CN110135648A - 一种作业设备的安全状态预测方法、装置及电子设备 - Google Patents
一种作业设备的安全状态预测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110135648A CN110135648A CN201910424527.XA CN201910424527A CN110135648A CN 110135648 A CN110135648 A CN 110135648A CN 201910424527 A CN201910424527 A CN 201910424527A CN 110135648 A CN110135648 A CN 110135648A
- Authority
- CN
- China
- Prior art keywords
- security level
- history
- operating equipment
- prediction
- security
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000007797 corrosion Effects 0.000 abstract description 3
- 238000005260 corrosion Methods 0.000 abstract description 3
- 238000005336 cracking Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种作业设备的安全状态预测方法、装置及电子设备，其中，该作业设备的安全状态预测方法包括获取作业设备的历史工作数据、历史状态数据和历史环境数据；根据历史工作数据、历史状态数据和历史环境数据，确定作业设备的历史安全等级；基于历史安全等级和预先训练好的预测模型，确定作业设备在预定时段内的安全等级。本申请通过结合作业设备的历史工作数据、历史状态数据和历史环境数据来对作业设备在预定时段内的安全等级进行预测，例如：使用时间、载荷情况、人员操作及保养操作、循环次数、尺寸检测及应力裂纹、环境温度、环境湿度、酸碱度及腐蚀程度等，得到的预测结果准确性和实用性均较高。
Description
技术领域
本申请涉及安全预测技术领域，具体而言，涉及一种作业设备的安全状态预测方法、装置及电子设备。
背景技术
作业设备是国民经济建设的重要基础设施，为社会经济的发展提供了重要的基础支撑，并且为了适应国际贸易的迅速发展、海洋能源的规模开发、冶金行业的升级换代等新一轮技术需求，作业设备正不断地向大型化、复杂化和智能化方向迈进，例如作业设备。
但是，近年来作业设备的事故起数和事故率呈上升趋势，安全状况不容乐观。现有技术中，通常使用名义应力法、局部应力应变法、概率断裂力学法、损伤容限设计法、功率谱密度法等来对作业设备的安全状态进行预测。
但是，上述预测方法中均为理论层面的估算，得到的预测结果准确性、实用性均较差。
发明内容
有鉴于此，本申请实施例的目的在于提供作业设备的安全状态预测方法、装置及电子设备，能够提高对作业设备的安全状态预测的准确性，实用性佳。
第一方面，本申请实施例提供了一种作业设备的安全状态预测方法，其中，包括：
获取作业设备的历史工作数据、历史状态数据和历史环境数据；
根据所述历史工作数据、历史状态数据和历史环境数据，确定所述作业设备的历史安全等级；
基于所述历史安全等级和预先训练好的预测模型，确定所述作业设备在预定时段内的安全等级。
结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，在获取作业设备的历史工作数据、历史状态数据和历史环境数据之前，还包括：
确定所述作业设备在预定时段内的安全等级包括的等级数量；
所述获取作业设备的历史工作数据、历史状态数据和历史环境数据，包括：
基于所述等级数量，确定历史时间段；
获取所述历史时间段内的作业设备的历史工作数据、历史状态数据和历史环境数据。
结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述基于所述历史安全等级和预先训练好的预测模型，确定所述作业设备在预定时段内的安全等级，包括：
获取历史安全等级向量；
将所述历史安全等级向量输入至预先训练好的预测模型，得到预测安全等级向量；其中，所述预测模型包括马尔科夫模型；
根据所述预测安全等级向量确定所述作业设备在预定时段内的安全等级。
结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述预测安全等级向量确定所述作业设备在预定时段内的安全等级，包括：
获取所述预测安全等级向量包括的每个元素对应的权重值；
