李長龍, 劉 偉, 周邵萍

(華東理工大學(xué)承壓系統(tǒng)與安全教育部重點(diǎn)實(shí)驗(yàn)室,上海 200237)

基于Mamdani模糊推理的槽罐車運(yùn)輸安全評(píng)價(jià)

李長龍, 劉 偉, 周邵萍

(華東理工大學(xué)承壓系統(tǒng)與安全教育部重點(diǎn)實(shí)驗(yàn)室,上海 200237)

針對(duì)?；返缆愤\(yùn)輸安全問題,利用Mamdani型模糊推理系統(tǒng)對(duì)其進(jìn)行研究。為使安全評(píng)價(jià)模型滿足實(shí)時(shí)性要求,以槽罐車狀態(tài)監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)的變量為依據(jù)構(gòu)建評(píng)價(jià)指標(biāo)體系,然后建立包含5種安全狀態(tài)的評(píng)價(jià)集,確定了隸屬度函數(shù)和推理規(guī)則,最后將該模型用于研究LNG槽罐車氣體泄漏時(shí)的安全狀態(tài)。該模型可以對(duì)槽罐車運(yùn)輸安全狀態(tài)進(jìn)行評(píng)價(jià),對(duì)駕駛員決策提供指導(dǎo),具有應(yīng)用潛力。

Mamdani型模糊推理; 槽罐車; 運(yùn)輸安全評(píng)價(jià)

?；吩谠旄Ｈ祟惖耐瑫r(shí),其在運(yùn)輸和使用過程中對(duì)人身、環(huán)境、社會(huì)安全也構(gòu)成了極大威脅。據(jù)統(tǒng)計(jì),我國80%的危化品是通過道路運(yùn)輸?shù)?每年通過道路運(yùn)輸?shù)奈；房偭砍^3×108t,而在各類危化品事故之中,有70%以上的事故是發(fā)生在運(yùn)輸階段[1-2]。因此,對(duì)危化品運(yùn)輸車輛進(jìn)行實(shí)時(shí)合理的安全評(píng)價(jià)具有重要意義。

目前,國內(nèi)外學(xué)者對(duì)貨物運(yùn)輸?shù)陌踩珷顟B(tài)評(píng)價(jià)已經(jīng)取得了很大進(jìn)展。陳君等[3]從交通安全學(xué)原理出發(fā),建立了高速公路交通安全評(píng)價(jià)指標(biāo)體系,基于BP神經(jīng)網(wǎng)絡(luò)模型開發(fā)了高速公路安全綜合評(píng)價(jià)軟件。李建民等[4]考慮“人-船-貨物-環(huán)境-管理”5個(gè)子系統(tǒng),建立了航線安全評(píng)價(jià)指標(biāo)體系,利用模糊理論和證據(jù)理論相結(jié)合的方法評(píng)價(jià)不同航線的安全值。王琰等[5]以運(yùn)行車速與設(shè)計(jì)車速差和相鄰路段運(yùn)行車速差作為評(píng)價(jià)指標(biāo),基于模糊邏輯理論構(gòu)建了道路交通安全模糊評(píng)價(jià)模型。王艷輝等[6]建立了城市軌道交通線路運(yùn)行安全評(píng)價(jià)指標(biāo),劃分了安全等級(jí),并利用層次分析法(Analytic Hierarchy Process,AHP)和熵值組合賦權(quán)的方法評(píng)價(jià)各指標(biāo)。胡啟洲等[7]建立了基于屬性識(shí)別的高速公路安全評(píng)價(jià)模型,利用置信度準(zhǔn)則來識(shí)別高速公路交通安全的現(xiàn)狀水平。Lower等[8]提出了一種基于模糊風(fēng)險(xiǎn)矩陣的空運(yùn)事故風(fēng)險(xiǎn)評(píng)估方法,定量表達(dá)風(fēng)險(xiǎn)程度。Zhang等[9]提出一種將模糊規(guī)則和證據(jù)理論相結(jié)合的新方法,綜合考慮了定量和定性指標(biāo)建立指標(biāo)體系來進(jìn)行風(fēng)險(xiǎn)評(píng)估,該智能決策系統(tǒng)用來評(píng)價(jià)了長江3個(gè)地區(qū)的運(yùn)輸安全。Conca等[10]分析了公路交通流量與事故發(fā)生率之間的關(guān)系。以上這些研究大部分是采用基于知識(shí)的方法進(jìn)行安全評(píng)價(jià)或風(fēng)險(xiǎn)評(píng)估,選取的評(píng)價(jià)指標(biāo)多以定性指標(biāo)為主,雖然對(duì)貨物的安全運(yùn)輸具有指導(dǎo)意義,但不能實(shí)時(shí)地評(píng)價(jià)出運(yùn)輸安全狀態(tài)。

