Issues of the Human Reliability Analysis in the Context of Probabilistic Safety Studies

This article addresses methodological issues of the human reliability analysis (HRA) in the context of probabilistic safety studies. Several conventional HRA techniques, more often used for the evaluation of the human error probabilities (HEPs), have been classified. A taxonomy of human actions, failure events, and related factors is outlined in order to distinguish action phases, human behavior types and incorrect outputs (errors of omission or commission), error types (slips, lapses, and mistakes), and performance-shaping factors (PSFs) influencing the human performance. A tree is proposed to facilitate the selection of a specific method for the evaluation of human reliability with regard to attributes of the situation analyzed. A software system based on the expert system technology to facilitate and document PSA and HRA is outlined. At the end of the article some research challenges in the domain are discussed.     

Stressful work characteristics,health indicators and work behavior: the case of machine operators

This article shows the results of research on psychosocial risks for a group of machine and plant operators (n?=?1014) from the construction, chemical, energy, mining, metal and food industries in Poland. The Psychosocial Risk Scale designed in Nofer Institute of Occupational Medicine (NIOM) by Moscicka-Teske and Potocka was used to indicate the occurrence of general and specific occupational stressors and the level of their stressfulness. The results revealed that the studied machine and plant operators experience job context stress – related to working environment features concerning work organization – more frequently than job content stressors – related to the type of tasks they perform. Moreover, a correlation analysis between work features and the health and occupational functioning of the respondents revealed significant but weak relationships between the variables (from ?0.08 to ?0.23). Comparative analysis revealed the differences between the studied sectors. Such a comparison makes it possible to set goals for each sector and to attempt to improve the distinctive areas.     

聚乙烯管热熔焊机技术现状分析

基于国内常见品牌聚乙烯管热熔焊机的性能检测结果,详尽地从焊机主要机械部件性能、温度与压力等焊接参数的控制,以及全自动热熔焊机的监控性能与焊口信息记录情况等方面分析了热熔焊机的技术现状。分析表明,热熔焊机普遍存在若干不容忽视的质量问题,其中许多为焊机质量不能满足国家标准要求。最后提出了提高焊机技术水平的措施。     

支持向量机在边坡稳定性预测中的应用

针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数,确定最适合离子型稀土原地浸矿边坡稳定性预测的SVM回归模型的参数寻优算法。     

基于相关向量机模型的腐蚀声发射信号识别

相关向量机(RVM)模型的分类性能与其核函数参数的选择有密切关系。本文分别利用人工蜂群算法(ABC)、粒子群算法(PSO)和遗传算法(GA)寻找相关向量机模型的最优参数,对几种方法的寻优性能进行了对比。采用基于二叉树结构的一对多扩展方法,对二分类相关向量机模型进行了扩展,建立了四分类模型。基于该分类模型对罐底腐蚀声发射信号进行识别,将声发射特征参数和频域参数作为模型的输入参数,获得了较好的识别结果。     

模拟水下近距非接触爆炸环境的中量级冲击试验

由于非接触爆炸冲击环境引起的冲击值的范围取决于单位时间内的位移,中量级冲击试验条件是建立在舰船、装备受到剧烈的冲击载荷而不至于毁灭的基础上的,因此,采用了中量级冲击机进行试验,介绍了试验条件及参数。试验结果表明,用中量级冲击机来模拟水下近距离非接触爆炸性环境并对装备进行考核是当前可行的一种技术手段。     

电絮凝法处理油田污水

应用电絮凝浮选法对油田３类主要污水进行处理研究证实:炼油厂含油污染水含油量去除率达９６％,ＳＳ去除率达９７％;钻井污水浊度去除率达９６.８％,ＣＯＤ去除率达９７.５％;采油污水浊度去除率达９６.１％,含油量去除率达１００％。以上各项指标均远低于国家综合污水排放标准。电絮凝浮洗法不但处理油田污水效果显著,而且设备简单,耐冲击性、操作简单、不需投加化学药剂、增设投药设备和易实现管理现代化等优点,为油田污水处理提供了一条新途径      

基于多模态信息融合的心理负荷评估

为了相对稳定地识别人员是否处于心理负荷状态,设计并实施含能材料起爆作业心理负荷诱导试验。首先对心理负荷诱导情况进行判断,然后分别采集27名被试在静息状态和实施含能材料撞击起爆作业状态下的眼动、心率变异性(HRV)和脑电信号(EEG),通过正态性检验和假设检验获得心理负荷表征指标并进行统计功效分析,依据表征指标,采用支持向量机(SVM)和随机森林(RF)算法建立多模态信息融合的心理负荷评估模型,最后采用被试工作特征曲线(ROC曲线)分析各模态组合和分类器的心理负荷识别性能。研究结果表明：双模态(眼动+EEG)下SVM算法和3模态下RF算法评估性能和稳健性较高,多模态信息组合具有优异的识别效果。     

基于支持向量机的化工工艺安全评价模型构建及优化研究

为解决现阶段基于风险分级的安全评价方法仍存在着高维数据处理不当、评价智能化程度不高等问题,创建支持向量机的安全评价模型,利用核函数解决安全评价因子分类问题,粒子群算法(PSO)寻找最适合模型的正则项C,进一步提升安全评价模型的正确率,形成适用高维数据的化工工艺安全评价方法。研究结果表明：该模型与经典支持向量机模型和BP神经网络评价模型相比具有更高的正确率,研究结果对借用机器学习来创新安全评价理论及工程应用具有现实意义及理论价值。     

基于改进支持向量机的石煤提钒行业清洁生产评价研究

采用遗传算法(GA)对支持向量机(SVM)进行改进,并将其应用于石煤提钒行业清洁生产评价.在系统研究石煤提钒工艺类型的基础上,根据前期已建立的石煤提钒行业清洁生产评价指标体系,提出GA改进SVM的应用思路,通过对3种工艺类型企业的现场数据采集,形成训练和测试样本,并利用GA算法确定出各类参数(惩罚参数C和核函数参数g),分别为强酸浸工艺C=2.1049,g=5.2184;弱酸浸工艺C=0.0035286,g=1.9947;水浸工艺C=0.39587,g=1.4105.GA-SVM模型测试结果表明,分类精度达到100%.通过与其他评价方法对比表明,训练好的GA-SVM方法针对小样本数据在分类精度和可操作性上都较其他方法有明显优势,实现了对石煤提钒行业清洁生产水平的定量评价.