根据所述预测安全等级向量包括的每个元素以及每个元素对应的权重值，确定所述作业设备在预定时段内的安全等级。
结合第一方面的第三种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述预测安全等级向量包括的每个元素以及每个元素对应的权重值，确定所述作业设备在预定时段内的安全等级，包括：
将所述预测安全等级向量包括的每个元素以及每个元素对应的权重值进行计算，得到预测安全数值；
基于所述预测安全数值，以及安全数值范围与安全等级之间的映射关系，确定所述作业设备在预定时段内的安全等级。
结合第一方面的第四种可能的实施方式，本申请实施例提供了第一方面的第五种可能的实施方式，其中，所述基于所述预测安全数值，以及安全数值范围与安全等级之间的映射关系，确定所述作业设备在预定时段内的安全等级，包括：
基于所述预测安全数值，确定该预测安全数值落入的安全数值范围；
将该预测安全数值落入的安全数值范围对应的安全等级作为所述作业设备在预定时段内的安全等级。
第二方面，本申请实施例还提供了一种作业设备的安全状态预测装置，其中，包括：
获取模块，用于获取作业设备的历史工作数据、历史状态数据和历史环境数据；
第一确定模块，用于根据所述历史工作数据、历史状态数据和历史环境数据，确定所述作业设备的历史安全等级；
预测模块，用于基于所述历史安全等级和预先训练好的预测模型，确定所述作业设备在预定时段内的安全等级。
结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，还包括：
第二确定模块，用于确定所述作业设备在预定时段内的安全等级包括的等级数量；
获取模块，具体用于基于所述等级数量，确定历史时间段；
获取所述历史时间段内的作业设备的历史工作数据、历史状态数据和历史环境数据。
结合第二方面，本申请实施例提供了第二方面的第二种可能的实施方式，其中，所述预测模块，具体用于：
获取历史安全等级向量；
将所述历史安全等级向量输入至预先训练好的预测模型，得到预测安全等级向量；其中，所述预测模型包括马尔科夫模型；
根据所述预测安全等级向量确定所述作业设备在预定时段内的安全等级。
第三方面，本申请实施例还提供了一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如第一方面至第一方面的第五种可能的实施方式任一所述的作业设备的安全状态预测方法的步骤。
本申请实施例提供了一种作业设备的安全状态预测方法、装置及电子设备，其中，该作业设备的安全状态预测方法包括获取作业设备的历史工作数据、历史状态数据和历史环境数据；根据历史工作数据、历史状态数据和历史环境数据，确定作业设备的历史安全等级；基于历史安全等级和预先训练好的预测模型，确定作业设备在预定时段内的安全等级。本申请实施例通过结合作业设备的历史工作数据、历史状态数据和历史环境数据来对作业设备在预定时段内的安全等级进行预测，例如：使用时间、载荷情况、人员操作及保养操作、循环次数、尺寸检测及应力裂纹、环境温度、环境湿度、酸碱度及腐蚀程度等，得到的预测结果相比于现有技术中使用理论层面的名义应力法、局部应力应变法、概率断裂力学法、损伤容限设计法、功率谱密度法等来对作业设备的安全状态进行预测得到的预测结果，准确性和实用性均较高。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种作业设备的安全状态预测方法的流程图；
图2示出了本申请实施例所提供的另一种作业设备的安全状态预测方法的流程图；
图3示出了本申请实施例所提供的一种作业设备的安全状态预测装置的结构示意图；
图4示出了本申请实施例所提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
近年来作业设备的事故起数和事故率呈上升趋势，安全状况不容乐观。现有技术中，通常使用名义应力法、局部应力应变法、概率断裂力学法、损伤容限设计法、功率谱密度法等来对作业设备的安全状态进行预测。但是，上述预测方法中均为理论层面的估算，未结合作业设备的实测数据来进行预测，因此得到的预测结果准确性、实用性均较差。针对上述问题，本申请实施例提供的作业设备的安全状态预测方法、装置及电子设备，能够提高对作业设备的安全状态预测的准确性，实用性佳。
为便于对本申请实施例进行理解，首先对本申请实施例所公开的一种作业设备的安全状态预测方法进行详细介绍。接下来，本申请实施例以作业设备为起重机械为例进行详细阐述。
如图1所示，为本申请实施例以服务器为执行主体时起重机械的安全状态预测方法的流程图，具体步骤如下：
S101、获取作业设备的历史工作数据、历史状态数据和历史环境数据。
这里，可以获取多维度的数据来对起重机械的安全状态进行预测，以提高预测的安全等级的准确性，例如起重机械的历史工作数据、历史状态数据和历史环境数据。