本文以液化天然氣(Liquefied Natural Gas,LNG)槽罐車為研究對(duì)象,利用Mamdani型模糊推理系統(tǒng)對(duì)其運(yùn)輸安全進(jìn)行評(píng)價(jià)。根據(jù)槽罐車狀態(tài)監(jiān)測(cè)系統(tǒng)得到的定量參數(shù)選取評(píng)價(jià)指標(biāo),并對(duì)指標(biāo)進(jìn)行劃分,簡化了推理規(guī)則的設(shè)計(jì);然后借鑒國內(nèi)外研究成果并結(jié)合相關(guān)法律法規(guī)及標(biāo)準(zhǔn)規(guī)范確定各指標(biāo)的隸屬函數(shù)及推理規(guī)則。所建立的雙層模糊推理模型能實(shí)現(xiàn)對(duì)槽罐車運(yùn)輸安全狀態(tài)的實(shí)時(shí)評(píng)價(jià)。

1 Mamdani型模糊推理系統(tǒng)

1.1概述

模糊推理是將一個(gè)給定輸入空間通過模糊邏輯的方法映射到一個(gè)特定輸出空間的計(jì)算過程。Mamdani型模糊推理系統(tǒng)的輸入輸出均為真值變量,因此在實(shí)際工程中應(yīng)用最多[11]。本文建立的模糊推理系統(tǒng)為多輸入單輸出的模糊系統(tǒng),見圖1。

圖1 Mamdani型模糊推理系統(tǒng)Fig.1 Mamdani fuzzy inference system

圖1中,U?Rn,為輸入論域(R為實(shí)數(shù)域,n為輸入變量的維數(shù));x=(x1,x2,…xn)∈U,為輸入變量值;V?R,為輸出論域;y∈V為輸出變量值;μA(x)為x對(duì)模糊集合A的隸屬函數(shù);μB(y)為y對(duì)模糊集合B的隸屬函數(shù)。

1.2模糊化

模糊化的過程是將精確的輸入變量值x轉(zhuǎn)化為模糊集合A*。模糊集合不同于經(jīng)典集合,它由語言值組成,并無確定的元素。通過隸屬度函數(shù)來表示論域U向模糊集合A的映射關(guān)系:

(1)

1.3模糊規(guī)則庫

模糊規(guī)則庫是由M條IF-THEN規(guī)則組成的,其通式如下:

(2)

1.4模糊推理機(jī)

模糊推理機(jī)是利用模糊規(guī)則庫將U上的模糊集合A*映射到V上的模糊集合B*的過程,即給出y對(duì)模糊集合B*的隸屬函數(shù)μB*(y)。其過程分為:輸入模糊集合的合成運(yùn)算、模糊蘊(yùn)含運(yùn)算、輸出的合成運(yùn)算。本文中選取的輸入合成算子為“取小算子∧”,蘊(yùn)含算子為“取小運(yùn)算∧”,輸出合成算子為“取大運(yùn)算∨”。模糊推理機(jī)可表示為:

(3)

1.5解模糊

解模糊是將模糊推理所得到的模糊集合轉(zhuǎn)化為一個(gè)精確值的過程,即由V?R上的模糊集合B*映射至一個(gè)精確值,y∈V作為模糊系統(tǒng)的輸出。本文中所利用的解模糊方法為質(zhì)心法,即模糊推理得到的μB*(y)在論域上所包圍區(qū)域的重心:

(4)

2 模型的建立

2.1評(píng)價(jià)指標(biāo)體系的確定

為了實(shí)現(xiàn)對(duì)槽罐車運(yùn)輸安全狀態(tài)的實(shí)時(shí)評(píng)價(jià),依據(jù)槽罐車狀態(tài)監(jiān)測(cè)系統(tǒng)得到的定量數(shù)據(jù)選取評(píng)價(jià)指標(biāo)。槽罐車狀態(tài)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)一般包括:運(yùn)輸車狀態(tài)監(jiān)測(cè)模塊、?；窢顟B(tài)監(jiān)測(cè)模塊、環(huán)境監(jiān)測(cè)模塊。其中,運(yùn)輸車狀態(tài)監(jiān)測(cè)模塊監(jiān)測(cè)參量包括:姿態(tài)(橫滾角和俯仰角)、速度、加速度(前向加速度及側(cè)向加速度);?；窢顟B(tài)監(jiān)測(cè)模塊監(jiān)測(cè)產(chǎn)量包括:罐內(nèi)壓力、液位、操作箱內(nèi)氣體濃度、操作箱門開關(guān)。環(huán)境監(jiān)測(cè)模塊監(jiān)測(cè)參量包括:環(huán)境溫度及濕度。

