知识-数据驱动的沉管隧道接头安全状态分析方法——以港珠澳大桥海底沉管隧道为例

为解决沉管隧道接头安全状态不断变化且难以直接感知的技术难点,以港珠澳大桥海底沉管隧道为工程背景,通过分析既有监测数据,总结管节接头的变形模式,揭示管节接头张合量与结构温度的强相关性,明确潮位变化对接头剪切变形的显著影响。在此基础上提出一种基于知识-数据驱动的沉管隧道接头变形快速推演方法,通过建立沉管隧道精细化有限元模型,开展海量典型变形模式下的沉管隧道结构力学行为分析,构建沉管隧道变形服役行为数据集;利用BP神经网络,建立基于仿真接头服役行为特征的沉管隧道接头全断面变形推演模型,实现基于有限实测数据的接头全断面变形快速重构。该方法在港珠澳大桥海底沉管隧道的现场管养中得到成功应用。以2023年台风“苏拉”为例,基于台风登陆过程中接头的局部位移实测数据,推演接头剪力键及止水带关键点位处管节接头的变形情况。结果表明,该沉管隧道接头系统整体受台风影响较小。

融合异质层次因果图的尾矿堆积坝安全状态分析

为探究尾矿堆积坝内外部因素对堆积坝体安全状态的影响,提出基于异质层次图的尾矿堆积坝安全状态分析方法。该方法通过构建异质层次因果图,将环境、渗流场和应力场等关键因素与堆积坝安全状态建立联系,并结合异质节点属性特征,形成环-渗-应安全状态分析指标体系;通过提出定量指标动态等级区间计算方法和安全状态等级计算模型,将坝体安全状态定性问题的模糊性转化为定量化表达,实现对尾矿堆积坝安全等级评价;以洛阳某尾矿坝为例验证模型的科学性。结果表明:该模型能合理定量分析因素与状态之间联系,并找出堆积坝负向演化的敏感性因素,给后续筑坝过程的安全管理提供决策依据。

地铁施工安全状态智能分析与动态分级系统研究与设计

通过对既有安全风险管理基础数据进行标准化和数值化处理,包括巡视数据、监测数据、工程风险等级、工程风险类型以及工程设计参数等,借助案例库和神经网络研究,将传统依赖监测与巡视的单一预警判别方法升级为基于多源信息融合的工程安全状态综合智能分析。此外,设计一套定期动态评估与分级的工程安全状态智能分析系统,该系统以既有安全风险管理基础数据为基础,通过自动数据采集、智能分析、自动发布建议措施以及形象化展示等模块功能,实现对工程安全状态的智能判定。这一创新取代传统的人工判定方法,促进安全风险管控向智能化方向转变,为现场安全风险管理提供更为便捷、科学的管控决策和技术支持。

基于安全状态域的网络评估模型

将基于攻击图的评估与依赖标准的评估相结合,提出了一种基于安全状态域(security state region,简称SSR)的网络安全评估模型(security-state-region-based evaluation model,简称SSREM).该模型将攻击的影响分为攻击能力改变和环境改变,通过两者之间的因果关系建立数学模型,提出了安全状态域趋向指数的概念,借助Matlab进行攻击趋势的曲面拟合,进而进行安全状态域的划分和网络的安全性评估.实验结果表明,依据SSREM进行的评估能够通过安全状态城和安全状态域趋向指数反映网络进入不同状态的难易程度,对网络安全性量化评估具有借鉴意义.

基于分布式检测与告警切换的多传感器CPS安全状态估计

针对多传感器信息物理系统(CPS)在执行器和传感器遭受隐蔽性攻击情况下的安全状态估计问题,本文提出一种基于分布式检测与告警切换的安全状态估计方法.首先,利用卡尔曼滤波器组,构建基于状态差异的残差信号,用于多传感器的分布式检测;其次,定义传感器置信因子,建立基于检测告警切换的安全状态估计框架,设计攻击情况下的攻击隔离与状态估计一体化算法;最后,利用四驱麦克纳姆轮移动机器人,搭建了多传感器CPS实验平台,并分别在零动态攻击、隐蔽攻击和重放攻击场景下进行实验验证,结果表明,本文提出的安全估计方法具有较好的可行性和有效性.

