基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断

为了对液化石油气(LPG)公路运输罐车储罐系统故障进行准确、全面的诊断,通过利用故障模式影响分析方法(FMEA)构建储罐系统故障模式及故障特征指标,根据日常检测数据构造训练样本,运用径向基函数(RBF)神经网络对网络进行训练建立诊断模型并利用诊断模型对罐车故障进行诊断。经验证:诊断结果与实际情况相符合。因此,基于FMEA与RBF神经网络所构建的模型可以用于危险化学品汽车罐车储罐系统的故障诊断。     

故障树法和改进PSO-PNN网络的电梯故障诊断模型

针对电梯故障问题,提出一种将故障树分析法、改进的粒子群优化算法和概率神经网络相结合的方法用于电梯的故障诊断。以电梯的安全回路系统为例,用故障树法对回路进行分析,获得训练样本与故障类型;使用粒子群算法对概率神经网络的平滑因子进行优化,在优化过程中,针对粒子群算法存在易陷入局部最优的缺陷,提出对惯性权重的改进策略;采用相对误差对诊断效果做出评估,并与传统的概率神经网络和基本粒子群算法优化的概率神经网络在各种故障类型输出和最大相对误差等方面进行比较,结果表明:该模型能够有效诊断电梯故障。     

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。     

基于模糊Petri网的有载分接开关故障诊断方法研究*

为解决分接开关故障诊断以主观经验、缺乏系统化流程以及诊断结果与分接开关实际发生故障存在偏差等问题,依据当前分接开关主要故障分类,提出基于模糊Petri网的有载分接开关故障诊断模型,并结合分接开关典型故障案例,验证模型有效性。研究结果表明:基于模糊Petri网的分接开关故障诊断模型能够有效处理故障概率中不确定性因素,具有容错性好、运行效率高等优势,研究结果可为提高分接开关故障诊断的准确性、保障电力系统安全稳定运行提供参考。     

危险化学品生产与储存场所的安全库容评价模型与方法研究

危险化学品生产与储存场所的危险化学品库容风险是反映危险化学品生产与储存场所安全与否的重要指标,为增加评估危险化学品库容量时的客观性、准确性,在统筹其3类主要事故模型的基础上,建立了危险化学品生产与储存场所的危险化学品库容风险当量评估模型。该模型以传统风险理论为载体,不仅对单一危险源的伤害风险进行计算,且对各种危险化学品的不同库容事故损失、发生概率、伤害风险做统一关联分析,以使危险化学品库存地的风险实现合理叠加。再根据相同区域风险值和当量的叠加,结合区域坐标、人员密度、风险界限,通过MATLAB仿真模拟,确定危险化学品生产与储存场所整体风险区域图,进而标出危险致命区域,计算库容临界量。     

危险化学品运输风险研究进展及分析

危险化学品的运输风险分析与研究关乎安全运输决策和应急救援方案制定。从4个方面对近20年来国内外涉及危险化学品安全运输的理论和方法进行了评述,即危险化学品安全运输影响因素及事故概率研究、危险化学品运输风险分析评价与模型、危险化学品运输路径选择研究和危险化学品运输事故应急救援。分析了危险化学品运输风险研究所存在的不足,提出了进一步的研究方向。     

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。     

浅谈危化品汽车罐车罐体的检验

根据《关于开展危险化学品罐车专项检查整治工作的通知》，福建省锅炉压力容器检验中心已经开展了危化品汽车罐车罐体的检验工作。目前，现行的检验依掘是国家质量监督检验检疫总局2001年12月颁布的GB18564—2001《汽车运输液体危险货物常压容器（罐体）通用技术条件》，该标准对检验方面规定的内容比较笼统，在实际检验中可操作性不是很强。笔者通过对汽油罐车罐体的全面检验，总结出一些做法，供大家参考。     

危化品罐车防波板的安全质量保证

众所周知,危险化学品罐车是物流行业危险性最大的长途运输设备之一,它承担着大量承压、有毒、易燃、易爆或有腐蚀的危险化工产品液体的运输任务.随着科技的不断进步,其设计、制造和使用管理水平已经有了较大的提高.然而,笔者检验工作中发现,在高原地区罐车防波板的安全质量仍存在不少问题,现根据国家相关现行法规标准和罐车设计理论并结合检验工作实践,研究分析危险化学品罐车防波板安全质量问题的现状和原因,同时提出改进的方法和建议供参考.     

液化气体汽车罐车主要受压元件和安全附件的防护性设计

<正>液化气体汽车罐车(以下简称"汽车罐车")作为运输易燃、助燃、易爆、有毒介质的三类压力容器,在国民经济和社会生活中正发挥着越来越重要的作用。由于我国尚未建设专用的危险化学品运输道路,近年来在高速公路和国道上的汽车罐车交通事故时有发生,给国家财产和人民群众生命安全造成了不同程度的损失。例如:2005年3月29日,发生在江苏淮安的液氯汽车罐车交通事故造成29人中毒死亡、150余人住院治疗、     

Research on the prediction model of hazardous chemical road transportation accidents

In recent years, hazardous chemicals road transport accidents have occurred frequently, causing huge casualties and property losses, and accident risk assessment has become the focus of researchers' research. To predict the risk probability value of hazardous chemical road transport accidents, first, we compiled data on road transportation accidents of hazardous chemicals in China in the past five years. And the nine nodes in the Bayesian network (BN) structure were defined in combination with relevant classification standards. The optimal Bayesian network structure for hazardous chemical road transport accidents was determined based on the K2 algorithm and the causalities between the nodes. Second, the node conditional probabilities were derived by parameter learning of the model using Netica, and the validity of the model was verified using the 5-fold cross-validation method. Last, the Bayesian network model of hazardous chemical road transport accidents is used to analyze accident examples, and the accident chain of “rear-end-leakage” is predicted, and the accident is most likely to be disposed of within 3–9 h. The study shows that the derived accident prediction model for hazardous chemical road transportation can reason reasonably about the evolution of accident scenarios and determine the probability values of accident risks under different parameter conditions.     

