论文部分内容阅读
钢铁工业是我国国民经济的重要基础产业和实现新型工业化的支柱产业。但是，炼钢生产具有生产装置大型化、生产具有高度连续性、工艺过程复杂、公共辅助系统庞大等特点，而且在炼钢生产过程中具有易燃、易爆、有毒、有害等许多潜在的危险冈素，所以炼钢企业安全生产的难度较大。因此，实现炼钢企业的安全生产是至关重要的。随着经济的不断发展，对钢产品的种类及需求量日益增加，炼钢生产的规模在不断地扩大，也使事故发生的几率和危害程度大大增加。事故的发生将导致严重的人员伤亡和巨额的财产损失。所以在坚持“安全第一，预防为主”生产方针的前提下，建立和完善安全法规和管理体制在炼钢企业中显得尤为重要。安全评价是安全管理中的关键技术，加强安全评价技术及其方法的研究，在此基础上改进和加强对危险的防范措施，对减少事故的发生，减轻人员伤亡和财产损失具有重要的意义。本文旨在研究人工神经网络在炼钢企业安全评价中应用的模型、结构及其特点，以系统论、控制论、信息论作为整个研究工作的指导思想。采用安全系统工程的危险源辨识技术和人工神经网络等先进技术对炼钢企业安全评价模犁进行研究。
本课题首先对安全评价的基本原理、评价方法的分类做了系统的介绍，对建立在事故致因理论基础之上的安全分析技术及安仝评价方法进行了综述，指出它们各臼的优点以及在应用中存在的局限性和改进方法。炼钢企业生产过程中存在着大量的影响安全生产的各种因素，而这些因素引发事故的规律又具有离散的和非线性的特性，所以通过传统的安全评价方法对炼钢企业进行评价其结果往往不能全面真实的反映企业的安全状况。而神经网络带有高度并行处理信息的机制和具有高速的自学习、自适应能力。神经网络内部所包含的大量可调参数使得系统的灵活性更强，用于评价信息残缺的系统更具优势。在进行炼钢企业安全评价时，有些因素带有模糊性，而神经网络的后天学习能力使之能随环境的变化而不断学习。另外，神经网络可以再现评价专家的经验、知识和直觉思维，较好地保证了评价结果的客观性。
接着，本课题对人工神经网络(Arfificial Neural Network ANN)的基本原理、网络基本学习类型和计算方法、目前常用的神经网络的一般框架、基本特性、处理能力等内容以及MATLAB软件的神经网络工具箱对于神经网络的开发研究作了简要的介绍。由于炼钢企业生产事故发生具有的随机性、模糊性和不确定性的特点，决定了系统状态的变化并不按照某一特定的规律或函数变化。根据对神经网络的特点的了解，针对炼钢企业安全管理的一些特点，通过利用人工神经网络的典型特性，如非线性动力学特性、自组织和自学习的能力和良好的容错性等特性。使得基于神经网络原理设计的安全评价方法更优于处理联想记忆、经验推理和模糊推理等问题，能够克服其他传统的安全评价方法的片面性的问题，更适于炼钢企业评价时在系统多因素共同作用下的综合安全评价。同时，由于神经网络工具箱是以神经网络理论为基础，神经网络工具箱利用MATLAB脚本语言构造出典犁神经网络的激活函数，使设计者对所选定网络输出的计算变成对激活函数的调用。使得通过应用神经网络工具箱能够更方便快捷的设计出所需要的网络模型。对于今后评价模型的设计及软件开发利用都有指导意义。
最后，本课题重点研究在函数逼近和模式识别领域广泛应用的反向传播神经网络模型(Back Propagation Neural Network BPNN)，该网络模型的传递函数所划分的区域是由一个非线性超平面组成的区域，是一个比较平滑的曲面，使得网络具有精确性、容错性等特点。同时，网络可以严格采取梯度下降法进行学习，权值的修正也明确。这些特点都有利于安全评价模型的设计。随后按BP网络模型设计针对炼钢企业的安全评价模型的网络结构，并对该评价模型的各层次的数据输入及训练进行了深入的研究。根据建立安全评价指标体系所应遵循的全面性、整体性、科学性、层次性、相关性、可量化性、稳定性和可行性等原则，从炼钢企业安全生产过程的人-机-环境角度，对炼钢企业的安全评价指标体系的建立进行了研究，建立了科学、规范和合理的炼钢企业安全评价指标体系。并对指标体系中的各个评价子系统的评价指标的定量化处理方法进行了探讨，针对不同的输入数据采取了相应的数据初始化的方法，使它们转化为分布在[0，1]区间范围内的数据。从而满足传递函数对输入信息数据的特征要求。同时对安全评价模型的确定方法进行了研究，根据设计的各安全评价子系统的评价样本数据和评价测试数据利用MATLAB软件对网络进行训练。通过MATLAB软件的训练获得的神经网络模型可以比较准确地模拟人的思维进行判断，通过训练获得的神经网络模型即可用于对新的输入进行结果的预测。由此可知，蕴藏于神经网络中的知识的获取可以通过计算机软件的学习来实现，对炼钢企业的安全评价只需要提供一定数量的实例以及它们所对应的解，并且只需要知道实例与解之间存在着某种特定关系，而对于究竟具体是何种关系，可以由计算机学习来获得，只要所使用的实例样本空间足够大，就可以比较准确地模拟人的思维进行判断，得出符合实际情况的结果。