CN110705834B - 一种工矿企业危险状态识别方法 - Google Patents
一种工矿企业危险状态识别方法 Download PDFInfo
- Publication number
- CN110705834B CN110705834B CN201910853234.3A CN201910853234A CN110705834B CN 110705834 B CN110705834 B CN 110705834B CN 201910853234 A CN201910853234 A CN 201910853234A CN 110705834 B CN110705834 B CN 110705834B
- Authority
- CN
- China
- Prior art keywords
- detection
- dangerous state
- detection source
- source
- dangerous
- 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.)
- Active
Links
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Systems or methods specially adapted for 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种工矿企业危险状态识别方法,S1、各个硬件监控系统对现场的检测源进行监控获取相应的状态数据;S2、软件服务器接收状态数据,进行危险状态综合判断,实现对检测源的识别和评估,并根据评估得到的危险等级发出对应预警信号和处置建议;S3、报警设备和音响设备接收到预警信号发出报警,显示模块和移动端接收预警信号和处置建议并显示。本发明以相对简单的计算方法得到更加准确可靠的判定结果,并且受到人为因素影响较小,可靠性和准确性得到提高。
Description
技术领域
本发明属于生产安全监控领域,具体涉及一种工矿企业危险状态识别方法。
背景技术
目前在很多工厂中生产过程有多种危险因素影响生产安全,不仅影响产品设备的可靠性和安全性,还影响了工作人员的生命健康安全;因此在各种生产现场中常常会发生或大或小的生产安全事故,带来相当大的财产和生命安全损失。通过安全风险分析可以了解现场环境的安全情况,实现预测发生事故的可能性,摸清和掌握事故发生规律,能达到预警防控的目的。
现有技术中虽然已经开始采用安全监控系统对生产环境进行危险情况的监控盒预警,但是由于生产现场根据不同情况影响安全的因素过多,并且不同因素的影响结果和发生危险频率均不相同,现有的安全监控系统缺乏合理的危险状态识别方法进行综合判断,不同因素对安全的影响基本是根据决策者的经验和知识主观判断,容易受决策者经验、思维模式和个人偏好的影响,使决策带有主观随意性。并且很多因素的影响作用的判定只在开始分析时确定,之后无法根据实际安全问题发生的情况实现自动适应,只能通过人工修正,不仅会受人员观念影响,也不能及时适应设备老化、场景变化以及季节改变等情况导致的影响因素的变化,降低了识别判断结果的可靠性和准确性。
发明内容
本发明的目的在于提供一种工矿企业危险状态识别方法,以解决现有技术中综合分析各个影响生产安全因素具有主观随意性,从而降低危险状态识别的可靠性和准确性的问题。
所述的一种工矿企业危险状态识别方法,其特征在于:包括下列步骤:
S1、各个硬件监控系统对现场的检测源进行监控获取相应的状态数据,所述检测源为需要进行安全监控检测的物体、人员或特定场景;
S2、软件服务器接收现场各个硬件监控系统发送的状态数据,进行危险状态综合判断,实现对检测源的识别和评估,并根据评估得到的危险等级发出对应预警信号和处置建议;
S3、报警设备和音响设备接收到预警信号发出报警,显示模块和移动端接收预警信号和处置建议并显示;
所述步骤S2中危险状态综合判断的方法为:
