基于动态过程模拟的定量化HAZOP分析方法

HAZOP分析是一种广泛使用的过程安全评价方法,但缺乏定量化的评价依据。为了有效地辨识过程工业中潜在危险,在传统HAZOP方法基础上,提出了基于动态过程模拟的定量化HAZOP分析方法。首先进行HAZOP分析,辨识偏差原因和后果,然后建立动态过程模拟模型,通过预制故障模拟不同程度偏差原因对偏差后果的动态影响,得到偏差原因与后果之间的量化关系,并且通过模拟获得偏差原因的安全操作极限数据,分析现有安全保护措施的有效性,最后对偏差的调节措施进行模拟优化分析。为了验证所提出方法的有效性,以某气体分馏装置脱丙烷单元作为应用实例,采用Unisim软件建立动态过程模拟模型,对HAZOP偏差—“脱丙烷塔顶压力过高”的危险场景进行了模拟。研究结果表明,所提出的方法是对传统HAZOP分析的补充和扩展,实现了HAZOP偏差的定量化,从而提高了HAZOP分析的准确性和可靠性,对过程安全管理具有重要指导意义。     

基于过程模拟的HAZOP量化分析

提出了一种面向过程工业的基于Aspen Plus过程模拟与Excel软件相结合的HAZOP量化分析方法,该方法首先对给定的具体过程工艺进行传统的HAZOP定性分析,其次基于Aspen Plus建立该过程工艺的模拟流程,并确定与HAZOP引导词相关的关键操作参数,对这些参数进行模拟分析,获得其不同程度的偏差对系统造成的影响,从而实现HAZOP工艺参数的偏差及事故危险等级的量化;分析过程中利用ASW(Aspen Simulation Workbook)记录有效偏差对系统的影响,结合预先开发好的Excel分析模板,最终形成HAZOP定量分析报告,文中利用某厂氯乙烯合成的工业实例对本方法进行了阐述。     

Hammerstein模型的改进新型神经动力学辨识方法及其在混合建模中的应用

推导了多输入多输出Hammerstein模型的矩阵格式,并提出了一种改进的新型神经动力学算法.应用此算法,可同时辨识出Hammerstein模型的多组未知参数,提高了收敛精度和速度.首先,对改进的新型神经动力学算法进行了参数的收敛性分析.之后,推导了基于Hammerstein模型的混合模型,并利用其建立实际模型与机理模型之间的偏差模型,具有很好的补偿效果.由于改进的新型神经动力学方法可以在线调整Hammerstein模型参数,所以混合模型可以准确地模拟复杂过程在大范围内的动态行为.实验表明该方法的合理性和有效性.     

乙烯/乙烷精馏-膜耦合分离系统的HAZOP量化分析

危险与可操作性(HAZOP)分析技术自问世以来,作为定性的风险分析方法广泛应用于各个领域,许多发达国家已经立法强制其在工程建设项目中推广应用。近年来,随着该技术的完善,其量化分析已成为一种趋势。精馏-膜耦合分离作为一种新开发的高效节能分离方法,主要用于分离普通精馏难以分离的重要体系,例如共沸体系、存在浓度夹点的体系、挥发度相近的体系,然而至今没有文献对其危险与可操作性进行分析。针对乙烯/乙烷精馏-膜耦合分离系统,结合课题组基于UniSim Design软件开发的Membrane Extension模块建立耦合系统模拟模型,将HAZOP分析方法与过程模拟相结合对精馏-膜耦合系统进行HAZOP量化分析。选定精馏塔工艺参数进料温度、进料流量、侧线采出量为考察对象,分析不同程度的偏差对系统的影响。基于模拟结果,首先依据耦合系统中各个设备的安全操作范围,对HAZOP分析偏差进行量化分级,得出了参数的安全阈值和偏差等级。其次对该系统进行HAZOP分析结果的量化,依据偏差等级分析不同程度偏差产生的原因、可能导致的后果以及后果的严重程度,并根据事故发生的可能性和严重程度,得到事故的风险等级,最后通过HAZOP分析偏差和分析结果的量化得出乙烯/乙烷精馏-膜耦合分离系统的HAZOP量化分析报告。     