指標(biāo)體系的確立是安全評(píng)價(jià)的基礎(chǔ)和關(guān)鍵,在建立安全評(píng)價(jià)指標(biāo)時(shí)主要考慮了以下原則:(1)建立的評(píng)價(jià)指標(biāo)體系應(yīng)全面客觀地反映槽罐車運(yùn)輸過程中的安全實(shí)況;(2)選取的評(píng)價(jià)指標(biāo)要少而精,一方面剔除與安全狀態(tài)相關(guān)性較小的指標(biāo),另一方面要減少同級(jí)評(píng)價(jià)指標(biāo)的相關(guān)性。最終選取的指標(biāo)包括運(yùn)輸車狀態(tài)參數(shù)(速度、前向加速度、橫滾角)和危化品狀態(tài)參數(shù)(罐內(nèi)壓力、初始充滿率、氣體濃度)?？紤]到在模糊推理確定推理規(guī)則時(shí),推理規(guī)則的數(shù)目會(huì)隨著輸入維數(shù)的增大呈指數(shù)增長。因此,為防止“維數(shù)災(zāi)難”,減少規(guī)則設(shè)計(jì)的復(fù)雜性,建立了如圖2所示的雙層模糊推理系統(tǒng)[12]。

圖2 安全評(píng)價(jià)指標(biāo)體系Fig.2 Safety assessment index system

如圖2所示,在第2層模糊推理系統(tǒng),經(jīng)過推理運(yùn)算①和②分別確定危化品和運(yùn)輸車的安全狀態(tài)值;然后在第1層模糊推理系統(tǒng)中經(jīng)過推理運(yùn)算③得到槽罐車運(yùn)輸?shù)陌踩珷顟B(tài)值。

2.2隸屬函數(shù)的設(shè)計(jì)

2.2.1 簡述 以LNG槽罐車為例,確定各指標(biāo)的隸屬度函數(shù)。高斯隸屬函數(shù)比較平滑,更符合人的思維方式,但其具有確定困難且運(yùn)算復(fù)雜的缺點(diǎn)[13],本文選取三角形和梯形隸屬函數(shù),在保證計(jì)算效果的情況下簡化計(jì)算。

2.2.2 儲(chǔ)罐壓力 壓力(絕對(duì)壓力)是LNG罐車運(yùn)輸中的重要參數(shù)。由于LNG的超低溫特性(0.1 MPa,-160 ℃),在儲(chǔ)運(yùn)過程中,儲(chǔ)罐內(nèi)部流體與外界環(huán)境之間存在較大的溫差,儲(chǔ)罐內(nèi)部的LNG會(huì)吸收外界熱量后使LNG密度變小發(fā)生膨脹或轉(zhuǎn)變?yōu)闅鈶B(tài),使儲(chǔ)罐內(nèi)壓力升高。LNG運(yùn)輸初始?jí)毫?.1 MPa,LNG儲(chǔ)運(yùn)罐的設(shè)計(jì)壓力一般為0.8 MPa,工作壓力為0.3 MPa。將儲(chǔ)罐壓力分為低(L)、中(M)、高(H)這3個(gè)模糊子集,論域定義在[0.1,0.8]MPa內(nèi),其隸屬度函數(shù)如圖3所示。

圖3 罐內(nèi)壓力隸屬函數(shù)圖Fig.3 Membership function of pressure in tank

2.2.3 初始充滿率 充滿率是指儲(chǔ)罐中液體體積與儲(chǔ)罐容積之比。槽罐車狀態(tài)監(jiān)測(cè)系統(tǒng)中所檢測(cè)的液位變化能反映運(yùn)輸過程中充滿率的變化,而罐內(nèi)壓力與運(yùn)輸過程中的充滿率相關(guān)性較大,因此以初始充滿率作為評(píng)價(jià)指標(biāo)。根據(jù)文獻(xiàn)[14]中的仿真計(jì)算結(jié)果:初始充滿率在1%～85%時(shí),維持時(shí)間變化不大;隨后呈下降趨勢(shì),并分別在充滿率為87%和90%時(shí)下降趨勢(shì)加劇。將初始充滿率分為低(L)、中(M)、高(H)這3個(gè)模糊子集,論域定義在80%～90%內(nèi),其隸屬函數(shù)如圖4所示。

