课程文献中心 更多>>

关键词： 产教融合   赛教融合   安全工程专业   化工报国  

摘要： 为实现高水平科技自立自强目标，着力培养卓越工程师，文章构建了“产教、赛教”双驱动的安全工程专业课程体系，搭建了“理论学习—项目实践—体验反馈”“三位一体”的产教融合课程结构，制定了“课中学、赛中练”教学方案以推动教学创新，促进学生专业技能、实践能力与创新能力的提升。同时，通过BOPPPS[导入（Bridge-in）、目标（Objective）、前测（Pre-assessment）、参与式学习（Participatory Learning）、后测（Post-assessment）及总结（Summary）]教学模式将思政元素全面融入教学过程，并通过人工智能技术赋能教学方法数字化转型，实现人才培养与产业需求的深度对接，以期培养具有化工报国精神的化工安全专业后备人才。

关键词： 安全工程   姿态估计   YOLOv8n–Pose   时空图卷积网络   安全监护   边缘端  

摘要： 带电作业是电力系统维护和运行中的关键环节，其安全性直接影响到人员的生命安全和设备的可靠性。针对目前配电网带电作业安全监控实时性差、人员行为识别不准确等问题，提出了一种基于轻量化人体姿态估计的配电网带电作业安全监控方法。首先，通过YOLOv8n–Pose模型对带电作业人员同时进行目标检测和人体姿态估计，并引入自适应轻量级自监督（Adaptive Lightweight Self-Supervised，ALSS）模块作为骨干网，优化内存访问以最小化冗余操作并提高速度，同时在空间金字塔快速池化（Spatial Pyramid Pooling-Fast，SPPF）模块加入注意力机制，增强模型对于不同尺度作业人员的池化能力，提升检测精度。其次，通过调整形状损失来改进软交并比（Soft Intersection over Union，SIOU）的损失函数以提升定位精度。最后，由时空图卷积网络（Spatial Temporal Graph Convolutional Networks，ST–GCN）提取时空图的空间姿态与时序信息，运用构建的配电网带电作业数据集进行试验，通过行为分类完成带电作业行为识别。结果表明，该模型在mAP@0.5提升3.4百分点的情况下，模型参数量和计算量分别降低50.5%和51.6%，ST–GCN能有效识别带电作业行为，平均准确率达88.0%，并且最终在Jetson XAVIER NX边缘计算机上顺利完成视频流检测任务测试。

关键词： 安全工程   矿山安全   智能化   体系   智能安全理论   总体解决方案  

摘要： 针对矿山安全智能化面临的理论与技术挑战,构建了安全智能化体系及矿山智能安全总体解决方案。首先,分析安全智能化的核心问题,指出缺乏适应智能环境的安全理论是根本矛盾;其次,建立5层安全智能化体系,涵盖理论、方法、技术、装备与系统,强调通过系统故障演化理论(把握总体趋势)与语言大模型(分析细节关联)融合构建智能安全理论,并通过数据流贯穿现场装备、信息平台与核心系统;最后,针对矿山自然灾害、设备故障和人因事故3条主线,设计了包含理论层(系统故障演化理论与大模型)、技术层(智能装备与信息系统)的总体解决方案,实现了数据采集、态势感知、决策协同的闭环管理方案。研究为矿山安全智能化提供了从理论到应用的完整框架,强调智能理论与安全原理的深度耦合是实现矿山安全的关键。

关键词： 安全工程   海外工业园区   安防系统   脆弱性评估   组合赋权   云模型  

摘要： 为解决我国在“一带一路”沿线建设的海外工业园区在安防系统脆弱性评估中评估指标和等级归属难以确定的问题，首先，基于对海外工业园区安防系统脆弱性深入分析的基础上，采用文献分析和专家咨询相结合的方法，构建了16个脆弱性评估指标；其次，运用博弈论对最优最劣法（Best-Worst Method，BWM）和改进CRITIC法（Criteria Importance Through Inter-criteria Correlation）分别确定的主、客观指标权重进行组合赋权计算，并结合云模型以中白工业园为例对其安防系统脆弱性进行评估，得到该园区安防系统脆弱性的综合云数字特征值为（0.481 3，0.060 7，0.008 5）。最后，根据综合评估云模型图，确定该工业园安防系统脆弱性评估等级为“中等”，与实际情况基本相符，这为中白工业园安防系统的建设和改进提供了一定的理论指导。

关键词： 安全工程   改进YOLOv8算法   深度学习   长输管道   漏磁缺陷检测  

摘要： 针对长输管道漏磁缺陷检测精度低、存在误检和漏检等问题，提出了一种改进YOLOv8长输管道漏磁缺陷检测算法。具体改进包括：在颈部结构引入卷积注意力模块（Convolutional Block Attention Module，CBAM），通过通道注意力和空间注意力两个模块结合更好地捕捉特征之间的相互依赖关系；在骨干网络引入空间到深度卷积（Space-to-Depth Convolution，SPD–Conv）模块，充分提取管道漏磁缺陷的特征信息；采用增强型完全交并比（Enhanced Complete Intersection over Union，ECIoU）损失函数替代原损失函数，提升模型检测性能。试验结果表明，改进YOLOv8算法的MAP，50和MAP，50:95分别达到85.7%和70.7%，比基础网络YOLOv8分别提升了3.4百分点和5.9百分点。该研究验证了改进YOLOv8算法在复杂工业场景中的应用潜力，为管道维护提供了高效技术方案。

