中国安全科学学报

等级	区间
轻度	[0，0.25)
中度	[0.25，0.5)
高度	[0.5，0.75)
重度	[0.75，1]

等级

区间

轻度

[0，0.25)

中度

[0.25，0.5)

高度

[0.5，0.75)

重度

[0.75，1]

等级	区间
轻度	[0，0.25)
中度	[0.25，0.5)
高度	[0.5，0.75)
重度	[0.75，1]

等级

区间

轻度

[0，0.25)

中度

[0.25，0.5)

高度

[0.5，0.75)

重度

[0.75，1]

指标 (模拟量) 类型	越小越优型	中间型
报警值	高报阈值	高高报阈值	低低报阈值	低报阈值	高报阈值	高高报阈值
R	0.75	1	1	0.75	0.75	1

指标
(模拟量)
类型

越小越优型

中间型

报警值

高报
阈值

高高报
阈值

低低报
阈值

低报
阈值

高报
阈值

高高报
阈值

0.75

指标 (模拟量) 类型	越小越优型	中间型
报警值	高报阈值	高高报阈值	低低报阈值	低报阈值	高报阈值	高高报阈值
R	0.75	1	1	0.75	0.75	1

指标
(模拟量)
类型

越小越优型

中间型

报警值

高报
阈值

高高报
阈值

低低报
阈值

低报
阈值

高报
阈值

高高报
阈值

0.75

风险等级	低V₁	一般V₂	较大V₃	重大V₄
R	[0，0.25]	(0.25，0.5]	(0.5，0.75]	(0.75，1]

风险
等级

低V₁

一般V₂

较大V₃

重大V₄

[0，0.25]

(0.25，0.5]

(0.5，0.75]

(0.75，1]

风险等级	低V₁	一般V₂	较大V₃	重大V₄
R	[0，0.25]	(0.25，0.5]	(0.5，0.75]	(0.75，1]

风险
等级

低V₁

一般V₂

较大V₃

重大V₄

[0，0.25]

(0.25，0.5]

(0.5，0.75]

(0.75，1]

监测指标	低低报阈值	低报阈值	高报阈值	高高报阈值
U₁₁/℃	—	—	70	90
U₁₂/kPa	0.5	1.0	3.5	4.5
U₁₃/kPa	290	390	800	900
U₁₄/℃	—	—	70	90
U₂₅/kPa	100	300	800	900

监测指标

低低报阈值

低报阈值

高报阈值

高高报阈值

U₁₁/℃

—

U₁₂/kPa

0.5

1.0

3.5

4.5

U₁₃/kPa

290

390

800

900

U₁₄/℃

—

U₂₅/kPa

100

300

800

900

监测指标	低低报阈值	低报阈值	高报阈值	高高报阈值
U₁₁/℃	—	—	70	90
U₁₂/kPa	0.5	1.0	3.5	4.5
U₁₃/kPa	290	390	800	900
U₁₄/℃	—	—	70	90
U₂₅/kPa	100	300	800	900

监测指标

低低报阈值

低报阈值

高报阈值

高高报阈值

U₁₁/℃

—

U₁₂/kPa

0.5

1.0

3.5

4.5

U₁₃/kPa

290

390

800

900

U₁₄/℃

—

U₂₅/kPa

100

300

800

900

评价指标	偏离度拟合函数
U₂₁、U₂₄	$R (x) = 1 ， (x = 0) 0 ， (x = 1)$
U₂₂、U₂₃、U₂₆	$R (x) = 0 ， (x = 0) 1 ， (x = 1)$
U₁₁	$R (x) = 4.406 × 10 - 5 x 2 + 0.007 32 x - 0.004 58 ， 0 ≤ x 90 1 ， x ≥ 90$
U₁₂	$R (x) = 0.017 42 - 0.524 0 x + 1.256 7 ， 0.5 ≤ x ≤ 2.622 - 0.050 6 x 3 + 0.311 4 x 2 + 0.272 6 x - 1.924 ， 2.622 x ≤ 4.5 1 ， 0.5 x 或 x 4.5$
U₁₃	$R (x) = - 1.287 l n (x) + 8.343 ， 290 ≤ x ≤ 640.6 - 5.062 × 10 - 6 x 2 + 0.011 83 x - 5.527 ， 640.6 x ≤ 900 1 ， 290 x 或 900 x$
U₁₄	$R (x) = 4.728 × 10 - 5 x 2 + 0.007 18 x - 0.011 42 ， 0 ≤ x 90 1 ， x ≥ 90$
U₂₅	$R (x) = 5.198 × 10 - 9 x 3 - 8.776 × 10 - 6 x 2 + 0.001 35 x + 0.949 6 ， 100 ≤ x ≤ 517 - 1.802 × 10 - 8 x 3 + 4.161 × 10 - 5 x 2 - 0.028 54 x + 6.128 ， 517 x ≤ 900 1 ， x 100 或 x 900$

评价指标

偏离度拟合函数

U₂₁、U₂₄

R (x) = 1 ， (x = 0) 0 ， (x = 1)

U₂₂、U₂₃、U₂₆

R (x) = 0 ， (x = 0) 1 ， (x = 1)

U₁₁

R (x) = 4.406 × 10 - 5 x 2 + 0.007 32 x - 0.004 58 ， 0 ≤ x 90 1 ， x ≥ 90

U₁₂

R (x) = 0.017 42 - 0.524 0 x + 1.256 7 ， 0.5 ≤ x ≤ 2.622 - 0.050 6 x 3 + 0.311 4 x 2 + 0.272 6 x - 1.924 ， 2.622 x ≤ 4.5 1 ， 0.5 x 或 x 4.5

U₁₃

R (x) = - 1.287 l n (x) + 8.343 ， 290 ≤ x ≤ 640.6 - 5.062 × 10 - 6 x 2 + 0.011 83 x - 5.527 ， 640.6 x ≤ 900 1 ， 290 x 或 900 x

U₁₄

R (x) = 4.728 × 10 - 5 x 2 + 0.007 18 x - 0.011 42 ， 0 ≤ x 90 1 ， x ≥ 90

U₂₅

R (x) = 5.198 × 10 - 9 x 3 - 8.776 × 10 - 6 x 2 + 0.001 35 x + 0.949 6 ， 100 ≤ x ≤ 517 - 1.802 × 10 - 8 x 3 + 4.161 × 10 - 5 x 2 - 0.028 54 x + 6.128 ， 517 x ≤ 900 1 ， x 100 或 x 900

