该文针对光伏火灾中传统泡沫稳定性与附着性不足等问题，研发了一种新型凝胶泡沫，并系统研究了其制备方法及关键参数。通过正交实验，对十二烷基硫酸钠（SDS）、魔芋葡甘聚糖（KGM）和硫酸钠（Na2SO4）这3种组分的配比进行优化，筛选出综合性能最优配比为0.5 wt% SDS、0.8 wt% KGM、1.0 mol·L–1 Na2SO4。保有率测试表明，在不同风速（0 m/s，6 m/s，25 m/s）下的最优配方泡沫均能在倾角45°的光伏玻璃表面保持80%以上的保有率，显著高于传统A类泡沫性能指标。隔热性能测试及模型分析结果显示，最佳配方泡沫的隔热时间较A类泡沫延长243.2%，隔热量提升了250.5%。大尺度热防护实验结果进一步证实，该凝胶泡沫可显著抑制光伏组件表面温升，降低组件因受热不均引发的破裂风险。研究结果为光伏火灾防护材料的开发及应用提供了新的理论依据和技术支持。
现有的联邦学习（federated learning，FL）广泛应用于工业物联网，特别是在工业安全风险识别与异常检测方面，可实现分布式模型训练。然而，FL在面向工业安全风险的训练任务中仍面临高通信和计算成本、节点不可靠等挑战。为了解决上述问题，该文提出一种动态分簇联邦学习算法（dynamic clustering framework for federated learning，DCF-FL）进行动态联盟形成与资源分配。首先，基于主观逻辑提出实时的综合信誉评估机制，筛选并动态选取可信任的摄像头节点作为簇头，以提升训练鲁棒性。其次，构建了一个混合整数非线性规划问题，联合考虑设备的计算能力与无线信道条件，选择参与FL的节点并优化资源分配以最小化通信与计算开销，同时保证模型精度；通过深度强化学习驱动的解耦方法求解该问题，将选择决策与资源分配子问题分离求解。仿真实验结果表明，在15个节点的典型场景下，DCF-FL的通信与计算综合成本比FedAvg算法和FedProx算法分别降低了76.9%和61.3%；在非独立同分布数据环境下，DCF-FL的识别准确率基本在20%~80%之间波动，远高于对比算法（低于20%）。
有毒气体泄漏是危化品工业潜在的重大安全隐患，对人员生命、财产安全及生态环境构成严重威胁。为了在事故发生后快速获取泄漏源项信息，为应急决策和人员疏散提供科学依据，该文提出了一种结合Monte Carlo预约束、差分进化（differential evolution, DE）全局搜索与L-BFGS-B局部优化的毒气泄漏源项反演方法（MDO方法），并对数据扩充步骤进行了讨论。基于Gauss烟羽模型的数值模拟及补充的气象参数、监测噪声和监测点数量的影响分析结果表明：在基准工况下，该方法能够稳定反演泄漏源位置与强度；稳定度失配和风向偏差会显著放大定位误差，监测噪声增大和监测点数量减少会削弱反演精度，而数据扩充对精度改善并不具有普适性。该方法可为稀疏监测条件下的毒气泄漏源项反演提供一种稳定求解框架，并为更复杂场景下的模型扩展提供参考。
溢油事故中油品的扩散会严重污染海洋，若同时存在火源，则会发生伴随油品扩散行为的流淌火现象，引起严重的溢油火灾事故。目前关于油品物性及基底环境对溢油扩散行为的具体影响机制的研究仍存在不足。因此，该文采用ANSYS FLUENT软件构建了用于研究溢油扩散过程的多相流模型，针对基底盐度（0 g/kg（去离子水）、20 g/kg、30 g/kg、40 g/kg）、油含水率（0%、20%、40%、60%）、环境温度（20 ℃、30 ℃、40 ℃）3个变量开展了溢油扩散运动模拟研究，以深入揭示盐度、油含水率、温度对油膜扩散行为的影响。