LPG罐区火灾爆炸危险性的定量评价

文章分析了对液化石油气储罐区物质危险性和常见事故类型,就罐区而言,池火灾、蒸气云爆炸（VCE）和沸腾液体扩展蒸气云爆炸（BLEVE）是三种常见事故。选用池火灾和蒸气云爆炸简化数学模型对液化石油气储罐区的火灾事故后果进行了定量评价,确定了火灾事故的人员伤害和财产损失范围。所得结果对于储罐区安全距离、防火堤设计及事故应急救援具有一定的指导意义。     

TNT模型对LNG储罐蒸气云爆炸模拟分析

通过分析比较目前主要的蒸气云爆炸模型,选择TNT模型用于计算LNG储罐蒸气云爆炸事故后果,得出冲击波伤害半径,将所得结果与安元软件和PHAST软件的模拟结果对比,得出安元软件的计算模型。     

重大工艺爆炸事故严重度评价

在研究分析了许多典型国内外事故危险评价模型的基础上，总结并提出了重大工艺爆炸事故危险性分级、严重度评价方法及模型。并利用此模型开发了重大工艺爆炸严重度评价软件，介绍了评定软件的功能模块设计。并列举了评价软件对重大蒸气云爆炸、液化气和过热液体扩展蒸气爆炸事故的评价实例。     

液氢泄漏主要灾害形式分析

随液氢的广泛使用,液氢生产和使用过程的安全性将受到越来越多的重视.讨论了液氢泄漏后发生气化和在地表扩散特点.在此基础上,分析了液氢泄漏后可能发生的物理爆炸(如沸腾液体膨胀蒸气爆炸(BLEVE)爆炸和急剧相变(RPT)爆炸)以及化学爆炸(如爆燃、高速爆燃、爆轰和气云爆炸)的特点.这些分析研究对液氢的安全使用,具有重要的参考价值.     

液化石油气罐区的危险性定量模拟评价技术及其事故预防

分析了液化石油气罐区的主要危险性及其特点,针对主要危险事故类型：蒸气云爆炸（UVCE）、沸腾液体扩展蒸气爆炸（BLEVE）和池火灾（Pool Fire),利用灾害定量评价技术和数学模型对其危险性进行了定量模拟评价,确定了其火灾、爆炸事故的严重度、伤害范围等;并提出了相应的事故预防技术措施。     

气云爆炸对厂区平面布局的影响分析

将气云爆炸叶厂区平面布局的影响分析分为可燃气云范围确定、爆炸能量确定以及单元间距离确定33个研究步骤。综合考虑系统的易操作性和准确性。分别给出了各步骤恰当的操作方法,即以合适的扩散经验模型作为可燃气云范围确定的方法;以TNO多能法作为气云爆炸能量确定的方法;以冲击波对人员及设备的伤害等级为性能化目标作为单元间距离确定的依据。以南京某甲醇裂解制氢厂家为例,选择ALOHA作为扩散计算工具,按照流程对厂区的气云爆炸后果进行了分析。指出了现有平面布局的不足之处,并以之为依据给出了新的平面布局设计图,说明了系统的可行性。     

爆炸荷载作用下部分埋置结构响应的数值模拟方法

为了比较不同的数值模拟方法进行动力响应分析的优缺点,采用爆腔内壁施加经验压力和高爆炸药材料模型(ALE算法)模拟爆炸荷载,分析了部分埋置结构的动力响应．结果表明:爆腔内壁施加经验压力时程模拟爆炸荷载的方法与Lagrangian算法模拟爆炸荷载的方法所得的数值结果相近,但其计算精度低于ALE算法, Lagrangian算法和ALE算法相比,所需计算工作量较少,爆腔内壁施加经验压力模拟爆炸荷载的方法在实用性上具有一定的优势．     

基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型

利用模拟退火算法对动态模糊神经网络的自身参数进行动态调整(SAA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。用软件失效数据在对动态模糊神经网络进行训练的过程中,用模拟退火算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。根据3组软件缺陷数据,将SAA-DFNN建立的SRGM与模糊神经网络(FNN)、BP神经网络(BPN)、G-O模型建立的SRGM的预测能力进行比较,仿真结果表明,根据SAA-DFNN建立的SRGM的单步向前预测能力稳定,预测误差小,并具有一定的通用性。     

