基于Ansys/Bow-Tie燃气泄漏的双向风险分析

燃气泄漏事故伴随着爆炸、中毒等多项风险威胁,造成经济损失和伤亡损失。利用Ansys/Bow-Tie建立扩散模型与分析计算模型,将燃气泄漏定性与定量分析。研究表明:在定性变化中,燃气泄漏后泄漏区域的燃气扩散速度呈指数大模块式上升,扩散速度极快;在定量变化中,燃气泄漏的主要风险来源于巡检不足以及检维修不及时可能发生的概率最大,分别为0.039和0.046,通过加装有毒有害气体仪表报警监测群和对大风险问题加强监控可为风险管控提供帮助。

Bow-tie技术在CCUS项目注入系统的应用

二氧化碳捕集、利用与封存(CCUS)技术是实现化石能源低碳化利用的重要技术手段。但CCUS全流程存在二氧化碳泄漏、冻伤、窒息以及物体打击等风险,特别是注入系统涉及高压、低温及二氧化碳多相态变化等,易造成二氧化碳腐蚀、泄漏。通过Bow-tie技术对某CCUS项目注入系统开展风险识别、分析和控制,重点对设备设施及作业活动危害因素分析并制定有效管控措施,研究结果可为CCUS注入系统长期安全平稳高效运行提供技术支持。

飞机风挡裂纹/破裂类事件统计及Bow-tie模型分析

为分析航空器风挡裂纹/破裂类事件的安全风险,收集1 629份风挡裂纹/破裂类事件,对样本事件涉及故障状况、飞行阶段、故障原因等特征进行统计分析,确定风挡裂纹/破裂类事件的可能原因、潜在后果及其预防、减缓控制措施并绘制了风挡裂纹/破裂类事件Bow-tie模型图。结果表明:风挡损伤的主要情形包括裂开、裂缝、结冰、烟雾、划伤等;涉及风挡及相关部件故障以加温故障、雨刷故障为主;飞行阶段以巡航、爬升为主;风挡裂纹/破裂事件的主要原因为鸟击、零部件缺失/故障、系统失效/故障、冰击,最终有针对性地提出预防措施:机务、机组等相关人员应做好航前、航后检查;对零部件缺失/损坏/磨损、系统失效、鸟击等高发事件类型进行重点关注,提高机组人员对此类突发事件的应对能力等。

基于Bow-Tie的复杂场景保护层分析方法研究

为解决复杂场景保护层分析中采用最大值法或加和法存在的问题,将Bow-Tie融入LOPA分析中,建立复杂场景的Bow-Tie计算模型。通过采用事故树分析方法,计算Bow-Tie模型中顶上事件发生的概率,确定预防类保护层及减缓类保护层的失效概率,给出了复杂场景事故发生概率合理的计算方法;通过计算Bow-Tie模型中事故树底事件的概率重要度和临界重要度,提出了判断复杂场景保护层重要度的方法。运用上述方法对某LNG储罐超压损坏的复杂场景进行了计算。研究表明,本方法能实现包含多重初始事件的复杂事故场景后果风险更合理的计算及保护层重要度的判定,从而为提高系统安全性及风险决策提供依据。

基于改进Bow-tie模型的煤矿瓦斯爆炸事故分析与研究

针对我国伤亡人数较多的采矿行业,对伤亡人数最多的瓦斯爆炸事故进行了分析,提出了改进Bow-tie模型。在原因辨识环节将瓦斯爆炸事故的原因归纳为人因、物因、环境、管理4个方面进行论述,利用屏障思维对主动屏障进行量化分级提出预防措施,通过模型分析事故可能产生的安全、经济、环境、社会后果,提出消减措施作为被动屏障,绘制改进Bow-tie图,并在此基础上运用层次分析进行评价分析。研究表明,管理体系欠缺以及人的不安全行为是导致事故发生的主要因素。

