基于有限元法和神经网络技术的汽车碰撞事故再现

为充分利用事故变形信息,提出采用有限元法和神经网络技术进行事故再现的方法.在该方法中,首先采用数字测量技术得到事故车辆变形关键点的测量值,采用有限元仿真技术得到此关键点的计算值.将事故发生前的车辆运动参数作为神经网络的输入数据,关键点变形量测量值与仿真计算值的偏差作为神经网络的输出数据,将汽车碰撞仿真结果作为网络训练样本,对训练完成的神经网络进行优化求解得到事故发生瞬间的车辆运动参数.应用此方法对一起车-障碍物碰撞事故案例进行再现分析,建立整车、障碍物及地面有限元模型,选取前纵梁及挡泥板上的11个定位孔与螺栓孔作为变形量测量的关键点,再现分析结果验证了该方法的有效性,为事故责任鉴定提供了科学依据.     

液氨槽罐车泄漏事故扩散模拟研究

本文以液氨槽罐车为研究对象，分析车辆在运输过程中发生泄漏事故。通过事件树分析液氨槽罐车发生泄漏后可能造成的危险情况，利用ALOHA软件模拟仿真液氨泄漏的扩散距离，得到中毒、重伤和死亡范围。在此基础上，分析了液氨槽罐车泄漏孔径、环境温度和风速对事故扩散造成的影响，分析影响趋势，对应急救援处置和预防事故发生具有指导意义，为类似事故处置提供了参考和依据。     

一起空压机停车事故的分析与整改

一起空压机停车事故的分析与整改华优基（萍乡钢铁厂设计院萍乡３３７０１９）某钢铁厂制氧车间发生一起因空压机轴位移油温温升报警、联锁，导致空压机联锁跳闸停车的事故。本文根据事故发生的经过和联锁电路的分析。得出了事故发生的原因。提出了从根本上消除事故源头的...     

生产安全事故案例分析（2）

生产安全事故发生后，如何划分事故责任和提出处理意见是很重要的一个方面，事故责任的分析和划分必须在查清事故原因的基础上进行。确定事故责任者之前，必须根据事故调查所确定的事实，分析出事故发生的直接原因和间接原因，找出与这些原因相对应的人员及其与事故的关系，最后确定事故责任者和提出处理意见。     

浅谈安全生产中的自我防护

本文以本厂多年发生的工作事故及交通事故为依据分析，提出了发生事故频率高的原因之一是人的不安全行为。要控制和预防事故发生就必须不断加强和提高安全自我防护意识和能力。     

桥式起重机吊钩冲顶事故分析及控制对策

通过对已发生的几起桥式起重机吊钩冲顶事故的原因分析和对策分析，为加强起重设备的安全管理，做好事故的预防控制工作，杜绝类似事故的再次发生提出了依据和控制对策。     

基于MATLAB的在工程事故分析中的优化设计

主要使用MATLAB工具箱分析在工程事故中制造公差对工程质量的影响，分析发生工程事故的根本原因，根据分析结果采取相应措施以减少事故的发生。     

一起触电事故分析与思考

特种设备频频发生触电事故，主要原因有：供电系统中接地保护不规范，当设备发生漏电事故时没有起到保护作用；特种设备操作者没有按要求配置防护措施或违规操作。文中针对一起触电事故，分析了事故原因，并提出防范建议。     

基于模糊事故树的带式输送机伤害事故风险分析

为研究工矿企业带式输送机发生机械伤害事故的风险因素，对48份事故调查报告公布的事故原因进行统计分析，得出运转部位防护不全和人员接触运转部位是带式输送机发生伤害事故的主要原因。将事故原因进一步细化和分解为致因因素，利用模糊事故树模型进行分析计算，得到了输送机安全防护缺失失效和人员接触危险部位两项因素为中等风险，最后从人和物两个方面提出了防范事故的措施建议。     

关于倾斜巷道运输事故的成因及防范策略

目前，我国煤矿所发生的事故中，矿井运输事故占据了总事故的20％左右，而矿井运输事故中，当属倾斜巷道运输事故的发生率最高。为此，加强煤矿倾斜巷道运输安全事故的原因分析，提高事故防范水平，对于确保煤矿的安全生产而言意义重大。煤矿倾斜巷道运输安全事故包括许多类型，且不同的类型，成因及防范策略也各不相同，本文——进行了分析和探讨，以供相关人员参考。     

人工神经网络在飞行试验中的应用

详细介绍了人工神经网络的基本概念和建立神经网络的步骤以及其中的关键问题,利用VC++6.0编制了可视化的人工神经网络应用程序。应用该程序对某插板式畸变发生器的畸变发生效果进行了预测,预测结果与计算值吻合较好,满足工程精度要求,从而验证了程序和方法的有效性。以此为例,说明了人工神经网络方法在飞行试验中的应用。     