评价指标	偏离度拟合函数
U₂₁、U₂₄	$R (x) = 1 ， (x = 0) 0 ， (x = 1)$
U₂₂、U₂₃、U₂₆	$R (x) = 0 ， (x = 0) 1 ， (x = 1)$
U₁₁	$R (x) = 4.406 × 10 - 5 x 2 + 0.007 32 x - 0.004 58 ， 0 ≤ x 90 1 ， x ≥ 90$
U₁₂	$R (x) = 0.017 42 - 0.524 0 x + 1.256 7 ， 0.5 ≤ x ≤ 2.622 - 0.050 6 x 3 + 0.311 4 x 2 + 0.272 6 x - 1.924 ， 2.622 x ≤ 4.5 1 ， 0.5 x 或 x 4.5$
U₁₃	$R (x) = - 1.287 l n (x) + 8.343 ， 290 ≤ x ≤ 640.6 - 5.062 × 10 - 6 x 2 + 0.011 83 x - 5.527 ， 640.6 x ≤ 900 1 ， 290 x 或 900 x$
U₁₄	$R (x) = 4.728 × 10 - 5 x 2 + 0.007 18 x - 0.011 42 ， 0 ≤ x 90 1 ， x ≥ 90$
U₂₅	$R (x) = 5.198 × 10 - 9 x 3 - 8.776 × 10 - 6 x 2 + 0.001 35 x + 0.949 6 ， 100 ≤ x ≤ 517 - 1.802 × 10 - 8 x 3 + 4.161 × 10 - 5 x 2 - 0.028 54 x + 6.128 ， 517 x ≤ 900 1 ， x 100 或 x 900$

评价指标

偏离度拟合函数

U₂₁、U₂₄

R (x) = 1 ， (x = 0) 0 ， (x = 1)

U₂₂、U₂₃、U₂₆

R (x) = 0 ， (x = 0) 1 ， (x = 1)

U₁₁

R (x) = 4.406 × 10 - 5 x 2 + 0.007 32 x - 0.004 58 ， 0 ≤ x 90 1 ， x ≥ 90

U₁₂

R (x) = 0.017 42 - 0.524 0 x + 1.256 7 ， 0.5 ≤ x ≤ 2.622 - 0.050 6 x 3 + 0.311 4 x 2 + 0.272 6 x - 1.924 ， 2.622 x ≤ 4.5 1 ， 0.5 x 或 x 4.5

U₁₃

R (x) = - 1.287 l n (x) + 8.343 ， 290 ≤ x ≤ 640.6 - 5.062 × 10 - 6 x 2 + 0.011 83 x - 5.527 ， 640.6 x ≤ 900 1 ， 290 x 或 900 x

U₁₄

R (x) = 4.728 × 10 - 5 x 2 + 0.007 18 x - 0.011 42 ， 0 ≤ x 90 1 ， x ≥ 90

U₂₅

R (x) = 5.198 × 10 - 9 x 3 - 8.776 × 10 - 6 x 2 + 0.001 35 x + 0.949 6 ， 100 ≤ x ≤ 517 - 1.802 × 10 - 8 x 3 + 4.161 × 10 - 5 x 2 - 0.028 54 x + 6.128 ， 517 x ≤ 900 1 ， x 100 或 x 900

时刻	U₁₁/℃	U₁₂/kPa	U₁₃/kPa	U₁₄/℃	U₂₁	U₂₂	U₂₃	U₂₄	U₂₅/kPa	U₂₆
t₁	28.7	2.281	667.5	30.7	1	0	0	1	395.6	0
t₂	28.9	2.286	667.3	30.7	1	0	0	1	395.4	0
t₃	29.1	2.436	667.2	30.7	1	0	0	1	395.6	0
t₄	28.6	2.302	667.8	30.7	1	0	0	1	395.6	0
t₅	28.9	2.312	666.9	30.1	1	0	0	1	395.3	0
︙	︙	︙	︙	︙	︙	︙	︙	︙	︙	︙
t_{2 057}	23.3	2.426	646.4	30.1	1	0	0	1	523.4	0
t_{2 058}	23.3	2.519	571.8	30.1	1	0	0	1	491.0	0
t_{2 059}	22.8	2.308	605.2	30.1	1	0	0	1	518.0	0

时刻

U₁₁/℃

U₁₂/kPa

U₁₃/kPa

U₁₄/℃

U₂₁

U₂₂

U₂₃

U₂₄

U₂₅/kPa

U₂₆

t₁

28.7

2.281

667.5

30.7

395.6

t₂

28.9

2.286

667.3

30.7

395.4

t₃

29.1

2.436

667.2

30.7

395.6

t₄

28.6

2.302

667.8

30.7

395.6

t₅

28.9

2.312

666.9

30.1

395.3

︙

t_{2 057}

23.3

2.426

646.4

30.1

523.4

t_{2 058}

23.3

2.519

571.8

30.1

491.0

t_{2 059}

22.8

2.308

605.2

30.1

518.0

时刻	U₁₁/℃	U₁₂/kPa	U₁₃/kPa	U₁₄/℃	U₂₁	U₂₂	U₂₃	U₂₄	U₂₅/kPa	U₂₆
t₁	28.7	2.281	667.5	30.7	1	0	0	1	395.6	0
t₂	28.9	2.286	667.3	30.7	1	0	0	1	395.4	0
t₃	29.1	2.436	667.2	30.7	1	0	0	1	395.6	0
t₄	28.6	2.302	667.8	30.7	1	0	0	1	395.6	0
t₅	28.9	2.312	666.9	30.1	1	0	0	1	395.3	0
︙	︙	︙	︙	︙	︙	︙	︙	︙	︙	︙
t_{2 057}	23.3	2.426	646.4	30.1	1	0	0	1	523.4	0
t_{2 058}	23.3	2.519	571.8	30.1	1	0	0	1	491.0	0
t_{2 059}	22.8	2.308	605.2	30.1	1	0	0	1	518.0	0