圖4 初始充滿率隸屬函數(shù)圖Fig.4 Membership function of initial filling rate

2.2.4 氣體濃度 LNG罐車的操作箱位于罐體尾部,其中含有機(jī)械壓力或液位表以及一些閥門管件。在保證罐體完整的情況下,各閥門是?；沸孤兜闹饕课弧Ｒ虼送ǔＴ诓僮飨鋬?nèi)安裝氣體傳感器以檢測(cè)操作箱內(nèi)?；返臐舛取鴺?biāo)GB 15322.1—2003中規(guī)定探測(cè)器具有低限、高限兩個(gè)報(bào)警設(shè)定值時(shí),其低限報(bào)警設(shè)定值應(yīng)在爆炸下限(LEL)的1%～25%,高限報(bào)警設(shè)定值應(yīng)為LEL的50%;僅有一個(gè)報(bào)警設(shè)定值的探測(cè)器時(shí),其報(bào)警設(shè)定值應(yīng)在LEL的1%～25%。將氣體濃度分為低(L)、高(H)兩個(gè)模糊子集,論域定義在LEL的0～35%,其隸屬函數(shù)如圖5所示。

圖5 氣體濃度隸屬函數(shù)圖Fig.5 Membership function of gas concentration

2.2.5 行駛速度 車輛的行駛速度是車輛運(yùn)行過程中的基本參數(shù),也是?；愤\(yùn)輸中的重要參數(shù)。運(yùn)輸危險(xiǎn)貨物的車輛在高速公路上的最高速度為80 km/h,一般在60 km/h。以高速公路作為LNG槽罐車的行駛路況,將其分為低(L)、中(M)、高(H) 3個(gè)模糊子集,論域定義在0～80 km/h內(nèi),其隸屬函數(shù)如圖6所示。

圖6 行駛速度隸屬函數(shù)圖Fig.6 Membership function of vehicle speed

2.2.6 前向加速度 加速度包括前向加速度和側(cè)向加速度。側(cè)向加速度發(fā)生變化時(shí)經(jīng)常伴隨著橫滾角的變化,兩者具有一定相關(guān)性,而前向加速度能反映槽罐車的啟動(dòng)、剎車、追尾等狀態(tài),因此將前向加速度作為評(píng)價(jià)指標(biāo)之一(下文中以a代替)。槽罐車在啟動(dòng)時(shí)的最大加速度大概在0.4g(g為重力加速度),緊急制動(dòng)時(shí)一般在-0.8g左右。將前向加速度分為低(L)、中(M)、高(H)這3個(gè)模糊子集,論域定義在[0,1.1g]內(nèi),其隸屬函數(shù)如圖7所示。

2.2.7 橫滾角 罐車姿態(tài)是指半掛罐車的橫滾角和俯仰角?？紤]到側(cè)翻是罐車運(yùn)輸中的常見事故,將橫滾角作為評(píng)價(jià)指標(biāo)之一。當(dāng)轉(zhuǎn)彎半徑過小,轉(zhuǎn)彎速度大或受到側(cè)面撞擊時(shí)會(huì)改變橫滾角。根據(jù)文獻(xiàn)[15]中的仿真結(jié)果,確定的半掛罐車側(cè)傾角穩(wěn)定側(cè)傾閾值為5.3°,將0.5倍的側(cè)傾角閾值與0.8倍的側(cè)傾角閾值設(shè)定為半掛罐車處于正常狀態(tài)和側(cè)翻危險(xiǎn)狀態(tài)的閾值。將橫滾角分為低(L)、中(M)、高(H)這3個(gè)模糊子集,論域定義在[0,9°]內(nèi),其隸屬函數(shù)如圖8所示。

圖7 前向加速度隸屬函數(shù)圖Fig.7 Membership function of forward acceleration

圖8 橫滾角隸屬函數(shù)圖Fig.8 Membership function of roll angle

2.2.8 安全狀態(tài) 將?；钒踩珷顟B(tài)、運(yùn)輸車安全狀態(tài)、?；愤\(yùn)輸安全狀態(tài)分為5個(gè)安全等級(jí)(危險(xiǎn)Ⅰ、較危險(xiǎn)Ⅱ、較安全Ⅲ、安全Ⅳ、很安全Ⅴ),論域定義在[0,10]內(nèi),其隸屬函數(shù)如圖9所示。