基于一维卷积神经网络的燃气管道泄漏声发射信号识别*

为保障燃气管道系统安全运行,及时诊断管道故障,基于VGG-16模型提出基于一维卷积神经网络的燃气管道故障诊断模型,提取原始声发射信号特征参数,有效诊断燃气管道故障。结果表明:基于一维卷积神经网络的燃气管道故障诊断模型,能够有效解决燃气管道故障诊断过程中数据预处理复杂、特征提取困难以及识别准确率低等问题,可为燃气管道故障诊断提供技术支撑。     

A hybrid approach to faults detection and diagnosis in batch and semi-batch reactors by using EKF and neural network classifier

This work deals with a new hybrid approach for the detection and diagnosis of faults in different parts of fed-batch and batch reactors. In this paper, the fault detection method is based on the using of Extended Kalman Filter (EKF) and statistical test. The EKF is used to estimate on-line in added to the state of reactor the overall heat transfer coefficient (U). The diagnosis method is based on a probabilistic neural network classifier. The Inputs of the probabilistic classifier are the input–output measurements of reactor and the parameter U estimated by EKF, while the outputs of the classifier are fault types in reactor. This new approach is illustrated for simulated as well as experimental data sets using two cases of reactions: the first is the oxidation of sodium thiosulfate by hydrogen peroxide and the second is alkaline hydrolyse of ethyl benzoate in homogeneous hydro-alcoholic. Finally, the combination of the estimated parameter U using EKF and probabilistic neural network classifier provided the best results. These results show the performance of the proposed approach to monitoring the semi-batch and batch reactors.     

蒙德法在火电厂液氨储罐评价单元的应用

火电厂液氨储罐单元存在大量高纯度的液氨,一旦发生火灾、爆炸,后果极其严重。为了研究液氨储罐的火灾爆炸危险性及毒性,在对火电厂液氨储罐危险性辨识的基础上,依据液氨储罐单元的主要参数,运用蒙德法分别确定评价中需要的各种危险性系数,从而进行各项指标计算,查询危险性等级表,将各项指标进行等级划分,结论表明各项危险等级都很高。在得出结论基础上,进行安全措施补偿评价,补偿后的各种危险等级均降低,可见采取补偿措施后能够一定程度的降低火灾、爆炸、毒性的危险性,防止事故的发生。     

化工园区泄漏事故安全风险评估模式研究

为减少化工事故频发造成严重人员伤亡及财产损失,在分析危化品泄漏事故类型的基础上,从事故发生概率和事故后果两方面提出危化品泄漏事故风险评估模型.以中毒事故为例,对重庆长寿化工园区内某企业一液氨储罐进行风险评估.基于概率模型计算中毒事故概率,结果表明该储罐发生泄漏引起中毒的概率较小;数值模拟结果显示:影响范围随时间的增加而...     

面向危险化学品运输监测系统的信息融合模型构建

设计一种可用于危化品运输全过程安全状态实时监测的多参数监测系统,并以该系统为基础,构建面向危化品运输安全监测系统的多传感器信息融合模型。该模型综合利用系统监测到的多种参数信息,通过数据预处理、特征提取和状态判决、形势判决、危险态势估计和预测等4个级别的信息融合,结合危险报警模块和数据库管理系统,自动分析被测数据,最终达到对危化品运输安全分类、分级、分层次报警的目的。以该模型为基础讨论部分信息融合算法并设计相应的软件,在实际构建的针对液化石油气的危化品安全监测系统中进行应用试验,结果说明了信息融合模型的有效性。     

基于互联网+的轨道交通动力设备安全管理系统的研究

根据我国轨道交通设备安全管理的需求,提出基于互联网+的轨道交通动力设备安全管理系统平台的框架,运用J2EE开发工具,采用嵌入式高速数据采集技术、故障诊断技术,构建形成集成化、网络化和信息化的轨道交通动力设备安全管理系统。完善智能的设备安全管理系统,能有效提高轨道交通动力设备的安全监管力度,保障设备安全。     

基于深度置信网络的管网泄漏故障诊断方法研究

针对当前管网系统数据量大不利于传统模型方法诊断故障的问题,设计了1种基于深度置信网络的管网故障诊断算法。首先,对管网数据结构以及管网系统运行状态进行分析,选取管网主要数据作为故障诊断网络的输入,确定相应运行状态作为诊断网络输出;其次,设计了基于多个受限制玻尔兹曼机与Softmax分类器级联的深度置信网络,并且利用对比散度算法和BP算法对模型进行预训练与调优,使模型参数达到全局最优;最后,通过实验测试确定所设计的深度置信网络的训练迭代次数与网络层数,使算法诊断准确率达到最优。研究结果表明:提出的基于深度置信网络的管网故障诊断算法对管网故障诊断可以达到良好的诊断结果,泄漏预测准确率在验证集样本上可达96.87%,在管网泄漏检测方面,相较于传统基于模型的方法优势明显。