其中，历史工作数据可以包括使用维护，具体包括使用时间、载荷情况、人员操作及保养操作等，该历史工作数据可以通过服务器保存的工作日志或者工作人员的工作日记来得到；历史状态数据可以包括循环次数、尺寸检测及应力裂纹等，具体包括作业箱量、轨道高低差、主梁上拱度、主梁上翘度、各板厚、应力分布/峰值、裂纹分布/活性等，该历史状态数据可以利用全站仪、金属测厚仪、钢卷尺、静态应变仪、动态应变仪、声发射检测系统等来得到；历史环境数据可以包括环境温度、环境湿度、酸碱度及腐蚀程度等，同样可以通过服务器保存的工作日志或者工作人员的工作日记来得到。
基于多维度的数据来预测起重机械在预定时间段内的安全状态，可以一定程度上提高预测的准确性。
在具体实施中，获取起重机械的历史工作数据、历史状态数据和历史环境数据之前，可以先确定在对起重机械的安全状态进行预测后，得到的安全等级包括的等级数量，根据等级数量来确定一个历史时间段，进而获取该历史时间段内的起重机械的历史工作数据、历史状态数据和历史环境数据。
例如，本申请实施例在对起重机械进行预测后，设定的安全等级分为5个等级，则在预测2020年起重机械的安全状态时，可以确定历史时间段为6年，即获取2020年前6年的历史工作数据、历史状态数据和历史环境数据，利用前6年的历史工作数据、历史状态数据和历史环境数据来预测得到起重机械在2020年的安全状态。
S102、根据历史工作数据、历史状态数据和历史环境数据，确定作业设备的历史安全等级。
在具体实施中，可以根据每年的历史工作数据、历史状态数据和历史环境数据，对该年的起重机械的安全状态进行评估，并得到起重机械在该年的历史安全等级。
S103、基于历史安全等级和预先训练好的预测模型，确定作业设备在预定时段内的安全等级。
在具体实施中，可以利用预先训练好的预测模型对多个历史安全等级进行计算，来确定起重机械在预定时间段内的安全等级。
具体的，可以按照如图2所示的方法来确定起重机械在预定时间段内的安全等级，其中，具体步骤如下：
S201、获取历史安全等级向量；
S202、将历史安全等级向量输入至预先训练好的预测模型，得到预测安全等级向量；其中，预测模型包括马尔科夫模型；
S203、根据预测安全等级向量确定作业设备在预定时段内的安全等级。
在具体实施中，利用每年的历史工作数据、历史状态数据和历史环境数据可以确定该年的历史安全等级向量，进而根据该历史安全等级向量确定安全等级。在获取历史工作数据、历史状态数据和历史环境数据的同时，也可以直接获取每年对应的历史安全等级向量。
在得到历史安全等级向量之后，将该历史安全等级向量输入至预测模型中，可以得到预测安全等级向量。其中，该预测模型包括马尔科夫模型，并且预先利用起重机械大量的历史工作数据、历史状态数据、历史环境数据及历史安全等级对马尔科夫模型进行了多次训练，对马尔科夫模型的模型参数不断的进行调整，使得对起重机械的安全状态进行较为准确的预测。
在得到预测安全等级向量之后，获取预测安全等级向量包括的每个元素对应的权重值，并将预测安全等级向量包括的每个元素以及每个元素对应的权重值进行加权计算，确定起重机械在预定时间段内的安全等级。其中，预测安全等级向量包括的每个元素对应的权重值可以是预先设置好的，也可以是根据历史安全等级向量包括的元素的排列顺序确定的。
例如，在利用2019年、2018年、2017年、2016年、2015年、2014年的历史安全等级预测2020年的安全等级时，可以将2019年的历史安全等级对应的权重值设置为最大，依次递减，至2014年的历史安全等级对应的权重值最小。根据该权重值的赋值方法，可以使得起重机械在2019年的历史工作数据、历史状态数据和历史环境数据对预测得到的安全等级影响较大，进而提高预测起重机械在2020年的安全等级的准确性。
在具体实施中，将预测安全等级向量包括的每个元素以及每个元素对应的权重值进行加权计算，得到预设时间段内起重机械对应的预测安全数值。基于预先建立的安全数值范围与安全等级之间的映射关系，确定起重机械在预定时段内的安全等级。
具体的，判断计算得到的预测安全数值是否落入任一安全数值范围，并将预测安全数值落入的安全数值范围对应的安全等级作为所述起重机械在预定时段内的安全等级。
例如，可以预先建立的安全数值范围与安全等级之间的映射关系如下，安全数值范围在0-30时，对应的安全等级为“报废”；安全数值范围在30-60时，对应的安全等级为“待修”；安全数值范围在60-80时，对应的安全等级为“可用”；安全数值范围在80-90时，对应的安全等级为“良好”；安全数值范围在90-100时，对应的安全等级为“优秀”。在根据预测安全等级向量包括的每个元素以及每个元素对应的权重值进行加权计算后得到预测安全数值为76时，查找76落入的安全数值范围，由上述预先建立的安全数值范围与安全等级之间的映射关系可知，该预测安全数值76落入安全数值范围60-80，因此，可以确定该起重机械的预测登记为“可用”。维修人员可以根据预测的安全等级对起重机械进行健康维护的指导建议，防止起重机械带来不必要的经济损失，甚至人身伤害。
