基于案例推理的露天矿山排土场滑坡事故预警方法研究

通过整理100组排土场滑坡的案例库,提出了基于案例推理(CBR)的排土场滑坡中长期预警方法,采用框架法表示滑坡案例,RBF神经网络和欧式距离相结合实现案例的检索,由用户和专家来完成案例的修正与调整。在高村排土场进行了实际应用,通过案例检索获得了相似的案例,确定了预警等级及合理的处置方案,为排土场滑坡事故预防提供了科学指导。     

建筑工程安全文明施工费预测精度研究

为准确测算建筑工程安全文明施工费,提出案例推理技术(CBR)-最大信息系数(MIC)-随机森林(RF)预测模型方法。通过实地调研61个典型工程样本数据,选择12个安全文明施工费的影响因素作为候选特征变量,采用CBR进行样本相似度检索以构建模型的训练样本集,运用MIC确定关键特征变量输入模型,组合建立3种RF模型(RF、MIC-RF和CBR-MIC-RF),并通过实证分析其预测精度。结果表明：通过样本相似度检索和识别关键特征变量,可显著提高RF模型的预测精度(平均绝对百分比误差(MAPE)为3.35%);模型预测精度随不同等级的相似度阈值呈“U”型变化,设置合适的相似度阈值对提升模型的预测效果至为关键;CBR-MIC-RF模型可获得比支持向量机模型更好的预测性能。     

基于风量-风压复合特征的通风系统阻变型故障诊断

为了避免风量单一特征进行故障位置诊断的不适定性,提出基于风量-风压复合特征的故障位置诊断方法,实现特征信息的多维互补,提高故障位置诊断的准确度。利用蒙特卡洛方法生成大致满足实际故障风阻值分布的故障仿真样本,为了避免不同变量之间不同量纲、不同数量级造成的数据损失,对原始风量、风压数据进行标准化处理,并分别以风量单一特征、风压单一特征、风量-风压复合特征作为支持向量机（SVM）的输入,构建通风系统阻变型故障位置诊断模型。通过故障模拟实验研究表明:风量、风压单一特征进行故障位置诊断的准确度分别为89.80%,90.34%,风量-风压复合特征进行故障位置诊断的准确度为98.23%,说明风量-风压复合特征进行故障诊断可以消除风量、风压单一特征进行故障诊断的不适定性,提高故障诊断的准确度。     

基于改进KFDA和RW ν-SVM的化工生产系统故障快速诊断

为提高复杂化工生产系统在线故障诊断的效率和准确率,将改进核费舍尔主元分析法(KFDA)和鲁棒损失小波ν-支持向量机法(RWν-SVM)结合。首先,利用近邻边界法对KFDA进行监督降维,快速辨识和提取化工过程影响因素的核主元。然后,将核主元作为诊断和分类RWν-SVM的输入参数,并优化回归决策函数表达式,使诊断过程更加快速,分类更加准确。最后,设计一个基于改进KFDA和RWν-SVM算法,并以经典的田纳西-伊士曼化工过程(TEP)为实例进行计算。结果表明:用改进的算法,能快速诊断和分类化工生产系统中的故障,且在计算效率和正确率方面均优于普通方法,故障诊断结果能够反映化工过程的实际情况。     

基于GIS的铁路行车事故救援系统研究

笔者扼要探讨了构建基于GIS的铁路行车事故救援系统的相关理论和方法 ,提出了该系统的设计目标、功能结构、体系结构以及空间数据库设计的简要准则和空间数据的输入方法。笔者还介绍了结合实际科研项目 ,开发的大秦线事故救援辅助决策支持系统。该系统具有以下几方面的特点 :在以工务信息为主体的基础上 ,实现了车、机、工、电、辆各部门主要业务信息以及事故救援预案信息的初步整合 ;实现了线路录像按里程点播以及录像与线路设备综合图的联动 ;实现了事故救援的辅助决策支持 ,提供了一个可以扩展的理想平台。     

基于mini-1D-CNN模型的TE过程故障诊断

为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自动提取优势特征并进行故障分类;其次,通过逐步向后回归选择重要特征参数,优化模型结构。利用可实时获取的31个过程变量与操作参数,输入一维卷积神经网络(1D-CNN),监测与诊断田纳西-伊斯曼(TE)过程的主要故障。结果表明：相对于其他故障诊断模型,mini-1D-CNN模型在测试集上故障诊断率(FDR)较高,可达到96.50%;同时,mini-1D-CNN模型关注于TE过程故障诊断的重要特征参数,在降低参数量及降低训练和测试时间上具有显著优势。     