时刻

U₁₁/℃

U₁₂/kPa

U₁₃/kPa

U₁₄/℃

U₂₁

U₂₂

U₂₃

U₂₄

U₂₅/kPa

U₂₆

t₁

28.7

2.281

667.5

30.7

395.6

t₂

28.9

2.286

667.3

30.7

395.4

t₃

29.1

2.436

667.2

30.7

395.6

t₄

28.6

2.302

667.8

30.7

395.6

t₅

28.9

2.312

666.9

30.1

395.3

︙

t_{2 057}

23.3

2.426

646.4

30.1

523.4

t_{2 058}

23.3

2.519

571.8

30.1

491.0

t_{2 059}

22.8

2.308

605.2

30.1

518.0

基于偏离度-FCE的袋式除尘系统实时定量风险评价

PDF下载

侯羽澳 ¹ , 王强 ¹^,^** , 柳青 ² , 林雅敏 ³ , 张少锋 ³

中国安全科学学报 | 安全社会科学与安全管理 2024,34(10): 30-38

收起

中国安全科学学报 | 安全社会科学与安全管理 2024, 34(10): 30-38

基于偏离度-FCE的袋式除尘系统实时定量风险评价

全屏

侯羽澳¹, 王强¹^,^**, 柳青², 林雅敏³, 张少锋³

作者信息

¹ 中国计量大学能源环境与安全工程学院，浙江杭州 310018

² 中国计量大学质量与标准化学院，浙江杭州 310018

³ 浙江图讯科技股份有限公司，浙江杭州 310023

侯羽澳 (2000—)，女，山东济宁人，硕士研究生，主要研究方向为安全检测技术、大数据分析。E-mail：577658234@qq.com。

柳青，讲师；

林雅敏，高级工程师；

张少锋，高级工程师

通讯作者:

^** 王强(1976—)，男，湖北应城人，博士，教授，博士生导师，主要从事安全检测技术研究。E-mail：qiangwang@cjlu.edu.cn。

Real-time quantitative risk evaluation of bag dedust system based on deviation degree-FCE

Yuao HOU¹, Qiang WANG¹^,^**, Qing LIU², Yamin LIN³, Shaofeng ZHANG³

Affiliations

¹ College of Energy Environment and Safety Engineering，China Jiliang University，Hangzhou Zhejiang 310018，China

² College of Quality and Standardization，China Jiliang University，Hangzhou Zhejiang 310018，China

³ Zhejiang Topinfo Technology Co.，Ltd.，Hangzhou Zhejiang 310023，China

出版时间: 2024-10-28 doi: 10.16265/j.cnki.issn1003-3033.2024.10.1969

文章导航

摘要

收起

为保障袋式除尘系统运行安全，预防粉尘燃爆事故发生，提出一种基于偏离度-模糊综合评价(FCE)的袋式除尘系统实时定量风险评价模型。首先，基于工业物联网传感器采集的除尘器进出风口压差、除尘箱温度和锁气卸灰故障信号等指标的监测数据，引入偏离度实现监测指标的风险量化；其次，采用FCE法计算袋式除尘系统的风险状态，结合层次分析法(AHP)和变权理论对评价指标赋权，依据隶属函数和隶属度加权平均原则，量化基于偏离度的袋式除尘系统风险，获得系统风险评价结果；最后，运用某型号袋式除尘系统的监测数据验证模型。结果表明：当袋式除尘系统评价指标的监测值越趋近于报警阈值，且趋近于报警阈值的指标数量越多时，所处风险等级越高，评价结果与其实际运行情况具有相关一致性，验证了模型的有效性。

关键词

偏离度 / 模糊综合评价(FCE) / 袋式除尘系统 / 定量风险评价 / 变权理论

Abstract

收起

In order to ensure the safe operation of bag dedust system and prevent the occurrence of dust explosion accident，a real-time quantitative risk evaluation model of bag dedust system was proposed based on deviation degree-FCE. Firstly，based on the monitoring data of the pressure difference between inlet and outlet of the dust，box temperature and lock-in ash discharge fault signal collected by the industrial Internet of Things sensor，the deviation degree was introduced to characterize the risk status of the monitoring parameters of the bag dedust system. Then，FCE was used to calculate the risk status of the bag dedust system. The analytic hierarchy process(AHP) and variable weight theory were combined to assign weights to the evaluation indicators. Based on the membership function and weighted average principle of membership degree，the risk of the bag dedust system was quantified by deviation degree，and the risk evaluation result for the bag dedust system was obtained. Finally，the monitoring data of a certain type of bag dedust system was used to verify the effectiveness of the model. The findings demonstrate that when the monitoring value of the evaluation indicators of the bag dedust system gradually approaches the alarm threshold，and the number of indicators approaching the alarm threshold increases，the risk level is higher. The evaluation results are correlated with the actual operation situation，thus validating the efficacy of the model.

Key words

deviation degree / fuzzy comprehensive evaluation (FCE) / bag dedust system / quantitative risk evaluation / variable weight theory

引用本文

侯羽澳, 王强, 柳青, 林雅敏, 张少锋. 基于偏离度-FCE的袋式除尘系统实时定量风险评价. 中国安全科学学报, 2024 , 34 (10) : 30 -38 . DOI: 10.16265/j.cnki.issn1003-3033.2024.10.1969

Yuao HOU, Qiang WANG, Qing LIU, Yamin LIN, Shaofeng ZHANG. Real-time quantitative risk evaluation of bag dedust system based on deviation degree-FCE[J]. China Safety Science Journal, 2024 , 34 (10) : 30 -38 . DOI: 10.16265/j.cnki.issn1003-3033.2024.10.1969

正文

收起

0 引言

收起

袋式除尘系统作为一种高效的除尘设备，在工业生产上得到广泛应用^[1-2]。然而，袋式除尘系统内部由于持续地、长期地或频繁地存在可燃性粉尘被归类于20区，且摩擦、碰撞等容易产生火花，故极易导致燃爆等事故发生^[3-4]。因此，评价袋式除尘系统的风险状况具有重要意义。

