天然气储罐蒸气云爆炸事故个人风险分析

采用TNT当量法计算天然气储罐蒸气云爆炸形成的冲击波超压,运用人体脆弱性模型计算死亡概率,得到了天然气储罐的个人风险模型。根据《危险化学品生产、储存装置个人可接受风险和社会可接受风险基准(征求意见稿)》所规定的个人风险可接受水平,结合实例,确定了安全距离,可为安全规划及防护措施的制定提供科学依据。     

拱顶钢储罐内部蒸气云爆炸冲击荷载的数值模拟

利用TNT当量模型模拟储罐内部的蒸气云爆炸,对拱顶钢储罐内部爆炸流场和壁面爆炸冲击荷载进行数值模拟。首先将储罐壁面视为刚性,系统考察拱顶罐在各种不同工况下的爆炸流场及壁面反射冲击荷载分布情况;然后进一步考察爆炸流场与罐壁之间的耦合效应对爆炸冲击荷载的影响。研究表明：储罐壁面爆炸冲击荷载最大值出现在顶盖中心区域,且往往出现在第2个波形峰值位置,而壁面其他位置的冲击荷载最大值一般出现在第1个反射超压峰值位置;爆炸流场和容器壁面间的耦合效应对内部爆炸冲击荷载的影响不大,计算分析时可近似采用非耦合模型。     

粗苯储罐蒸气云爆炸后果定量分析

储罐区防火间距的设计通常依据相关标准规范,本文以山西某化工厂粗苯储罐燃爆事故为例,提出一种更加实用的储罐区防火间距设计方法.粗苯液体沸点低,易挥发,在储罐内液面上方易形成气相空间,遇点火源易引起蒸气云爆炸.基于文献中储罐液位在半罐以上,可保证在任意起爆点位置罐顶均先于罐底发生破裂的结论,建立储罐液位在半罐以上致使罐顶破裂的蒸气云爆炸模型.基于一定的假设,采用TNT当量法,对不同液位状态下5 000m3粗苯储罐发生蒸气云爆炸的后果定量分析,计算蒸气云爆炸的各级损害半径的极值.结果表明:随着储罐内液位的升高,其实际发生蒸气云爆炸的各级损害半径越小,但其理论发生蒸气云爆炸的各级损害半径越大.对于任一液位状态下的储罐蒸气云爆炸情况,其各级损害半径的相对大小为:轻伤区半径R3>财产损失半径R4>重伤区半径R2>死亡区半径R1.     

气云爆炸超压和温度作用下抗爆墙的响应研究

以某可燃气体仓库的抗爆隔墙为研究对象,利用ANSYS有限元分析软件,研究抗爆墙在可燃气云爆炸产生的超压场和温度场作用下的响应规律.经与已有试验结果的对比,验证了抗爆墙模型的合理性.研究了抗爆墙在可燃气体爆炸产生的超压场和温度场单独作用下的动力响应,以及超压场和温度场共同作用下的动力响应.研究结果表明:温度场单独作用时抗...     

单面遮挡下受限甲烷气云爆炸超压模型研究

气体爆炸超压的经验公式往往不涉及遮挡对其带来的影响。以基于计算流体力学的方法,研究了单面遮挡对不同量级的受限甲烷气体爆炸超压带来的影响。研究结果表明,在设计的遮挡条件下,气体爆炸的超压与折合距离在对数坐标系中近似呈线性关系。通过数值模拟,提出了受限甲烷气体在受单面遮挡时的爆炸超压、甲烷燃烧热及距离爆炸的气云中心之间的距离三者之间的模拟计算式。该方面的研究对甲烷气体爆炸方面的工程计算以及其它遮挡条件下的爆炸模拟方法均有一定的参考意义。     

基于BP神经网络的交通事故预测

本文利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了BP神经网络的道路交通事故预测模型。选取人口数量、公路里程数和客运量作为神经网络的输入神经元,道路交通死亡人数和交通事故经济损失作为网络的输出神经元,对道路交通事故进行预测。     

