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。     

发酵罐不锈钢换热盘管泄漏失效分析

通过失效现场情况了解、宏观检查、材质分析、金相检验、电镜观察、能谱分析及冲击断面分析等研究06Cr19Ni10发酵罐盘管失效原因.结果显示由于发酵罐盘管材质熔炼工艺不恰当,固溶处理不当,冷却循环水中Cl-含量超标,焊缝热影响区、管材母材区大面积发生不同程度晶间腐蚀,局部点蚀穿孔.建议对用于设备重要部位或对生产工艺有重大...     

天然气高压输送管道微量泄漏TDLAS检测技术理论研究

天然气输送管网规模随着城镇化进程加快而急剧扩大,高压管道气体微量泄漏的威胁日益严重,传统检测方法不能实现连续地精确检测。利用可调谐半导体激光吸收光谱(TDLAS)检测技术可以实现对微量泄漏的甲烷等气体进行快速、精确地检测。介绍了TDLAS技术的检测原理和压力管道的泄漏物理模型。选择CH4在1 653.7 nm处的吸收谱线为研究对象,结合已有的数据与参数,分析了光谱吸收率和可探测浓度下限随温度、压强的变化特征,以及激光扫描步长对测量精度的影响。结果表明,TDLAS技术应用于高压管道微量泄漏的实时检测是可行的。测量得到的气体浓度符合检测标准,可作为相关检测的基准值谱。     

基于多层感知器神经网络和统计小波特征的管道泄漏诊断

油气输送管道泄漏造成的主要问题包括环境危害和经济损失.为了降低管道泄漏造成的危害,提出了一种新的方法用于检测管道泄漏情况.该方法主要通过故障检测与隔离系统建立入口压力与出口流量之间的定量关系,首先,采用OLGA软件模拟获得管道入口压力和出口流量数据,为了提高模型精度,利用小波变换的多尺度分解和重构技术将获取的数据信号分为3级,并将其作为故障检测与隔离系统的训练数据.然后采用统计技术、小波变换及2种方法的融合等方式提取信号的均值、偏差、峰度等特征,将特征提取结果分别作为多层感知器神经网络分类器的输入来确定泄漏状态.最后,利用混淆矩阵对泄漏识别的精度进行验证.对一段长约5 km的天然气管道进行了泄漏检测,将泄漏类型分为10类,结果表明,提出的方法对泄漏位置和泄漏尺寸的自动检测识别率约为92％.该方法不仅可以检测泄漏故障的发生,还可以确定泄漏故障的位置和严重程度.     

超临界二氧化碳泄漏减压模型构建及泄漏量分析

为了解决超临界二氧化碳管道泄漏风险评估问题,基于工业规模超临界二氧化碳小孔泄漏试验结果,提出分别构建超临界泄漏阶段、气液两相泄漏阶段、气相泄漏阶段的理论模型,并通过确定各阶段的传递参数,实现二氧化碳减压过程的理论建模。采用MATLAB软件编制了模型求解程序。通过试验数据验证了理论模型的可靠性。基于理论模型计算结果定量探讨了初始压力、初始温度和泄漏口径对泄漏减压过程压力及质量流量的影响。结果表明：初始压力在8～9.5 MPa变化时,对减压过程压力及泄漏质量流量影响较小;初始温度在33～39℃变化时,压力降至临界值的时间逐渐增加;泄漏口径减小,压降时间显著变长;在泄漏减压初期,泄漏质量流量均出现波动,随后随压力降低而逐渐降低。构建的理论模型能够实现超临界二氧化碳泄漏质量流量预测。     

基于LabVIEW的长输天然气管道泄漏检测与定位研究

为了研究长输天然气管道泄漏检测与定位技术,将管道泄漏检测技术中常用的负压波检测原理与Lab VIEW技术相结合,设计了一套基于Lab VIEW的长输天然气管道泄漏检测与定位分析程序,利用该程序对长输天然气管道泄漏的负压波信号进行滤波和数据处理。利用小波变换的多尺度功能,提取信号的突变或瞬态特征,计算奇异点位置,达到泄漏定位的目的;选取不同类型小波进行泄漏定位误差分析,找出该工况条件下最佳的小波类型。结果表明:该程序对泄漏点的定位误差在4%以内,具有较高的精确度和可行性;在该工况下,最佳的小波类型为db5,其定位误差精确到0.034%。     

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.     

基于稳态模型的井下抽采主管道泄漏检测方法研究*

为准确检测煤矿井下瓦斯抽采主管道泄漏位置,提出基于稳态模型的管道泄漏检测与定位方法,采用Comsol数值模拟及地面相似实验研究压力梯度法对煤矿井下抽采管道泄漏检测与定位的可行性及准确性。研究结果表明:管道未泄漏时,管内沿线压力呈均匀分布,当管道突发泄漏时,管内压力分布呈现明显弯折现象,弯折处即为管道漏点位置,并对管道阻力计算公式进行修正,提高了检测准确性;随着管道泄漏程度的加大,湍流效应显著增强,漏点处速度、压力产生明显突变,且当其他条件恒定时,随着管道泄漏孔径的扩大,管道的漏入量越大,定位的相对误差越小;在宏岩矿开展地面相似实验,实验结果绝对误差为4.5 m,相对误差为6%;在阳煤五矿井下8421抽采巷进行现场应用,绝对误差134 m,相对误差约7.95%。     

基于BP神经网络的大型游乐设施安全评价

针对我国大型游乐设施的安全现状,结合大型游乐设施的特点,将大型游乐设施进行分解,建立了以各子系统为评价指标的大型游乐设施设备评价指标体系。介绍了大型游乐设施BP神经网络安全评价模型的建立和验证过程。BP神经网络模型经训练学习后,可有效降低定性评价的主观性,使评价结果更具科学性和客观性。利用该BP神经网络安全评价模型,对某游乐园中过山车的现状进行了安全评价,评价结果符合实际情况。     

