基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

施工现场疫情防控风险评价方法

为准确科学地评估施工现场的疫情防控风险水平,通过文献查询、现场调研及专家咨询,构建了包含4个1级指标、17个2级指标的施工现场疫情防控风险体系,然后采用层次分析法(Analytic Hierarchy Process, AHP)与可靠度区间法(Reliability Interval Method, RIM)综合确定各级指标的权重,利用综合评价方法建立施工现场疫情防控风险评估模型,最后以某施工项目为例,验证该评价模型的有效性。结果表明,该项目现场整体风险指数为2.42,风险等级为中风险,其中防控体系风险等级为中风险,现场管理风险为较低风险,人员管理风险为较高风险,物资设备风险为中风险,与施工现场实际相吻合,该评估模型能较为准确、客观地反映施工现场疫情防控风险水平。     

深基坑施工邻近建筑物风险评估研究

针对深基坑施工过程中邻近建筑物面临的安全问题,提出基于云模型理论的基坑邻近建筑物的安全风险感知模型。根据风险等级划分产生影响因素的基本云模型,结合监测数据的隶属度,实现定性概念与定量数值的转换,进而有效地融合地层条件、现场监测数据与专家判断信息。同时,基于工程经验与现场施工情况,建立由8个影响因子构成的邻近建筑物风险安全评价指标。应用云模型理论的基坑邻近建筑物的安全风险感知模型分析评估广州轨道交通十号线某深基坑附近的2栋邻近建筑物。评估结果显示,2栋建筑物均处于安全状态,与工程的实际情况一致。评估结果为深基坑施工邻近建筑物的安全提供了管理决策依据。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题,提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先,针对数据来源多,且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题,利用基于自适应回归算法实现多时间尺度的数据清洗;其次,建立基于模糊神经网络算法的二氧化硫质量浓度预测模型,提取再生烟气产排过程中的动态特性;然后,提出基于动态惯性权重和学习因子机制的自适应粒子群算法,平衡全局探索能力及局部开发能力,实现再生烟气二氧化硫质量浓度的预测;最后,利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测,解决了现场多时间尺度数据难以建模的问题。     

酒糟-粉煤灰协同赤泥的改良试验研究

将酸性酒糟废渣和粉煤灰作为脱碱和改良材料对赤泥进行协同改良,通过比较赤泥基质的物理性状、营养物质质量比及重金属存在形态,并结合盆栽试验为赤泥堆场的生态修复提供依据。结果显示：酒糟能够降低赤泥碱度,促进赤泥基质团聚体的形成,改善基质的物理结构,提高基质营养物质质量比,有效固定基质重金属并降低重金属在植物体内的积累;粉煤灰可有效增加赤泥基质孔隙度,促进基质团聚体形成;两者联合添加时赤泥土壤化效果更为显著,基质各项理化指标较单独施用改善更为明显,添加质量分数为20%粉煤灰和质量分数为20%酒糟的基质碱蓬草发芽率达93.33%。通过测定基质浸出液代表性重金属的质量比,采用内梅罗综合污染指数法评估利用酒糟与粉煤灰改良赤泥的方案污染程度为清洁级水平。     

基于自适应共生生物搜索的人群疏散方法

为了解决传统场域模型在刻画人群疏散过程中的不足,基于自适应共生生物搜索方法来改进场域模型,构建了一种新的室内空间人群疏散优化模型。首先,该模型将路径拥挤度和局部方向拥堵度2个因素融入场域模型,以此构建最小疏散时间的目标优化函数。其次,通过调整动态自适应因子对共生生物搜索的共栖阶段进行扰动,解决优化方法的局部最优问题。最后,根据搭建的真实疏散环境与仿真试验平台,对比分析了改进模型与传统场域模型之间的性能状况。结果表明：传统场域模型在出口处容易造成大量拥挤,而优化模型能够有效实现躲避拥堵;同时优化模型可以根据不同时间段动态调整疏散策略,提高疏散效率。     

复合赋权云模型在户外体育赛事风险研究中的应用

为降低户外体育事故发生率,采用层次分析法(Analytic Hierarchy Process, AHP)、熵权和云模型相结合的方法对户外体育赛事的风险因素进行综合评价。根据安全综合管理四要素,从人、机、环、管4个方面出发,构建户外体育赛事风险评价指标体系。利用层次分析法和熵权法计算各指标的主观、客观和综合权重,并基于云模型对比分析评价云图与标准云图,确定优势指标。最后结合事故实例进行风险评价。结果表明复合赋权云模型对各项风险因素指标赋权合理,其分析得到的优势指标与真实事故原因基本一致。相较于其他赋权评价模型,本评价方法在大型复杂体育赛事风险评价中,能实现主客观结合,有利于实现对风险因素指标的精确赋权,使评价结果更加真实可靠。     

初值修正和函数变换的改进灰色模型在管道腐蚀深度预测中的应用

为了准确预测管道的腐蚀深度,借助灰色理论建立了改进GM(1, 1)模型。针对传统灰色模型的不足,引入反双曲正弦函数变换方法建立了改进模型一,并在此基础上提出了一种基于初值修正结合反双曲正弦函数变换的改进模型二,通过实例对比分析了改进模型和传统模型预测管道腐蚀深度所得结果的差异。室内试验测试数据和实际管道检测数据的计算结果表明：传统模型预测所得的平均相对误差(分别为5.300%和13.617%)均较大,因此模型的精度较差;改进模型一预测所得的平均相对误差分别为2.345%和2.639%,其预测精度较传统模型有大幅度的提高,因此该模型适用于腐蚀深度的准确预测;对改进模型一采用初值优化方法后,所得改进模型二的预测精度进一步提高,其提高的程度较为有限;总体来看,所建改进模型能够满足管道腐蚀深度预测的精度要求,具有较强的推广应用价值。     

基于CALIPSO卫星数据的斜程能见度反演

基于CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation)卫星气溶胶产品,采用平面平行辐射传输模型SBDART(Santa Barbara DISORT Atmospheric Radiative Transfer)研究天津地区的斜程能见度。首先,使用CALIPSO卫星2015—2019年气溶胶产品对气溶胶消光系数廓线等垂直方向气溶胶光学特性进行统计分析。然后,针对具有“衰减型”气溶胶消光系数廓线的天气,采用SBDART模型求解大气辐射传输方程,得到天空背景辐射亮度,最后依据斜程能见度定义反演得到准确的斜程能见度。进一步,对使用Koschmieder定律和经验公式计算获得的斜程能见度准确性进行评估。结果表明,与经验公式法相比,在低能见度天气条件下,使用Koschmieder定律反演得到的斜程能见度更为准确,其平均误差小于15.0%,均方根相对偏差小于17.6%。此外,还对气溶胶消光系数廓线进行了拟合,并在斜程能见度反演中使用拟合的消光系数。结果表明,在低能见度天气条件下,拟合参数与近地面消光系...     

分类分级视角下供水管网地震韧性评估研究

为解决供水管网安全精细化管理问题,提升城市供水管网地震韧性水平,在综合分析影响供水管网安全的主要因素的基础上,引入分类分级理念,结合动态分级法(Dynamic Classification Method, DT)和集对分析-可变模糊模型(Set Pair Analysis-Variable Fuzzy Recognition Model, SPA-VFRM),建立供水管网地震韧性评估分类分级模型,动态优化供水管网地震韧性分类,量化评定管道安全韧性分级,并应用于某县城供水管网安全韧性综合评估。结果表明,提出的新模型可以有效实现供水管网地震韧性的分类与分级,提高供水管道风险识别的精确性,能够为制订科学的供水管网维护和改造策略提供理论支持。