基于网络分析的矿井通风智能诊断专家系统

提出了矿井通风智能诊断专家系统来解决通风系统故障诊断问题,设计了矿井通风智能诊断专家系统知识库和推理机,提出用逐步线性回归分析法确定可能引起某巷道风速超限的风路集合.在知识库中把通风系统故障原因详细归类,在专家系统推理机中进一步缩小了故障范围并推断故障原因.给出了矿井通风智能诊断专家系统推理流程并设计了用户接口,故障诊断结果图可以直接显示故障巷道范围、故障原因及故障巷道列表.最后对大明矿进行了工业试验,智能诊断专家系统的故障诊断结果与实际结果一致,验证了系统的可行性.     

MPEG-7在智能视频监控系统中的应用

本文将MPEG-7与智能监控系统相结合,针对具体监控场合,设计了监控系统的整体框架,选择了开发平台、工具和监控设备。设计了智能分析算法,从监控视频流中提取了感兴趣的文件信息,并保存为基于MPEG-7的内容描述文件。设计了检索器程序,最终实现了视频监控录像文件信息的组织、存储和快速检索。     

基于ET-DFT分层模型的复杂系统动态概率安全评价方法研究

为充分体现复杂系统的动态行为对其可靠性的影响,减少系统动态故障概率计算时的工作量,应用层次化分析思想,综合事件树(ET)和动态故障树(DFT),提出基于ET-DFT模型的动态概率安全评价(DPSA)方法。应用二元决策图(BDD)和马尔科夫链(MC)分别对静态故障树和DFT进行求解,给出将静态故障树和DFT向BDD及马尔科夫链转移图的转化算法,以及系统各状态概率的求解方法。通过应用实例的分析验证,得到系统静态模块定量的发生概率及动态模块各个状态概率随时间变化的曲线,经综合求解得到系统故障发生的概率,实现对系统较为精确的DPSA。     

地铁工程安全设计(DFS)知识库构建

针对目前地铁施工和运行过程中安全事故频发的现象,运用安全设计(DFS)概念,提出在地铁设计中应考虑施工和运行安全,构建DFS知识库,以提高设计人员的DFS能力。分析DFS知识库应具备的功能,提出通过知识的搜集、分析、存储和查询4大模块来实现相应的功能;依据模块的功能,详细设计DFS知识库的逻辑结构、系统结构和存储结构;4大模块与DFS不同的结构相结合,构成地铁工程DFS知识库系统。以乘客坠落站台事故为例,进行实证分析。研究结果表明,该案例的逻辑层次为"车站工程子知识库-车站站台子库-客运类事故";合理有效的知识库可根据标准化案例描述识别出危险源,并可运用知识管理的相关方法自动提取针对危险源的设计规范及设计建议。     

面向复杂设备的分布式故障诊断研究

基于复杂系统的设备故障诊断的要求 ,按故障信息流动的方向将诊断过程分为实时监测层、故障诊断层及综合决策层 ,并建造一种分布式多级黑板诊断结构模型。根据不同诊断层次的特点 ,赋予其不同的诊断方法。在实时监测层中各实时监测单元采用神经网络和知识基模块的混合结构完成该层任务 ;故障诊断层则基于广义知识表达模型 ,建立三库结构 ,即静态实例库、动态实例库和规则库 ,整个推理过程基于三级推理机制 ;综合决策层为一智能型的辅助决策支持系统 ,提供对整个系统生产与设备运行状态的综合诊断与决策。     

大空间建筑消防系统故障风险定量分析的新方法

在对CO2自动灭火系统的故障模式、影响及危害度定性分析的基础上,采用模糊数学方法,以系统故障影响严重度、故障模式发生概率及其可检测性为关键指标,给出了故障风险定量评价指标的建立方法,提出了一种消防系统故障风险定量分析的新方法———模糊推理法。该方法可直接输入语言变量,利用模糊定性和不确定信息或数据定量评价系统的故障风险,并以CO2自动灭火系统为例,详细阐述了该方法定量评价故障风险的全过程。该方法和推理过程可为其他建筑防火设备的同类分析所借鉴,为城市火灾风险定量评价系统的构建提供理论基础和一种新方法。     