基于BP神经网络的机场次日鸟击风险预测方法

机场鸟击已成为中国民航机场运行安全的最大挑战。根据机场鸟击责任区的定义并结合飞行程序,分析了责任区的空间范围及该范围内飞机起飞爬升、着陆进近的位置和速度。从鸟类、飞机、机场、周边环境和自然气候这5个维度建立了机场鸟击风险水平日变化的评价指标体系,基于反向传播(Back Propagation, BP)神经网络方法构建了机场鸟击责任区次日鸟击风险预测模型和方法。案例机场实际应用表明,BP神经网络在机场次日鸟击风险预测中有良好的应用性,结果准确可靠,可为机场鸟击防范工作提供指导和参考。     

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PSO优化BP神经网络的钻井动态风险评估方法

传统钻井动态风险评估严重依赖于专家主观判断、结果大多是定性或半定量,无法满足深井复杂地层钻井安全需求。针对该问题,研究建立了基于PSO优化BP神经网络的钻井动态风险评估方法。通过对录井资料的监测分析,实时判断井下风险发生的类型并定量计算风险发生概率,可以在风险发生的早期给出预警信息,及时指导风险调控措施的开展。海上BD气田的实例分析表明,基于构建的动态风险评估模型得到的风险预测结果与实际风险发生情况相符合,说明建立的模型是合理可行的。该模型对于钻井作业过程中动态风险评估具有一定的参考价值。     

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。     

基于BP神经网络人群流量预测的实现

人群拥挤踩踏突发性的特点决定了现场的事故救援措施效果较差,事前预防是唯一有效的策略。对商业区人群流量进行预测,对于合理控制商业网点人口,预防人群类事故的发生具有重要的意义。本文介绍了基于BP神经网络的人群流量预测方法,利用Matlab建立了相关模型,并结合实际数据对模型进行了调整,分析了隐含层神经元个数、不同输入-输出结构、不同传递函数等因素对网络性能的影响。研究表明利用神经网络的非线性映射能力对人群流量进行预测时可行的。     

基于BP神经网络的佛山空气质量预报模型的研究

提出非数值的佛山惠景城站点空气质量预报模型,将BP神经网络引入到预报模型中,以降雨量、风速、风向、温度、湿度和云量等气象参数和前1 d污染物浓度为模型输入参数,建立了结构为7-7-1的非季节预报模型和夏季预报模型.结果表明,夏季模型无论在模型检验还是在实际预报精度方面都略优于非季节模型.夏季模型的级别预报评分基本在90分以上,综合评分比非季节模型高10%.对夏季模型进行了参数敏感性分析,结果表明具有较好的稳定性.     

基于BP神经网络的岩石损伤声发射事件源定位研究*

工程岩体一般包含大量的节理、裂隙等各类缺陷,利用AE技术可以对缺陷进行定位,但仍然有很大误差。为进一步减小AE定位误差,确定缺陷位置,做好安全预警工作,研究提高岩石声发射定位精度的优化方法。利用断铅实验模拟产生声发射信号,将声发射信号特征参数中的幅值、能量、振铃计数以及到达时差作为输入,断铅点真实坐标作为输出,构建BP神经网络模型,并通过实验确定最优隐含层数等参数,最后通过交叉学习训练交叉预测得出断铅点坐标,并与基于到达时差的传统定位法以及考虑材料各向异性条件下的波速优化算法进行对比。结果表明:BP神经网络算法与传统方法相比,板状岩石声发射定位的误差显著减小,定位精度提高;岩石试件定位误差的误差波动更为平稳,有效改善了声发射源位置对定位效果的影响。本方法为岩石缺陷的精确定位提供了1种较好的技术手段。     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

基于BP模型的十溴联苯醚分散液液微萃取条件优化

采用正交试验研究萃取剂类型、萃取剂体积、分散剂类型、分散剂体积、溶液pH值、离子强度和萃取时间对水样中痕量十溴联苯醚(decaBDE)分散液液微萃取(DLLME)回收率的影响.结果表明,离子强度对萃取回收率(ER)的影响非常显著,而分散剂体积与萃取剂体积交互作用的影响不显著.通过极值法确定的decaBDE分散液液微萃取条件下的萃取回收率为88.24%.以正交试验数据为训练样本,以分散剂体积、萃取剂类型、pH值、离子强度及萃取时间为输入,萃取回收率为输出,建立了影响decaBDE分散液液微萃取的BP神经网络模型.模型检验样本预测输出值和试验值的决定系数为0.873 4,表明模型可以预测水样中decaBDE分散液液微萃取的回收率.采用遗传算法工具箱对建立的BP神经网络模型进行优化求解,得到的优化分散液液微萃取条件下的decaBDE萃取回收率平均值为99.94%,比通过极值法确定的萃取回收率提高10%以上.     

基于BP神经网络的安全生产分级监察模型探讨

在对影响企业监察级别的因素企业客观监察需求进行简要分析后,综合考虑了企业未被监察的时间间隔(t)、安全生产监察周期(T)、企业危险因素量度系数(η)三方面因素,建立了企业客观监察需求指数计算模型.由于企业职业伤害风险、企业违法处罚情况和企业客观监察需求对于企业监察级别的影响是复杂的、非线性的,而人工神经网络能够真实刻画输入变量与输出变量之间的非线性关系,因此,笔者依据所获取的辽宁省某市159家企业的调研信息,建立了确定企业监察级别的BP神经网络模型,并对模型进行了验证.