авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Pages:     | 1 | 2 || 4 | 5 |   ...   | 7 |

Научно-методические основы мониторинга взрывоопасности производственных объектов нефтегазовой отрасли

-- [ Страница 3 ] --

Предложенная классификация территории промышленных объектов может быть использована при определении очередности покрытия территории вероятных застойных зон на объекте газоанализаторами, как этого требуют Ту-газ-86 и
РД БТ 39-0147171-003.

Особенности ГИС «ИнГЕО» позволяют создать подсистему визуализации зон потенциальных опасностей ОПО, что является одним из звеньев в решении поставленных задач. Для реализации подсистемы необходим выбор методов расчета и отображения этих зон. В этих целях проведен анализ существующих методов отображения зон опасностей опасных производственных объектов, и в качестве основного выбран способ ареалов, который и реализован в подсистеме. В качестве метода расчета зон выбран метод расчета зон опасностей на основе данных о предельном количестве вещества, содержащегося в оборудовании ОПО.

Анализ графической и семантической информации при помощи подсистемы ГИС «ИнГЕО» визуализации зон опасностей позволяет локализовать пространственно зоны потенциальной опасности оборудования (аппаратов) установок. Однако с увеличением количества аппаратов на территории установки общий анализ опасных зон становится трудновыполнимым: на экране отображается слишком много перекрывающихся зон, что не позволяет адекватно воспринимать предоставляемую системой информацию.

Для решения указанной проблемы предлагается провести кратномасштабный анализ графического изображения зон опасностей, предполагающий последовательное вейвлет-преобразование сигнала с использованием фильтров Добеши.

В качестве набора сигналов выступает графическое представление зон опасностей. Пример таких сигналов приведен на рисунке 3.

  Тестовый образ и примеры-12

Рисунок 3 – Тестовый образ и примеры сигналов, соответствующие горизонтальным

линиям изображения

Алгоритм вейвлет-преобразования следующий.

Рассматривается изображение (рисунок 3) как матрица, размеры которой определены его высотой и шириной. Элементы матрицы были приняты как целые значения в диапазоне [0; 255]. Исходная матрица представляется в виде набора векторов; каждый элемент этого набора имеет длину, совпадающую с шириной изображения, а элементы векторов принимают целочисленные значения в диапазоне от 0 до 255. На рисунке 3 показан пример трех сигналов, соответствующих различным областям тестового изображения. Таким образом, анализируются функции I(x) интенсивности пикселей, аргумент x – это горизонтальная координата точки на изображении.

Функции интенсивности подвергаются вейвлет-преобразованию при фиксированном значении масштабного коэффициента a. В результате вновь получается одномерный вектор

, (3)

число элементов N которого равно ширине изображения. Индекс элемента вектора совпадает с величиной смещения b вейвлета.

Описанная последовательность действий приводит к набору векторов, содержащих вейвлет-образы строк матрицы исходного изображения. Объединяя набор преобразованных векторов, можно получить вейвлет-преобразованное изображение исходного.



Последовательность повторяется (с уменьшением масштаба) до тех пор, пока не выявятся области потенциальной опасности.

Кратномасштабный анализ предполагает в итоге получение вейвлет-преобразованных данных для N масштабов: для каждого из масштабов формируется набор данных из аппроксимирующих и детализирующих коэффициентов. Возникает необходимость определения критерия применимости аппроксимирующих коэффициентов для оценки исходных данных.

С уменьшением масштаба преобразованные данные все меньше соответствуют исходным, так как убираются детализирующие данные. Ими в данном случае выступают области опасностей, которые являются бесконечно малыми по отношению к исходным зонам опасностей. Это означает, что в результате вейвлет-преобразования исходного изображения появляется множество мелких областей равной опасности, которые, в принципе, при анализе можно не учитывать, так как они создают дополнительный шум и препятствуют быстрому визуальному анализу полученных данных.

