基于二维图像识别油田违章行为监测技术研究

为了在油田施工作业过程中及时准确地发现施工人员的违章行为，保证油田的安全生产，提出一种基于二维图像识别油田违章行为的监测技术。该技术采用一种目标检测与关键点定位的多任务联合学习算法，提高传统算法的准确率；采用目标属性二次分析的方法识别目标精细情况；采用目标追踪与时序人体行为分析方法实时跟踪人的行为动作。并通过不同场景的2 367例样本的应用显示，识别准确率80%以上，召回率75%以上，表明该技术对一般违章行为识别的准确率较高。     

基于机器学习的CNG加气站风险预警模型研究

加气站一旦发生事故,不仅会造成人员伤亡和财产损失,而且也会给周边居民乃至社会带来一定的负面影响。借助机器学习技术,构建CNG加气站风险预警模型,对加气站的风险状态进行预警,实现对事故的事前控制。首先建立了加气站风险预警指标体系,以12座加气站为研究对象,采集指标样本数据,通过大数据分析技术构建训练数据集,并采用SMOTE算法解决了样本不均衡问题;然后分别采用决策树、朴素贝叶斯、SVM、KNN等4种机器学习分类算法构建预警模型。研究证明,采用决策树算法和SVM构建的预警模型准确度均达到97.8%,可以对加气站的风险状态进行有效识别和预警。     

基于卷积神经网络的安全标识分类算法研究

为解决安全标识数据集、安全标识特殊图形及复杂背景缺乏等问题,采用卷积神经网络(CNN)提取安全标识的特征,在VGG-16网络结构和CNN的基础上构建能够识别17种安全标识的VGG16-17模型。原始数据有816张,通过数据增强扩展数据集,得到4 708张图片,按照4∶1的比例将数据集划分为训练集和验证集。通过调节模型中部分参数,分析迭代次数和批量大小对模型识别分类效果的影响。结果表明：当迭代次数为20次、批量大小为32时,模型结果最理想,识别准确率为97.92%,相较于基于未经过数据增强数据集的改进模型的准确率提高19.39%,同时,改进模型相较于传统VGG16模型,识别准确率提高4.3%,证明模型改进和数据增强对图像识别能力的提高有一定帮助。     

优化Swin Transformer的塔式起重机销轴安全状态识别算法

为减小塔式起重机运行安全隐患，提高机器视觉检验销轴连接状态的准确率，提出一种优化Swim Transformer的塔式起重机销轴安全状态识别算法；首先通过采集工地现场塔式起重机销轴安全状态图像，创建数据集；其次对数据集中销轴安全状态分类，并进行独热编码；然后基于Swin Transformer算法，建立销轴安全状态的识别模型，构造和优化损失函数；再运用AdamW优化器更新梯度，经过1 000次训练迭代后得到最终模型；最后在所创建的销轴图像数据集上，进行试验验证。结果表明：所提优化算法提高了塔式起重机销轴安全状态识别能力：准确率为99.4%、平均精度为99.4%,平均召回率为99.4%,平均特异度为99.6%,呈现出良好的分类和泛化能力；同时明显优于ShuffleNet、DenseNet和EfficientNet等3种典型算法；与原Swin Transformer算法相比，准确率也提高了3.6%。     

基于优化Bagging-LSSVM模型的冲击地压预测

为准确预测冲击地压危险性,提出一种优化Bagging算法动态集成的最小二乘支持向量机(LSSVM)的预测模型。在设计和优化Bagging-LSSVM模型流程的基础上,引入经典分类数据集,验证模型的可行性,并通过试验得出实现模型最优分类条件下的基分类模型数的最小值。综合考虑冲击地压的主要影响因素,确定其评判指标;以重庆砚石台煤矿的35组实测数据为试验样本,利用核主成分分析(KPCA)消除指标间的相关性,对比分析样本数据处理前后应用模型的预测效果;比较优化Bagging-LSSVM模型、优化Bagging-SVM模型和LSSVN模型预测冲击地压危险性的准确率。结果表明:经KPCA处理后的样本相较于原始样本,其应用于优化Bagging-LSSVM模型的预测准确率更高,耗时更少;且优化Bagging-LSSVM模型预测冲击地压危险性的准确率高于其他模型。     