基于云隶属度支持向量机的舰船购置费时间序列预测

模糊支持向量机降低了传统支持向量机对异常点的敏感度,但其模糊隶属度函数对样本点的分类缺乏模糊性,影响舰船购置费预测的精度。因此,利用云理论能够科学表达模糊性的特点,设计了一种面向异常点模糊分类的云隶属度发生器;在支持向量机中引入这种云隶属度发生器,提出了一种基于云隶属度的支持向量机算法;构建了基于云隶属度支持向量机的舰船购置费时间序列预测模型。实验证明：该算法模糊地降低了模型对异常点的敏感度,并自适应地对支持向量约束水平进行寻优,提高了舰船购置费预测的精度。     

爆速对爆炸焊接结合界面波形的影响研究

本文通过爆炸焊接结合界面波形来对爆炸焊接质量进行定量研究,通过SPH数值模拟、经验公式与试验研究相结合的方法,对板板爆炸焊接的焊接结合界面进行研究。针对Q235钢的板板爆炸焊接的爆炸焊接窗口进行了分析,建立了Q235钢板板爆炸焊接的爆炸焊接窗口的经验公式。在此基础上针对Q235钢材料的的搭接焊,进行了炸药爆速约3 421 m/s和4 256 m/s的板板爆炸焊接数值模拟与试验研究,对爆炸焊接界面波形进行对比分析,同时获取了Q235钢板板爆炸焊接数值模拟与经验公式所获得的碰撞速度。结果表明,SPH-FEM耦合算法可以对爆炸焊接进行较为精准地计算,此算法可以作为爆炸焊接的有效算法。爆炸焊接时由于爆轰波的传播及爆轰产物的飞散,会产生边界效应,边缘位置处的碰撞速度小于中心位置。炸药的爆速越大,焊接结合界面的波长越长、波幅越大。当炸药爆速过大时,结合界面会出现过熔现象,从而影响界面结合强度。     

基于模糊神经网络的煤矿瓦斯预测

针对瓦斯爆炸为煤矿安全生产中主要事故的现状,提出基于TS型模糊神经网络的煤矿瓦斯预测算法.通过样本学习,在线修正TS型模糊系统的隶属函数参数,形成TS型模糊神经网络算法,将该算法应用于煤矿瓦斯的预测,掌握和捕捉影响煤矿瓦斯安全主要因素的内在联系.仿真结果表明,该方法能够准确预测煤矿瓦斯的安全等级,平均误差较小.     

三维爆炸场可视化

为了将三维爆炸场可视化及分析爆炸过程复杂的物理现象,从三维多流体网格法得到数值模拟结果,基于爆炸与冲击的特征,采用直接体绘制的方法进行三维可视化.在此基础上,设计了三维可视化软件--ViSC3D.介绍了三维爆炸场可视化的理论、方法及ViSC3D软件设计的算法、功能.该软件是三维爆炸场的重要分析工具,可以便于研究人员对难于直接观察、分析的爆炸场进行全貌和细节的观察和分析.利用ViSC3D,对山沟中的爆炸场进行了整体、剖面可视化及二维切片的抽取,比较详细地展现了爆炸场的概貌和局部细节.ViSC3D软件亦可适用于其它类似三维数据场的可视化.     

反舰导弹攻击舰船舷侧防护结构过程数值仿真

半穿甲内爆式反舰导弹战斗部对舰船的攻击过程中使用了穿甲效应、爆炸破片效应和爆炸冲击波效应.在研究舰船结构在这种战斗部攻击下的响应和破损时应考虑此3种效应的耦合作用,而目前在这方面只有单独考虑某一效应的研究.该文将一种基于FCT算法的高精度爆炸流体动力学程序与LS DYNA动力学有限元软件相连接,同时考虑了穿甲、爆炸破片和爆炸冲击波的耦合作用,对半穿甲内爆式反舰导弹攻击下舰船舷侧防护结构的响应与破损全过程进行了数值模拟仿真.结果表明该数值仿真方法行之有效.     

水下爆炸载荷作用下圆筒的可靠性研究

为了研究板壳结构系统在爆炸载荷作用下的可靠性问题,基于响应面法(RSM)和有限单元法(FEM)计算了圆筒结构在水下爆炸载荷作用下的可靠性指标.将炸药参数和结构材料参数作为基本随机变量,然后利用有限元数值模拟得到试验点上的结构动响应;通过回归分析拟合出结构动响应函数,并在此基础上建立了圆筒结构功能函数;最后以验算点法计算了圆筒结构的可靠性指标.最终的可靠度计算结果表明了该方法的可行性,并为工程应用提供了有益的参考价值.     

舰船防护结构穿甲后爆炸的数值仿真分析

为了研究冲击爆炸作用下舰船防护结构的破坏情况,将该结构简化为多层板架结构,借助于有限元程序LS-DYNA中的ALE算法,同时考虑穿甲和爆炸的作用,对其在穿甲后爆炸荷载作用下的非线性动态响应过程进行仿真分析,描述了钢板的破口形状、破口半径及板上单元等效应力随时间变化的情况,并与舷外接触爆炸对结构的破坏情况进行比较.结果表明穿甲后爆炸能对舰体内部造成破坏,因此它是一种比较理想的反舰攻击方式.     