Область опасности будем считать незначащей, если выполняется соотношение

Dj Smin, (4)

где Dj – площадь тестируемой области, – площадь j-ой тестируемой области, К – количество тестируемых областей; – минимальная площадь, занимаемая
i-ым аппаратом на территории установки (проекция аппарата на поверхность земли), N – количество аппаратов установки.

Таким образом, площадь тестируемой области Dj не должна превышать площадь, занимаемую самым малогабаритным аппаратом (в проекции на земную поверхность), представляющим потенциальную опасность.

Далее определяется критерий выбора масштаба вейвлет-преобразования.

В ходе экспериментального вейвлет-исследования зон полных разрушений оборудования установки ЭЛОУ-АВТ была выявлена следующая зависимость: вплоть до 10-11 масштабов наблюдается убывающая, без скачков, последовательность количества незначащих областей (рисунок 4).

  Общий вид зависимости-16

Рисунок 4 – Общий вид зависимости количества незначащих областей (К)
от величины масштаба (М)

На 16 масштабе (рисунок 5) возникает скачок, при котором количество незначащих областей увеличивается. Это означает увеличение шума, то есть масштаб 15 является более приемлемым для анализа по сравнению с 16-ым. Однако к 18-ому масштабу число незначащих областей падает до нуля, но при этом данные будут являться весьма приближенными к исходным (так как отбрасывается сравнительно большое количество детализирующих данных), что будет накладывать погрешность на определение критических областей.

Поэтому наиболее оптимальным для анализа в данном случае предлагается выбрать масштаб 15.

  Вид зависимости количества-17

Рисунок 5 – Вид зависимости количества незначащих областей (К)
от величины масштаба (М) от 10 до 32

Оценку областей предлагается производить из следующих соображений. Максимально темные (насыщенные) цвета соответствуют наибольшему количеству наложенных друг на друга зон полных разрушений объектов установки. Значит, наиболее темная (насыщенная) область является наиболее опасной для функционирования оборудования установки с точки зрения вероятности возникновения аварийной ситуации. Такие области будем называть критическими областями потенциальной опасности.

Алгоритм разработанного метода вейвлет-анализа в виде блок-схемы приведен на рисунке 6, а.

Если общая площадь критических областей потенциальной опасности превышает 5 % от площади установки, то необходимо оптимизировать пространственное расположение оборудования установки с целью снижения вероятности возникновения аварийной ситуации на территории установки.

Для этого в работе была поставлена и решена задача оптимального расположения оборудования установки с минимизацией длины трубопроводов, соединяющих аппараты:

(5)

где n – количество аппаратов; – координаты центров аппаратов (в проекции на земную поверхность); – координаты начала системы трубопроводов; – множество точек плоскости, определяющее территорию установки; – система ограничений, ответственных за безопасные расстояния аппаратов друг от друга; – функция длины трубопроводов, подлежащая минимизации.

Задача решается методом штрафных функций. Для этого рассматривается вспомогательная целевая функция. В качестве такой функции взята

, (6)

где . (7)

В результате решения задачи (3) выявляются минимальное значение функции и набор координат безопасно расположенных аппаратов установки с минимальной длиной соединяющих трубопроводов. С использованием этих координат составляется обновленная цифровая модель территории установки, которая далее подвергается вейвлет-анализу. Алгоритм решения задачи оптимизации приведен на рисунке 6, б.

На основе предложенных алгоритмов автором спроектирована и создана подсистема ГИС «ИнГЕО» (А.с. об официальной регистрации программы для ЭВМ №2005612414. Модуль расширения ГИС «ИнГЕО»: система визуализации зон опасностей ОПО), решающая задачи выявления и отображения в электронной модели местности критических областей потенциальной опасности на основе составленной тематической карты зон опасностей с использованием вейвлет-преобразований полученных зон.