基于声发射特征参数的阀门内漏神经网络识别

为解决阀门内漏在线快速检测问题,基于声发射检测技术,采集了DN150闸阀在上下游压差0.8 MPa典型工况下的声发射信号,提取振幅、振铃计数、能量、平均信号电平、信号均方根值5个特征参数作为输入矢量,内漏结果作为输出矢量,建立了3层BP神经网络识别阀门内漏的模型,利用实验数据样本对该模型进行了验证。结果表明,阀门内漏识别准确率超过90%,有利于提高阀门安全运行在线监测水平。     

基于网格搜索和ELM的冲击地压危险等级预测

为提高冲击地压危险等级预测模型的泛化性能及预测精度,采用网格搜索法结合十折交叉验证法对极限学习机(ELM)中的隐含层神经元个数及激活函数的类型进行组合优化,进而建立冲击地压危险等级预测模型;选取重庆砚石台煤矿36组实测数据进行试验,对影响因素数据进行标准化处理,选择其中26组样本对模型进行训练,采用该模型对后10组样本中冲击地压危险等级进行预测,并与其他方法作对比。结果显示:经过十折交叉验证,用该模型得到的正确识别率为84.615%,高于朴素贝叶斯及Adaboost M1的76.92%、61.54%,采用该模型对测试样本集中冲击地压危险等级进行预测,预测准确率为90%,高于朴素贝叶斯及Adaboost M1预测准确率80%。     

驾驶人认知分心识别随机森林模型研究

为识别驾驶人认知分心状态,招募13名驾驶人参与驾驶模拟器试验。通过眼动仪采集被试正常驾驶及认知分心状态下的眼动数据,提取5 s时间窗口内的眼动特征。运用随机森林方法构建认知分心识别模型,应用网格搜索确定最优模型参数,并采用100次留出法评估模型性能。根据随机森林模型特征重要性度量结果,进一步分析认知负荷对驾驶人注视及眨眼持续时间的影响。结果表明:当决策树数量为125、最大特征数为5时,模型识别平均准确率为83.69%;注视持续时间及噪声持续时间是认知分心识别的2个关键特征,随着认知负荷的提高,驾驶人注视持续时间减少、眨眼时间增加。     

面向视频火灾火焰识别的轻量化卷积神经网络模型

深度学习在基于视频的火灾火焰识别技术中得到了广泛应用。为解决当前常用的卷积神经网络模型由于层数和训练参数过多，导致存储和速度问题突出，很大程度上限制了其在一些硬件平台上使用的问题，基于轻量级卷积神经网络模型SqueezeNet,通过适当修改模型结构，构建了一种适用于火灾火焰识别的新网络模型。将获取的各类火灾火焰图像数据，采用数据增强的方法来增加数据量，制作火灾火焰图像数据集，形成学习样本，并使用运动探测算法提取图像的火焰区域进行模型训练和识别前预处理。试验结果表明：该模型所需存储空间仅为0.28 MB,为VGG16的1/200;火灾火焰识别预测准确率达98%,比SqueezeNet提高了近4个百分点，且具有良好的抗干扰能力，有效缓解了当前卷积神经网络中存在的存储和速度问题。     

基于迁移学习与残差网络的矿工不安全行为识别

为精确识别矿工的不安全行为,降低煤矿事故发生率,提出迁移学习结合深度残差网络的图像识别方法。将矿工的行为样本划分为完全安全行为、较安全行为、不安全行为3个维度,其中完全安全行为包括:走路、坐下、站立,较安全行为包括:弯腰、下蹲、抬东西、推、拉、挥手、拍手,不安全行为包括:跌倒、投掷;采用ResNet50网络进行训练,微调ImageNet数据集迁移学习的权重参数,通过全连接层进行12分类,并将最终分类结果与测试数据进行对照检验。研究结果表明:基于迁移学习的残差网络模型识别跌倒与投掷动作的准确率,优于其他深度神经网络模型,能够有效识别不安全行为从而避免由人为因素导致的事故发生。     

任务驱动下的建筑施工现场危险源关联规则挖掘

大数据时代的建筑施工现场会产生海量数据信息,如何利用这些数据并从中找出建筑施工现场内外环境中危险源之间的关联关系,对于施工安全尤为重要。利用Apriori算法挖掘施工隐患数据集,生成危险源关联规则;然后依据任务驱动思想令计算机将施工任务映射到相应施工情境下的危险源关联规则中,管理者便可根据具体施工任务搜索到更想要关注的安全规则信息;从这些规则信息的搜索结果发现,隐患的发生常常是由于危险源在时间上的连续或在空间上的交互所致,因此利用这些挖掘出的关联规则可以帮助施工管理人员对施工现场进行有效安全管理。     

