XiaoMi-AI文件搜索系统
World File Search System杂工
皮带洒水检测方法在复杂工作下...
摘要 - 皮带输送机被广泛用于跨冶金，采矿和其他行业的材料运输。他们的长时间操作不可避免地会导致皮带偏差和溢出等问题。目前，皮带偏差主要是由于矿石的分布不均匀，这也导致溢出。如果这些问题未迅速解决，它们可能会破坏生产并构成许多安全风险。矿石运输过程通常以浓烟和复杂的环境为特征，使手动检查时间耗时，劳动力密集并且可能存在危险。本文介绍了一种基于机器视觉的皮带洒水检测方法，以实现复杂的工作条件。它增强并处理由摄像机收集的皮带的灰度图像，以消除烟雾干扰并突出皮带和矿石的特征。边缘检测和霍夫变换用于查明皮带的边缘，确定皮带和矿石内部的分布。GWO-SVM（灰狼优化器支持矢量机）模型，以实时预测皮带的运行状态，以确定任何异常以确保安全生产。实验比较表明，GWO-SVM模型动态选择“ C”和“ G”的最佳参数，从而得出准确的分类和检测结果。它的特征是高精度，强大的实时性能和出色的稳定性，有效地节省了成本和保护生产安全。
在早期和晚期设计阶段中复杂工程系统中定量弹性评估的新型框架
最近，弹性评估已经进化和增长，但大多数研究是在可用过程中足够的知识时在操作阶段进行的，俯瞰着设计阶段，这是一个更适合制造弹性系统的时间范围。为此，这项工作旨在为工程系统开发一种新颖的定量弹性评估框架，采用两种不同的方法，可以在早期和晚期设计阶段分析弹性，当时有关该系统的安全性和弹性能力的详细信息可能会不足。在早期设计阶段，确定了系统弹性属性，并使用专家判断来评估其质量。在晚期设计阶段，属性源自透露的信息，例如详细的应急响应和安全性屏障数据。在两个阶段，动态贝叶斯网络（DBN）用于基于获得的信息来量化弹性。由于绿色氢技术是相对较新的，因此在对氢释放场景的绿色氢植物的弹性评估中证明了拟议框架的应用。所提出的框架可以用作早期设计改进的有效工具，并在氢植物或任何其他复杂工程系统的晚期设计阶段提高过程安全性。
人类与人工智能：复杂工程设计过程中数据驱动的实时流程管理方法
事实证明，管理团队的设计过程可以大大改善解决问题的行为和最终结果。自动化此活动为提供干预措施提供了重要机会，这些干预措施可以动态适应团队的状态，从而获得最大的影响。在这项工作中，创建了一个人工智能 (AI) 代理来实时管理工程团队的设计过程，跟踪多学科团队在复杂设计和路径规划任务期间的行动和沟通特征。团队也被置于人类流程经理的指导之下，以便进行比较。至于结果，在两种管理类型下，团队的表现同样出色，而 AI 管理的团队的表现趋于更出色。管理者的干预策略和团队对这些策略的看法也被探讨，揭示了一些有趣的相似之处。人工智能和人类流程管理者都主要关注基于沟通的干预，尽管在团队角色之间干预的分配上开始出现差异。此外，团队成员认为人工智能和人类管理者的干预同样相关且有帮助，并相信人工智能代理对团队的需求同样敏感。因此，总体结果表明，本研究中引入的人工智能管理代理能够匹配人类的能力，显示出自动化管理复杂设计流程的潜力。[DOI：10.1115/1.4052488]
增强复杂工业环境中的火灾探测响应...
增强复杂工业设施的火灾探测响应 David Shiu CEng MIET AP Sensing GmbH，Herrenberger Strasse 130，71034 Böblingen，德国 1.简介 石油和天然气炼油厂是大型工业设施，投资额达数十亿美元。在本文中，“炼油厂”一词与“终端”和“储罐场”互换使用。炼油厂是复杂的设施，用于在其 30 至 40 年的使用寿命内处理原材料和精炼碳氢化合物材料。这些设施全天候运行，并有管理的维护停机时间。在炼油厂的整个生命周期中，消除各个阶段的事故是当务之急。传统仪器仪表在传感器和用户之间具有一对一的关系；这不再适用于需要自动测量的大型工业设施。分布式架构有效地解决了需要数千个过程测量的复杂仪器仪表的问题。赤道地区的环境温度升高，加上干燥空气中的氧气，这些环境足以维持燃烧的火焰。除了传统的火灾探测外，还需要温度监测以尽早发现火灾迹象——使用传统方法很难检测到隐藏或窒息的火灾。线性热检测有助于解决上述问题，这种技术已经成熟，传感器沿着需要温度监测的路线“分布”。传统方法使用电缆或金属管，对于当今大型设施工业火灾探测的挑战存在局限性和不灵活性。对于任何商业或工业火灾探测应用，了解火灾位置是灭火/扑灭的主要要求，这可以通过将受监控资产划分为区域来实现。一种最先进的光纤线性热探测 (FO LHD) 系统使用光纤电缆作为温度传感器，展示了实现增强火灾监测的功能，FO LHD 是一种分布式温度传感器 (DTS)，它重建了光纤电缆整个路线的温度信息。本文概述了 FO LHD 系统的带式输送机和储罐安装，并讨论了从储罐场捕获的温度数据。