基于BP人工神经网络理论对埋地燃气管线腐蚀剩余寿命研究

在对BP人工神经网络研究的基础上,利用现场测的腐蚀数据,建立了人工神经网络腐蚀剩余寿命模型。通过对现场数据的学习,BP人工神经网络可以很好的再现数据里的隐含规律,其结果与实测数据吻合得很好。     

Optimisation of turning parameters by integrating genetic algorithm with support vector regression and artificial neural networks

This paper focuses on optimisation of process parameters of the turning operation, using artificial intelligence techniques such as support vector regression (SVR) and artificial neural networks (ANN) integrated with genetic algorithm (GA). The model is trained using the turning parameters as the input and corresponding surface roughness, tool wear and power required as the output. Data, obtained from conducting experiments is analysed using support vector machine (SVM) and artificial neural network. SVM, a nonlinear model, is learned by linear learning machine by mapping into high-dimensional kernel-induced feature space. The genetic algorithm is integrated with these to find the optimum from the response surface generated. The results are compared with those obtained by integrating GA with traditional models like response surface methodology (RSM) and regression analysis (RA). This paper illustrates the impact that techniques based on artificial intelligence have on optimising processes.     

Data set preprocessing methods for the artificial intelligence-based diagnostic module

The paper presents the application of statistical (econometrics-originated) methods to process learning and testing data sets used by the artificial intelligence (AI) methods in the diagnostics of analog systems. Before the training and evaluation of the intelligent module is performed, the measurement data are analysed to minimize the number of attributes (symptoms) required to distinguish between different states of the System Under Test (SUT). This way the knowledge extracted from the set is simplified, increasing the operation speed and minimizing the threat of overlearning. Also, elimination of unnecessary symptoms from the set allows for decreasing the set of test points where measurements are taken (which is economically desirable). Preprocessing operations include elimination of constant or quasi-stationary symptoms and finding their minimal set, allowing for the efficient fault detection or parameter identification. The paper focuses on the Hellwig and Multiple Correlation Coefficient methods adjusted to the technical diagnostics applications. They are implemented to optimize data sets obtained from simulation of the fifth order lowpass filter. Their usefulness is tested using the artificial neural network (ANN) and Rough Sets (RS) classifiers responsible for detection, and identification of parametric faults.     

集箱管接头内焊缝表面缺陷识别方法研究

针对集箱管接头内焊缝表面缺陷自动检测需要,进行了基于计算机视觉的集箱管接头内焊缝表面缺陷自动识别方法研究。分析了不同焊缝图像的纹理特征,从焊缝图像的灰度共生矩阵中提取出15种可用于焊缝表面缺陷状态表征的特征参数。在此基础上,研究将BP神经网络应用于焊缝表面缺陷自动识别中。分析了灰度共生矩阵的步长、灰度级、神经网络的结构参数及输入特征参数的数量和种类对焊缝图像识别效果的影响,优化出最佳的识别参数。在以上研究基础上,利用优化后的神经网络对内窥镜获得的不同焊接质量的焊缝图像进行了训练和识别。结果表明,提出的基于图像纹理的神经网络识别系统可以很好实现集箱管接头内焊缝焊接状态的自动评价,整体识别率达91%。研究工作为集箱管接头内焊缝焊接质量自动检测做了有益的探索。     

人工神经网络理论在塑性加工中的应用

概述人工神经网络理论在塑性加工中的应用近况，探讨它在应用过程中存在的问题，并预测它在塑性加工中的应用前景。     

基于人工神经网络的发电机转子绕组匝间短路故障诊断

人工神经网络是基于模仿人类大脑的结构和功能而构成的一种信息处理系统,具有很多与人类智能相似的特点,应用人工神经网络可以实现准确、及时的故障诊断,因而人工神经网络在电力等系统的故障定位、故障类型识别等故障诊断中有着很好的应用.     

一种高速数控机床电主轴表面温度智能预测方法

电主轴是高速数控机床核心功能部件,电主轴损坏基本是电主轴发热引起的.电主轴温度场具有复杂的非线性特征,神经网络在处理非线性系统温度预测方面得到了广泛的研究,神经网络与传统模型相比具有更好的适时预报性和持久性.论文利用遗传算法优化BP神经网络建立电主轴表面温度预测模型.预测结果表明,未优化的BP神经网络与遗传神经网络预测误差相对比,遗传神经网络对电主轴表面温度预测具有更高的预测精度和稳定性.     

人工神经网络在机械设计中的应用

本文通过对机械设计专家系统和人工神经网络的讨论，研究了人工神经网络和专家系统技术在机械设计智能系统中的综合应用问题，并提出了人工神经网络在机械设计中的总体应用方案，为进一步研究打下了基础。