网站访问量
今日访问量: 68
期刊简介
中国科协高质量科技期刊分级目录安全科学领域T1级、环境科学领域T2级
中国科学引文数据库（CSCD）核心库源期刊
中文核心期刊
中国科技论文统计源期刊（中国科技核心期刊）
Scopus数据库收录期刊
中国科技期刊提能拓展计划入选期刊
主办单位：北京理工大学、中国环境科学学会、中国职业安全健康协会
刊期：月刊
ISSN 1009-6094 CN 11-4537/X 邮发代号：2-770
基于贝叶斯网络的甲醇罐区火灾事故风险分析
陈超;袁博渊;王海军;王博;曾涛;王钰杰;蒋丽琼;甲醇是一种兼具新能源潜力与基础化工价值的重要化学品，主要通过罐区储存。甲醇泄漏极易引发火灾，且燃烧时烟气较少，以气体辐射为主要传热方式，导致火灾识别预警困难，引发多米诺效应事故。采用事故树分析，辨识甲醇罐区主要风险因素，基于贝叶斯网络理论建立罐区火灾事故概率模型，量化事故概率及识别关键致灾因素；通过动态贝叶斯网络构建火灾多米诺效应演化模型，实现对甲醇罐区火灾及次生灾害风险的动态表征。结果表明，车辆排烟筒火星、违章吸烟火星及动火后留火等是导致甲醇罐区火灾事故的关键因素，且随时间推移，多米诺事故发生概率呈上升趋势。研究可为甲醇罐区火灾防控策略提供依据，助力“双碳”目标实现。
[下载次数： 3 ] [被引频次： 0 ] [阅读次数： 26 ] 引用本文
改进BNT-FRAM方法在航空器离场过程安全性分析中的应用
袁乐平;吴晓雪;为了有效识别民航运行系统中的性能变化和传播，降低民航运行风险，研究运用功能共振模型(Functional Resonance Analysis Model, FRAM)对航空器离场程序的任务流程进行了安全分析。通过层次任务分析识别了关于航空器离场程序的20个功能模块，并在描述各功能模块的基础上构建了功能网络图。将盲数理论应用到航空器离场程序风险评估中，有效弥补了由于历史数据不足而产生的主观性偏差，通过风险耦合公式实现了对上下游功能交互的量化，并识别了易发生变化的关键功能及路径，进而制定了性能变化的控制措施。结果显示，在航空器离场过程中申请起飞F14等7个功能的可变性较大，存在地面滑行F12-申请起飞F14-起飞许可F17-起飞操作F18-升空F19-管制移交(塔台到进近)F20等3个关键路径。
寿命预测不确定下的海上风电机组机会性维护优化研究
李娅楠;张新生;武春杨;张振龙;苏佳;针对海上风电机组运行维护中寿命预测不确定导致的维护决策优化问题，提出一种融合多策略协同的维护决策优化方法。首先，引入动态概率化建模思想，构建基于时变概率分布的动态剩余寿命预测误差模型，以刻画预测误差的时变特性。其次，基于条件风险价值理论构建考虑预测误差非对称性的累计维护风险量化模型，并采用蒙特卡洛采样技术生成不确定场景集合，实现对潜在风险损失的评估。在此基础上，提出涵盖纠正性维护、预防性维护与机会性维护的分级维护策略，并以维护成本和运行风险最小化为双重优化目标，构建面向全生命周期评估的海上风电机组多目标维护优化模型。最后，采用非支配排序遗传算法(Nondominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)对模型进行求解，实现维护策略和阈值组合的协同优化。案例结果显示，该融合多策略协同的维护决策优化方法不仅能有效降低维护成本，还能实现风险的精准量化，并在成本与风险之间取得合理平衡，为海上风电机组的运维管理提供可行方案。
[下载次数： 299 ] [被引频次： 0 ] [阅读次数： 6 ] 引用本文
面向GNSS拒止环境的极少参考点无线电指纹定位方法
陈乃馨;朱春丽;陈磊;高镇;全球导航卫星系统(Global Navigation Satellite System, GNSS)拒止环境下的精准定位是保障无人机在复杂空间内安全作业的关键。然而，受环境封闭、多径效应严重及电磁干扰等多重因素影响，高精度无人机位置获取难度较大。基于信道状态信息(Channel State Information, CSI)的无线电指纹定位技术因具有抗多径干扰能力而成为重要解决方案。然而，该技术高度依赖高密度的无线电地图，在实际部署中面临现场采集工作量大、参考点稀疏导致定位精度急剧下降的难题。针对这一难题，提出了基于条件生成对抗网络(Location-to-CSI Generative Adversarial Network, L2C-GAN)的指纹增强模型，通过学习粗粒度无线电地图的空间位置与无线电指纹间的非线性映射关系生成虚拟无线电指纹，从而重构细粒度无线电地图。其中，条件是指无人机坐标；网络输入是由高维信道状态信息分段获取的单通道指纹图及对应坐标；生成器与判别器分别对坐标进行高维编码，并引入自注意力机制提升全局上下文学习能力。结果表明，在仅有2%参考点的极端稀疏情况下，平均定位误差可由2.01 m降低至1.67 m,精度提升了16.92%。
YOLOv5在基于探地雷达图像的路基病害智能识别中的应用
周苏华;黄楚婷;沙琳川;黄明华;针对探地雷达路基病害检测图像人工解译困难的问题，提出一种基于YOLOv5的路基裂缝、疏松病害雷达图像识别方法，并使用1 290张VOC格式标记的雷达图像数据集进行训练和验证。使用卷积注意力模块(Convolutional Block Attention Module, CBAM)、上下文引导模块(Context Guided Block, CG Block)和动态检测头模块(Dynamic Head)对YOLOv5模型进行改进，并进行消融试验以探究每个模块的功能。结果显示，在快速空间金字塔池化层(Spatial Pyramid Pooling Fast, SPPF)前添加CBAM模块可提高模型对关键特征的捕获能力，即在减少参数量的同时实现模型的轻量化。使用Context Guided模块替换YOLOv5模型的neck部分的3个C3模块，可提高局部上下文感知能力，减少模型的参数量和内存占用并提高检测精度。改进的C1-CG-YOLOv5算法的mAP50达到90.8%,mAP50-95达到64.2%,参数量减少12.8%,能够有效适用于路基裂缝、疏松病害的识别。
[下载次数： 406 ] [被引频次： 0 ] [阅读次数： 13 ] 引用本文