玉米叶片物理建模与参数确定的运动学分析方法

基于物理的方法是解决植物动态建模与仿真的有效途径,而模型参数的确定是基于物理方法所面临的重要问题.为实现基于生物物理属性特征的玉米叶片高精度、高真实感动态建模与仿真,提出一种基于运动学分析的玉米叶片物理建模与参数确定方法.首先利用运动捕捉技术获取玉米叶片的运动数据;然后根据运动捕捉特征点构建基于质点-弹簧系统的物理模型;最后基于运动学分析建立物理模型参数解析方程组,利用最小二乘法计算物理模型的参数.以此参数构建物理模型实现玉米叶片的动态模拟,并给出2种模型构造方式的玉米叶片虚拟仿真.结果表明,该方法以一种数据驱动的机制有效估算出对应的物理模型参数,生成的玉米叶片动态虚拟仿真过程具有与实际情况较为接近的真实感效果,为虚拟植物建模与应用提供了一种可行的物理建模及参数确定方法.     

一种基于DotNet委托机制的连接构件实现方法

研究一种基于DotNet委托机制的新型连接构件的实现方法.通过对当前连接构件实现方法的介绍、对连接构件模型的描述,以及对连接构件作用过程模型图的分析,从事件处理的角度出发,探讨一种新型的连接构件的实现方法.利用时下新兴的DotNet委托机制实现了一种新型的动态连接构件.该实现方法,在基于构件的软件工程中真正构建出软件IC(Integrated software Circuit)系统,实现了对功能构件即插即用的动态更换功能.     

UD分解与偏差补偿结合用于变量带误差模型辨识

本文提出一种基于UD(upper-diagonal)分解与偏差补偿结合的辨识方法,用于变量带误差(errors-in-variables,EIV)模型辨识.考虑单输入单输出(single input and single output,SISO)线性动态系统,当输入和输出含有零均值、方差未知的高斯测量白噪声时,该类系统的模型参数估计是一种典型的EIV模型辨识问题.为了获得这种EIV模型参数的无偏估计,本文先推导出最小二乘模型参数估计偏差量与输入输出噪声方差以及最小二乘损失函数与输入输出噪声方差的关系,然后采用UD分解方法递推获得模型参数估计值,再利用输入输出噪声方差估计值补偿模型参数估计偏差,以此获得模型参数的无偏估计.本文还讨论了算法实现过程中遇到的一些问题及修补方法,并通过仿真例验证了所提辨识方法的有效性.     

适用于动态对焦的高精度灵活标定方法*

处于动态对焦过程及不同对焦状态下的相机内参会不断变化.文中通过在镜头对焦环上加装角度传感器的方式,提出基于动态对焦过程以主距增量为参数的相机模型,实现任意对焦状态和距离下相机内参数的求解.利用定制的三平面立体标定靶,设计一种高鲁棒性的标定方法.与传统模型相比,该模型基本未增加额外约束条件,可操作性较强.实验表明,文中模型及相应标定方法具有更强的图像校正能力,从而提高摄影测量精度.     

基于整体辨识策略的非线性自适应控制方法

针对一类离散时间下的未知动态非线性系统,为解决传统自适应控制方法在交替辨识非线性系统时由于辨识精度低而导致的控制性能差的问题,本文提出了一种基于整体辨识策略的未建模动态补偿的自适应控制方法.利用随机向量函数链接(RVFL)网络的直链与增强结构特性挖掘其与低阶线性模型和高阶未建模动态项的等价对应关系,并融入权值偏差惩罚项,设计了网络模型参数在线更新算法辨识非线性系统参数.根据在线辨识的线性模型参数和未建模动态估计量,采用一步超前最优控制策略设计线性控制器和未建模动态补偿器.数值仿真表明,所提方法优于交替辨识下的非线性自适应控制方法,并通过工业应用的仿真研究验证所提方法在工业上的可用性.最后,对本文控制方法在实际应用中的潜在问题及理论受限条件的放松进行分析和展望.     

一种shellcode动态检测与分析技术

提出一种基于动态二进制平台DynamoRIO的shellcode模型识别与功能分析方法,并实现了基于该方法的原型系统.首先总结了shellcode利用技术,分析了shellcode动态执行特征,利用自动机理论,对shellcode各执行阶段进行了形式化的描述,并给出了各阶段相应的自动机模型及检测分析算法,据此归纳得到shellcode的一般执行模式;其次,提出了一种shellcode的API调用序列分析方法,根据API类型和参数,实现了对shellcode的功能分析.实验结果表明,该方法能够有效检测shell-code,识别执行模式,判定shellcode执行功能.该检测方法对高效检测shellcode、快速判明网络攻击意图和提高对网络攻击事件的响应能力具有重要的应用价值.