城市燃气管网泄漏事故分析知识图谱构建及应用研究*

为深入认识燃气管网泄漏事故的发生发展机理,提高事故分析预测的自动化、智能化、数字化水平,利用知识图谱对燃气管网泄漏事故进行研究。在事故案例分析的基础上,从人-物-环-管的角度对燃气泄漏过程以及火灾爆炸次生事故的相关实体进行归纳梳理,对实体间的逻辑关系和非逻辑关系进行辨识,并对实体的属性进行分类,进而构建出较为全面的燃气管网泄漏事故知识图谱。在此基础上,搭建BP神经网络模型,基于已知实体或属性状态,预测相关联其他实体或属性的状态。研究结果表明:燃气管网知识图谱能够有效展示燃气管网泄漏事故发展的动态过程及相关要素,结合BP神经网络能够有效预测事故的发展路径及相关状态,从而提高燃气管网泄漏事故的分析预测水平与效率。     

融合LRT的Bootstrap区间估计同质点识别方法研究

针对传统同质点探测方法检验效率低以及在地物区分度不明显地区探测结果包含过多异质点的问题,提出融合似然比检验(LRT)与Bootstrap区间估计的同质点探测方法,通过模拟和实验对该方法进行验证,并对鄂尔多斯某煤矿地表形变进行探测和验证。研究结果表明：相比于传统方法,融合似然比检验(LRT)与Bootstrap区间估计的同质点探测方法具有较高的拒绝率和稳定的拒绝率标准差,比较适合地物区分度不明显的野外矿区同质点探测;在实验矿区发现1处明显下沉,最大累计沉降为-128.9 mm,通过与实测水准比较,发现实测水准结果与基于本文方法的DS-InSAR结果基本一致,2者均方根误差和平均绝对误差分别为14.4,12.0 mm。研究结果可实现对矿区的非接触、大范围、长时间监测,为DS-InSAR中同质点选取提供新思路。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

磁化荷电水雾最佳降尘参数确定实验研究*

为实现对煤尘的有效防控,进一步提高磁化水降尘性能,提出磁化荷电喷雾降尘技术,通过研究液滴在磁化、荷电情况下的受力,揭示磁化荷电喷雾降尘机理;通过自主搭建的动、静态综合除尘实验平台,研究不同磁化强度、荷电电压下溶液表面张力和雾滴粒径的变化规律,进而确定最佳雾化参数。研究结果表明:磁化荷电后的溶液表面张力和雾滴粒径随磁化强度、荷电电压的增大呈现先下降而后上升,最后趋于平稳。荷电电压为9 kV、磁化强度为350 mT时达到最佳效果,此时,与清水相比全尘降尘效率达到92.79%、提高69.63%,呼尘降尘效率达到78.59%、提高94.01%。磁化荷电的溶液表面张力降低,破碎时所做表面功更小,雾化后液滴粒径更小更均匀,与尘粒接触面积增大,可提高捕尘效率,改善矿井环境。     

极端温度下帐篷内部热环境适应性实验及模拟研究*

为揭示民用救灾帐篷热环境适应性变化规律,通过大尺度环境气候舱构建高温与低温环境,采用Ansys Fluent商用软件代码进行仿真验证,并对帐篷蓬围结构和内部热环境分布变化规律进行实验与数值模拟。研究结果表明:使用大尺度环境舱直接进行模拟帐篷内外热环境变化可行,其内部热环境变化规律与实验基本一致;帐篷特殊的篷围结构导致高温环境下帐篷内部温度高于外界,帐内人员头部和脚部温差可达5 ℃,低温环境下帐篷同一高度横向区域温度对称分布,在中心区域温度较低,边缘和中心温差近8 ℃。     

基于深度学习的工程结构损伤识别研究进展

为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述。研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络（1D-CNN）以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络（2D-CNN）表现更为出色。研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系。     

掘进面出风口风流与风幕调控下的粉尘分布响应曲面优化研究*

为了解决煤矿掘进面风筒出风口参数不能动态变化,而传统风幕全断面控尘效果不理想引起的粉尘浓度高等问题,通过分析风幕和出风口参数对粉尘分布规律的影响,以此得到合理的出风口风流与风幕综合调控方案,降低粉尘浓度。以陕西神木柠条塔煤矿N1212巷道为研究对象,利用Fluent软件建立出风口风流与风幕综合调控的粉尘场有限元模型,设计出风口风流及风幕综合调控响应曲面实验,得到最佳综合调控方案为:风幕射流出口宽度为0.16 m,风幕射流出口速度为6 m/s,出风口口径为0.9 m,出风口右偏角度为3°。搭建相似模拟实验平台来验证最佳综合调控方案,研究结果表明:调控后回风侧行人呼吸处和司机位置处粉尘平均浓度分别降低89%和81%,有效改善掘进面作业环境。     

面向设计的地铁车站防火安全韧性评价*

为提升地铁车站防火安全韧性,以设计方案为切入视角,基于防火安全韧性的吸收、抵抗、恢复和适应能力4个维度,构建基于ANP-熵权法面向设计的地铁防火安全韧性评价指标体系,运用逼近理想解法建立地铁车站防火安全韧性设计评价模型,通过3个已建地铁车站（青岛、沈阳、福州某地铁车站）的设计案例验证该模型的有效性和可行性。研究结果表明:3个应用案例中,沈阳某地铁车站设计防火安全韧性最高,福州某地铁车站设计防火安全韧性最低,需进一步提升防火安全能力。评价结果与各案例的实际运行阶段基本吻合,研究思路和结果对改善地铁车站的防火安全设计具有一定参考意义。     

基于可编辑VR实验平台的突发事件下跟随效应研究

建立了可编辑VR疏散动力学实验平台,并招募100名大学生开展地铁车厢内的虚拟实验,探究突发事件下的跟随效应。每次实验有一名实验人员和20名虚拟乘客(NPC)参与,共设置5个场景探究不同比例的运动NPC对参与者预动作行为和运动行为的影响。通过分析问卷、预动作时间、出门选择、运动距离等数据,发现在实验中存在跟随等待人群和跟随运动人群两种跟随效应,而人群的运动是更为强烈的信息,当等待和运动NPC占比从0%提升至50%,等待和运动参与者占比分别提高10%和60%。因此,在突发事件场景中,应及时对局部人群施加有效的同向引导,以提升整体疏散效率。