一线矿工不安全状态的分类研究

为科学合理配置安全资源以及提高安全管理效率,以近3 a来的45起典型事故案例对一线矿工不安全状态进行分类研究。通过文献分析法提取了一线矿工不安全状态的5个特征;运用Hayashi数量化理论Ⅲ构建了一线矿工不安全状态判断矩阵,并采用SPSS 26.0软件对5个特征进行相关性分析;应用MATLAB R2018a软件制散点图,并使用SPSS 26.0软件进行聚类分析,将一线矿工不安全状态量化分类。结果显示:提取的5个变量相互独立;一线矿工不安全状态可分为有意内因型(第一类)、偏有意外因型(第二类)和无意外因型(第三类);三类一线矿工不安全状态的综合危险性由大到小依次为第三类、第二类、第一类。对于分类中每个事故中人的不安全状态的频率由大到小依次为第一类、第二类、第三类。研究结果有助于推进一线矿工不安全状态的分级管控。

煤矿从业人员不安全状态快速检测系统研究与应用

为前移煤矿从业人员不安全行为预控关口,及时预警煤矿从业人员人因风险,以红柳林煤矿为工程背景,基于前期研究积累构建的煤矿从业人员不安全状态理论框架,交叉融合多学科优势,以煤矿从业人员生理—心理—行为耦合关联信息解析模型、多源异构数据特征层融合方案、不安全状态的分级方法与预警标准等作为主要技术支撑,研发了由量表数据检测系统、体征数据检测系统、面部生理数据检测系统及岗前不安全状态智能检测系统4部分组成的煤矿从业人员不安全状态快速检测系统。现场应用实践结果表明,本系统结构合理、层次清晰、容错性强、出错率低,运行稳定,易于维护,深度契合了国家对煤矿智能化改革的政策和发展趋势,应用前景广阔。

基于光纤传感技术的煤矿机电设备安全状态监测系统设计

为满足煤矿机电设备安全状态监测的需求,以当前煤炭机电设备安全领域中的安全监测工作为研究对象,结合光纤传感技术,开展煤矿机电设备安全状态监测系统设计,以提升其综合检测质量。在文献查阅研究的基础上,基于光纤传感技术对煤矿机电设备安全状态监测系统开展整体设计以及分系统的功能设计,以实现对煤矿机电设备的实时监控、故障预警、数据记录与分析工作。最后采取系统模拟实验的方法对所研究系统的性能进行了综合分析。结果表明,研究成果在精度、实时性、稳定性等方面均有着较为良好的表现,实验中轴承温度监测偏差保持在±1℃以内。可为煤矿机电设备安全状态监测工作提供一定理论支持。

基于突变评价法的化学实验室安全状态分析

为提高化学实验室安全管理水平,遏制重特大事故发生,采用突变评价法对实验室关键安全状态进行定量分析。通过对化学实验室安全状态影响因素的辨识,建立了化学实验室安全状态影响指标体系,构建了化学实验室安全状态突变评价模型,并采用分值变换的方法对突变模型中安全状态值进行处理,增强了评价结果的准确性和客观性。将构建的突变模型应用至某工业园区内71家化学实验室整体安全状态分析中,结果表明:该方法可以较客观地评价实验室的安全状态,并有效地辨识出当前影响化学实验室安全状态的主要因素,为实验室安全管理工作提供指导。