本申请实施例通过结合起重机械的历史工作数据、历史状态数据和历史环境数据来对起重机械在预定时段内的安全等级进行预测，也即结合起重机械的实测数据对起重机械在预定时段内的安全等级进行预测，得到的预测结果相比于现有技术中使用理论层面的名义应力法、局部应力应变法、概率断裂力学法、损伤容限设计、功率谱密度法等来对起重机械的安全状态进行预测得到的安全等级，准确性和实用性均较高。
基于同一发明构思，本申请实施例还提供了与起重机械的安全状态预测方法对应的起重机械的安全状态预测装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述起重机械的安全状态预测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参见图3所示，本申请又一实施例所提供的起重机械的安全状态预测装置包括：
获取模块301，用于获取作业设备的历史工作数据、历史状态数据和历史环境数据；
第一确定模块302，用于根据历史工作数据、历史状态数据和历史环境数据，确定作业设备的历史安全等级；
预测模块303，用于基于历史安全等级和预先训练好的预测模型，确定作业设备在预定时段内的安全等级。
在一种实施方式中，上述作业设备的安全状态预测装置还包括：
第二确定模块304，用于确定作业设备在预定时段内的安全等级包括的等级数量；
获取模块301，具体用于基于等级数量，确定历史时间段；
获取历史时间段内的作业设备的历史工作数据、历史状态数据和历史环境数据。
在另一种实施方式中，上述预测模块303，具体用于：
获取历史安全等级向量；
将历史安全等级向量输入至预先训练好的预测模型，得到预测安全等级向量；其中，预测模型包括马尔科夫模型；
根据预测安全等级向量确定作业设备在预定时段内的安全等级。
在再一种实施方式中，上述预测模块303，还用于：
获取预测安全等级向量包括的每个元素对应的权重值；
根据预测安全等级向量包括的每个元素以及每个元素对应的权重值，确定作业设备在预定时段内的安全等级。
在再一种实施方式中，上述预测模块303，还用于：
将预测安全等级向量包括的每个元素以及每个元素对应的权重值进行计算，得到预测安全数值；
基于预测安全数值，以及安全数值范围与安全等级之间的映射关系，确定作业设备在预定时段内的安全等级。
在再一种实施方式中，上述预测模块303，还用于：
基于预测安全数值，确定该预测安全数值落入的安全数值范围；
将该预测安全数值落入的安全数值范围对应的安全等级作为作业设备在预定时段内的安全等级。
图4描述了本申请实施例提供的一种电子设备400的结构，该电子设备400包括：至少一个处理器401，至少一个网络接口404或者其他用户接口403，存储器405，至少一个通信总线402。通信总线402用于实现这些组件之间的连接通信。该电子设备400可选的包含用户接口403，包括显示器(例如，触摸屏、LCD、CRT、全息成像(Holographic)或者投影(Projector)等)，键盘或者点击设备(例如，鼠标，轨迹球(trackball)，触感板或者触摸屏等)。
存储器405可以包括只读存储器和随机存取存储器，并向处理器401提供指令和数据。存储器405的一部分还可以包括非易失性随机存取存储器(NVRAM)。
在一些实施方式中，存储器405存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集:
操作系统4051，包含各种系统程序，用于实现各种基础业务以及处理基于硬件的任务；
应用程序模块4052，包含各种应用程序，例如桌面(launcher)、媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。
在本申请实施例中，通过调用存储器405存储的程序或指令，处理器401用于：
获取作业设备的历史工作数据、历史状态数据和历史环境数据；
根据历史工作数据、历史状态数据和历史环境数据，确定作业设备的历史安全等级；
基于历史安全等级和预先训练好的预测模型，确定作业设备在预定时段内的安全等级。
可选地，处理器401执行的方法中，在获取作业设备的历史工作数据、历史状态数据和历史环境数据之前，还包括：
确定作业设备在预定时段内的安全等级包括的等级数量；
获取作业设备的历史工作数据、历史状态数据和历史环境数据，包括：
基于等级数量，确定历史时间段；
获取历史时间段内的作业设备的历史工作数据、历史状态数据和历史环境数据。
可选地，处理器401执行的方法中，基于历史安全等级和预先训练好的预测模型，确定作业设备在预定时段内的安全等级，包括：
获取历史安全等级向量；