圖9 安全狀態(tài)隸屬函數(shù)圖Fig.9 Membership function of safe condition

2.3推理規(guī)則的設(shè)計(jì)

確定輸入輸出論域及隸屬度函數(shù)之后,需制定模糊規(guī)則庫。確定模糊規(guī)則的方法通常有以下3種:(1)基于專家知識(shí)及經(jīng)驗(yàn)的模糊規(guī)則;(2)基于樣本數(shù)據(jù)的模糊規(guī)則,神經(jīng)網(wǎng)絡(luò)是提取模糊規(guī)則的常用方法[16];(3)上述兩種方法結(jié)合。當(dāng)變量數(shù)目及模糊集合劃分較多時(shí),基于專家知識(shí)及經(jīng)驗(yàn)的方法很難給出可靠的模糊規(guī)則,需要通過大量的樣本數(shù)據(jù)來提取規(guī)則。由于缺乏相關(guān)統(tǒng)計(jì)數(shù)據(jù)且每層模糊推理系統(tǒng)涉及變量及模糊集合劃分?jǐn)?shù)目較少,因此本文利用基于專家知識(shí)及經(jīng)驗(yàn)的方法確定模糊規(guī)則。最終模糊規(guī)則庫見表1～表3。

表1 危化品安全狀態(tài)推理規(guī)則Table 1 Inference rules of hazardous chemicals safety

表2 運(yùn)輸車安全狀態(tài)推理規(guī)則Table 2 Inference rules of vehicle safety

表3 ?；愤\(yùn)輸安全推理規(guī)則Table 3 Inference rules of transportation safety of tank vehicle

3 模型應(yīng)用

以文獻(xiàn)[17]中提供的LNG槽罐車運(yùn)輸過程中氣體泄漏的監(jiān)測(cè)數(shù)據(jù),研究氣體泄漏時(shí)的安全狀態(tài),氣體泄漏時(shí)操作箱內(nèi)的氣體濃度變化如圖10所示。

圖10 氣體泄漏時(shí)操作箱內(nèi)的濃度值Fig.10 Gas concentration value in the operating box during leakage

選取泄露過程中第1、16、21個(gè)采樣點(diǎn)進(jìn)行安全評(píng)價(jià),評(píng)價(jià)結(jié)果見表4。

表4 泄露過程中的安全評(píng)價(jià)Table 4 Safety assessment during leakage

從評(píng)價(jià)結(jié)果可以看出,隨著氣體的泄露,危化品安全值及?；愤\(yùn)輸安全值降低,驗(yàn)證了模型的可行性。按照最大隸屬度原則,在第1個(gè)采樣點(diǎn)時(shí),處于正常運(yùn)行狀態(tài),?；钒踩珷顟B(tài)和?；愤\(yùn)輸安全狀態(tài)的評(píng)價(jià)結(jié)果均為“比較安全”;在第16個(gè)采樣點(diǎn)時(shí),氣體處于泄露過程中,?；钒踩珷顟B(tài)和危化品運(yùn)輸安全狀態(tài)的評(píng)價(jià)結(jié)果均為“比較危險(xiǎn)”;在第21個(gè)采樣點(diǎn)時(shí),氣體濃度上升到最大值,相比第16個(gè)采樣點(diǎn),評(píng)價(jià)結(jié)果未發(fā)生改變,而安全值有所降低。

4 結(jié) 論

(1) 本文提出了一種實(shí)時(shí)評(píng)價(jià)槽罐車安全狀態(tài)的方法,選取槽罐車狀態(tài)監(jiān)測(cè)系統(tǒng)采集到的定量指標(biāo)構(gòu)建安全評(píng)價(jià)體系,利用模糊推理系統(tǒng)對(duì)槽罐車運(yùn)輸進(jìn)行安全評(píng)價(jià)。

(2) 文中闡述了評(píng)價(jià)指標(biāo)的選取依據(jù)及隸屬函數(shù)的劃分依據(jù),增加了所建立模型的客觀性;將所建立的模型用來對(duì)LNG罐車氣體泄露故障進(jìn)行評(píng)價(jià),驗(yàn)證了模型的可靠性。

(3) 由于確定的隸屬度函數(shù)及模糊規(guī)則具有一定的主觀性,因此需要通過后期數(shù)據(jù)的完善“學(xué)習(xí)”和實(shí)踐經(jīng)驗(yàn)對(duì)其進(jìn)行調(diào)整,以優(yōu)化安全評(píng)價(jià)效果。

[1] 陳家秀.危化品道路運(yùn)輸安全管理問題及改進(jìn)[J].化工管理,2016(5):234-236.