结果表明，油膜的扩散运动随基底盐度的增加而显著加快；随着油含水率的增加，油膜在基底的扩散直径逐渐减小；基于油膜扩散速率云图发现，扩散初期，重力作为主要驱动力，促使油膜中心沿径向快速扩散；随着时间推移，表面张力作为主要驱动力，促使油膜边缘缓慢扩散；随着基底温度增加，油品表面张力减小，油品黏度降低，加剧了油膜的扩散运动；基于幂律函数构建了不同基底盐度、油含水率、基底温度条件下油膜扩散直径的预测公式。数值模拟分析结果为揭示不同环境影响因素下溢油扩散动态行为提供了重要的理论支撑。
为合理评估灾害环境中人体与环境的热量交换并保障救援人员生命安全，开展人体整体和局部热交换的CFD模拟研究。首先，利用三维激光扫描技术对暖体假人进行扫描获得数值假人；其次，构建数值气候室，调节数值假人与入风口的夹角，并设置5个风向（0°、45°、90°、135°、180°）和8个风速（0.2、1.0、2.0、4.0、8.0、12.0、16.0、20.0 m/s）；最后，计算人体整体与不同部位的换热量和对流换热系数hc，量化风速和风向对人体热交换的影响。结果表明：人体总换热量随风速增加而增加，当风速从0.2增加至20.0 m/s时，总换热量增加17.74倍，对流换热量占总换热量比值上升42.6%；人体各部位对流换热量存在明显差异，而风向对人体整体对流换热量的影响可忽略不计；风向对躯干部位的对流换热系数影响较四肢部位更大；0°风向下风速提高至16.0 m/s，相较于右侧肢体左上臂、左前臂、左大腿和左小腿的hc值分别降低21.1、25.1、9.1、10.8 W/（m2·℃）。研究成果可为体表热传递数学模型的计算提供精度更高的对流热传递系数输入参数。
为挖掘无人机扰航事故的关键致因和风险传导特性，该文提出一种将系统理论事故模型与过程（STAMP）、关联规则挖掘与复杂网络相结合的分析方法。从AAIB、FAA等航空事故调查机构共收集无人机扰航事故报告1 089例，首先运用KeyBERT模型提取关键词，构建无人机扰航事故致因体系；继而引入STAMP-STPA框架进行系统层面的不安全控制行为与致因约束缺失分析；随后采用FP-Growth算法挖掘强关联规则，构建无人机扰航事故致因有向加权网络，开展网络拓扑指标与社区结构分析。研究结果表明：通信链路中断、超越视距运行、与载人航空器接近、地理环境遮挡及监管规避行为是核心致因；存在“超越视距运行”与“通信链路中断”、“与载人航空器接近”与“紧急避让”等高置信度、高提升度的强关联路径；“监管规避行为”“程序缺失”及“导航系统失效”等是致因网络中的关键枢纽节点。研究结果可为空域管理、机场运营及无人机监管机构实施精准风险干预、制定层级防御措施和阻断风险传导链条提供参考借鉴。
复杂环境中的电气火灾频发，而环境因素（环境温度和风速）对串联故障电弧行为特性的影响是诱发此类火灾的重要原因之一。为揭示环境温度和风速耦合作用下低压交流串联故障电弧特性的变化规律，本文基于COMSOL Multiphysics建立二维轴对称磁流体动力学（MHD）模型，并选取平均温度、温度积分、电流和电压均方根（RMS）及电弧能量作为评价指标，采用二维正交组合试验设计，设置3种环境温度和3种风速。研究结果表明：电弧温度场随工频周期扩张与收缩，该现象与电压的周期变化密切相关；风速对温度场的影响具有空间差异性，在电弧核心区域，由于“热收缩效应”，温度随风速增大略有上升，而在外围区域冷却效应占主导，4 m·s–1风速下平均温度降幅超过12.06%，温度积分降幅可达42.27%；电流RMS基本保持稳定，而电压RMS相较于环境温度对风速更为敏感；电弧能量在2 m·s–1风速下保持稳定，在4 m·s–1风速下略有下降，环境温度对能量的影响较小，仅在强风条件下对能量产生微弱影响。研究结果可为复杂环境下的建筑电气火灾早期预警与防治提供理论依据。