将历史安全等级向量输入至预先训练好的预测模型，得到预测安全等级向量；其中，预测模型包括马尔科夫模型；
根据预测安全等级向量确定作业设备在预定时段内的安全等级。
可选地，处理器401执行的方法中，根据预测安全等级向量确定作业设备在预定时段内的安全等级，包括：
获取预测安全等级向量包括的每个元素对应的权重值；
根据预测安全等级向量包括的每个元素以及每个元素对应的权重值，确定作业设备在预定时段内的安全等级。
可选地，处理器401执行的方法中，根据预测安全等级向量包括的每个元素以及每个元素对应的权重值，确定作业设备在预定时段内的安全等级，包括：
将预测安全等级向量包括的每个元素以及每个元素对应的权重值进行计算，得到预测安全数值；
基于预测安全数值，以及安全数值范围与安全等级之间的映射关系，确定作业设备在预定时段内的安全等级。
可选地，处理器401执行的方法中，基于预测安全数值，以及安全数值范围与安全等级之间的映射关系，确定作业设备在预定时段内的安全等级，包括：
基于预测安全数值，确定该预测安全数值落入的安全数值范围；
将该预测安全数值落入的安全数值范围对应的安全等级作为作业设备在预定时段内的安全等级。
本申请实施例所提供的重机械的安全状态预测方法、装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述作业设备的安全状态预测方法，从而能够提高对作业设备的安全状态预测的准确性，实用性佳。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种作业设备的安全状态预测方法，其特征在于，包括：
获取作业设备的历史工作数据、历史状态数据和历史环境数据；
根据所述历史工作数据、历史状态数据和历史环境数据，确定所述作业设备的历史安全等级；
基于所述历史安全等级和预先训练好的预测模型，确定所述作业设备在预定时段内的安全等级。
2.根据权利要求1所述的方法，其特征在于，在获取作业设备的历史工作数据、历史状态数据和历史环境数据之前，还包括：
确定所述作业设备在预定时段内的安全等级包括的等级数量；
所述获取作业设备的历史工作数据、历史状态数据和历史环境数据，包括：
基于所述等级数量，确定历史时间段；
获取所述历史时间段内的作业设备的历史工作数据、历史状态数据和历史环境数据。
3.根据权利要求1所述的方法，其特征在于，所述基于所述历史安全等级和预先训练好的预测模型，确定所述作业设备在预定时段内的安全等级，包括：
获取历史安全等级向量；
将所述历史安全等级向量输入至预先训练好的预测模型，得到预测安全等级向量；其中，所述预测模型包括马尔科夫模型；
根据所述预测安全等级向量确定所述作业设备在预定时段内的安全等级。
4.根据权利要求3所述的方法，其特征在于，所述根据所述预测安全等级向量确定所述作业设备在预定时段内的安全等级，包括：
获取所述预测安全等级向量包括的每个元素对应的权重值；
根据所述预测安全等级向量包括的每个元素以及每个元素对应的权重值，确定所述作业设备在预定时段内的安全等级。
5.根据权利要求4所述的方法，其特征在于，所述根据所述预测安全等级向量包括的每个元素以及每个元素对应的权重值，确定所述作业设备在预定时段内的安全等级，包括：
将所述预测安全等级向量包括的每个元素以及每个元素对应的权重值进行计算，得到预测安全数值；
基于所述预测安全数值，以及安全数值范围与安全等级之间的映射关系，确定所述作业设备在预定时段内的安全等级。
6.根据权利要求5所述的方法，其特征在于，所述基于所述预测安全数值，以及安全数值范围与安全等级之间的映射关系，确定所述作业设备在预定时段内的安全等级，包括：
基于所述预测安全数值，确定该预测安全数值落入的安全数值范围；
将该预测安全数值落入的安全数值范围对应的安全等级作为所述作业设备在预定时段内的安全等级。
7.一种作业设备的安全状态预测装置，其特征在于，包括：
获取模块，用于获取作业设备的历史工作数据、历史状态数据和历史环境数据；
第一确定模块，用于根据所述历史工作数据、历史状态数据和历史环境数据，确定所述作业设备的历史安全等级；
预测模块，用于基于所述历史安全等级和预先训练好的预测模型，确定所述作业设备在预定时段内的安全等级。
8.根据权利要求7所述的装置，其特征在于，还包括：
第二确定模块，用于确定所述作业设备在预定时段内的安全等级包括的等级数量；
获取模块，具体用于基于所述等级数量，确定历史时间段；
获取所述历史时间段内的作业设备的历史工作数据、历史状态数据和历史环境数据。
9.根据权利要求7所述的装置，其特征在于，所述预测模块，具体用于：
获取历史安全等级向量；
将所述历史安全等级向量输入至预先训练好的预测模型，得到预测安全等级向量；其中，所述预测模型包括马尔科夫模型；
根据所述预测安全等级向量确定所述作业设备在预定时段内的安全等级。