[2] 徐潤.如何讓?；愤\(yùn)輸轉(zhuǎn)“?！睘椤鞍病?[J].專用汽車,2014(4):23-23.

[3] 陳君,李聰穎,丁光明.基于BP神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評(píng)價(jià)[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,36(7):927-931.

[4] 李建民,宋紹珍,刁亞琳,等.基于D-S理論的海上?；愤\(yùn)輸航線安全性[J].中國航海,2015,38(1):28-33.

[5] 王琰,郭忠印.基于模糊邏輯理論的道路交通安全評(píng)價(jià)方法[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,36(1):47-51.

[6] 王艷輝,黃雅坤,李曼.基于組合賦權(quán)方法的城軌線路運(yùn)營安全評(píng)價(jià)[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,41(8):1243-1248.

[7] 胡啟洲,陸化普,戴帥,等.基于屬性識(shí)別的高速公路交通安全評(píng)價(jià)模型[J].中國安全科學(xué)學(xué)報(bào),2009,19(11):146-151.

[8]LOWERM,MAGOTTJ,SKORUPSKIJ.Analysisofairtrafficincidentsusingeventtreeswithfuzzyprobabilities[J].FuzzySets&Systems,2016,293(C):50-79.

[9]ZHANGD,YANX,ZHANGJ,et al.Useoffuzzyrule-basedevidentialreasoningapproachinthenavigationalriskassessmentofinlandwaterwaytransportationsystems[J].SafetyScience,2016,82:352-360.

[10]CONCAA,RIDELLAC,SAPORIE.Ariskassessmentforroadtransportationofdangerousgoods:Aroutingsolution[J].TransportationResearchProcedia,2016,14:2890-2899.

[11] 張小紅.模糊數(shù)學(xué)與Rough集理論[M].北京:清華大學(xué)出版社,2013.

[12] 朱曉東,王杰.基于分層模糊系統(tǒng)的石油鉆井參數(shù)預(yù)測(cè)模型[J].石油學(xué)報(bào),2010,31(5):838-842.

[13] 黃俊.基于模糊推理的化工工藝過程本質(zhì)安全評(píng)價(jià)體系研究[D].沈陽:東北大學(xué),2006.

[14] 王際強(qiáng),何卉倫,楊永晶.LNG罐式集裝箱維持時(shí)間的計(jì)算[J].煤氣與熱力,2016,36(1):21-26.

[15] 張琴蘭,劉湘,呂植勇.危化品貨物在途安全狀態(tài)模糊識(shí)別方法研究[J].交通信息與安全,2013,31(6):136-139.

[16] 張守川,王華忠.一種改進(jìn)的基于模糊案例推理方法及其在分類中的應(yīng)用[J].華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,39(5):578-582.

[17] 崔遠(yuǎn)慧.?；凡酃捃囘\(yùn)輸安全監(jiān)測(cè)信息處理技術(shù)研究[D].遼寧大連:大連理工大學(xué),2013.

TransportationSafetyAssessmentofTankVehicleBasedonMamdaniFuzzyInference

LIChang-long,LIUWei,ZHOUShao-ping

(KeyLaboratoryofPressurizedSystemandSafety,MinistryofEducation,EastChinaUniversityofScienceandTechnology,Shanghai200237,China)

Mamdani fuzzy inference system was used to study the tank vehicle’s safety state for hazardous chemicals road transportation in this paper.In order to meet the real-time requirement of the safety assessment model,the evaluation index system was established based on the variables monitored by the tank vehicle condition monitor system.And then an evaluation set containing five safety states was set up,and the membership function and inference rules were built.Finally,this model was used to study the safety state of LNG tank during gas leakage.This model can evaluate the safety state of tank vehicle,provide guidance for drivers’ decision making,and have potential application in practice.

Mamdani fuzzy inference; tank vehicle; transportation safety assessment

1006-3080(2017)04-0591-06

10.14135/j.cnki.1006-3080.2017.04.021

2016-12-22

國家自然科學(xué)基金(51575185)

李長龍(1992-)，男，山東聊城人，碩士生，主要從事設(shè)備的狀態(tài)監(jiān)測(cè)及故障診斷。E-mail:lcl_ecust@163.com

周邵萍，E-mail: shpzhou @ecust.edu.cn

U49

A