L-模糊集信任机制的网格计算任务调度方法

建立了一种新的网格环境下基于L-模糊集的信任模型,该模型用语言变量刻画实体间的信任,利用上下文无关文法进行形式化描述,并用模糊算子刻画信任等级．在此模型和Min-Min算法的基础上,提出了基于信任的网格任务调度算法L-FSTM-Min-Min(L-Fuzzy Set Trust Model-Min-Min),该算法以模糊逻辑为基础,使用3I算法对多条推荐信任规则进行模糊推理,达到对信任的综合评价．经GridSim网格模拟器仿真实验表明,在同等条件下该算法与Min-Min算法相比较,任务最后完成时间明显降低了,失效服务数也大大减少了．     

Quantitative Method of the Structural Damage Identification of Gas Explosion Based on Case Study: The Shanxi “11.23” Explosion Investigation

In order to present a retrospective analysis of exposition accidents using input data from investigation processes,data from a specific accident was examined,in which we analyzed possible involved gas species (liquefied petroleum gas;nature gas) and computed their concentrations and distributions based on the interactions between the structures and the effects of the explosion.In this study,5 scenarios were created to analyze the impact effect.Moreover,a coupling algorithm was put into practice,with a practical outflow boundary and joint strength are applied.Finally,the damage effects of each scenario were simulated.Our experimental results showed significant differences in the 5 scenarios concerning the damage effects on the building structures.The results from scenario 3 agree with the accident characteristics,demonstrating the effectiveness of our proposed modeling method.Our proposed method reflects gas properties,species and the concentration and distribution,and the simulated results validates the root cause,process,and consequences of accidental explosions.Furthermore,this method describes the evolution process of explosions in different building structures.Significantly,our model demonstrates the quantatative explosion effect of factors like gas species,gas volumes,and distributions of gases on explosion results.In this study,a feasible,effective,and quantitative method for structure safety is defined,which is helpful to accelerate the development of safer site regulations.     

加油站储罐火灾与爆炸危险区域分析

汽车加油站储罐区是加油站涉及油品最多的区域,油品均属于易燃液体,发生火灾、爆炸事故的概率较大,而且一旦发生事故,后果相当严重．针对汽车加油站平面布局的合理性问题,提出了池火灾数学模型计算罐区火灾的事故后果;根据不同热辐射值对人体的伤害和周围设备的破坏情况,推导出不同危险情况下的危险距离;采用蒸气云爆炸数学模型计算油罐区发生爆炸的爆炸能量,选用G·M莱克霍夫计算公式,依据爆炸事故产生的爆炸冲击波对周围建筑物和人员的伤害程度进行评估,计算出危险距离．加油站发生火灾和爆炸波及的危险距离对于确定加油站的选址、建设、平面布局、风险控制等有很重要的意义．同等危险情况下,爆炸危险区域大于火灾危险区域,即爆炸的安全距离大于火灾的安全距离,所以汽车加油站储罐区周边设置其他建构筑物或设备设施时,可以根据此算法,重点考虑储罐区发生爆炸波及的危险区域．     

A special hierarchical fuzzy neural-networks based reinforcement learning for multi-variables system

Proposes a reinforcement learning scheme based on a special Hierarchical Fuzzy Neural-Networks （HFNN） for solving complicated learning tasks in a continuous multi-variables environment. The output of the previous layer in the HFNN is no longer used as if-part of the next layer, but used only in then-part. Thus it can deal with the difficulty when the output of the previous layer is meaningless or its meaning is uncertain. The proposed HFNN has a minimal number of fuzzy rules and can successfully solve the problem of rules combination explosion and decrease the quantity of computation and memory requirement. In the learning process, two HFNN with the same structure perform fuzzy action composition and evaluation function approximation simultaneously where the parameters of neural-networks are tuned and updated on line by using gradient descent algorithm. The reinforcement learning method is proved to be correct and feasible by simulation of a double inverted pendulum system.     

基于选择机制的实体间最信任路径发现方法

提出了一种基于选择机制的实体间最信任路径发现算法.该算法采用动态规划思想,同时利用乘关系特点和信息反馈,在计算信任路径过程中可过滤掉无关路径,解决了恶意实体干扰问题、信任路径数目爆炸问题以及回路问题.仿真结果显示,本算法能有效隔离恶意实体,同时具有通信量小,收敛性好的优点.