10.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至6任一所述的作业设备的安全状态预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910424527.XA CN110135648A (zh) | 2019-05-21 | 2019-05-21 | 一种作业设备的安全状态预测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910424527.XA CN110135648A (zh) | 2019-05-21 | 2019-05-21 | 一种作业设备的安全状态预测方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110135648A true CN110135648A (zh) | 2019-08-16 |
Family
ID=67571969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910424527.XA Pending CN110135648A (zh) | 2019-05-21 | 2019-05-21 | 一种作业设备的安全状态预测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110135648A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111439681A (zh) * | 2020-01-17 | 2020-07-24 | 华中科技大学 | 一种基于塔式起重机的不安全作业智能辨识方法及系统 |
| CN114742180A (zh) * | 2022-06-13 | 2022-07-12 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 高空作业安全等级确定方法、装置和计算机设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067143A (zh) * | 2016-12-30 | 2017-08-18 | 山东鲁能软件技术有限公司 | 一种设备安全等级分类方法 |
-
2019
- 2019-05-21 CN CN201910424527.XA patent/CN110135648A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067143A (zh) * | 2016-12-30 | 2017-08-18 | 山东鲁能软件技术有限公司 | 一种设备安全等级分类方法 |
Non-Patent Citations (3)
| Title |
|---|
| 文应财: "《特种设备安全管理》", 31 August 2017, 贵阳科技出版社 * |
| 赵玲，许宏科: "加权马尔可夫模型在道路交通受伤人数预测中的应用", 《数学的实践与认识》 * |
| 黄涛，周鹏，赖秋频，汪祝年，王亮，杨军: "一种变电站保护装置寿命预测方法", 《电测与仪表》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111439681A (zh) * | 2020-01-17 | 2020-07-24 | 华中科技大学 | 一种基于塔式起重机的不安全作业智能辨识方法及系统 |
| CN111439681B (zh) * | 2020-01-17 | 2021-11-02 | 华中科技大学 | 一种基于塔式起重机的不安全作业智能辨识方法及系统 |
| CN114742180A (zh) * | 2022-06-13 | 2022-07-12 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 高空作业安全等级确定方法、装置和计算机设备 |
| CN114742180B (zh) * | 2022-06-13 | 2022-09-20 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 高空作业安全等级确定方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Horn et al. | Fatigue reliability assessment of offshore wind turbines with stochastic availability | |
| Kawsar et al. | Assessment of dropped object risk on corroded subsea pipeline | |