煤矿工作面安全状态评价指标赋权策略研究

煤矿工作面安全状态精准评价可促进矿井安全管理水平和防灾抗灾能力提升。以CH_(4)浓度、CO_(2)浓度、CO浓度、O_(2)浓度、温度、风速6种工作面环境监测数据为评价指标,对工作面安全状态进行评价分析。为合理确定评价指标的权重,提高安全评价结果的准确性,采用模糊层次分析法(FAHP)计算评价指标的主观权重、G-GRITIC法计算指标的客观权重,通过基于改进博弈论(IGT)的组合赋权法将主观权重与客观权重结合,得出评价指标的组合权重,解决了决策过程中主客观信息不一致性问题。基于陕西黄陵二号煤矿有限公司209综采工作面安全监控系统采集数据,对基于IGT的组合赋权法进行实验验证,结果表明该方法有效避免了线性加权法、平均加权法的主观判断性,优化了基于博弈论(GT)的组合赋权法的偏差结果,得到的评价指标更加合理,可获得更加准确的煤矿工作面安全状态评价结果。

基于AI视频技术的水电厂设备不安全状态自动化预警研究

为及时发现设备的不安全状态,预防潜在的安全隐患,降低设备故障的风险,提出了基于AI视频技术的水电厂设备不安全状态自动化预警方法,确保水电厂稳定运行。利用摄像机采集水电厂设备的AI视频图像,并增强AI视频图像,提升图像清晰度;通过在轻量型YOLOv5算法提取增强AI视频图像的特征;通过在预测框筛选机制内,引入得分惩罚机制,结合提取的特征,预测水电厂设备的不安全状态;通过声音预警形式,对不安全状态预测结果进行自动化预警。实验证明,该方法可有效实时采集水电厂设备的AI视频图像,并增强AI视频图像;可精准预测水电厂设备的不安全状态,可有效自动化预警设备不安全状态,并呈现预警级别与时间等信息。

基于SARIMA-Bi-LSTM模型的水利设施安全状态预测

为提升水利设施安全状态预测水平,考虑到单一监测指标无法体现对水利设施的影响,提出一种基于SARIMA-Bi-LSTM模型的水利设施安全状态预测方法。以某水电站引水涵洞为研究对象,采用SARIMA模型预测裂缝开合度时间序列数据的线性分量,将温度数据、裂缝开合度残差数据传入Bi-LSTM模型进行残差数据预测,最后将SARIMA模型和Bi-LSTM模型预测结果进行叠加。结果表明,对比BP神经网络模型、SARIMA模型和SARIMA-LSTM模型,所构模型预测性能最好,能满足实际需要,为类似水利设施安全状态预测提供了一种新思路。

基于事故树与直觉模糊集的10 kV配电网互联安全状态模糊综合评价模型

由于自然故障或网络攻击导致的信息失效事件频发,10 kV配电网互联安全状态存在评价结果偏差较大的问题,对此,研究基于事故树与直觉模糊集的10 kV配电网互联安全状态模糊综合评价模型。通过直觉模糊集,处理10 kV配电网基础数据,建立事件上下位关系类型,定义配电网中不确定性的运行状态。分析配电网运行流程,结合供电能力和运行水平,选择综合性评价指标,设置安全评价规则,构建模糊评价指标体系。基于事故树计算评价指标重要度,按照基本事件的安全影响程度,构建配电网互联安全状态评价模型。实验结果表明,在不同类型供电分区10 kV配电网可靠性评估中,当应用所提模型后,能够真实反映O、P、Q 3个分区的可靠性隶属度,与配电网的真实运行情况相符合,能够真实地反映配电网运行情况,当发生问题时能够及时跟踪,缓解信息失效问题。

基于卷积神经网络模型的电力信息系统安全状态监测

针对当前电力信息系统安全状态受威胁严重的问题,提出一种基于卷积神经网络模型的电力信息安全状态监测系统。系统结合电力信息系统特征,应用安全感知单元、安全状态监测模型和数据防篡改模型保障电力信息系统的稳定运行和数据安全。系统通过加入可视化模块和报警模块来设计安全感知报警单元,采取基于STM32F103VCT6微控制器实现多通道模数转换器的控制和应用,能够对多种传感器输出的信号进行转换,提高了即时监测能力。该系统还利用卷积分解技术和深度可分离技术对卷积神经网络进行改进,构建各个通道之间的数据联系,通过安全状态监测模型发挥卷积神经网络的空间优势。试验结果显示,所提研究系统的采样时延最低为132 ms,安全状态评估准确率最大为100%,可实现高效、精确的系统安全状态监测。