中国部分滨海地区（如粤港澳大湾区）常年遭受强台风侵袭，这对区域内公共建筑的安全构成严重威胁。位于台风高频登陆区的机场航站楼大跨度钢结构屋盖及大面积玻璃幕墙对风荷载极为敏感，极易引发局部围护结构失效甚至主体结构损伤，成为值得重点关注和保护的公共建筑之一，其在施工和运营期间产生的、以屋面抗风揭为重点的防风减灾安全问题，已成为工程中亟待解决的技术难题。当前，构建数智化安全监测系统是实现风灾事前预防的有效手段之一。该文以珠海金湾机场T2航站楼实际工程为背景，研发了适用于滨海航站楼的结构安全监测及预警系统。该系统通过14类共250余套传感器，协同监测结构表面风速、风向、风压、结构应力应变及结构动力响应等关键参数，结合安全评定软件及智能报警功能等，实现了对围护系统和主体结构的全要素动态监测。此外，创新性地将增强纤维光纤智能传感筋固定在连续焊缝屋面板上以提升抗风揭性能，并在同一监测点布置多类型传感器以实现多源异构数据融合。实证分析表明，在2025年台风“韦帕”过境期间，该系统成功采集到屋面台风的风速时程和风压峰值等数据，验证了结构的安全稳定性。同时通过多源异构数据融合的监测模式，精准地呈现了航站楼主体结构及围护结构的风致响应，实现了数智化安全监测及预警。该成果为滨海地区类似大跨空间钢结构的抗风设计及安全监测提供了参考。
为解决船舶操纵性的在线预报困难及自适应运动控制需求，该文针对船舶操纵运动模型系统辨识问题，利用二阶非线性Nomoto模型与速度响应模型，在长短期记忆网络（long short-term memory，LSTM）中集成先验物理信息，提出一种新的物理信息深度学习系统辨识建模方法（physics-informed long short-term memory，PI-LSTM），可同时进行参数辨识和非参数辨识。依据缩尺船模进行真实环境实验，利用实验数据进行有干扰下模型系统辨识，并根据训练的PI-LSTM模型进行船舶运动预报。实验结果表明，使用所提出的算法能准确拟合船舶操纵运动模型并具备较高的泛化能力。
针对非稳态环境风作用下的大尺度油池火热辐射特性及人员热辐射风险，该文利用Kaimal谱函数和谐波叠加法构建了非稳态风速的脉动时程，基于数值模拟研究不同风速和湍流强度的油池火热辐射强度时空分布规律和累积概率特征，并基于热辐射强度的阈值模型评估人员安全距离。研究结果表明：在相同风速下，低湍流强度比高湍流强度更容易产生热辐射强度的积聚。在低湍流强度下，热辐射强度的波动主要由火焰自身的卷吸以及湍流特性主导；在高湍流强度下，热辐射强度的波动主要由环境风的湍流特性主导。热辐射强度与其累积概率的关系符合Logistic模型。相同热辐射强度下，累积概率随湍流强度增大而下降。下风向人员安全距离随风速增大而增加、随湍流强度增大而减小，两侧变化与之相反。研究成果可为复杂风场下大尺度油池火的热辐射研究与人员热辐射风险防控提供理论依据。
毫米波雷达在室内感知中难以探测缺乏速度变化的静态目标。当前雷达技术多关注动态目标（如人体）检测，未充分利用人体动态信息的场景理解潜力。为此，本文提出一种基于重心位移编码的毫米波雷达场景重建方法。该方法以人体重心的相对位移轨迹刻画人-物交互的宏观动态特征，并结合时空图卷积、场景感知投票与混合预测模型，实现对静态物体类别与空间布局的联合推理。通过捕捉人体宏观运动趋势以有效过滤噪声，该方法成功克服了因雷达点云稀疏及局部抖动导致的绝对坐标姿态特征不稳定的问题。实验结果表明，该方法在场景重建中的整体精度达到50.81%，较视觉基准方法提升了4.50个百分点，且在多类典型交互物体上表现出更稳定的预测能力。该研究为毫米波雷达室内环境感知提供了新思路。