| RU2016119014A (ru) | Интегрированная система и способы для управления и контроля транспортных средств | |
| CN108870090B (zh) | 基于最小二乘支持向量机信息融合的管道泄漏检测方法 | |
| US20100036702A1 (en) | Asset Management Systems and Methods | |
| Kwon et al. | Fatigue life assessment and lifetime management of aluminum ships using life-cycle optimization | |
| US20210125067A1 (en) | Information processing device, information processing method, and program | |
| CN104915735A (zh) | 企业运营分析预警系统的预警分析方法 | |
| CN110135648A (zh) | 一种作业设备的安全状态预测方法、装置及电子设备 | |
| EP4123987A1 (en) | Enhanced selection of cloud architecture profiles | |
| JPWO2013027562A1 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
| KR20120123724A (ko) | 파단 판정 방법, 파단 판정 장치, 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
| Garbatov et al. | Bayesian updating in the reliability assessment of maintained floating structures | |
| WO2015138414A1 (en) | Quality software development process | |
| CN112950344A (zh) | 数据评估方法、装置、电子设备及存储介质 | |
| Stambaugh et al. | Naval ship structure service life considerations | |
| US20210398087A1 (en) | Planning device, planning method, and program | |
| JP6860437B2 (ja) | 機器システムの機能損傷と関連が高い地震動強さ指標の検出方法 | |
| Huang et al. | Fatigue reliability of a web frame subjected to random non-uniform corrosion wastage | |
| JP6875602B2 (ja) | 保全支援装置、保全支援用プログラム及び保全支援方法 | |
| Papich et al. | Interval estimation of the availability factor of the bucket-wheel excavator based on bootstrap modeling | |
| Nielsen | Calculation of mean outcrossing rates of non-Gaussian processes with stochastic input parameters—Reliability of containers stowed on ships in severe sea | |
| Kim et al. | Computational platform for probabilistic optimum monitoring planning for effective and efficient service life management | |
| EP3826233B1 (en) | Enhanced selection of cloud architecture profiles | |
| Animah et al. | Techno-economic feasibility assessment of life extension decision for safety critical assets |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |