定的误差。该研究借用信息论的理论,将群组层次分析法(GAHP)中的两两比较的实际情况看作信源,将专家看做信道,将得出的判断矩阵看做信息,从而使因为专家的差异而导致的判断矩阵的误差转变为信息在传播过程中的失真;通过分析其失真与信源类型并且计算其中的平均失真度和率失真函数,从而针对基于率失真函数的群组层次分析法的修正进行进一步的研究。最后以某一使用层次分析法的鞭炮厂的评价作为实例,对于率失真函数在判断矩阵的修正中的准确性与可行性进行验证。     

聚乙二醇在相变纺织材料上的应用研究

对聚乙二醇（PEG）进行冷热循环处理时，其超分子结构会发生某种相变，从而改变宏观性质而具有特殊的蓄热调温性能。PEG的相变温度随聚合度变化而变化，在服装应用方面一般采用30～35℃，接近于体温的PEG。以PEG作为相变材料用不同方式添加到纺织材料上，可以使织物具有双向调温的特殊功能。     

基于风险的特种设备使用单位分类监管应用研究

为提高特种设备安全监管效率,缓解设备数量增长与监察力量不足之间的矛盾,基于风险管理理论,提出在风险评价的基础上对特种设备使用单位实施分类监管。在前期特种设备使用单位风险评价体系研究的基础上,结合2011年、2012年的试点应用情况,对风险评价体系的具体评价流程、结果及科学合理性进行了研究。结果表明:C类使用单位的数量依然占据近一半的数量,需引起监管部门的高度重视;同时验证了风险评价体系科学合理、可操作性强,能够有效指导全国分类监管工作的开展。     

网络视域下突发事件对旅游目的地形象的影响过程研究

突发事件直接影响旅游目的地形象,关系到目的地的可持续发展。基于网络视域,从旅游者感知角度,建立突发事件影响目的地形象的过程模型。根据突发事件网络传播的效应——信息爆炸效应和舆论聚合效应,将模型分解为对目的地形象的强化过程和反馈过程。突发事件的网络传播会加速目的地形象感知的过程并深化目的地形象感知的内容,从而强化对目的地形象的感知,反馈过程导致目的地形象的调整。分析表明,网络视域下突发事件对目的地形象的影响更加显著。最后总结网络信息时代目的地遭遇突发事件时维护自身形象的策略。     

基于管理实践的HSE管理体系建设研究

HSE管理体系在石油天然气企业得到广泛应用,对企业提高安全、环保管理水平起到了很好的作用。但是,在HSE管理体系建设中仍然存在着一些对HSE概念认识不清、工作重点把握不准和运行不顺畅等问题,对HSE管理体系的持续改进形成了制约。本文结合HSE管理体系建设实践,对HSE管理体系有关问题进行了研究,以指导企业把HSE管理体系建设引向深入。     

协同理论视角下安全监管机制研究

安全生产监督管理是一项庞大复杂的系统工程,涉及到众多利益主体,过度依赖政府单一的安全监管模式已经无法解决安全监管长期存在的难题.要搞好安全生产工作,提高监管绩效,就必须要联动行业协会、企业、中介机构、工会组织、大众媒体等多元社会力量共同参与、协作配合.根据协同理论的科学原理,从法律制度、组织、信息、资源四个协同要素方面,尝试性地构建了协同合作的安全监管机制,这是对我国传统监管体制的改革和创新,为切实提升监管水平提供了新思路和方向.     

基于GTST-DMLD的系统功能退化分析

功能退化是系统安全性问题的重要部分.目标树-成功树-动态主逻辑图(GTST-DMLD)在二值逻辑的基础上采用模糊逻辑对系统进行动态模拟,提供了分析系统功能退化的有力工具.通过模糊化与解模糊化手段相结合估算系统的性能变化,辅助进行安全性分析.给出了简化电子刹车系统示例.     

基于循证方法的施工现场安全事故预防体系研究

为提高施工现场安全绩效,构建基于循证方法的施工现场安全事故预防体系。阐明施工现场安全循证预防(EBP)的定义、内涵、核心思想,梳理循证预防解决安全问题的思路,并且提出施工现场安全管理循证预防的流程框架。结果表明:针对施工现场安全事故预防中的不足,循证方法解决问题的思路体现在理论和方法 2个层面;施工现场安全管理循证预防体系分为循证诊断和循证干预2个阶段,具体包括安全检查表、框架表示法、荟萃(Meta)分析等关键步骤。     

基于机器学习的侵财类案件危害程度分析

为了进一步分析侵财类案件的危害程度,以抢劫、抢夺和盗窃3种典型侵财类案件为例,利用ZS市2008—2014年的犯罪数据与统计年鉴数据,提取“发案时间”“发案地域”“选择时机”“选择处所”“选择对象”“人均地区生产总值”“职工月平均工资”7个特征,建立基于多种机器学习分类算法的侵财类案件危害程度预测模型,并进一步开展预测结果的分析研究。研究结果表明:梯度提升决策树（GBDT）算法性能最优,危害程度预测准确率达到了0.88;在抢劫案和抢夺案中,一般和重大的案件容易发生在繁华地带,特大案件容易发生在其他处所;侵财类案件倾向于在工作日的城区中发生,发生的危害程度大多为一般;提出的侵财类案件危害程度预测模型可为侵财类案件的风险评估及警务资源优化配置工作提供方法支持。