Подсистема позволяет динамически отображать зоны опасности аппаратов на поверхности рисования электронной карты на основе заданных настроек, осуществлять вейвлет-анализ зон опасностей ОПО на основе заданных пользователем настроек, привязывать результаты вейвлет-анализа в ГИС в качестве растровой подложки.

 А Б  Блок-схема метода-29
А Б

Рисунок 6 – Блок-схема метода вейвлет-анализа зон полных разрушений (а), блок-схема решения задачи оптимального расположения оборудования установки (б)

Для оценки взрывоустойчивости сложных технических систем нефтегазового комплекса в третьей главе приводится анализ существующих методов исследования оценки последствий взрывов на промышленных объектах. В результате выявлены недостатки существующих методик и преимущества современных численных методов, на основании чего в качестве инструмента проведения исследований выбран программный комплекс ABAQUS.

Существующие методы исследования поведения колонных аппаратов при действии взрывной волны, как правило, основаны на упрощенном представлении колонного аппарата в виде консольного стержня, жестко защемленного у основания. Метод конечных элементов в силу своей универсальности особенно эффективен, поскольку позволяет решать задачи в трехмерной постановке с любой детализацией объекта исследования и любыми типами прилагаемых нагрузок как статических, так и динамических, а также позволяет применять реальные модели поведения материалов, в которых свойства материала зависят от температуры, скорости деформаций и пр. Метод позволяет учесть все виды нелинейности, как физическую, так и геометрическую, решать контактные задачи.

Проведение точного численного эксперимента способно существенно повысить безопасность объекта и сильно сэкономить время и ресурсы на проведении натурных экспериментов при проектировании новых объектов, а также уменьшить аварийность существующих объектов.

Практическое использование результатов моделирования процессов деформирования и разрушения связано с необходимостью верификации полученных зависимостей.

Для того чтобы проверить достоверность численных результатов, получаемых с использованием ПК Abaqus, при решении задачи о величине критической деформации, которая приводит к необратимым пластическим деформациям, был проведен лабораторный эксперимент.

Для проведения эксперимента были созданы лабораторная установка и численная модель лабораторной установки, которые моделирует участок трубопровода.

Расхождения между численным и натурным экспериментами составили 6…15 %. Верификация показала хорошее совпадение с экспериментом, следовательно, данные, полученные в ПК ABAQUS, можно считать адекватными.

Алгоритм метода оптимизации безопасного расположения оборудования технологических установок приведен на рисунке 7.

Энергетический потенциал взрывоопасности i-ого аппарата Еi (кДж), согласно
ПБ 09-540-03, определяется полной энергией сгорания парогазовой фазы, находящейся в блоке, с учетом величины работы ее адиабатического расширения, а также величины энергии полного сгорания испарившейся жидкости с максимально возможной площади ее пролива.





Для оценки уровня воздействия взрыва может быть принят тротиловый эквивалент W. Зоной разрушения считается площадь с границами, определяемыми радиусами R, центром которой является рассматриваемый технологический блок или наиболее вероятное место разгерметизации технологической системы. Границы каждой зоны характеризуются значениями избыточных давлений по фронту ударной волны Р, и, соответственно, безразмерным коэффициентом К (ПБ 09-540-03).

По данным ПБ 09-540-03 в диапазоне от полных до слабых разрушений определена функциональная связь K = f(Р), для Р > 14 кПа (1):

K(Р) = Р /(a + b Р + c Р2), (8)

где a = – 1,3277; b = 0,1103; c = 0,0014.

Зависимость K = f(Р) показана на рисунке 8.

По формуле 8 и данным Рачевского Б.С. (воздействие ударной волны на технологическое оборудование) определяется величина безразмерного коэффициента К0, характеризующего неустойчивость аппарата к повреждению при воздействии ударной волны.