将综合危险状态抽象为系数表达,采用整体危险状态评价公式 其中:D表示整体危险状态的评估结果,当D趋向于0的时候判定危险度较低,当D趋向于1的时候则判定危险度较高;公式中k表示现场检测源的数量,Xi表示第i个检测源在综合危险状态等级判定中的权重系数,所述权重系数通过人为设定或按权重计算方法获得;Yi表示当前第i个检测源的状态数据,Yi∈{0,1}当第i个检测源报警时候,Yi=1,否则Yi=0;将各个指定区域内获取的检测源的状态数据和确定的权重系数分别代入公式 计算出对应指定区域D值。
优选的,所述危险状态综合判断方法包括下列步骤:
S2.1、启动危险状态判定服务,自动检测当前配置情况下的检测源的数量和类型;
S2.2、将当前的检测源的数量和类型与前一次检测所用的检测源进行比对,对各个检测源的权重系数进行调整;
S2.3、实时获取状态数据并带入整体危险状态评价公式计算得到对检测源的识别和评估结果;
S2.4、危险状态判定服务定时自检,进行对检测源的重新发现和权重系数调整作业。
优选的,本方法对所述权重系数进行调整时根据检测源的变化情况分为检测源增加、检测源减少两种情况进行权重系数调整,主要步骤如下:
当有检测源增加的情况发生,第一步是将前一次所用的检测源的权重系数的平均值赋值给新的检测源,Xk+n表示新增的第n个检测源的权重系数;第二步将每个检测源的权重系数按照新的总权重进行等比例缩分,Xi′=Xi/(Xk+1+Xk+2+......+Xk+n+1),0≤i≤k+n,Xi′代表每个检测源的新权重值,测试检测源的数量为k+n个;
当有检测源减少的情况发生,将除掉减少的检测源后剩下的前一次检测源权重系数等比例放大,Xi′=Xi/(X1+X2+......+Xi),0≤i≤k,Xi′代表每个检测源的新权重值,公式中k为剩下的检测源数量。
优选的,当对检测源数量变化而进行权重系统调整完毕后,再进行权重系数的经验调整,此时引入时间维度t,Xit表示第i个检测源在t时间的权重系数,t=1时Xit即最近1次调整权重前的系数,定义新权重系数即最近1次到最近10次第i个检测源调整前的权重系数的平均值,然后再对新权重系数进行缩分或放大处理
优选的,本方法对一段时间内的检测源的状态数据进行储存形成检测源历史记录,当系统检测到D的值趋向于1达到一定阈值的时候,不仅触发报警和记录机制,同时对Yi=1的检测源历史记录进行分析,当其近期出现的频率超出以往频率一定比例以上,触发权重系数的经验调整功能,将Xi根据出现频率的超出比例进行相应上调,然后重新计算其他危险检测源的权重系数。
优选的,本方法通过整体分析,如果发现检测源中Yi=1的数量超出前一次数量的一定比例以上,且具备Yi=1的检测源出现频率超出以往频率一定比例以上的情况下,系统初步判定此刻的危险状态将具有持续性,其持续性长短和检测源中Yi=1情况出现的数量和频率正关联,软件服务器对持续性进行分析并将分析结论推送给安全管理人员。
优选的,本方法将每次危险状态处置作业的记录以结构化储存方式在系统中进行存储,形成危险状态处置知识库;当系统进行综合分析时根据报警的检测源和历史处置单,匹配对应的预警信息,在危险状态处置知识库里搜寻符合度最高的危险状态处置方案,对当前预警状态给出相应的处置建议。
优选的,所述硬件监控系统包含多种监控设备,通过搭建MQTT服务器将不同监控设备发出的基于不同协议的信号集成到统一接口,并以json格式统一发布和针对订阅的客户端进行自动推送,所述监控设备与所述软件服务器通过MQTT服务器进行数据连接,json格式统一发布的消息包含主题信息和消息的负载,危险状态检测服务作为订阅者,MQTT服务器只向其推送其订阅的主题的消息。
优选的,本方法还包括步骤S4、现场产生报警后需要人工进行再次确认处置方案的准确性,在处置作业进行之前,需要专业管理人员到现场再次确认现场状态是否适合人工作业和准备工作及流程是否完成;人工确认过程通过虹膜识别技术对管理人员进行身份验证,身份验证通过危险处置中心电脑的摄像头、手机前置摄像头和设置于现场的摄像头对管理人员进行虹膜扫描。