基于改进关联规则的煤矿设备安全状态预测模型

煤矿安全生产关乎着社会公共安全的稳定,为了提高煤矿企业安全运行管理水平,研究基于关联规则与粒子群算法充分挖掘运行状态数据中的表征信息,设计了安全状态预测模型。实验结果表明,研究设计的改进Apriori算法在执行效率与规则挖掘数量上表现更优,执行12万条数据挖掘仅同时23 s。预测误差较其他预测模型具有相对优势,误差值小于0.3。研究的设计对于确保煤矿企业的生产安全、提高生产效率具有重要意义。

基于数据挖掘的电网暂态通信安全状态感知方法

随着技术的发展,电网通信系统不断面临多种安全威胁,如数据篡改、非法访问及拒绝服务攻击等。这些威胁可能导致严重的电网故障甚至停电事件。为有效应对这些挑战,需要实时监测和评估通信系统的安全状态。数据挖掘技术,作为一种强大的分析工具,能够通过分析海量数据识别潜在的威胁和异常行为,因此其成为保障电网通信安全的有力手段。文章分析电网通信系统面临的安全威胁,研究基于数据挖掘的电网暂态通信安全状态感知方法,以提高电网的整体安全防护水平。

基于光纤传感技术的煤矿机电设备安全状态自动检测系统

常规的煤矿机电设备安全状态自动检测系统易受滑动滤波处理效果影响,导致在部分状态下运行易出现异常。因此,提出了一种基于光纤传感技术的煤矿机电设备安全状态自动检测系统。硬件部分设计了光纤传感器和光栅解调仪,软件部分进行煤矿机电设备安全状态检测数据中转及煤矿机电设备安全状态自动检测功能模块支持数据库设计,从而实现煤矿机电设备安全状态自动检测。结果表明,所设计的煤矿机电设备光纤传感安全状态自动检测系统在不同状态下均能有序运行,运行性能良好,且具有一定可靠性,应用价值较高,可为降低煤矿开采风险及煤矿机电设备的运行维护难度作出一定贡献。

基于主机安全状态迁移模型的动态网络防御有效性评估

为了进行动态网络防御有效性评估,该文提出动态网络防御环境下的主机安全状态转移图生成算法,构建了主机安全状态迁移模型,基于状态转移概率给出了动态网络防御有效性的定量评估方法,为动态网络防御策略设计提供了有益参考。最后,通过一个典型网络实例说明和验证了上述模型和方法的可行性和有效性。

基于BP神经网络与变形监测成果的隧道安全状态评估

隧道变形监测周期长、内容多且影响因素复杂,因此需要对隧道监测方法进行不断的改进,对隧道的健康状态进行实时评估。研究变形监测范畴内基于BP神经网络的隧道安全状态评估模型,组建集卫星定位技术、测量机器人、传感器技术、移动网络通信等为一体的现代化物联网模式下的隧道变形监测系统,分析多源数据的变形特征,结合专家经验知识,实现基于BP神经网络与变形监测成果下的隧道安全状态评估,为隧道变形监测及安全状态评估提供一种新颖而有效的方法。

电力系统静态安全状态实时感知的相关向量机法

在信息物理系统(cyber physical systems,CPS)深度融合背景下,提出一种安全状态实时感知的相关向量机(relevance vector machine,RVM)数据驱动方法。RVM是贝叶斯概率框架下基于核函数的学习方法,通过多层先验的超参数设置获取模型参数的稀疏解,并采用伯努利分布获得分类后验概率。该方法首先根据日前市场的运行与调度规则,产生运行条件,构造安全评估特征集及事故安全分类;然后将基于距离的Relief算法用于特征排序,筛选出与分类紧密相关的特征子集;最后通过RVM分类学习对系统安全状态进行辨识。IEEE 30节点系统测试结果表明,RVM方法的极度稀疏性、高分类精度、概率输出在实时安全状态感知中具有显著优越性。