关键词： 安全工程   地表沉陷预计   改进的径向移动算法   极致梯度提升算法   概率积分法  

摘要： 煤矿地表沉陷严重威胁矿区生态环境及周边基础设施安全，因此精准预计地表沉陷意义重大。但地表沉陷的预计复杂，概率积分法预计地表沉陷准确性较低。提出了一种基于改进的径向移动（Improved Radial Movement Optimization，IRMO）算法优化极致梯度提升（eXtreme Gradient Boosting，XGBoost）算法的地表沉陷预计模型，通过IRMO算法选择XGBoost算法中的学习率、正则化等超参数的最优值，提高了地表沉陷预计精度，并与遗传算法（Genetic Algorithm，GA）优化的XGBoost算法、XGBoost算法的预测结果进行了对比分析，IRMO–XGBoost模型的均方根误差RMSE（0.156）和平均绝对误差MAE（0.126）更低，决定系数R2（0.970）更高。运用IRMO–XGBoost模型对建北煤矿4-2煤305工作面的地表沉陷值进行了预测，结果表明，IRMO–XGBoost模型预测精度明显优于XGBoost算法。最后用Shapley解释（SHapley Additive exPlanations，SHAP）方法量化模型的输入特征对地表沉陷预测的贡献。基于IRMO–XGBoost构建的地表沉陷预计模型精度高，可以极大地帮助矿区掌握地表沉陷对地表环境的破坏程度，为矿区生态环境的保护管理和安全生产措施的制定提供超前预测。

关键词： 安全工程   变电站系统   抗震韧性   系统模型   机器学习   代理模型   分类器  

摘要： 针对蒙特卡洛模拟在系统韧性评估中计算效率低的问题，提出了一种基于机器学习的变电站快速抗震韧性评估方法。将变电站功能评估转化为包含物理与功能约束的多类别分类问题，采用支持向量机（Support Vector Machine，SVM）和Logistic回归构建损伤–功能映射代理模型，通过生成含设备失效不确定性的随机损伤场景进行监督学习训练。将所提方法应用于220 kV双母线电气主接线系统的韧性评估。结果表明，线性核SVM与Logistic回归模型分别取得96.6%和96.9%的预测准确率，其鲁棒性和快速性分布与蒙特卡洛仿真高度吻合，韧性偏差小于0.009，且代理模型时间复杂度为O(n)。结果证实了所提方法在保证精度的前提下显著提升变电站韧性评估效率。

关键词： 安全工程   大型车展   火灾   多维风险辨识   故障树   动态贝叶斯网络   D–S证据理论  

摘要： 针对大型车展火灾风险因素种类复杂、风险状态动态变化等问题，以传统故障树和静态贝叶斯网络等方法为基础，提出了一种模糊集理论与改进Dempster-Shafer（D–S）证据理论、动态贝叶斯网络（Dynamic Bayesian Network，DBN）结合的大型车展火灾动态风险评估方法。首先，基于多维角度完成风险辨识并形成多维火灾风险演变路径模型，建立大型车展火灾故障树；其次，构建大型车展火灾D–S–DBN风险评估模型。最后，以北京某大型车展为例，实现定量、动态风险评估，计算评估结果的权重融合与节点概率，通过模型双向推理及敏感性计算得到事故重要风险源：电气设备失效燃烧、消防人员数量不达标、应急预案不达标。并且，随着时间的推移，各种不利后果的发生概率逐渐增加。研究成果可为大型车展等大型活动的动态风险评估及日常风险防范提供理论支持。

关键词： 安全工程   小目标检测   YOLOv9模型   轻量化模型   特征重组  

摘要： 园区内的烟头检测对于生态环境质量提高和火灾隐患排除都具有重要研究意义，但园区场景下的烟头存在尺寸小、特征不明显等问题。为获得一个效果较好的园区烟头小目标检测模型，在原始YOLOv9模型的基础上，针对该模型在烟头小目标检测任务中计算量冗余的缺陷提出改进和验证。首先，将部分卷积PConv引入RepNCSPELAN4模块中，以提升网络对目标特征提取效率，减少计算量；其次，将最近邻插值上采样模块重新设计为基于特征重组的上采样器，用更大感受野来感知特征并进一步实现网络轻量化；最后，在烟头数据集上进行对比与消融试验，该算法的平均精度达到87.4%，参数量降至 83.8 MB，相较于原模型，检测效果得到提升。研究旨在通过深度学习的应用，得到有效的烟头检测模型，推动园区公共场所无烟环境的发展。

关键词： 安全工程   麻雀搜索算法   门控循环单元   温度分布   数值模拟  

摘要： 为了实时预测走廊内火灾烟气温度分布，提升人员疏散效率，建立了基于优化门控循环单元的火灾烟气温度预测模型。首先，基于FDS火灾烟气仿真软件设定160种不同的火源场景，获得火灾烟气温度数据；其次，建立基于改进麻雀搜索算法优化门控循环单元的火灾烟气温度预测模型，实现火灾烟气温度及分布预测；最后，通过测试集数据对试验进行了可靠性验证。试验结果表明，火灾烟气温度预测模型对于走廊结构建筑有较好的预测效果，在不同火灾场景下的预测结果相对误差在8%以内，针对复杂通风情况，模型预测精度高于90.9%。