基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

典型相似结构柱壳装药殉爆响应数值模拟

为了研究相似结构柱壳装药殉爆响应的差异,选用常用于考核炸药殉爆不敏感性能的两种具有几何相似特性的典型柱壳装药结构,并采用数值模拟方法对φ60 mm和φ120 mm两种弹体的殉爆过程进行了分析.结果 表明,两种弹体壳体破裂形成的自然破片长宽比约为3.5:1,破裂前壳体壁厚与破片厚度的比值在1.5～1.75;φ60 mm弹体主发弹壳体破裂后形成尺寸较小的自然破片,被发弹发生殉爆是由于相邻多枚小破片撞击后压力叠加的结果,单枚小破片由于撞击后侧向压力波稀疏效应明显而无法起爆被发弹,增加弹间距降低了多枚小破片同时击中被发弹同一区域的概率;对于φ120 mm弹体,随着壳体厚度的增加,主发弹壳体破裂后形成尺寸较大的自然破片,单枚较大质量的破片撞击被发弹壳体的压力波汇聚效应较强,侧向稀疏区域较小,因此可以冲击起爆被发弹,增加弹间距只是降低较大质量破片击中被发弹的概率.研究结果为不敏感炸药殉爆考核的试验方法设计及结果分析提供参考.     

基于人工神经网络的编组站分类研究

针对目前编组站分类以定性分析为主、客观性较弱的情况,提出利用人工神经网络通过无导师学习,对编组站进行分类。实例表明,该方法客观,分类结果符合现实,为科学定量地对编组站分类提供了一种新方法。