基于BP神经网络的汽油辛烷值预测

辛烷值是汽油最重要的品质指标,传统的测试方法不适合在线测试。BP神经网络通过训练和学习可以实现预测的功能。本文介绍了BP神经网络的相关知识及其在汽油辛烷值预测中的应用。通过对网络输出结果的分析,证明了该网络的有效性。     

LNG容器蒸气膨胀爆炸特性研究

对液化天然气容器机械破损后的液体过热汽化建立了非平衡相变模型.根据非平衡相变理论,讨论了蒸气膨胀爆炸的过减压极限,并按照气泡半径是否超过临界半径,把气泡的增长分成了束缚和逃逸两个时区,分时区讨论了系统各物理量的变化.通过对液化天然气典型储运工况的计算,得出了不同条件下的过减压极限、压力下降及反弹演化过程,状态参量核化速率的变化过程及最大超压.分析了蒸气膨胀爆炸的基本特性:快速显著核化和沸腾延迟,以及初始条件、损口面积和容器尺度等对物理过程的影响.     

基于BP神经网络的油井出砂预测

研究BP神经网络的特性并利用该网络预测油井出砂,建立了一个BP神经网络模型,最后利用MATLAB环境下的神经网络工具箱开发相应的程序,并最终将其用于油井出砂的预测。     

基于BP神经网络的爆破振速峰值预测

在分析爆破振动主要影响因素的基础上,建立了对爆破振动质点速度峰值进行预测的BP神经网络模型.将某露天铁矿的爆破振动监测数据分别与模型预测结果和应用传统经验公式进行预测的结果比较,发现由于每次爆破的地震波传播不同,直接应用萨氏公式的K、α值进行预测会引起较大误差,相比之下,BP网络模型的预测结果更为准确和可靠.     

基于BP神经网络的导线脱冰跳跃高度预测模型

冰区导线脱冰振动会引起绝缘间隙减小,严重时甚至导致闪络和跳闸等电气事故.首先利用数值方法模拟得到各种参数条件下导线的脱冰动力响应,获得导线的最大脱冰跳跃高度.进而基于数值模拟结果和BP神经网络构建导线脱冰跳跃高度预测模型,将线路的导线分裂数、导线型号、档距、高差等结构参数以及初始应力、覆冰厚度和脱冰率等载荷参数作为输入...     

基于BPNN的多相复合陶瓷材料断裂韧性预测

为有效缩短陶瓷材料设计中繁琐的试验过程,利用误差反向传播神经网络(BPNN)能够正确逼近非线性映射关系的优点,将其运用到多相复合结构陶瓷材料断裂韧性预测中,克服了陶瓷材料研究中单因素实验法不能正确反映断裂韧性与添加组分多因素之间复杂的非线性映射关系的弱点.对Al2O3/SiC/(W,Ti)C复合陶瓷材料断裂韧性的预测和试验验证表明,该方法可行有效,为快捷、经济地开发研制陶瓷材料提供了新的思路和有效手段.     

BP神经网络的火焰图像温度检测方法

基于炉膛火焰温度不同，与之相对应通过CCD摄取的炉膛火焰图像颜色也不同，提出了一种检测炉膛火焰温度的方法。将获取的炉膛火焰图像RGB模型转换为HSI颜色值，用H、S值作为BP神经网络输入，通过样本图像训练后，拟合H、S与温度T的非线性关系，计算得到炉膛火焰温度值。实验表明，计算温度与实际温度良好相符，温度测量方法切实可行。     

车内噪声声品质的神经网络预测

鉴于车内噪声声品质评价的复杂性和非线性的特征,分析了BP神经网络方法在车内噪声声品质预测中的应用,阐述了其基本原理和模型并结合实例提出了完整的实施流程。该预测方法具有很强的学习能力,各连接权重由网络通过学习自主生成,因此预测结果更具客观性和准确性。同时将用此种方法与现有的预测方法得出的结果进行比较,得出结论：神经网络用于车内噪声主客观评价数据处理可以得到更好的预测效果,从而在很大程度上提高评价者的决策水平,对现代汽车噪声的评价、分析与控制都具有重要意义。     