优选的,本方法通过卷积神经网络对非正常作业动作进行学习,硬件监控系统中的视频监控系统将采集的图像信息通过学习后的卷积神经网络进行分析以判断现场作业人员是否发生非正常作业动作,从而判断现场作业人员是否处于危险状态,如果判断现场作业人员处于危险状态则立即向软件服务器发送表示人员危险的状态数据,软件服务器立即发出对应预警信号和处置建议。
本发明具有如下优点:
1、由于危险状态具有时间和空间特性,本方案针对高危环境下的不确定性危险状态的识别,通过多种监控设备和相应的硬件监控系统实现多个检测源的状态数据采集,状态数据为对检测源的检测判定所得的报警结果。这样本方案能通过动态因子法将多种影响生产的安全因素进行综合分析判定指定区域是否处于危险状态和所属的危险等级,通过设定合理的算法和权重设定,能在以相对简单的计算方法得到更加准确可靠的判定结果,并且受到人为因素影响较小,可靠性和准确性得到提高。
2、本方案通过危险状态判定服务对检测源的数量和类型进行与前一次判定所用的检测源进行比较,实现对检测源增减改变的自动识别和自动分配权重,这样当检测源因故障或现场需要而发生改变后无需人工设定就能自动适应,避免人工干预保证算法更新改变的及时性。
3、本方案还能对检测源所分配的权重在使用一定次数后进行经验调整,这样当检测源改变后的权重变化能根据各次调整的均值进行权重再调整,令各个检测源的权重更加合理,提高判断结果的可靠性和准确性。
4、当某些检测源发生报警频率明显高于正常值会提高其权重,更容易触发该区域的报警阈值,提高监控敏感性,减少安全事故发生的几率。若报警的检测源显著增多,且其中检测源发生报警频率明显高于正常值,本方案能判断发生危险状态具有持续性,并能对持续性进行分析并将分析结论推送给安全管理人员,实现对安全问题发生情况的预测。
5、通过对检测源发生报警情况进行权重调整,定时自检危险状态判定服务对检测源进行增减和权重分配,并在使用多次后进行经验调整权重,本方案根据实际安全问题发生的情况实现自动适应,能及时适应设备老化、场景变化以及季节改变等情况导致的影响因素的变化,保证识别判断结果的可靠性和准确性。
附图说明
图1为本发明中系统中硬件构成关系的硬件关系图;
图2为表示本发明中系统中信号传递关系的示意图。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本发明提供了所述的一种工矿企业危险状态识别方法,该方法采用的系统如图1-2所示,采用硬件监控系统包括:
2.1.视频监控系统:
由高清摄像头和NVR组成,高清摄像头负责现场危险源的实时视频监控,NVR负责与服务器的视频数据采集和I/O报警信号处理,还能实现危险源其他报警信号发出报警信号时弹出监控画面。
2.2.限位及红外光栅系统:
由高灵敏度红外光栅和限位光栅负责前段采集报警信号,报警信号通过线缆或者光纤(开关量光端机)接入机房NVR上的I/O报警端,再由NVR处理报警信号发送数据信号给软件平台进行报警处理,针对现场的阀门井及混合器下料口等特殊区域进行自动管控。
2.3.智能门禁系统:
由智能门禁主机和门禁管理平台组成,门禁主机搭配闭门器,门磁,磁力锁,将设备间门常闭,人员管理权限的实时下发和门禁状态全部由软件平台对接8700管理平台进行实时下发和状态监听。
2.4.气体检测系统:
1、获取气体的实时数据,由数据采集模块连接气体检测控制箱的数据输出接口,再由数据采集模块将总线数据转化成TCP数据发送给服务器,由服务器处理后进行展示和报警值的设置。
2.5.安全帽检测:
高清摄像头和安全帽识别主机组成,通过高清摄像头获取视频流图像,传输到安全帽识别主机中,再由安全帽识别主机进行视频流分析,判断图像中的人物是否真确佩戴安全帽,再将判断出来的报警信号传输到软件服务器。
2.6.热成像温度检测系统:
由热成像测温相机对监控画面的区域进行温度检测,实时检测出最高温,最低温,平均温度,三个温度值,并将温度数据发给软件服务器,软件服务器实时显示温度数据,并检测温度数据变化,当温度数据到达报警值时,监控画面截图保存,发出报警信号。
上述硬件监控系统均能对监控设备获取的数据进行分析识别和判定,当判定结果为超出安全阈值或出现危险状态时,硬件监控系统均会发出报警信号。是否发出报警信号即为对指定区域进行危险状态综合判断所用的状态数据。
报警时不仅会将现场监控画面调出显示,也会显示报警的检测源的检测结果,显示模块包括危险处置中心电脑和中控液晶屏,移动端为各个管理人员的手机,通过相应的app客户端、微信、短信等进行信息交流。报警设备通过TCP报警控制器控制,音响系统则由语音播报系统发出相应的播报内容。显示模块、移动端、音响系统和报警设备均从软件服务器获取需要的信息内容。
本发明提供的工矿企业危险状态识别方法,包括下列步骤:
S1、各个硬件监控系统对现场的检测源进行监控获取相应的状态数据,所述检测源为需要进行安全监控检测的物体、人员或特定场景;
S2、软件服务器接收现场各个硬件监控系统发送的状态数据,进行危险状态综合判断,实现对检测源的识别和评估,并根据评估得到的危险等级发出对应预警信号和处置建议;
S3、报警设备和音响设备接收到预警信号发出报警,显示模块和移动端接收预警信号和处置建议并显示;
S4、现场产生报警后需要人工进行再次确认处置方案的准确性,在处置作业进行之前,需要专业管理人员到现场再次确认现场状态是否适合人工作业和准备工作及流程是否完成。
其中,所述步骤S2中危险状态综合判断的方法为:
将综合危险状态抽象为系数表达,采用整体危险状态评价公式 其中:D表示整体危险状态的评估结果,当D趋向于0的时候判定危险度较低,当D趋向于1的时候则判定危险度较高;公式中k表示现场检测源的数量,Xi表示第i个检测源在综合危险状态等级判定中的权重系数,所述权重系数通过人为设定或按权重计算方法获得;Yi表示当前第i个检测源的状态数据,Yi∈{0,1}当第i个检测源报警时候,Yi=1,否则Yi=0;将各个指定区域内获取的检测源的状态数据和确定的权重系数分别代入公式 计算出对应指定区域D值。
优选的,所述危险状态综合判断方法包括下列步骤:
S2.1、启动危险状态判定服务,自动检测当前配置情况下的检测源的数量和类型,检测源通常根据检测区域判断属于哪个指定区域,危险状态判定服务根据自身所属指定区域检测其中的检测源;
S2.2、将当前的检测源的数量和类型与前一次检测所用的检测源进行比对,对各个检测源的权重系数进行调整;
S2.3、实时获取状态数据并带入整体危险状态评价公式计算得到对检测源的识别和评估结果;
S2.4、危险状态判定服务定时自检,进行对检测源的重新发现和权重系数调整作业。
本方法对所述权重系数进行调整时根据检测源的变化情况分为检测源增加、检测源减少两种情况进行权重系数调整,主要步骤如下:
当有检测源增加的情况发生,第一步是将前一次所用的检测源的权重系数的平均值赋值给新的检测源,Xk+n表示新增的第n个检测源的权重系数;第二步将每个检测源的权重系数按照新的总权重进行等比例缩分,Xi′=Xi/(Xk+1+Xk+2+......+Xk+n+1),0≤i≤k+n,Xi′代表每个检测源的新权重值,测试检测源的数量为k+n个;
当有检测源减少的情况发生,将除掉减少的检测源后剩下的前一次检测源权重系数等比例放大,Xi′=Xi/(X1+X2+......+Xi),0≤i≤k,Xi′代表每个检测源的新权重值,公式中k为剩下的检测源数量。
当有检测源改变的情况发生,可以视为发生检测源的增减变化,先按检测源增加的情况将改变后新增检测源加入前一次检测源进行权重系数调整得到新增调整的权重系数,再以新增调整的权重系数为基础按有检测源减少的情况将除掉减少的检测源后剩下的检测源的权重系数进行调整。
而当对检测源数量变化而进行权重系统调整完毕后,再进行权重系数的经验调整,此时引入时间维度t,Xit表示第i个检测源在t时间的权重系数,t=1时Xit即最近1次调整权重前的系数,定义新权重系数即最近1次到最近10次第i个检测源调整前的权重系数的平均值,然后再对新权重系数进行缩分或放大处理