基于Bow-Tie模型和未确知测度理论的煤矿透水风险分析

为了克服煤矿井下透水事故安全性评价相关因子的不确定性,以及权重指标赋值模糊的问题,采用Bow-Tie模型分析法通过对煤矿井下的人、物、环境、管理4个方面的分析研究,建立出煤矿透水事故的Bow-Tie评价模型,把得到的12项透水事故的影响因子作为煤矿透水事故风险评估的评价指标。通过层次分析法对指标进行权重的赋值,最后由未确知测度法确定煤矿透水事故风险评价等级。通过对小回沟煤矿进行实例评估分析,评价结果与该煤矿实际相符合,可见该法的合理性和适用性,可以为煤矿透水事故的风险评价提出一些指导。

基于模糊Bow-tie模型的城镇燃气管道泄漏定量风险评价

燃气管道事故一旦发生后果大多比较严重。为全面分析燃气管道风险的前因后果,确定重点维护和监控的管段区域,引入了Bow-tie模型,将管道泄漏的故障树与事件树统一到一起对燃气管道进行定量风险评价。采用模糊集相关理论与专家评价相结合的方法得出管道泄漏的模糊可能值;然后基于模糊层次分析法确定管道泄漏后果因素的权重系数;再通过矩阵乘法求得泄漏后果值。以某段燃气管线为案例,全面识别出各风险因素,量化得到管道各泄漏后果事件的风险值。实际应用结果表明:①该方法可快速合理地评判出管道系统的相对风险大小;②三角模糊数与层次分析法的应用减少了传统评价中主观及模糊因素产生的评价偏差,使得评价结果更接近客观实际;③依据评价结果制订有针对性的预防维护措施,能够实现有限维护资源的合理配置,保障燃气管道的安全可靠运行。

X-bow和Z-bow应用于高速圆舭艇上的阻力性能研究

阐述了X-bow的设计理念,并在其基础上提出了一种新型船艏——Z-bow.以一艘高速圆舭艇为研究对象,为了降低其在高速航行时的兴波阻力和飞溅阻力,对其船艏形状进行重设计:分别应用X-bow和Z-bow.建立原方案、X-bow方案和Z-bow方案的三维模型,利用Maxsurf软件中的SIT法计算各Fr下的阻力值.对计算结果进行了比较和分析,证明了高速圆舭艇上采用X-bow和Z-bow在阻力性能方面的可行性,且Z-bow的阻力性能优于X-bow.

Flow Field Improvement by Bowed Stator Stages in a Compressor with Different Axial Gaps Under Near Stall Condition

The outlet flow fields of a low-speed repeating-stage compressor with bowed stator stages are measured with five-hole probe under the near stall condition when the rotor/stator axial gap varies. The performances of the straight stator stages are investigated and compared to those of the bowed stator stages. The results show that using bowed stator stages could alleviate the flow separation at both upper and low corners of the suction surface and the endwalls, and decrease the losses along the flow passage as well as the outlet flow angle. As the rotor/stator axial gap decreases, although the diffusion capacity of the compressor increases obviously, the outlet flow field in the straight stator stages deteriorates quickly. By contrast, little changes occur in the bowed stator stages, indicating that as the rotor/stator axial gap decreases, improved performance is achieved in the bowed stator stages.

基于Bow-Tie技术的民用机场安全风险分析应用研究

民用运输机场具有运行环境复杂、事故成因复杂、驻场单位众多等特点,其事故成因更具有动态性、隐蔽性、综合性和因果连带性。因此,机场的日常运行安全风险分析一般需要借助多种工具才能完成。本文系统的介绍了一种实用的风险分析方法-Bow-tie风险技术,Bow-tie是一种风险分析和风险管理的工具,通过识别和评估风险、分析风险因素、设置风险屏障、采取风险控制和（减缓）恢复措施,有效预防事故发生。该方法可以对危害事件发生的原因、后果、屏障建立是否充足提供一个可视化的评估。本文就Bow-tie技术在民用机场安全风险中的具体实施步骤进行了描述,最后给出了其在民用机场风险分析中应用的一个实例,并就其可行性和实际应用进行了系统的研究。Bow-tie风险技术是集故障树、事件树和圆葱图理论相结合的系统风险分析及量化技术,对组织缺陷以及人为失误占主导因素的民用机场运行安全风险分析,具有较高的应用价值。

