锅炉水冷壁爆管的分析处理和防止措施

1概况 我市某香料化工厂一台DZL4-1.25-AⅡ型蒸汽锅炉2002年10月投用后,不到一年时间就发生了水冷壁爆管.2003年8月11日现场检查,笔者发现爆破口位于右侧炉门旁第11根水冷壁管的弯曲部位(该炉为偏锅筒,结构紧凑,炉膛布满水冷壁,故在炉门处采用弯管以防遮挡炉门口),爆口为纵向破裂,其断面较为锐利.     

2012年《中国安全生产科学技术》征订启事

(中国科技核心期刊美国CA检索收录)国家安全生产监督管理总局主管中国安全生产科学研究院主办《中国安全生产科学技术》是刊载安全生产科学技术与管理成果的综合性学术期刊。入选中     

AB型智能湿式除尘机在城郊选煤厂的应用

城郊选煤厂原煤筛分破碎环节原来采用的布袋式除尘器效率低、易堵塞、故障率高,且现场粉尘浓度大,为有效改善和解决这种现状,引进了AB型智能湿式除尘机。介绍了该除尘机的使用效果和经验,通过改进设计和解决湿式除尘机使用过程中存在问题,有效降低了现场的粉尘浓度。     

神州数码AMPON推出DCS—W540微型摄像机

“小眼睛、大视野”，凭借结构紧凑、外观小巧、功耗低的特点，微型摄像机在银行监控领域的应用更为广泛，尤其是需求较为特殊的银行ATM机，需要监控摄像机能够具备宽动态、高清晰和隐私遮挡功能，对于监控摄像机的专业化性能提出了更高的要求。随着银行ATM机监控应用的不断深入，安防厂商需要推出更高品质、更高性能的微型摄像机以满足银行监控的专业化需求。     

小程的“心事”

这几天,大庆石化二厂维修车间程慧宇的心里总是很紧张,为什么呢?因为他被安排坐到了班长的对面。坐到哪儿都一样,奇怪的是至于紧张吗?"小程,今天主要在哪巡检了?认识了哪些类型的机泵啊?"     

美国通勤航空安全影响因素分析及对我国的启示

随着我国民航业的快速发展,通勤航空迎来前所未有的发展机遇,阿拉善盟通勤航空试点的建立更加说明在我国发展通勤航空是一种必然趋势。通勤航空起源于美国,发展速度极快,目前占据了美国整个航空业一半航班数、四分之一乘客数,已经发展成为美国支线航空运输的重要组成部分,但是其安全形势不容乐观。对美国通勤航空的安全现状从人-机-环-管4个方面进行分析,并对比分析我国和美国通勤航空发展环境的差距,借鉴美国采取的措施,为我国通勤航空运输企业的安全运行提出一些可以借鉴的经验:如规章制度要科学,规章体系要完善;严格控制通勤航空各类技术人员合格证书的颁发;加强安全监管;将干线、支线航空的安全数据分享给通勤航空。     

基于Hilbert-Huang变换和SVM的煤矸界面探测方法

为了解决综采工作面煤矸界面探测问题,提出了利用煤矸下落冲击钢板的振动特征来探测煤矸界面的新方法.煤矸振动信号表现出非平稳特征,采用EMD方法可以将复杂矿井环境下的煤矸振动加速度信号分解成固有模态分量,每个模态分量都包含了特有的时间尺度特征.将包含煤矸振动特征的前6个IMF分量的能量,结合均值、方差及峭度等时域特征值,构成9维特征模式,作为SVM分类器的输入进行训练及分类.结果表明,基于Hilbert-Huang变换的IMF分量的能量特征能够反映煤矸振动特征的差异,SVM分类方法能够准确判断煤矸混合状态.     

信息融合技术在火灾探测中的应用研究

为减少火灾探测中的误报警,基于信息融合技术对火灾传感器输出的信息进行处理。充分利用火灾探测系统的在线和离线数据,采用改进的主元分析法(PCA)、粗糙集(RS)理论、支持向量机(SVM)等3种方法的融合与互补,通过对系统的输入数据进行简化,消除原有信息的各分量之间的相关性,降低特征信息维数;实施最优最小约简,特征提取优化;构造自适应核函数,确定最优分类超平面,进行样本训练,获得火灾探测结果。从数据级、特征级、决策级3个层次上实现火灾信息融合。结果表明:该方法减少了融合过程中的信息损失,降低了计算的复杂性,有效地提高了火灾探测系统的可靠性和准确度。     

基于RS-SVM模型的煤与瓦斯突出多因素风险评价

为挖掘瓦斯突出风险与煤矿开采中各影响因素间的关系,应用支持向量机(SVM)理论从模式判别角度分析瓦斯突出风险与各地质因素组成的特征向量间的判别关系,基于粗糙集(RS)理论对待分析数据进行知识约简,提取核心判别指标,建立基于粗糙集-支持向量机(RS-SVM)的瓦斯突出风险判别模型。研究结果表明,RS知识约简方法可以很好地对原始数据中的冗余指标进行约简,通过对约简后指标数据进行SVM回归分析,可对煤与瓦斯突出模式进行很好的判别,所建立的瓦斯突出风险判别模型较一般SVM模型具有更高的预测精度,同时指标约简过程降低SVM运算中的复杂度,提高运算效率。     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。