Bi与rGO共修饰SnO2光催化高效降解TCH和染料研究

通过简单水热法制备新型铋金属(Bi)与还原氧化石墨烯(r GO)共修饰SnO2三元光催化剂,并采用多种手段对其进行表征。以亚甲基蓝(MB)和四环素(TCH)为目标污染物,考察三元材料对污染物的光催化降解性能。结果表明,在可见光条件下,复合光催化材料对四环素去除率为94. 1%(60 min),对亚甲基蓝去除率为75. 5%(120 min),降解效果显著好于纯SnO2与二元催化剂Bi-SnO2。光致发光光谱(PL)、瞬态光电流响应和电化学阻抗谱(EIS)结果表明,复合材料中电子转移及分离效率的提升显著提高了自由基的产生及光催化效率。阐述了铋金属、还原氧化石墨烯和二氧化锡中间的协同效应,并基于自由基掩蔽试验和电子自旋共振谱(ESR)提出了光催化机制。     

基于模糊综合评价-集值统计法的大型商场外因火灾风险性分析

大型商场火灾发生的原因多种多样,且易造成严重的后果和恶劣的社会影响。为了提高大型商场火灾风险性等级并且为其评价研究提供一种更加合理的评价方法,采用将2级模糊综合评价与集值统计法相结合的模型对大型商场外因火灾的风险性进行评价。根据相关法律法规并借鉴已有研究成果,充分考虑外因火灾的特点(主要从消防设施及能力因素、消防安全管理因素、人员应急疏散因素3个方面进行分析),建立针对大型商场外因火灾的评价指标体系,其中二级指标包括3个,三级指标包括12个。利用集值统计法将评价指标的描述表示为一段区间值,进而确定各评价指标的权重,并对得出的权重进行可靠性分析,采用加权平均模型确定火灾风险性总的相对隶属度,并求出模糊特征向量;最后根据总得分确定火灾的风险性等级。利用该方法对沈阳某大型商场外因火灾危险性进行了评价分析,并与传统的评价方法(层次分析法)相对比,其评价结果都为"二级(好)",表明该方法的评价结果合理。同时分析得到了大型商场火灾防控的薄弱环节,并提出了相应的有效改进措施。     

航道水域的船舶夜航环境风险评价

准确地识别航道水域夜航环境的风险因子并对其进行客观、合理地评价,可以有效规避该风险并保障航道水域船舶的夜航安全。在查阅分析大量文献的基础上,结合专家意见确定航道水域夜航环境风险评价指标体系,运用层次分析法和熵权法确定了各指标的主、客观权重。采用物元综合评价法对航道水域夜航环境风险进行评价,通过查阅相关标准和文献确定航道水域夜航环境风险因子的经典域和节域,将实测的定量定性指标数据代入关联函数计算得出对应等级的关联度,乘以权重向量后确定该水域环境的风险等级。选取天津港3条航道进行实例评价,结果表明,船舶在航道B夜航为低风险,在航道A和航道C夜航为一般风险,实例结果与航道实际情况一致,验证了该方法的有效性。     

Y型合流分岔隧道临界风速计算模型

临界风速是Y型合流分岔隧道能否有效抑制烟气侵入分岔支路的重要参数。为确定Y型合流分岔隧道临界风速计算公式,对影响Y型合流分岔隧道临界风速的相关因素进行量纲分析,推导出临界风速与火源热释放率、主分隧道高度比、连拱长度及隧道分岔夹角这4个因素的无量纲函数关系式。通过数值模拟得到临界风速最大的火源位置,并对上述4个影响因素进行了量化分析。结果表明:火源距分岔段隧道洞口15～25 m时临界风速最大;当无量纲火源热释放速率小于0. 3时,隧道临界风速与火源热释放率呈现1/3次方关系,当无量纲火源热释放速率大于0. 3时,隧道临界风速不再随火源热释放速率增加而增加;临界风速与分岔隧道高度比近似成-3/10次方关系,与分岔夹角成-3/40次方关系,而与连拱长度无关。进而得到分岔隧道临界风速的无量纲计算模型,且与数值模拟结果吻合良好。     

