化工工艺安全风险辨识研究进展

随着当前各个行业的发展,化工行业也成为每一个行业发展中非常重要的组成部分。化工在生产过程中其工艺会存在很多的安全隐患,导致各种安全事故不断的出现。为了有效地控制安全事故的发生,就需要加强对安全风险的辨别能力,全面的了解化工工艺中存在的安全风险问题,采取科学的防控措施,有效地避免安全事故的出现,从而保证化工生产工作的顺利开展。在化工工艺中会涉及到很多化学原材料、化学设备,将这些原材料转化为产品的过程中需要对机械设备进行操作、人工控制的方式有很多,其中外在影响因素也较多,导致的安全风险事故会给工作人员带来严重的生命安全威胁。同时,也会造成较大的财产损失。只有加强对化工工艺安全风险辨识,确保整个生产工作的顺利开展,才可以提高当前我国化工行业的整体发展的水平。

低速城市路况下驾驶员制动特性辨识研究

针对现代车辆的智能化、人性化发展的要求,研究"人—车—路"闭环系统中驾驶员在车辆控制中的主导地位。本文通过驾驶模拟器dSPACE实时仿真平台设计实验,通过模拟驾驶员在城市路况的跟车行为,采集驾驶员制动时的相关参数,运用高斯混合模型聚类算法将特征数据分类,并运用BP神经网络工具箱建立了该城市路况下驾驶员制动特性辨识模型,实现了驾驶员制动特性的在线辨识。实验结果表明:该辨识方法在实验设计的城市路况,具有良好的驾驶员制动特性辨识能力。

地铁工程施工危险源辨识研究

随着社会经济的快速发展,我国城市化建设的速度加快,城市规模不断扩大,由于大量人口涌入城市,导致城市人口数量增加,增加了城市的交通压力。交通与城市居民的生活密切相关,因此,城市交通建设发展的速度越来越快,地铁成为城市交通建设的主要组成部分,地铁需要建在城市繁华的市区,以城市中心为枢纽。城市地铁的开通运用,降低了城市交通压力,给人们的出行提供了方便。在地铁工程施工建设过程中,因地铁工程错综复杂,需要对地铁工程施工危险源进行辨识,做好施工安全管理,将地铁工程施工的危险降到最小。文章针对地铁工程施工危险源辨识进行详细阐述,为降低地铁工程施工危险、提高施工人员的安全提供有价值的参考。

地铁工程建设危险源辨识研究

随着经济和交通行业的快速发展,我国轨道的交通建设规模不断扩大,地铁建设受到广泛关注,获得了更多先进技术的支持。进行地铁施工时,需要穿越城市中很多的基础建筑与城建设施,大部分地铁工程所处的环境较为复杂,存在较大不确定性,风险较高。因此,在进行城市地铁建设的过程中,应尽可能保证施工安全,不断完善地铁施工安全体系,全面提升地铁工程的施工质量[1]

重大危险源辨识在天然气管道中的应用研究

针对天然气管道重大危险源辨识问题,首先对天然气管道重大危险源的定义及辨识依据进行分析,对天然气管道危险性进行探讨,最后,开展天然气管道重大危险源辨识研究,为保障天然气管道的安全运行奠定基础。通过对重大危险源进行对比分析,可以对重大危险源进行等级划分,以便制定合理的管控措施,保障管道长期处于安全运行的状态。

5轴数控机床空间误差模型及辨识方法研究

对于5轴数控机床而言,多轴插补存在着大量的耦合现象,对于空间误差主要存在着进给轴直线误差与旋转轴旋转误差。依据原有的辨识方法,大多改变球杆仪安装高度与球杆仪长度方法,该方法容易在调整过程中加入干扰误差,导致求解结果不准确。文章提出了一种改变球杆仪工作空间轨迹的方法,并依据此方法进行空间误差建模工作。在使用球杆仪的基础上,结合激光干涉仪,可同时进行两个坐标系共12项误差元素的辨识,经试验结果验证,可求得刀具坐标系与工作台坐标系旋转误差元素精确解。

输电线路工程安全危险辨识与管理方法研究

输电线路工程建设是电力系统必不可少的环节。在实际施工当中,影响输电线路安全施工的因素非常多。输电线路工程由于其特有的工程特征决定了其施工中的每一个环节必须做到精益求精。文章将从安全危险分类出发,掌握安全辨识的方法,对安全管理提出几点建议。

基于机器学习的阿尔兹海默症初期行为辨识方法

本研究基于机器学习的阿尔兹海默症初期行为辨识方法,及时发现患者大脑的早期病变,把握最佳治疗机会。从ADNI公共数据库获取阿尔兹海默症、轻度认知障碍以及正常对照组的结构性磁共振成像(sMRI)图像,将其通过Freesurfer软件执行图像平滑、分割、时间层校正等操作,转换为sMRI数据,使用内核局部Fisher判别分析算法提取sMRI数据特征,利用基于核支持向量机的数据分类算法,分类所提取sMRI数据特征,经十折交叉验证评估后,实现阿尔兹海默症初期行为的准确辨识。实验结果表明,该方法的灵敏度、特异性、准确率以及曲线下面积四个指标均保持最高,具有较优异的阿尔兹海默症初期行为辨识效果。该方法不仅能有效辨识患者与健康人,还能正确区分阿尔兹海默症和轻度认知障碍患者,辨识效果显著。

集多源数据的配电网运行状态及薄弱环节辨识

目前配电网运行状态及薄弱环节辨识方法研究对于配电网运行状态数据的查找力度较小,导致其状态与薄弱环节识别性能较差,薄弱环节定位能力弱。针对该问题,提出新型的研究方法,通过对配电网运行状态数据进行深入分析,获取研究所需的数据模型,并构建不同的分析模板检验处于正产运行状态下的薄弱环节因素,在分析电压敏感度的基础上实现对配电网运行状态及薄弱环节的辨识方法研究。实验结果表明,在相同的运行条件下,所提方法研究的定位误差比以往研究方法的定位误差低0.2,当辨识时间为5d时,所提方法研究的定位误差接近于0。

基于有限元CAE分析法B灯支架强度受密封垫挤压变形的研究

随着客户对零件功能要求的不断增加,以及零件轻量化的要求,变形导致的匹配问题长期是尺寸工作中的难点及痛点,前期充分识别及解决较为困难。本文以B灯安装变形案例,并以B灯为刚体,仅考虑钣金的变形来进行CAE的应用与研究,并高效快速地通过对B灯钣金变形的预先识别,在设计阶段指导基准数量及位置的设置,确认改进方案,来避免在项目启动阶段对零件的修改,减少工程更改费用。

Automatic Verification of Biochemical Network Using Model Checking Method

This study focuses on automatic searching and verifying methods for the teachability, transition logics and hierarchical structure in all possible paths of biological processes using model checking. The automatic search and verification for alternative paths within complex and large networks in biological process can provide a considerable amount of solutions, which is difficult to handle manually. Model checking is an automatic method for verifying if a circuit or a condition, expressed as a concurrent transition system, satisfies a set of properties expressed in a temporal logic, such as computational tree logic （CTL）. This article represents that model checking is feasible in biochemical network verification and it shows certain advantages over simulation for querying and searching of special behavioral properties in biochemical processes.