应用BP神经网络预测原油含水率问题的研究

原油含水率是一个复杂的随机系统,本文根据射频原油含水分析仪的非线性问题(双值性),以及原油含水率与其影响因素之间存在的映射关系,建立了一个BP人工神经网络模型,并将其用于原油含水率的预测,给出BP算法动态演化过程的训练调试界面,并在算法上进行改进。实例表明,该模型软件预测精度高,有一定推广价值。     

基于BP神经网络的吸运风机故障诊断

吸运风机是农业现代化生产机械联合收割机的重要组成设备.针对目前吸运风机经常出现的故障,收集了吸运风机故障征兆和其对应的故障类型.将故障样本数据和模糊神经网络相结合,并根据BP神经网络确定网络的输入和输出向量,对风机进行故障诊断,诊断结果与实际情况比较吻合.运用MATLAB实现神经网络故障诊断仿真,仿真结果表明诊断误差较小,输出向量与实际故障矩阵结果接近.     

基于BP神经网络的金属拉深件裂纹在线监测

论文运用设计的三层BP神经网络对采集到的10个声发射参数进行特征提取。通过对比不同隐含层神经元个数的BP神经网络的训练误差与训练次数,确定当隐含层神经元个数为13个时,BP神经网络的逼近效果较好,产生的网络误差最小。然后利用计算各声发射参数对表征裂纹信号灵敏度的大小,逐步删除各个声发射参数,降低模式识别时输入信号的维数。最后确定相对到达时间、幅度、能率、上升计数、持续时间和平均信号电平六个声发射参数能够有效地识别金属拉深件裂纹。本研究对于金属拉深件裂纹的在线监测具有理论和实际意义。     

多波束融合BP神经网络拖船噪声抵消

拖曳线列阵声纳中,拖船噪声常常是影响声纳性能的重要因素之一。由于存在严重的多途效应,仅仅改变自适应结构难以提高拖船噪声抵消性能。因此在实际应用中,固定参考输入自适应干扰抵消技术的抵消效果一般均不理想,本文针对拖船噪声的特性,提出了一种多干扰波束融合的抵消算法,该算法具有抗多途效应效果好,可以较有效地消除拖船干扰,提高声纳的检测性能,试验数据处理结果表明它优于现有的自适应方法,且具有运算量少的优点,可望在实际声纳中得到应用。     

基于BP神经网络模型的Ni-SiC纳米镀层耐磨性能预测研究

采用神经网络技术,构建结构为3×8×1型的BP神经网络模型,并利用该模型对超声电沉积Ni-SiC纳米镀层的耐磨性能进行预测。通过磨损试验测试并研究Ni-SiC纳米镀层的耐磨性能,利用扫描电镜(SEM)、原子力显微镜(AFM)和X射线衍射(XRD)观察不同参数下Ni-SiC纳米镀层的组织结构及成分。结果表明,在BP神经网络模型的隐含层数和神经元数分别为1和8时,该BP神经网络模型的均方根误差最小,其最小值为1.24%。该BP神经网络模型的预测值与实验值相差不大,其最大误差为1.51%。当采用SiC粒子浓度8 g/L、电流密度2 A/dm^2、温度40℃时,SiC粒子均匀分布于Ni-SiC纳米镀层中,且镀层镍晶粒显著细化,其镍晶粒的衍射峰变宽、变矮。     

神经网络获取三维面形研究

针对基于传统三角原理的结构光三维测量方法难以测量阶梯形物体的问题，应用神经网络对获取的变形条纹进行处理，获取物体的三维面形信息。该方法通过对神经网络的训练，直接建立条纹图分布与物体高度之间的对应关系，完成对物体的三维测量，即使在投影系统参数未知的情况下，也能取得较好的结果。论文中提出的神经网络三维面形测量方法测量时间短，测量过程中只需要一幅条纹图就能恢复阶梯物体的高度信息。计算机模拟及试验验证了方法的可行性。