《安全与环境学报》2007-2017年文献计量分析

运用文献计量学方法,对《安全与环境学报》(下称《学报》)2007-2017年刊载的4147篇论文进行了文献计量分析。从《学报》论文的时序产出与影响、分类产出与影响、期刊层面的知识流动及主题热点4个方面讨论了《学报》的文献计量学特征。结果表明,《学报》经过多年的发展,产出、影响力及知识密度不断提升,产生了一大批有影响的地区、机构、作者等。《学报》保持期刊内外的知识流动、交换和更新,使得期刊充满知识活力。经过长期的积累,《学报》已经形成了安全工程与管理、环境科学、环境工程,以及特色专题--安全与环境事故和事件统计快报4个方面的主题方向。《学报》的这些文献计量指标,为全面认识《学报》及未来发展提供了详实的科技情报。     

18650型锂离子电池燃烧特性及火灾危险性评估

为评估18650型锂离子电池的火灾危险性,以3种不同品牌的商品三元18650型锂离子电池为研究对象,采用锥形量热仪在不同辐射热和荷电状态下对3种电池进行了燃烧试验,分析了电池的热释放参数、烟参数、毒性参数和质量损失参数。并在试验的基础上构建了锂离子电池火灾危险性综合评估指标体系,计算了这3种电池在辐射热35kW/m^2及品牌1的18650型锂离子电池在25 kW/m^2条件下的火灾危险指数。结果表明:电池的热参数和毒性参数随电池荷电状态(SOC)和辐射热增大而增大,满电状态下的品牌1电池在辐射热为50 kW/m^2、35 kW/m^2和25 kW/m^2时的热释放速率峰值分别为9.23 kW、8.64 kW和6.26 kW;生烟量随电池SOC和辐射热增大而减小;综合评估得出了3种电池的火灾危险性。     

基于物元多级可拓模型的档案馆火灾安全风险评价

档案馆是收集、保管纸质档案材料的场所,火灾荷载大。档案馆火灾造成的社会影响和经济损失是无法估量的。为了评估档案馆火灾安全风险状况,预防档案馆火灾的发生,通过分析档案馆火灾安全风险因素,全面、系统地构建了由4个一级指标,27个二级指标构成的档案馆火灾安全风险评估指标体系,构建了基于多级可拓模型的档案馆火灾安全风险评估模型。应用该模型对西安某档案馆进行实证评价,得出该档案馆火灾安全风险等级为II级,评估结果与实际安全情况相符,表明该模型适用于档案馆的火灾安全风险评价。     

人工煤气管道萘沉积量预测方法及影响因素研究

为了研究人工煤气管道内萘沉积量的预测方法及其影响因素,以昆明人工煤气输气干管为例,结合TGNET软件模拟输气干管的运行工况(选用BWRS状态方程,Colebrook-White流动方程)计算管内萘沉积量,通过改变模型参数(地温、输气温度及输送压力)分析萘沉积量的影响因素。结果表明:1)萘沉积量预测方法的计算结果与实际情况的相对误差仅为3.36%,方法可行;2)饱和萘含量随地温降低而降低,随管道输送压力降低而升高,随管道输送温度降低而降低,且管内外温差越大,萘沉积量越大;3)温度变化是造成人工煤气管道中萘沉积并堵塞管道的主要原因,建议在煤气进入城市管网前先对其作降温处理,冬季在弯管、调压器等易出现萘沉积的部位添加保温设施以维持管内温度。     

企业系统内部安全信息共享过程影响因素分析

为探讨安全信息共享过程及其影响因素,增强企业对安全信息的使用能力,并进一步为提升企业的安全生产水平提供理论依据。基于安全系统和安全信息的研究进展,从安全系统的内部动态联系进行分析,提出加强企业系统内部安全信息共享过程研究的重要性。同时,借鉴安全信息流动和认知的相关研究,分析安全信息的共享过程,进一步构建安全信息流动过程模型,提炼出影响企业系统内部安全信息共享过程的安全信息特性、安全信息质量、安全信息环境、安全信息能力和安全素质5个因素,并逐层分析,构建企业系统内部安全信息共享过程影响因素的测量指标体系。应用问卷调查和结构方程建模方法,构建企业系统内部安全信息共享过程二阶验证性因素分析模型,对影响因素进行分析。结果表明,提出的5个主要因素对安全信息共享过程具有重要影响,其中安全信息素质的影响最大。