活性碳纤维吸附废气中的丙烯酸和甲苯

采用动态吸附法探讨了在活性碳纤维对模拟废气中丙烯酸和甲苯的吸附过程中,各因素对活性碳纤维穿透吸附量和饱和吸附量的影响。实验结果表明,在模拟废气中丙烯酸质量分数为0.2%、双柱塞泵流量为6.1mL/h、载气流量为1.60L/min的条件下,穿透时间为10min,活性碳纤维的穿透吸附量为227.5mg/g,饱和吸附时间为40min,活性碳纤维的饱和吸附量为460.0m g/g。     

一种基于人工蜂群算法的多目标路径决策方法

为兼顾火灾中人员疏散的安全性与效率,使得人员避免遭受火灾风险侵害的同时尽可能节省人员疏散所需时间,提出一种基于人工蜂群算法的最优疏散路径决策方法。首先,通过将一个考虑逃逸代价的单目标模型以及一个考虑路径复杂度的单目标模型合并为一个双目标路径规划模型,实现以火灾风险、路径长度及路径复杂度为最终优化目标;然后,以某建筑为例,运用Pyrosim软件进行建筑内火灾模拟,利用本文的最优疏散路径决策方法得到该火灾场景下的最优路径。结果显示：该决策方法可以有效帮助人员避开风险水平较高的区域,同时尽可能降低所选疏散路径的复杂度,验证了该方法用于考虑火灾蔓延对疏散路线影响的可行性。     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

危险天气下4D改航回归航迹规划方法

为解决航班因危险天气临时绕飞导致的航迹冲突问题,提出一种面向航迹运行(TBO)的4D改航回归航迹规划方法。首先,根据航空器性能限制,栅格化空域,使用蚁群算法与轮盘赌法,以改航路径最短为目标,生成三维空域内危险天气下的改航路径;然后,提出航迹回归概念,根据预计到达时间(ETA)计算改航速度,对齐时间得到4D改航航迹;最后,以我国中部某主要航段为运行场景,选取3个航迹回归点,采用“调速+等待”策略,计算避让危险天气的三维可行航迹,以燃油消耗与排放成本的计算结果与改航航迹产生的冲突为参考,评估各改航方案。结果表明：当选择最晚回归点时,改航方案3燃油消耗为5.9 t,温室气体排放量为26.3 t,是3种方案中消耗最少的,但需解脱冲突2次;选择最早回归点的改航方案1未与其他航班出现冲突,但燃油与排放相比方案3增加0.1%和0.2%。以上结果证实,该方案可实现危险天气下选取不同回归点时的4D改航回归航迹规划。     

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。     

基于文本挖掘的城镇燃气事故致因及关联分析

为有效预防城镇燃气事故发生,采用文本挖掘与复杂网络理论相结合的方法,系统分析影响城镇燃气安全的事故致因及其关联性。首先运用文本挖掘技术,从2017—2021年间的1 256份燃气事故案例中提取城镇燃气事故致因因素,采用Apriori算法挖掘城镇燃气事故致因的关联规则,共得到49条强关联规则;然后基于共现矩阵构建事故致因网络图,通过度中心性、紧密中心性、介数中心性分析,明确燃气事故的关键致因项和事故致因集合。研究结果表明：管道破损,阀门未关,设备老化,操作、使用不当和软管破损、脱落是城镇燃气事故关键致因因素,气体泄漏是燃气事故常见的事故类型,主要与管道破损、阀门未关等具有强关联性。     

动态残差修正LSTM算法的突发型滑坡位移预测

针对突发型滑坡存在位移趋势突变性,传统长短时记忆(LSTM)神经网络方法存在位移预测精度不足的困难,提出一种基于动态残差修正LSTM算法的突发型滑坡位移预测方法。首先,采用动态流转训练,将由累计位移得到的变形速率通过经验模态分解(EMD)得到周期项及趋势项;其次,通过多项式预测趋势项、动态LSTM预测周期项,并由2项之和得到主预测变形速率;随后,通过对比实测速率与主预测变形速率,得到残差项,并建立动态流转训练的残差LSTM网络预测残差速率;然后,由主预测变形速率与残差预测变形速率之和得到最终预测速率,并进一步得到累计位移预测值;最后,以某突发型滑坡为例,验证该方法的科学性、有效性,以及预测精度和优势。结果表明：将变形速率序列作为预测对象并进一步得到累计位移预测值,比直接预测累计位移值具有更高的准确性;而基于动态残差修正LSTM算法预测的MAE、MAPE、RMSE及R²指标分别为43.843、1.901%、79.394和0.960,相比于传统LSTM预测方法具有明显优势。     

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。     

改进非线性海鸥算法在矿震定位中的应用

为了提高矿震定位精度,保证算法能快速收敛且具有较强鲁棒性,提出了一种基于改进非线性海鸥算法的矿震定位算法(Robust Difference Seagull Optimization Algorithm, RD-SOA)。该算法首先计算差值矩阵,提出采用稳健差值法作为目标函数,其次基于海鸥算法,提出非线性惯性权重,最后通过海鸥间相互作用求解震源点位置。通过模拟试验分析,当波速在-1%～1%、-3%～3%和-5%～5%的范围内浮动时,RD-SOA的定位精度均优于传统的非线性最小二乘法(Nonlinear Least Square, NLS)和Geiger定位法及改进前的SOA,相同情况下,RD-SOA比SOA的收敛速度提高了67%。通过柿竹园金属矿人工爆破数据进行对比分析,RD-SOA定位结果的绝对误差由原始SOA的13.7 m降低至3.8 m。对某煤矿的一次大能量矿震事件进行定位,震源位于采空区顶板上方38 m厚细砂岩层中,受开采影响导致工作面后方顶板断裂,为本次事件提供了能量源。