基于Bow-tie模型的城镇输油管道风险评价方法研究

根据近年来不断发生的城镇输油管道泄漏爆炸事故,提出将Bow-tie模型引入到风险评价中,将Bow-tie模型和改进的层次分析法相结合得出各影响因素的权重并排序,对管道进行风险评价,便于提出合理的安全管理方案,减少事故的发生。通过计算得到第三方因素在管道失效影响因素中占主导,而在事故后果分析中安全后果和环境后果因素影响较大,基本符合事故实际状况,说明该方法对于城镇输油管道风险分析有一定的指导意义和实用价值。

基于Bow-tie模型的发动机空中停车事故分析与预防

发动机空中停车是航空事故主要致因之一。首先,通过数据梳理和分析,构建发动机空中停车故障树,结合重要度分析理论,求解各基本事件的重要度,得到造成发动机空中停车事件的最薄弱环节——供油系统故障。基于Bow-tie理论,构建发动机供油系统Bow-tie模型,直观地显示了该故障产生的根本原因和可能导致的后果,进而提出了预防该故障发生的对策建议,达到降低发动机空中停车事故概率的目的。

基于BN-bow-tie的生物质气化中毒事故分析

通过将故障树转化为贝叶斯网络,计算生物质气化中毒事故发生的概率为1.202 98×10-4/d,利用贝叶斯网络双向推导与诊断的功能计算基本事件的后验概率及重要度,从而分析出系统中导致事故发生的薄弱环节.结合bow-tie法同时分析导致薄弱环节失效的因素及失效后可能会出现的后果,基于此得出防止薄弱环节失效的预防措施以及失效后采取的控制措施,进而降低事故发生的概率;对薄弱环节阀门泄漏采取措施后,可使得中毒事故发生概率降低20.92%,最终达到降低事故发生概率的目的.

基于Bow-Tie事故模型的军机适航条款选取方法

针对军机产品研制过程中存在的适航条款选取难、剪裁难的突出问题,以航空机轮产品为例,通过对近年来航空器事故资料的梳理和分析,识别出涉及机轮产品的主要不安全事件的危险源和发生后果。建立军用飞机轮胎爆破Bow-Tie事故模型。通过对该模型进行风险分析,结合相关适航标准,提出避免此类事故发生的控制措施和条款要求,实现适航分析与事故模型分析的统一,形成了军机适航条款选取方法的一种新思路。

采用SIFT-BoW和深度图像信息的中国手语识别研究

将深度图像信息引入手语识别的研究,提出了一种基于DI_CamShift(Depth Image CamShift)和SIFT-BoW(Scale Invariant Feature Transform-Bag of Words)的中国手语识别方法。该方法将Kinect作为视频采集设备,在获取手语彩色视频的同时得到其深度信息;首先计算深度图像中手语手势的主轴方向角和质心位置,通过调整搜索窗口对手势进行准确跟踪;然后使用基于深度积分图像的Ostu算法分割手势并提取其SIFT特征,进而构建SIFT-BoW作为手语特征并用SVM进行识别。实验结果表明,该方法单个手语字母最好识别率为99.87%,平均识别率96.21%。

