城市危险品气体辨识技术的研究

城市危险品气体检测对于城市安全至关重要。利用SnO_2,In_2O_3,SnO_2/NiO,SnO_2/In_2O_3,SnO_2/Pa,SnO_2/Sb 6种旁热式气敏元件组成的气体传感器阵列,分别采用BP神经网络、支持向量机(SVM)和极限学习机(ELM)3种气体辨识方法实现对城市危险气体中常见的3种气体(NH_3,HCOH,C_7H_8)进行定性的识别。测试结果表明:基于SVM与ELM的气体辨识技术对于含有低浓度甲醛的混合气体定性识别率达100%,且在收敛速度、泛化性能等方面较BP神经网络有明显提高。

基于传感器阵列与前馈神经网络的气体辨识系统

将气体传感器阵列与前馈神经网络模式识别技术相结合形成气体辨识系统 ,通过实验比较了不同的传感器信号预处理方法、前馈神经网络的结构和参数对气体辨识系统性能的影响。

基于贝叶斯估计的气体污染源方位辨识

气体污染源的方位辨识是监控部分企业废气超标排放及治理空气污染的一项重要措施。针对气体污染源的方位辨识问题,设计了基于贝叶斯概率模型的污染源方位辨识的多传感器检测系统,该系统使用4个气体传感器组建检测系统,4个传感器按照90°间隔均匀等半径放置,系统可辨识16个方向,分辨角度为22.5°。首先对八个标准方向进行标定,确定八个方向的先验概率,再根据八个方向的先验概率和4个传感器检测到的实时样本值,由贝叶斯模型计算各方向后验概率,进而由各后验概率来确定气体污染源的方位。实验表明,基于贝叶斯模型的气体污染源方位辨识方法是可行的、有效的。

气体爆炸风险辨识及防控平台的构建设想

国民生产中许多行业,如矿业、化工及民用燃气等领域,涉及到大量可燃可爆性气体的管理与使用。这些气体成为企业的第一大生产安全隐患,一旦失控发生爆炸事故,将给企业带来严重的后果。可燃可爆性气体的危险判定及风险预测一直是当前安全生产的重点内容。文中总结了国内外常用的各种气体爆炸性判定方法,在此基础上分析了各种方法的优缺点。结合现代化安全生产的要求,可以发现未来技术的发展趋势一定向监测实时物联化、数据判断智能化、决策支持科学化的方向发展。针对目前现有各种技术发展的离散化局面,提出了以"实时监测-科学预测-智能决策"为核心思路的气体爆炸风险辨识及防控平台的构建设想。可以在提高企业生产安全工作集约化程度的同时,提升安全管理水平、同时保障事故发生时的应急救援效果,具备广阔的应用前景。

加强气体作业辩识 保障企业安全生产

本文介绍了鞍钢股份公司如何加强气体作业辨识，保障企业安全生产。

井下矿工现代定位搜救技术与机器人搜寻

对井下遇险矿工的现代定位搜救技术进行了比较分析,介绍了机器人搜寻技术、井下"避险站"避险方法、射频识别井下人员定位技术、基于气体辨识的井下压埋遇难人员的定位技术、基于人体心脏超低频电波特征的井下人员生命探测技术以及生物探测技术等现代搜救技术的原理、应用及特点,探讨了井下矿工搜寻救援技术的发展方向。