где Rij0 – безопасные расстояния для всех аппаратов друг от друга i = 1,n-1; j = i,n;

ri, rj – радиусы проекций на земную поверхность i-ого и j-ого аппаратов, м;

Rijмонт. – монтажное расстояние (расстояние между аппаратами, необходимое для их монтажа и дальнейшего обслуживания при эксплуатации, в качестве Ri,jmin принимается меньшее значение из Rijмонт или Rij0;

xi, xj, yi, yj – координаты аппаратов;

n – число аппаратов;

m – число неравенств;

Lij – весов связей;

– вес связи для технологически не связанных аппаратов; .

Рисунок 7 – Алгоритм метода оптимизации безопасного расположения оборудования

технологических установок

  Зависимость K = f(Р) Для-32

Рисунок 8 – Зависимость K = f(Р)

Для исследования пространственных железобетонных конструкций на действие ударной волны предлагается метод прогнозирования действия ударной волны на объекты технологических установок, учитывающий реальную застройку и месторасположение источника взрыва.

Прогнозирование действия ударной волны на объекты выполняется в три последовательных этапа. Алгоритм прогнозирования представлен на рисунке 9.

  Алгоритм прогнозирования-33

Рисунок 9 – Алгоритм прогнозирования действия ударной волны на объекты

На первом этапе осуществляется сбор и анализ необходимой информации по объекту для проведения численного моделирования.

На втором этапе производится моделирование распространения продуктов взрыва и ударных волн на производственной площадке технологической установки. Второй этап реализуется с использованием методов вычислительной газодинамики.

На третьем этапе выполняется анализ напряженно-деформированного состояния конструкций объекта с применением метода конечных элементов, при этом на элементы объекта прикладывается поле давления, переменное во времени, полученное на втором этапе.

В четвертой главе на примере типовой площадки абсорбционно-газофракционирующей установки (АГФУ) газокаталитического производства выполнена апробация метода прогнозирования образования и рассеивания облаков ТВС. Возникновение опасности на АГФУ возможно из-за высокой плотности размещения технологического оборудования, наличия большого количества воспламеняющих веществ, наличия источников воспламенения (открытый огонь печей).

На рисунке 10 представлена предварительная ориентация типовой планировки наружной площадки АГФУ относительно розы ветров и указаны места потенциальных аварий струйного и мгновенного выбросов взрывоопасных веществ.

Статистические погодные данные для г. Уфы и его окрестностей, собранные за 2004 и 2005 гг., указывают на три преобладающих направления атмосферных потоков: южное (40,05 %), западное (13,97 %) и северное (13,94 %). По силе ветра преобладают ветра с силой, равной 2 баллам (42,03 %), 3 баллам (22,57 %) и 1 баллу (15,66 %) по шкале Бофорта.

Для прогнозирования возможных и ожидаемых масштабов аварийных выбросов и планирования мероприятий по обнаружению аварийной загазованности на территории установки были выполнены расчеты движения атмосферных потоков и получены линии токов. Полученные поля скоростей атмосферных потоков представляют весьма сложную картину, изобилующую циркуляционными зонами и сменами направления течения атмосферных потоков.

Рисунок 10 – Предварительная ориентация типовой наружной площадки АГФУ

Результаты расчетов коэффициентов зоны застоя на наружной площадке АГФУ для основных направлений и преобладающих скоростей атмосферных потоков сведены в таблицу 2.

Таблица 2 – Значения коэффициентов зоны застоя АГФУ

Север Восток Юг Запад
Поверхностный коэффициент зоны застоя на отметке h = 2 м от нуля установки
0,419632 0,205437 0,328529 0,270757
0,270745 0,117877 0,206921 0,119063
Объемный коэффициент зоны застоя на отметке h = 2 м от нуля установки
0,486047 0,249121 0,395070 0,323713
0,318865 0,118190 0,233252 0,156591
Примечание: 2,5 и 4,5 – это скорости атмосферных потоков (м/с) на высоте 10 м.


Pages:     | 1 | 2 || 4 | 5 |   ...   | 7 |
 

Похожие работы:








 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.