智慧社区项目建设的社会稳定风险评估——基于Bow-tie和贝叶斯模型的实证分析

智慧社区作为智慧城市建设过程中的基层治理单元,承载着城市治理模式智慧化转型发展的重要功能。这一重大事项的建设落地将明显提升人民的生活水平,同时蕴含着潜在的社会稳定风险因素。本文选取上海市X镇智慧社区建设项目开展实证研究,结合Bow-tie模型与重大事项社会稳定风险评估机制构建社会稳定风险识别模型,并运用贝叶斯网络模型进行风险测量,得出该项目整体为中等风险等级,其中项目监管机制、风险预警和应急方案、资金筹措情况、群众接受度和满意度、项目公开与宣传情况及舆情反馈机制为高风险,当地经济发展承托能力、预期收益、社会心理及政府执行风险为中风险。基于这一测量结果,参考贝叶斯模型图中各变量的相关关系与Bow-tie模型,实现智慧社区建设问题的精准识别与高效排查,最终顺利推进智慧城市建设。

基于Bow-tie模型的民机着陆冲出跑道风险分析

为了更加系统全面地分析民机着陆冲出跑道风险,采用Bow-tie模型进行研究。在着陆冲出跑道原因辨识方面,结合SHEL模型和Reason模型对这些事故的原因进行了具体分析,得到了着陆冲出跑道的形成机理,最终将着陆冲出跑道影响因素归纳为机组技能失误、机组违反程序或标准、机组丧失情景意识、机组资源管理失效、航空器机械故障、不利天气条件影响、跑道湿滑或污染、跑道设计缺陷等,并基于上述分析结果绘制航空器着陆冲出跑道Bow-tie图,对着陆冲出跑道的原因和后果以及相应的预防和控制措施进行了描述。最后对着陆冲出跑道历史数据进行统计,结果表明,机组因素和环境因素是导致着陆冲出跑道最主要的两个原因,提出着陆冲出跑道防范的重点,从系统角度提出了民机着陆冲出跑道的风险管理办法。

基于Bow-tie模型的高铁运营安全风险分析

为对高铁运营过程中具体环节进行风险分析,确保高铁安全运营,提出构建高铁运营安全的Bow-tie模型.首先,明确高铁运营过程中的风险事件;然后,通过对高铁运营过程中3种典型风险事件:高速列车脱轨、列车冲突以及列车火灾,进行事故树定性分析,计算各基本事件的重要度,找出对顶事件的影响程度最大的基本事件;最后,按消除源头、风险预防、防止恶化及减轻后果的优先级在高铁运营过程中加以实施控制措施,提出事故前预防屏障及事故后保护屏障,构建高铁运营安全Bow-tie模型.研究结果表明:Bow-tie模型可以应用于目前高速铁路运营风险管理的日常教育培训、突发情况的应急处理及事故发生后的调查分析.

基于深度信息和SURF-BoW的中国手语识别算法

为实现视频中手语的准确识别,提出一种基于深度图连续自适应均值漂移(DI_CamShift)和加速强健特征词包(SURF-BoW)的中国手语识别算法.该算法将Kinect作为手语视频采集设备,在获取彩色视频的同时得到其深度信息.算法首先计算深度图像中手语手势的主轴方向角和质心位置,通过调整搜索窗口对手势准确跟踪;然后使用基于深度积分图像的OTSU算法分割手势并提取其加速强健特征(SURF),进而构建SURF-BoW作为手语特征并使用SVM识别.通过实验验证该算法在单个手语字母上的最好识别率为99.37%,平均识别率为96.24%.

基于改进BOW模型的图像分类技术

针对传统BOW(Bag of Words)模型用于场景图像分类时的不足,通过引入关联规则的MFI(Maximum Frequent Itemsets)和Topology模型对其进行改进。为了突出同类图像的视觉单词,提取同类图像的MFI后,对其中频繁出现的视觉单词进行加权处理,增强同类图像的共有特征。同时,为了提高视觉词典的生成效率,利用Topology模型对原始模型进行分工并行处理。通过COREL和Caltech-256图像库的实验,证明改进后的模型提高了对场景图像的分类性能,并验证了其Topology模型的有效性和可行性。