SFT下的云化故障概率分布变化趋势研究

为了扩展空间故障树SFT的应用性,特别是处理具有离散性、随机性和模糊性(不确定性)的实际运行中系统产生的故障数据,利用云模型重构系统故障概率分布变化趋势的计算方法。通过故障概率分布变化趋势可得到系统故障概率随某一因素变化情况。建立云化故障概率分布变化趋势方法的目的在于,对于可靠性数据普遍存在的不确定性可使用云模型进行表示;构建的故障概率分布函数是连续的,可进行函数求导以方便得到变化趋势。将云化故障概率分布变化趋势方法应用于经典实例,得到了一些定性和定量结果。论述了该方法在理论和实际应用上的价值。     

油气管道腐蚀可靠性的贝叶斯评价法

对油气管道腐蚀危害因素进行分析,建立其失效故障树。根据故障树分析原理,找出导致管道腐蚀穿孔破坏的23个因素。通过对故障树的定性分析,采用下行法求出油气管道腐蚀失效故障树的96个全部最小割集,并确定失效的主要影响因素。结合最小割集不相交化法和贝叶斯可靠性评定法对管道腐蚀失效进行定量分析,通过某油气管道事故统计数据,利用贝叶斯可靠性评定方法求出油气管道腐蚀可靠性的一阶矩和二阶矩。对一阶矩和二阶矩进行拟合,求出油气管道腐蚀可靠性的第一近似下限和第二近似下限。结果表明:得出的油气腐蚀管道贝叶斯可靠性评价结果可以指导管道系统的维护和维修,降低管道运行的风险。     

建筑安全事故中的事件重要性定量分析

为制定建筑安全措施提供理论依据,采用Birnbaum测度描述诱发事故的事件重要度,提出基于二叉判定图(BDD)的建筑安全定量分析方法。在得到安全事故故障树后,该方法执行BDD逻辑运算生成BDD结构,并通过遍历该结构计算各事件的Birnbaum测度值。管理人员可通过量化的重要度数值来分析各事件重要性,确定对工程安全影响最大的一些基本事件,从而制定安全措施来减少事故损失、保证工程质量。BDD结构特点使得该方法便于计算机编程实现,实验数据的对比分析表明BDD方法可正确高效地分析建筑安全事故。     

故障树法和改进PSO-PNN网络的电梯故障诊断模型

针对电梯故障问题,提出一种将故障树分析法、改进的粒子群优化算法和概率神经网络相结合的方法用于电梯的故障诊断。以电梯的安全回路系统为例,用故障树法对回路进行分析,获得训练样本与故障类型;使用粒子群算法对概率神经网络的平滑因子进行优化,在优化过程中,针对粒子群算法存在易陷入局部最优的缺陷,提出对惯性权重的改进策略;采用相对误差对诊断效果做出评估,并与传统的概率神经网络和基本粒子群算法优化的概率神经网络在各种故障类型输出和最大相对误差等方面进行比较,结果表明:该模型能够有效诊断电梯故障。     

基于离散余弦变换的鲁棒感知图像哈希技术

对现有感知图像哈希的生成方法进行深入研究,分析该方法存在的不足之处。分别介绍离散余弦变换、Watson视觉模型和混沌模型的原理和特点,提出将这3种模型进行融合来设计感知图像哈希的生成方法。该方法采用离散余弦变换提取图像特征,对比敏感表对特征向量进行处理并用Logistic方程作为混沌序列发生器进行加密,最后采用预测差分方法进行量化编码。试验结果表明:该方法可以抵抗内容保持的修改操作,并具有较强的鲁棒性、安全性和检索性,且冲突概率降低到10-7数量级。该技术在图像认证、版权保护、安全和基于内容的图像检索等方面有应用价值。     

基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断

为了对液化石油气(LPG)公路运输罐车储罐系统故障进行准确、全面的诊断,通过利用故障模式影响分析方法(FMEA)构建储罐系统故障模式及故障特征指标,根据日常检测数据构造训练样本,运用径向基函数(RBF)神经网络对网络进行训练建立诊断模型并利用诊断模型对罐车故障进行诊断。经验证:诊断结果与实际情况相符合。因此,基于FMEA与RBF神经网络所构建的模型可以用于危险化学品汽车罐车储罐系统的故障诊断。     

基于支持向量机(SVM)的民用飞机重着陆智能诊断研究

针对国内航空公司对于重着陆的判断方法存在的不足,提出采用支持向量机(SVM)建立重着陆的智能诊断模型;分析对重着陆产生影响的相关因素,在力学基础上揭示了重着陆的产生原理;利用快速存取记录器中记录的多个飞行参数的信息,采用B737机型的实际样本数据进行训练和验证。结果表明:该方法能有效判断出是否发生重着陆,其准确率高达92.86%,证明该重着陆智能诊断方法具有较强实际应用价值,为后续研究奠定了基础。