当前位置：文档之家 › 基于人工神经网络的压力容器安全评定可靠度的模糊分析(1)

基于人工神经网络的压力容器安全评定可靠度的模糊分析(1)

  • 格式：pdf
  • 大小：239.66 KB
  • 文档页数：5

基于人工神经网络的压力容器安全评定可靠度的模糊分析X

俞树荣XX李尔国 梁 瑞(甘肃工业大学)

摘 要 结合模糊聚类方法与人工神经网络技术建立了压力容器可靠度模糊分析的隶属函数,并对实际工程案例的评定结果进行了模糊分析,分析结果令人满意。人工神经网络和模糊推理方法为压力容器安全评定智能化系统的建立做了一个补充。关键词 压力容器 安全评定 可靠度 模糊聚类 人工神经网络

压力容器安全评定所依据的基本事件同其他实际工程事件一样具有非确定性,因此采用模糊数学对其评定结果进行模糊分析,将会提高压力容器安全评定的可靠性和水平。实验证明,引入神经网络技术,以成功的评定案例为基础,运用人工神经网络技术进行压力容器缺陷评定是可行的。本文在文献[1~3]的研究基础上,采用人工神经网络和模糊聚类技术对压力容器的安全可靠度进行了模糊分析。关于BP模型网络的算法在文献[2]已有详细的介绍,本文不再重述。1 压力容器可靠度的模糊分析111 评价集在压力容器的安全评定中结构的可靠度常用载荷保留因数FL来度量,如果FL>1则认为缺陷是可接受的,即该结构是安全的,否则认为该结构是不安全的。然而,正是这种/安全2不安全0形式的评定结果往往会造成评定结果与实际情况之间的差异。由于实际工程中压力容器的可靠性不是/安全0与/不安全0之间的绝对划分,而是/安全0与/不安全0之间的过渡,因此可以将压力容器的评定结果映射到模糊空间处理,从而反映出这种过渡。以v1~v5分别表示评定结果为非常不安全、不安全、有点安全或不安全、安全、非常安全,则评价集为:V={vk} k=1,2,3,4,5(1)112 用人工神经网络建立评价集的隶属函数要用人工神经网络建立评价集的隶属函数,首先应对一定数目的样本进行模糊聚类,确定出样本属于评价集中的哪一种因素。本文采用文献[3]中22个典型缺陷作为样本缺陷,将每个样本的分析数据作为训练样本如图1所示(图中+号表示样本数据点),聚类结果如图2所示(图中+号表示样本数据点,*号表示经过聚类后评价集各因素的中心值)。根据评价集各因素的中心值(表1)便可以用人工神经网络建立评价集的隶属函数,评价集各因素的隶属函数如图3所示。

图1 模糊聚类样本

333第27卷 第6期 化 工 机 械

XXX俞树荣,男,1962年3月生,副教授。甘肃省兰州市,730050。原机械部基金资助项目(No.98251313)。表1 模糊聚类后评价集各因素的中心值中心变量c1c2c3c4c5

大小0.35850.78571.07001.40902.4218

图2 模糊聚类结果图3 评价集各因素隶属函数图2 基于人工神经网络的压力容器可靠度的模糊分析表2 压力容器可靠度的模糊分析结果

容器名称材料直径mm压力MPa壁厚mm裂纹深度mm裂纹宽度mm评定结果LrKr安全裕度神经网络输入值神经网络输出值模糊分析结果

水洗塔)22002.8544191000.31.010.690.69L1=0.037L2=0.972L3=0L4=0L5=0不安全

甲醇塔SM600128522.62300.140.263.543.54L1=0L2=0L3=0L4=0.002L5=0.999非常安全蓄热器20g202003.625.11032.50.630.521.351.35L1=0L2=0L3=0.015L4=0.959L5=0安全球罐16MnR92001.5683815.55001.001.780.200.20L1=0.999L2=0L3=0L4=0L5=0非常不安全球罐16MnR92002.1302.51350.850.481.061.06L1=0L2=0.006L3=0.985L4=0.001L5=0

有点安全或不安全

334 化 工 机 械 2000年 用人工神经网络建立对评价集的隶属函数后,便可以用它进行压力容器可靠度的模糊分析。选取文献[3]中的部分缺陷评定数据对评定结果进行模糊分析,将评定出的安全裕度作为神经网络的输入,神经网络的输出值就是评价集中各个因素的隶属度,按照最大隶属度原则进行模糊决策,分析结果如表2所示。由表2可看出,在模糊聚类的基础上,用神经网络建立的评价集的隶属函数是可靠的,可以合理地反映出压力容器安全评定结果的可靠性程度。3 结论311 压力容器安全评定所依据的基本事件同其他实际工程事件一样具有模糊性和非确定性,因此可以采用模糊数学对其评定结果进行模糊分析,从而提高压力容器安全评定的可靠性和水平。 312 本文采用人工神经网络技术与模糊聚类方法相结合的方法建立了压力容器可靠度模糊分析的隶属函数,并对实际工程案例的评定结果进行了模糊分析,分析结果表明本文建立的压力容器可靠度模糊分析隶属函数是可靠的。313 引入人工神经网络技术和模糊聚类方法对典型压力容器缺陷评定结果进行模糊分析,为压力容器缺陷评定智能化系统的实现做了一个补充。参 考 文 献1 俞树荣.基于失效评定图的压力容器安全模糊评定.甘肃工业大学学报,1996,22(2):43~472 俞树荣,李尔国,贾立.基于人工神经网络的压力容器初级评定方法.化工机械,1999,26(3):176~1783 俞树荣,李尔国,贾立.人工神经网络与失效评定图在压力容器安全评定中的应用.化工机械,1999,26(5):280~283(收稿日期:2000209208,修回日期:2000210212)

国家鼓励发展的环保产业设备(产品)目录(第1批)空气污染治理设备11石灰石(石灰)2石膏湿法烟气脱硫成套设备主要指标及技术要求:钙硫比Ca/S<1105;脱硫率90%以上;石膏中亚硫酸钙的残留度<8%;烟气带水量<100mg/m3(标);副产品石膏能够得到有效利用。适用范围:火电厂烟气治理21炉内喷钙及尾部增湿活化脱硫成套设备主要指标及技术要求:钙硫比Ca/S<215;脱硫率\70%。适用范围:火电厂烟气治理31半干法烟气脱硫设备主要指标及技术要求:钙硫比Ca/S<114;脱硫率\75%。适用范围:火电厂烟气治理及工业炉窑烟气治理41烟气循环流化床脱硫设备主要指标及技术要求:钙硫比Ca/S<1125;脱硫率\80%。适用范围:火电厂烟气治理

51高温高滤速袋式除尘器主要指标及技术要求:最高适用温度250e;除尘效率\99%;滤袋正常寿命\2年;过滤风速\115m/min。适用范围:烟气除尘治理61袋式除尘器高效清灰设备主要指标及技术要求:漏风率<1%;耐温>200e;同样清灰量条件下降低能耗25%。适用范围:烟气除尘治理71高效电除尘器主要指标及技术要求:处理风量30000~1000000m3/h;除尘效率\99%;出口浓度[50mg/m3(标)。适用范围:烟气除尘治理81电除尘器系统配置数据、实地采样及定量分析设备主要指标及技术要求:最高适用温度350e;实地采样模拟配置连续即时显示除尘效率,精度为2%;具备整体移动功能。适用范围:烟气除尘治理(未完待续)

335第27卷 第6期 化 工 机 械 ABSTRACTS Astudyonthedynamicfiltrationofatitaniumsilicalite21molecularsieve.TanWei,LiWei,ZhaoZongai,XingYikun(TianjinUniversity,Tianjin,China)YuWeiqian(DaqingPetro2chemicalIndustryComplex,Daqing,Heilongjiang,China)(317),,,,,,,,,,,,,,,,,,,,,,Thedynamicfiltrationtechnologywasusedtostudythefil2trationperformanceofthemicropowdercatalystinatitanium2sil2icalite21molecularsieveinadynamicrotaryvanefilterpress,andthechangelawofthefilterratevaryingwithtimewasde2rived,theinfluenceofoperatingpressureonthefilterratewasanalyzed.Aregenerativeexperimentofthefiltermediumwasmadefortherequirementofproduction.Theexperimentprovidedthefiltrationandseparationofthemicropowdercatalystwithafeasiblemethod,andtheexperimentalbasiswasprovidedtode2terminethesuitableoperatingconditionandcommercialapplica2tion.KeyWords:TitaniumSilicalite21MolecularSieve,Dy2namicFiltration,RotaryVaneFilterPress,Solid2LiquidSepara2tionAstudyontheelectroplatingtechnologyofZn2Feal2loy.ZhangZhao,ZhangJianqing,WangJianming,CaoChunan(ZhejiangUniversity,Hangzhou,Zhejiang,China)(320),,,,,,,,,,,,,,,,,,,,,,,TheinfluencesofthecomponentsinZn2Fealloyelectroplat2ingliquidandothertechnologyparametersontheironcontentintheelectroplatinglayerwerestudied.TheZn2Fealloyelectro2platinglayerwith0.41%ofironcontentwasobtainedinacon2ditionofoptimumZn2Fealloyelectroplatingtechnology.Thea2bilityofcorrosionresistanceofthealloyelectroplatinglayerwastwiceorthreetimesthatofthepureZincelectroplatinglayerwiththesamethicknessaftertheZn2Fealloyelectroplatinglayerwaspassivatedsilverly.TheresearchshowedthatZn2Fealloyelectro2platingliquidhadgooddispersedability,coveringability,andlevelingability,itsefficiencyofelectroplatingcurrentwashigh,andtheperformanceoftheelectroplatinglayerwasgood.KeyWords:Zn-FeAlloy,Electroplating,IronContent,CorrosionResistanceParametricdrawingofthefinnedplateheatexchang2ers.LingXiang,ZouQuncai,TuShandong(NanjingUniversityofChemicalTechnology,Nanjing,Jiangsu,China)(325),Theconstrainedrelationbetweentheparametricdesignpro2cessesandthesizesofthefinnedplateheatexchangerswasde2scribedforthebasicstructureofthefinnedplateheatexchang2ers,therelationbetweenthesizesofthepartsandthedrivingsizesofthefinnedplateheatexchangerswasanalyzedwiththecoreasanexample,andthebasiswasestablishedforthepara2metricdesignofthefinnedplateheatexchangers.KeyWords:FinnedPlateHeatExchanger,CADTechnol2ogy,ParametricDrawing

合集下载

压力容器安全状况等级是如何划分的

压力容器安全状况等级是如何划分的

压力容器安全状况等级是如何划分的压力容器在各个行业中被广泛应用，从化工、石油、天然气、航空到航天等领域都有着重要的作用。

然而，压力容器的安全性一直是一个备受关注的问题。

为了确保压力容器的安全性，工业和政府部门建立了一套压力容器安全状况等级划分的标准，本文将对此进行详细介绍。

1. 什么是压力容器安全状况等级压力容器安全状况等级，也被称为“等级划分”或“压力容器等级划分”，通常是根据其使用场景、重要程度、材料、制造工艺、检验周期等因素进行划分。

等级划分将高、中、低三个等级的压力容器的使用和检验周期、压力容器的安全管理、压力容器的维护等事宜进行了细致地规定和实施。

2. 压力容器安全状况等级划分依据（1）操作条件应在操作条件较为简单、操作部位无机械力等特殊要求的情况下等级较低。

（2）设计参数设计压力越高、设计温度越高的容器等级越高。

（3）容器用途和重要程度如压缩空气储气罐（空气压缩机用储气罐）、空调用水箱等，如果未对装置的生产过程和质量加以控制，很容易出现事故而要求等级较高。

（4）材料一般而言，材料强度越大，等级就越高，如碳素钢的等级一般为I，而不锈钢和铝合金等则为II或III。

（5）制造质量制造批量大，工艺简单，自动化程度高，且有成熟专利版权及产品标准的等级较低。

而定制制造，工艺复杂，形状特殊，要求材料和制造过程与其他制造相比有更高的质量标准，等级则较高。

（6）使用环境使用的场合比如化工、煤气、液化石油气、高压管、防火水泵总配水箱等，因为使用的风险性大，等级自然也比较高。

（7）使用寿命使用寿命短的容器可等级较低，如几年内需要更换的液氨容器等，可以选择等级较低的容器。

3. 压力容器安全状况等级的分类通常按照风险等级划分压力容器安全状况等级，这一划分方式可以很好地反映压力容器的安全管理水平，更好地指导压力容器的安全使用和检验，划分结果如下：（1）高度充满对人类、环境、物资和财产的致命影响等级。

（2）可逆转影响对人类、环境、物资和财产的其他中等程度影响等级。

基于BP神经网络的软件可靠性安全性评价方法

基于BP神经网络的软件可靠性安全性评价方法

Computer Science and Application 计算机科学与应用, 2019, 9(2), 214-219Published Online February 2019 in Hans. /journal/csahttps:///10.12677/csa.2019.92025Software Reliability Safety EvaluationMethod Based on BP Neural NetworkXiaohui Jiang1, Yong Hu1, Chuyuan Peng2, Wei Meng21Beijing Research Institute of Mechanical & Electrical Technology, Beijing2Beijing Jinghang Institute of Computing and Communication, BeijingReceived: Jan. 13th, 2019; accepted: Jan. 23rd, 2019; published: Jan. 30th, 2019AbstractWith FPGA becoming increasingly popular for use in the field of aerospace, the importance of FPGA software reliability and safety to safety critical systems is particularly prominent. However, research on FPGA software reliability and safety is quite insufficient. Concerning this issue, it is necessary to carry out research on FPGA software reliability and safety. In this paper, a reliability and safety metric model based on FPGA software lifecycle is created and safety evaluation net-work based on BP neural network theory is established. Moreover, a reliability and safety evalua-tion tool is developed with MATLAB GUI. Comparing with traditional weight evaluation method based on Analytic Hierarchy Process (AHP), the neural network evaluation method has better ac-curacy, adaptability and practicability.KeywordsFPGA, Metrics Model, BP Neural Network, MATLAB, Analytic Hierarchy Process基于BP神经网络的软件可靠性安全性评价方法姜晓辉1，胡勇1，彭楚元2，孟伟21北京特种机电研究所，北京2北京京航计算通讯研究所，北京收稿日期：2019年1月13日；录用日期：2019年1月23日；发布日期：2019年1月30日摘要本文对FPGA软件可靠性安全性评价技术进行研究，建立了基于FPGA软件开发全生命周期的度量模型。

基于因子分析和模糊神经网络的城市公共安全评价研究

基于因子分析和模糊神经网络的城市公共安全评价研究

基于因子分析和模糊神经网络的城市公共安全评价研究
基于因子分析和模糊神经网络的城市公共安全评价研究
摘要：采用因子分析和模糊神经网络方法,对我国的城市公共安全进行了评估.建立了我国城市公共安全水平的评价指标体系.并采用因子分析法对指标的`相关性进行了分析,用模糊神经网络对影响城市公共安全的主要指标进行了分析,如人为因素,设施,管理能力和自然事故等.最后通过实证检验,验证了该模型的科学性.作者：刘承水Liu Chengshui 作者单位：北京城市学院,北京,100083 期刊：北京城市学院学报 Journal：JOURNAL OF BEIJING CITY UNIVERSITY 年，卷(期)：2010, ""(1) 分类号：X913 关键词：城市公共安全指标体系模糊神经网络评价。

基于人工神经网络的IT项目风险评价模型

基于人工神经网络的IT项目风险评价模型

２００６．０６计算机工程与应用Ｕ１项目开发模式Ｕ２项目开发能力Ｕ３开发技术先进性Ｕ４开发技术的成熟性Ｕ５开发技术的适用性Ｕ６系统运行的风险Ｕ７系统安全的风险Ｕ８系统升级和维护Ｕ９延期的风险Ｕ１０人员变化的风险Ｕ１１后期需求变更Ｕ１２管理变革的风险Ｕ１３业务流程重组Ｕ１４沟通不畅的风险Ｕ１５经费预算的风险Ｕ１６自身产业发展方向Ｕ１３业务流程重组Ｕ１５经费预算的风险项目开发风险企业内部管理风险外部环境风险ＩＴ项目实施风险图１ＩＴ项目风险评价体系１引言ＩＴ项目的实施是企业提高管理水平的重要途径。

例如，ＩＴ项目中信息化管理系统为企业提供人力资源、财务、销售、制造、分销和供应链管理等诸多方面的重要信息以及这些方面的智能化的决策支持服务。

这种支持可以帮助决策者动态地优化企业的资源配置，对市场竞争和市场机会做出迅速反应，为企业带来巨大的经济效益。

在注意到ＩＴ项目诸多优点的同时，我们也要看到ＩＴ项目相对于一般的项目而言在管理、技术、时间、资金、实施和维护等方面存在更多的风险因素。

以ＥＰＲ为例，据统计，在其实施项目中，一般只有１５％左右能按期、按预算成功实施，实现系统集成；约一半左右的实施项目遭到失败［１］。

由此可见，在企业自身的ＩＴ项目投资过程中，增强风险意识、积极地防范风险是至关重要的。

而要做到这一点，就需要企业能够建立一个完善的风险评价体系，以及在此之上的风险评价模型。

专家评价法是风险评价过程中经常采用的一种方法。

但是在这种方法中，指标和权重的确定带有很大的主观性。

并且，在大规模的评价过程当中，专家评价法具有一定的劣势。

本文在构建ＩＴ项目风险评价体系的基础上，提出一种基于人工神经网络的适合于ＩＴ项目投资的多指标综合风险评价模型。

该风险评价模型不仅可以模拟专家对ＩＴ项目风险进行评价，而且还具有很强的容错能力，适合大规模的风险评价。

２ＩＴ项目风险评价体系的构建企业实施ＩＴ项目过程中，主要存在三方面的风险：项目开发风险、企业内部管理风险以及外部环境风险。