放火案件是典型的严重暴力犯罪案件，严重影响社会安全与公共安全。放火案件的侦破难度较高，传统经验已无法满足案件快速准确侦破需求。该文旨在构建通用案件侦查模型，指导案件的侦查工作。研究通过梳理放火案件的条件要素、行为要素和后果要素，应用Bayes网络分析方法，构建放火案件侦查模型，并应用典型案例对模型进行有效性验证。结果表明，本研究构建的放火案件侦查模型可以有效还原案件发生情景，给出正确的案件推理假设。该模型可以协助刑侦人员开展放火案件的侦查工作，提高侦查效率，支撑智慧侦查实践。
为防止埋地燃气管道与电力通道邻近敷设条件下，因燃气泄漏进入电缆通道并在其中积聚，进而引发爆炸事故，该文基于Fluent软件建立了邻近敷设下电缆通道燃气积聚模型，并对电缆通道内燃气积聚过程展开数值模拟，系统研究了不同坡度及不同通风换气次数对通道内燃气积聚规律的影响。研究结果表明：电缆通道坡度对甲烷扩散路径、积聚位置及浓度场分布具有显著影响：无坡度时，甲烷于100 s内围绕渗漏口均匀分布；存在坡度时，甲烷受坡度作用发生扩散偏移，且积聚效应随坡度的增大而显著增强，易在电缆通道底部支架下方形成高浓度聚集区。机械通风可有效降低电缆通道内甲烷积聚浓度并改变甲烷扩散方向，其抑制效果受通风次数及通道坡度的协同作用影响；通风次数增加可提升通道整体换气效率，使积聚区域由无风状态下的顶部向出风口侧底部迁移。该文可为预防和控制复合敷设区域的燃气安全事故提供技术支撑，并为工程实践中电缆通道的安全设计、监测点布置及风险管控策略优化提供科学依据。
疲劳驾驶是造成道路交通伤害的主要原因之一，高效准确的疲劳驾驶检测是保障交通安全的重要手段。但传统单一信号在捕捉疲劳状态时存在数据采集侵入性高、数据结构复杂、难以实时预测、准确率低等局限性，融合不同模态的信息成为新的发展方向。该文通过长期实车驾驶实验采集的心电信号、车辆轨迹数据、驾驶员脸部图像数据构建基于多模态信号的疲劳驾驶检测模型。该模型包含数据处理、特征提取、特征筛选和疲劳预测等模块，通过自注意力机制捕获长时间依赖关系并输出预测结果。该模型预测疲劳状态类别的准确率最高达97.89%，整体召回率和F1分数达80%以上，表明模型具有较好的预测准确性。将同时利用3个模态数据的检测模型设置为对照组，以仅使用单个模态数据或同时使用2个模态的数据为实验组，共6组实验组。试验发现同时利用3个模态的数据的疲劳驾驶检测模型在不同指标上均取得最优结果，表明所提出的模型成功融合了不同模态的信息，具有较高的准确率和适应性，能够提升驾驶安全的保障水平。
烟气是隧道火灾事故造成人员伤亡的最关键因素之一。该文基于比例-积分-微分（proportional-integral-derivative，PID）控制算法，通过大尺寸火灾实验研究自适应纵向通风作用下烟气流动控制性能。通过搭建缩尺比为1∶5（模型∶原型）的隧道实验平台，依据温度探测器反馈的实时监测数据动态调节风机频率，在实现精确控制烟气回流长度的同时有效维持上游烟气分层。实验结果表明，优化后的PID控制系统在不同火灾规模下均能够自动调节风速从而有效控制烟气蔓延，并表现出良好的稳定性和鲁棒性；目标控制点位置对烟气控制效果有显著影响，设置在近火源的控制点具有良好的响应速度，而设置在远端的控制点则会发生响应延迟，但仍能有效控制烟气。该文验证了隧道火灾烟气自动化控制能力，为通风系统及防排烟设计提供了新思路。
面向灾害应急场景下边缘云服务请求突发、新场景样本有限导致的资源预缓存决策困难问题，该文提出一种基于元强化学习（meta-reinforcement learning, Meta-RL）的服务资源预缓存方法。该方法将资源预缓存过程建模为Markov决策过程（Markov decision process, MDP），以近端策略优化算法（proximal policy optimization, PPO）为基础策略框架，并从服务保障能力与资源成本效益2个维度构建综合评价指标，通过多任务训练学习可迁移的策略初始化参数，实现新场景下缓存策略的少样本快速适应。仿真结果表明，基于元强化学习的近端策略优化算法（METAPPO）在场景变化后仍具有优异的收敛性能。该方法能够提升灾害应急边缘云服务资源预缓存的快速适应能力，为少样本条件下的应急边缘智能服务资源配置提供支撑。
为探究充放电状态及充放电倍率对三元18650型电池模组热失控传播的影响，该文开展了一系列不同充放电状态和倍率的锂离子电池热失控实验。通过分析不同起始荷电状态（state of charge，SOC）下，电池在0 C、1 C、2 C充放电过程中的电压、表面温度及质量损失变化，揭示了电热共同作用对电池模组热失控传播行为的影响。结果表明：充电会加速热失控传播，1 C和2 C充电倍率下电池模组热失控传播时间较未充电场景分别缩短7%和12%，且热失控触发温度降低、最高温度升高；放电可延缓热失控传播，1 C和2 C放电倍率下电池模组热失控传播时间较未放电场景分别延长17.3%和19.6%，触发温度升高、最高温度降低。上述差异源于模组内热失控的链式传播特性及电-热耦合机制下的反馈极性不同：充电时焦耳热与副反应形成正反馈回路，加速传播；放电时容量降低使副反应推迟，形成负反馈延缓效应。高倍率充电时，焦耳热加速作用与容量增大导致的副反应增强进一步加剧传播加速；而放电则通过降低容量推迟后续电池副反应，延缓传播。研究成果可为锂离子电池热失控火灾防治提供一定程度的参考。
为揭示曲率与铺层参数对曲面芳纶纤维复合材料低速冲击响应及损伤演化的耦合作用规律，采用落锤冲击试验，研究了曲率半径为80、120和160 mm、铺层层数为6、8和10层的曲面芳纶复合材料在12、17和22 J冲击能量下的力学响应模式和结构损伤特征。研究表明：低速冲击下曲面试样的力学响应随曲率半径和铺层层数改变呈现出局部变形和整体协同变形2种典型模式。随着曲率半径的增大，被测试样的最大载荷逐渐增大，损伤演化过程呈突变特征；随着铺层层数增加，被测试样的损伤演化过程逐渐呈现出明显的渐进性。研究成果可为防护头盔等个体防护装备的结构优化与性能提升提供设计参考和支撑。
运输箱内的镍钴锰酸锂（NCM）电池因其高能量密度，且热失控中会产生大量危害性气体，导致运输事故风险更为突出。本文将长短期记忆神经网络（LSTM）和非接触式传感技术相结合，研究运输箱内NCM电池热失控特性及预警方法。首先，搭建运输箱热失控实验平台，选取50% SOC的NCM单体电池及模组电池为实验对象，开展加热触发条件下的热失控实验，对比了2种动力锂电池在运输箱内的热失控特性；其次，基于LSTM构建了融合电化学气体（H2、CO）传感器与红外温度传感器的多源非接触式传感动态预警算法，分析多种非接触式传感器的监测预警效果。结果表明：NCM模组热失控时间较单体电池热失控时间可更快地监测运输过程中的动力锂电池安全状态。针对运输对象为NCM单体及模组，该模型提出了风险概率评判标准，对不同运输对象均实现了精准的早期识别，平均提前预警时间达120 s。研究将为道路运输过程中的NCM动力锂电池运输风险管控提供重要参考。