近年来，已有学者对袋式除尘系统风险评价展开了相关研究，ZALOSH等^[5]研究了袋式除尘器的粉尘爆炸风险，并举例验证，发现除尘器的安全防护是防治粉尘爆炸事故的必要条件。李增杰等^[6]通过测量通风管道、除尘器等的运行指标，确定了通风除尘系统的风险，并采用模糊综合评价方法评价了通风除尘系统风险。宋英杰等^[7]构建了基于压力-状态-响应模型的布袋除尘装置稳定运行指标体系，运用层次分析法(Analytic Hierarchy Process，AHP)确定指标权重，量化分析了布袋式除尘系统的运行稳定性。YUAN Zhi等^[8]以除尘系统为例，研究了一种最优安全策略，可在有限预算条件下有效降低粉尘爆炸风险。高娟等^[9]基于粉尘爆炸特性参数，结合故障模式及影响分析(Failure Mode and Effects Analysis，FMEA)与道化学火灾爆炸指数法，提出一种半定量的干式除尘系统风险分析方法。SUN Siheng等^[10]采用模糊综合评价(Fuzzy Comprehensive Evaluation，FCE)法构建某除尘系统粉尘爆炸风险评价模型，评价了粉尘爆炸风险。但上述袋式除尘系统风险评价研究未能实现实时风险评价，使得评价存在一定滞后性，无法及时掌握袋式除尘系统的实时风险状况。

随着物联网和大数据技术的发展和应用，其在实时风险评价方面展现出独特优势^[11-12]。卢颖等^[13]基于体育场馆的物联网监测数据，运用随机森林算法筛选出最优的体育场馆动态火灾风险评估指标体系，以提高风险评估的科学性。邱泽阳^[14]等运用现场监测数据挖掘方法建立了指标偏离度计算模型，实现了油气输送动设备实时定量风险评估。可见，物联网监测数据在实时风险评价上的适用性，理论上也可将物联网监测数据应用于袋式除尘系统的风险评价中。并且近年来应急管理部加快推进工贸行业粉尘涉爆企业安全生产风险监测预警系统建设应用^[15]，积累了大量的袋式除尘系统物联网监测数据。鉴于此，笔者拟建立基于偏离度-FCE法的袋式除尘系统实时定量风险评价模型；基于工业物联网传感器采集袋式除尘系统实时监测数据，引入偏离度表征监测指标的风险状态，并将偏离度融入到监测指标变权重和隶属度计算中，实现袋式除尘系统的实时定量风险评价，以期为风险处置提供参考。

1 袋式除尘系统实时风险评价方法

收起

1.1 确定袋式除尘系统监测指标偏离度

袋式除尘系统的每个监测指标具有不同的物理意义和变化范围。为消除不同指标数据类型和量纲的影响，使各监测指标变化情况与袋式除尘系统的风险状态联系起来，引入偏离度R。对于袋式除尘系统，由于每一种监测指标监测数据分布规律不同，且其变化趋势不是线性的，传统的偏离度计算方法不再适用。因此，文中结合实际情况，运用袋式除尘系统历史监测数据进行曲线拟合，建立各监测指标的偏离度计算模型。确定所划分的偏离度区间分界点对应的实际监测数据值，再以偏离度为纵坐标，相应的实测数据值为横坐标拟合最优曲线。计算步骤如下：

1) 偏离度等级划分。袋式除尘系统各监测指标的偏离度范围为[0，1]。当某种监测指标接近报警阈值时，偏离度趋近于1;反之，则趋近于0。偏离度等级划分见表1。

2) 确定重度偏离区间分界点对应的实际监测值。根据收集到的现场监测数据可知：袋式除尘系统监测指标分为2大类：除尘器内部环境监测指标和防爆控制装置的运行情况监测指标。这2类监测指标中包含开关量、模拟量2种数据类型。开关量包括锁气卸灰故障信号、喷淋管路流量信号等监测指标；模拟量包含除尘箱温度、除尘器灰斗温度等越小越优型监测指标和过滤器清灰气源压力、进出风口压差等中间型监测指标。对于开关量，当其处于正常状态时，R为0;报警状态时R为1。对于模拟量，确定越小越优型监测指标的高报阈值和高高报阈值作为R为0.75和1时的对应值；确定中间型监测指标的低报阈值、低低报阈值、高报阈值和高高报阈值作为R为0.75和1时的对应值。模拟量的报警阈值与重度偏离度分界点的对应关系见表2。

3) 确定轻度偏离、中度偏离和高度偏离区间分界点对应的实际监测值。袋式除尘系统的历史监测数据更符合其实际运行状态，故运用现场数据挖掘方法确定分界点的监测值。越小越优型指标筛选出低于高报阈值的正常数据，由小到大按5:3:2比例得到R为0、0.25、0.5对应的实际监测值；中间型指标筛选在高报阈值和低报阈值范围内的正常数据，由中间到高、低报阈值按5:3:2的比例得到R为0、0.25、0.5对应的实际监测值。为降低拟合曲线的误差，分别再以0.05为1个单位划分轻度偏离、中度偏离和高度偏离区间，并按照相应比例确定对应的实际监测值参与偏离度函数的拟合，偏离度与对应比例的关系见下式：

当k=0时，

(1)

R k = 0 ， d k = 0

当0<k≤14时，

(2)

R k = R k - 1 + 0.05

d k = d k - 1 + 10 ， 0 k ≤ 5 d k - 1 + 6 ， 5 k ≤ 10 d k - 1 + 4 ， 10 k ≤ 14

式中：R_k为第k个点所取的偏离度值；d_k为R_k所对应的比例。在此基础上，确定d_k对应的实际监测值。

4) 确定袋式除尘系统监测指标的偏离度拟合函数。根据由袋式除尘系统大量监测数据确定的各偏离度对应的实际监测值，拟合最贴近于各监测指标实际变化规律函数，见下式：

(3)

R (x) = 1 ， (x = 0) 0 ， (x = 1)

(4)

R (x) = 0 ， (x = 0) 1 ， (x = 1)

(5)

R (x) = a q x 1 + a q - 1 x q - 1 + … + a 2 x 2 + a 1 x + a 0

式中：R(x)为偏离度拟合函数；x为监测指标的监测值；a₀~a_q为通过历史监测数据挖掘确定的待定系数；q为多项式拟合函数的次数。将袋式除尘系统监测指标的实时监测数据代入相应的偏离度拟合函数，即可得到各监测指标相应时刻的偏离度。

1.2 袋式除尘系统实时定量风险评价模型

1.2.1 风险等级划分

根据《粉尘爆炸危险场所用除尘系统安全技术规范》^[16]和工作人员运维经验，将袋式除尘系统的风险状态分为低风险、一般风险、较大风险、重大风险4个等级。袋式除尘系统偏离度与风险等级之间的关系见表3。

1.2.2 偏离度-FCE实时定量风险评价模型

基于偏离度-FCE袋式除尘系统实时定量风险评价模型建模步骤如下：

步骤1:确定评价指标因素集U。袋式除尘系统的一级指标集和二级指标集：

(6)

U = {U 1 ， U 2 ， … ， U i ， … ， U m} U i = {U i 1 ， U i 2 ， … ， U i j ， … ， U i n}

式中：U为袋式除尘系统；U_i为第i个一级指标，i=1，2，…，m;m为一级指标个数；U_ij为一级指标U_i的第j个二级指标，j=1，2，…，n;n为U_i中的二级指标个数。

步骤2:确定风险状态评语集V。袋式除尘系统的风险状态分为4个等级，即V={V₁，V₂，V₃，V₄}。

步骤3:计算指标偏离度R_ij。将二级指标监测数据带入相应的偏离度拟合曲线，得到其监测数据对应的实时偏离度R_ij。

步骤4:构造模糊评价矩阵。在实际工程应用中，最常用的隶属函数是三角隶属函数和梯形隶属函数^[17]。由于三角函数在处理状态等级边缘信息时不够精细，而梯形隶属度函数在保存隶属度边界信息方面存在不足，故采用两者相结合的方式描述评价指标偏离度R_ij与隶属度的对应关系，见下式：

(7) $p v_{1}\left(R_{i j}\right)=\left\{\begin{array}{ll} 1，& 0 \leqslant R_{i j}＜0.25 \\ 2-4 R_{i j}，& 0.25 \leqslant R_{i j}＜0.5 \\ 0，& R_{i j} \geqslant 0.5 \end{array}\right.$

(8) $p v_{2}\left(R_{i j}\right)=\left\{\begin{array}{ll} 4 R_{i j}-1，& 0.25 \leqslant R_{i j}＜0.25 \\ 3-4 R_{i j}，& 0.5 \leqslant R_{i j}＜0.5 \\ 0，& R_{i j}＜0.25 \text { 或 } R_{i j} \geqslant 0.75 \end{array}\right.$

(9) $p v_{3}\left(R_{i j}\right)=\left\{\begin{array}{ll} 4 R_{i j}-2，& 0.25 \leqslant R_{i j}＜0.75 \\ 4-4 R_{i j}，& 0.75 \leqslant R_{i j}＜1 \\ 0，& R_{i j}＜0.5 \text { 或 } R_{i j}>1 \end{array}\right.$

(10) $p v_{4}\left(R_{i j}\right)=\left\{\begin{array}{ll} 0，& R_{i j}＜0.75 \\ 4 R_{i j}-3，& 0.75 \leqslant R_{i j} \leqslant 1 \\ 1，& R_{i j}>1 \end{array}\right.$

式中pV_l(R_ij)为评价指标的Rij隶属于风险等级V_l(l=1，2，3，4)的概率。

评价指标偏离度R_ij与风险等级的隶属函数如图1所示。

根据模糊隶属函数确定评价指标R_ij与风险等级之间的模糊评价矩阵：

(11)

P I = p v 1 (R i 1) p v 2 (R i 1) p v 3 (R i 1) p v 4 (R i 1) p v 1 (R i 2) p v 2 (R i 2) p v 3 (R i 2) p v 4 (R i 2) ︙ ︙ ︙ ︙ p v 1 (R m n) p v 2 (R m n) p v 3 (R m n) p v 4 (R m n)

步骤5:计算权重。使用AHP法确定袋式除尘系统各指标的常权重。在常权重下，当某个监测指标的实测数据偏离度很大，而该指标权重较小时，会导致评价结果无法准确反映监测指标变化，造成袋式除尘系统整体风险状态仍被误判为正常的假象，而变权理论可以很好地解决该问题。因此，结合变权理论^[18-19]确定袋式除尘系统监测指标的变权重。

袋式除尘系统监测指标变权重计算公式为：

(12)

ω i j = ω' i j (1 - R i j) μ - 1 ∑ j = 1 n ω' i j (1 - R i j) μ - 1

式中：ω'_ij为监测指标的常权重；μ为变权系数，取0.2;R_ij为第i个一级指标的第j个二级指标偏离度；当R_ij=1时，可将R_ij用趋近于1的数代替后再计算变权值。因此，一级指标集常权重为ω=[ω₁ ω₂ … ω_m]，二级指标集变权重为ω_i=[ω_i₁ ω_i₂ … ω_in]。

步骤6:综合评价。2层模糊综合评判均选择加权平均型。一级指标模糊综合评价计算公式为：

(13)

B i = ω i · P i

式中：B为所有一级指标的隶属度集构成的袋式除尘系统整体的模糊综合评判矩阵，袋式除尘系统的模糊综合评价计算公式为：

(14)

B' = ω · B = [b (V 1) b (V 2) b (V 3) b (V 4)]

求出向量B'后，通常使用最大隶属度原则或加权平均原则来确定风险等级^[20]。最大隶属度原则忽略了其他指标的影响，可能会导致评价结果不准确的情况。因此，采用加权平均原则来确定袋式除尘系统的风险等级，将得到的B'和它的风险评价集相对应的加权向量H_l(l=1，2，3，4)的加权评价值作为袋式除尘系统实时定量风险评价的结果R'，即

(15) $R^{\prime}=\frac{\sum_{l=1}^{4} b\left(V_{l}\right) \cdot H_{l}}{\sum_{l=1}^{4} b\left(V_{l}\right)}$

2 定量风险评价实例分析

收起

2.1 评价指标体系构建

通过调研分析某型号的袋式除尘系统(日产尘量200 kg)的实际监测情况和文献资料，构建袋式除尘系统风险评价指标体系。该体系包括1个综合指标，2个一级指标和10个二级指标，如图2所示。

确定各评价指标的报警阈值。开关量评价指标：U₂₁和U₂₄的报警阈值为0，U₂₂、U₂₃和U₂₆报警阈值为1，模拟量评价指标的报警阈值见表4。

2.2 袋式除尘系统风险评价

根据袋式除尘系统各评价指标的报警阈值，以及收集的某型号的袋式除尘系统的9万多条历史监测数据确定的各偏离度对应的实际监测值，得到各评价指标的偏离度拟合函数，见表5。

以袋式除尘系统2023年8月29日—9月5日的2 059条监测数据为例，验证模型的有效性。监测数据见表6。

将表6中各评价指标的监测值代入相应的偏离度拟合函数，得到偏离度；运用AHP法和变权理论结合的方法得到一级指标的常权重和二级指标的变权重。令H_l=(H₁，H₂，H₃，H₄)=(0.074 9，0.275 4，0.565 1，0.884 8)，依据式(9)—式(13)得到袋式除尘系统偏离度R'折线图如图3所示。结合表3，将袋式除尘系统2 059个时刻的计算结果分为4个等级。其中，有1 830个时刻处于低风险等级，102个时刻处于一般风险等级，121个时刻处于较大风险等级，6个时刻处于重大风险等级。由此可知：袋式除尘系统高风险时刻较少，低风险时刻较多，符合运维管理的需求。

选取t₆、t₆₂₄、t_{1 786}和t_{1 910}这4个典型时刻各评价指标的偏离度R_ij展开分析，t₆、t₆₂₄、t_{1 786}、t_{1 910}时刻指标偏离度R_ij分布情况如图4所示。4个时刻的袋式除尘系统偏离度为R'(t₆)=0.077 3，R'(t₆₂₄)=0.252 2，R'(t_{1 786})=0.544 9，R'(t_{1 910})=0.835 7。

由图4可知：t₆时刻评价指标的偏离度R_ij均较低，说明监测值均处于正常状态，此时，袋式除尘系统处于低风险等级；t₆₂₄时刻有1个评价指标的偏离度R_ij较大，说明该指标监测值趋近于报警阈值，此时袋式除尘系统处于一般风险等级；t_{1 786}时刻有2个评价指标的偏离度R_ij较大，说明这2个指标监测值均趋近于报警阈值，此时袋式除尘系统处于较大风险等级；t_{1 910}时刻有3个评价指标的偏离度R_ij较大，说明该这3个指标监测值均趋近于报警阈值，此时袋式除尘系统处于重大风险等级。

为进一步验证该模型的有效性，取2023年9月11日—13日袋式除尘系统773个时刻的监测数据，代入相应的偏离度拟合函数，得到偏离度；运用AHP法和变权理论结合的方法得到一级指标的常权重和二级指标的变权重；依据式(9)—式(13)得到袋式除尘系统偏离度R'的柱状图如图5所示。在t₃₀₆和t₅₉₇时刻，袋式除尘系统偏离度R'分别为0.780 2、0.835 7，处于重大风险等级。分析发现，袋式除尘系统这些时刻有些评价指标的监测值几乎达到或已经超过了报警阈值。

在t₃₀₆时刻，袋式除尘系统的偏离度R'达到0.780 2，导致这种情况的主要原因是除尘器灰斗温度和锁气卸灰装置的监测值趋近于报警阈值，必须立即停机，并采取以下处置措施：①检查除尘器灰斗是否有粉尘堆积，若有粉尘堆积，应立即清理；同时，要仔细检查是否发生阴燃，一旦发现火势，应立即采取措施，以防止火势蔓延。②检查锁气卸灰装置是否发生故障，若有故障，应及时检修，以确保其正常运行。而在t₅₉₇时刻，袋式除尘系统的偏离度R'高达0.835 7，导致这种情况的主要原因是除尘器进出风口压差、除尘器灰斗温度和火花探测系统运行信号的监测值趋近于报警阈值，需要立即停机，并采取以下处置措施：①检查滤袋是否出现堵袋或破损情况，若有问题，应及时更换或修复。②检查除尘器灰斗是否有粉尘堆积或阴燃现象，若有粉尘堆积或阴燃现象，应采取与t₃₀₆时刻相同的清理和灭火措施。③检查和修理火花探测系统，确保其正常运行，及时探测并响应火花信号。

综上可知：当袋式除尘系统评价指标的监测值逐渐趋近于报警阈值，且接近报警阈值的指标数量增多时，该系统的偏离度R'越大，所处风险等级越高。评价结果与袋式除尘系统实际运行情况具有相关一致性，验证了模型的有效性。

3 结论

收起

1) 基于袋式除尘系统的监测指标，提出不同类型监测指标的偏离度计算方法，该方法可实现监测指标的风险量化。

2) 建立基于偏离度-FCE的袋式除尘系统实时定量风险评价模型，该模型采用AHP法与变权理论结合的方法确定评价指标权重，有助于解决状态失衡问题，提高评估结果的客观性和合理性。

3) 实例分析结果表明：当评价指标的监测值逐渐趋近于报警阈值，且接近报警阈值的指标数量增多时，所处风险等级越高。评价结果与袋式除尘系统实际运行情况具有相关一致性，验证了模型的有效性。

基金

收起

浙江省“尖兵”“领雁”研发攻关计划项目(2022C03179)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

Xinyu

, CHEN

Haiyan

, ZHANG

Yansong

, et al. Research on law and mechanism of dust explosion in bag type dust collector[J]. Advanced Powder Technology, 2022, 33(6): DOI: 10.1016/j.finel.2021.103666.

[2]

姚群, 宋七棣, 陈志炜. 2020年袋式除尘行业发展评述和展望[J]. 中国环保产业, 2021(3):19-22.

YAO

Qun

, SONG

Qidi

, CHEN

Zhiwei

. Review and prospect of the development of China's bag-hose precipitation industry in 2020[J]. China Environmental Protection Industry, 2021(3): 19-22.

[3]

张延青, 郑德富, 张赛. 除尘器有限空间的粉尘燃爆风险与控制措施[J]. 中国环保产业, 2022(3):57-61.

ZHANG

Yanqing

, ZHENG

Defu

, ZHANG

Sai

. Dust explosion risk of dust collector in limited space and the relevant control measures[J]. China Environmental Protection Industry, 2022(3): 57-61.

[4]

RANI

S I

, AZIZ

B A

, GIMBUN

. Analysis of dust distribution in silo during axial filling using computational fluid dynamics: assessment on dust explosion likelihood[J]. Process Safety and Environmental Protection, 2015, 96: 14-21.

[5]

ZALOSH

. Dust collector explosions: a quantitative hazard evaluation method[J]. Journal of Loss Prevention in the Process Industries, 2015, 36: 258-265.

[6]

李增杰, 白建平. 基于模糊综合分析对某通风除尘系统的探究性评价[J]. 重庆科技学院学报:自然科学版, 2013, 15(增1):29-32.

Zengjie

, BAI

Jianping

. The evaluation of ventilation and dust removal system based on fuzzy comprehensive analysis[J]. Journal of Chongqing University of Science and Technology: Natural Science Edition, 2013, 15(S1): 29-32.

[7]

宋英杰, 王刚, 唐武生. 基于PSR-AHP模型的布袋式除尘系统运行稳定性分析[J]. 白城师范学院学报, 2019, 33(6):21-29,35.

SONG

Yingjie

, WANG

Gang

, TANG

Wusheng

. An analysis of operation stability bag-type dust removal system based on PSR-AHP model[J]. Journal of Baicheng Normal University, 2019, 33(6): 21-29, 35.

[8]

YUAN

Zhi

, KHAKZAD

, KHAN

, et al. Risk-based optimal safety measure allocation for dust explosions[J]. Safety Science, 2015, 74: 79-92.

[9]

高娟, 苑艺笑, 薛少谦, 等. 基于复合模型的干式除尘系统粉尘爆炸风险分析[J]. 工业安全与环保, 2021, 47(9):1-5.

GAO

Juan

, YUAN

Yixiao

, XUE

Shaoqian

, et al. Risk analysis of dust explosion in dry dedusting system based on compound model[J]. Industrial Safety and Environmental Protection, 2021, 47(9): 1-5.

[10]

SUN

Siheng

, MAO

Tingting

, LYU

Pengfei

, et al. Dust Explosion risk assessment for dry dust collector based on AHP-fuzzy comprehensive evaluation[J]. Processes, 2022, 10(12): DOI: 10.3390/pr10122616.

[11]

NASIKA

, DIEZ

, GERARD

, et al. Towards real time assessment of earthfill dams via model order reduction[J]. Finite Elements in Analysis and Design, 2022, 199: DOI: 10.1016/j.finel.2021.103666.

[12]

XIE

Shuyi

, CHEN

Yinuo

, DONG

Shaohua

, et al. Risk assessment of an oil depot using the improved multi-sensor fusion approach based on the cloud model and the belief Jensen-Shannon divergence[J]. Journal of Loss Prevention in the Process Industries, 2020, 67: DOI: 10.1016/j.jlp.2020.104214.

[13]

卢颖, 赵志攀, 姜学鹏, 等. 大数据视域下体育场馆动态火灾风险指标研究[J]. 中国安全科学学报, 2022, 32(4):155-162.

Ying

, ZHAO

Zhipan

, JlANG

Xuepeng

, et al. Dynamic fire risk indexes for stadiums from perspective of big data[J]. China Safety Science Journal, 2022, 32(4): 155-162.

[14]

邱泽阳, 梁伟, 王雪, 等. 油气输送动设备实时定量风险评估模型[J]. 中国安全科学学报, 2020, 30(2):106-112.

QIU

Zeyang

, LIANG

Wei

, WANG

Xue

, et al. Real-time quantitative risk assessment model of oil and gas transmission rotating equipment[J]. China Safety Science Journal, 2020, 30(2): 106-112.

[15]

中华人民共和国应急管理部. 应急管理部办公厅关于加快推进工贸行业粉尘涉爆企业安全生产风险监测预警系统建设应用的通知[EB/OL]. ( 2023-04-20). https://www.mem.gov.cn/gk/zfxxgkpt/fdzdgknr/202304/t20230420_448558.shtml. https://www.mem.gov.cn/gk/zfxxgkpt/fdzdgknr/202304/t20230420_448558.shtml

[16]

AQ 4273—2016, 粉尘爆炸危险场所用除尘系统安全技术规范[S].

AQ 4273-2016, Safety specifications for dedusting system used in dust explosion hazardous area[S].

[17]

ZHANG

Jialiang

, KANG

Jichuan

, SUN

Liping

, et al. Risk assessment of floating offshore wind turbines based on fuzzy fault tree analysis[J]. Ocean Engineering, 2021, 239: DOI: 10.1016/j.oceaneng.2021.109859.

[18]

LEE

, CHENG

Yong

, XIE

Longjun

, et al. An integrated method of set pair analysis and association rule for fault diagnosis of power transformers[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2015, 22(4): 2368-2378.

[19]

江新, 王婧雯, 王耀威, 等. 突变视角下地下深埋隧洞塌方风险耦合演化研究[J]. 中国安全科学学报, 2023, 33(5):103-111.

JIANG

Xin

, WANG

Jingwen

, WANG

Yaowei

, et al. Study on coupling evolution of collapse risk of deep underground tunnel from perspective of catastrophe[J]. China Safety Science Journal, 2023, 33(5): 103-111.

[20]

谢季坚, 刘承平. 模糊数学方法及其应用[M]. 武汉: 华中科技大学出版社, 2000:156-163.

2024年第34卷第10期

PDF下载

353

142

引用本文

BibTeX

文章信息

doi: 10.16265/j.cnki.issn1003-3033.2024.10.1969

接收时间：2024-04-21
首发时间：2025-07-09
出版时间：2024-10-28

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-04-21
修回日期：2024-07-22

基金

浙江省“尖兵”“领雁”研发攻关计划项目(2022C03179)

作者信息

¹ 中国计量大学能源环境与安全工程学院，浙江杭州 310018

² 中国计量大学质量与标准化学院，浙江杭州 310018

³ 浙江图讯科技股份有限公司，浙江杭州 310023

通讯作者:

^** 王强(1976—)，男，湖北应城人，博士，教授，博士生导师，主要从事安全检测技术研究。E-mail：qiangwang@cjlu.edu.cn。

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zgaqkxxb/CN/10.16265/j.cnki.issn1003-3033.2024.10.1969

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

等级	区间
轻度	[0，0.25)
中度	[0.25，0.5)
高度	[0.5，0.75)
重度	[0.75，1]

等级

区间

轻度

[0，0.25)

中度

[0.25，0.5)

高度

[0.5，0.75)

重度

[0.75，1]

指标 (模拟量) 类型	越小越优型	中间型
报警值	高报阈值	高高报阈值	低低报阈值	低报阈值	高报阈值	高高报阈值
R	0.75	1	1	0.75	0.75	1

指标
(模拟量)
类型

越小越优型

中间型

报警值

高报
阈值

高高报
阈值

低低报
阈值

低报
阈值

高报
阈值

高高报
阈值

0.75

风险等级	低V₁	一般V₂	较大V₃	重大V₄
R	[0，0.25]	(0.25，0.5]	(0.5，0.75]	(0.75，1]

风险
等级

低V₁

一般V₂

较大V₃

重大V₄

[0，0.25]

(0.25，0.5]

(0.5，0.75]

(0.75，1]

监测指标	低低报阈值	低报阈值	高报阈值	高高报阈值
U₁₁/℃	—	—	70	90
U₁₂/kPa	0.5	1.0	3.5	4.5
U₁₃/kPa	290	390	800	900
U₁₄/℃	—	—	70	90
U₂₅/kPa	100	300	800	900

监测指标

低低报阈值

低报阈值

高报阈值

高高报阈值

U₁₁/℃

—

U₁₂/kPa

0.5

1.0

3.5

4.5

U₁₃/kPa

290

390

800

900

U₁₄/℃

—

U₂₅/kPa

100

300

800

900

评价指标	偏离度拟合函数
U₂₁、U₂₄	$R (x) = 1 ， (x = 0) 0 ， (x = 1)$
U₂₂、U₂₃、U₂₆	$R (x) = 0 ， (x = 0) 1 ， (x = 1)$
U₁₁	$R (x) = 4.406 × 10 - 5 x 2 + 0.007 32 x - 0.004 58 ， 0 ≤ x 90 1 ， x ≥ 90$
U₁₂	$R (x) = 0.017 42 - 0.524 0 x + 1.256 7 ， 0.5 ≤ x ≤ 2.622 - 0.050 6 x 3 + 0.311 4 x 2 + 0.272 6 x - 1.924 ， 2.622 x ≤ 4.5 1 ， 0.5 x 或 x 4.5$
U₁₃	$R (x) = - 1.287 l n (x) + 8.343 ， 290 ≤ x ≤ 640.6 - 5.062 × 10 - 6 x 2 + 0.011 83 x - 5.527 ， 640.6 x ≤ 900 1 ， 290 x 或 900 x$
U₁₄	$R (x) = 4.728 × 10 - 5 x 2 + 0.007 18 x - 0.011 42 ， 0 ≤ x 90 1 ， x ≥ 90$
U₂₅	$R (x) = 5.198 × 10 - 9 x 3 - 8.776 × 10 - 6 x 2 + 0.001 35 x + 0.949 6 ， 100 ≤ x ≤ 517 - 1.802 × 10 - 8 x 3 + 4.161 × 10 - 5 x 2 - 0.028 54 x + 6.128 ， 517 x ≤ 900 1 ， x 100 或 x 900$

评价指标

偏离度拟合函数

U₂₁、U₂₄

R (x) = 1 ， (x = 0) 0 ， (x = 1)

U₂₂、U₂₃、U₂₆

R (x) = 0 ， (x = 0) 1 ， (x = 1)

U₁₁

R (x) = 4.406 × 10 - 5 x 2 + 0.007 32 x - 0.004 58 ， 0 ≤ x 90 1 ， x ≥ 90

U₁₂

R (x) = 0.017 42 - 0.524 0 x + 1.256 7 ， 0.5 ≤ x ≤ 2.622 - 0.050 6 x 3 + 0.311 4 x 2 + 0.272 6 x - 1.924 ， 2.622 x ≤ 4.5 1 ， 0.5 x 或 x 4.5

U₁₃

R (x) = - 1.287 l n (x) + 8.343 ， 290 ≤ x ≤ 640.6 - 5.062 × 10 - 6 x 2 + 0.011 83 x - 5.527 ， 640.6 x ≤ 900 1 ， 290 x 或 900 x

U₁₄

R (x) = 4.728 × 10 - 5 x 2 + 0.007 18 x - 0.011 42 ， 0 ≤ x 90 1 ， x ≥ 90

U₂₅

R (x) = 5.198 × 10 - 9 x 3 - 8.776 × 10 - 6 x 2 + 0.001 35 x + 0.949 6 ， 100 ≤ x ≤ 517 - 1.802 × 10 - 8 x 3 + 4.161 × 10 - 5 x 2 - 0.028 54 x + 6.128 ， 517 x ≤ 900 1 ， x 100 或 x 900

时刻	U₁₁/℃	U₁₂/kPa	U₁₃/kPa	U₁₄/℃	U₂₁	U₂₂	U₂₃	U₂₄	U₂₅/kPa	U₂₆
t₁	28.7	2.281	667.5	30.7	1	0	0	1	395.6	0
t₂	28.9	2.286	667.3	30.7	1	0	0	1	395.4	0
t₃	29.1	2.436	667.2	30.7	1	0	0	1	395.6	0
t₄	28.6	2.302	667.8	30.7	1	0	0	1	395.6	0
t₅	28.9	2.312	666.9	30.1	1	0	0	1	395.3	0
︙	︙	︙	︙	︙	︙	︙	︙	︙	︙	︙
t_{2 057}	23.3	2.426	646.4	30.1	1	0	0	1	523.4	0
t_{2 058}	23.3	2.519	571.8	30.1	1	0	0	1	491.0	0
t_{2 059}	22.8	2.308	605.2	30.1	1	0	0	1	518.0	0

时刻

U₁₁/℃

U₁₂/kPa

U₁₃/kPa

U₁₄/℃

U₂₁

U₂₂

U₂₃

U₂₄

U₂₅/kPa

U₂₆

t₁

28.7

2.281

667.5

30.7

395.6

t₂

28.9

2.286

667.3

30.7

395.4

t₃

29.1

2.436

667.2

30.7

395.6

t₄

28.6

2.302

667.8

30.7

395.6

t₅

28.9

2.312

666.9

30.1

395.3

︙

t_{2 057}

23.3

2.426

646.4

30.1

523.4

t_{2 058}

23.3

2.519

571.8

30.1

491.0

t_{2 059}

22.8

2.308

605.2

30.1

518.0