本方法对一段时间内的检测源的状态数据进行储存形成检测源历史记录,当系统检测到D的值趋向于1达到一定阈值的时候,不仅触发报警和记录机制,同时对Yi=1的检测源历史记录进行分析,当其近期出现的频率明显超出以往频率——判定标准为单位时间内发生的次数差20%,触发权重系数的经验调整功能,将Xi根据出现频率的超出比例进行相应上调,然后重新计算其他危险检测源的权重系数。
本方法通过整体分析,如果发现检测源中Yi=1的数量超出前一次数量的20%以上,且具备Yi=1的检测源出现频率超出以往频率一定比例以上的情况下,系统初步判定此刻的危险状态将具有持续性,其持续性长短和检测源中Yi=1情况出现的数量和频率正关联,软件服务器对持续性进行分析并将分析结论推送给安全管理人员。
本方法将每次危险状态处置作业的记录以结构化储存方式在系统中进行存储,形成危险状态处置知识库;当系统进行综合分析时根据报警的检测源和历史处置单,匹配对应的预警信息,在危险状态处置知识库里搜寻符合度最高的危险状态处置方案,对当前预警状态给出相应的处置建议。这样就能在危险状态综合判定后进一步针对发生报警的检测源等具体情况,自动搜索获得过去处置类似危险状态的处置建议,提供给管理人员,提高对危险状态的处置效率。
由于所述硬件监控系统包含多种监控设备,也导致他们发出的信号是基于不同的协议,如:气体分析仪采用了ModbusTcp协议、设备状态采用了OPC协议、接近开关采用了profibus协议。本方案通过搭建MQTT服务器将不同监控设备发出的基于不同协议的信号集成到统一接口,并以json格式统一发布和针对订阅的客户端进行自动推送。
基于MQTT的发布/订阅模式解耦了客户端,客户端分为2种角色:发布者(Publisher)和订阅者(Subscriber)。发布者(Publisher)可以发送不同类型的消息,消息的类型叫做主题(topic),MQTT通信中的消息都属于某一个主题,而只有订阅了这个主题的订阅者(Subscriber)才能收到属于这个主题的消息,在本发明中危险状态检测服务即订阅了信号状态服务。发布者和订阅者不需要在意和知道对方的存在(不需要知道对方的IP和端口),也不需要直接与对方建立连接,本发明中的检测服务与现场传感仪器没有直接联系,即检测服务无需指导现场信号是通过什么协议、什么网络路径检测到的。因为通信中存在着一个叫代理(MQTT broker)的第三种角色,也可以叫MQTT服务器(MQTT server)。
现场检测设备、状态检测服务只需要知道MQTT服务器的IP和端口即可,并和它直接建立连接通信。MQTT代理作为消息的中转,可以过滤所有接受到的消息,并按照一定的机制(MQTT标准规定是基于主题的消息过滤派发方式,而具体的MQTT服务器软件也提供了其他的派发方式)分发它们,使得所有注册到MQTT代理的订阅者(危险状态检测服务)只接收到他们订阅了的消息,而不会收到他不关心的消息。
所述监控设备与所述软件服务器通过MQTT服务器进行数据连接,json格式统一发布的消息包含主题信息和消息的负载,危险状态检测服务作为订阅者,MQTT服务器只向其推送其订阅的主题的消息。这样能提高识别准确性,更有效解决安全隐患,避免由于不同协议接口导致的通信问题。
当安全管理人员收到危险状态提醒或收到处置作业申请审批提醒的时候,需要通过打开web应用、移动应用进行确认,或者需要到现场进行复核确认。而对安全管理人员的人工确认过程需要通过虹膜识别技术对管理人员进行身份验证,身份验证通过危险处置中心电脑的摄像头、手机前置摄像头和设置于现场的摄像头对管理人员进行虹膜扫描。这样能最有效地确保责任人对危险状态进行现场核实,解决单纯通过流程审批可能造成的信息不对称、虚假确认等安全隐患。而且验证方式简单,无须担心身份卡丢失或手持工具无法指纹识别等问题。
本方法通过卷积神经网络对非正常作业动作进行学习,硬件监控系统中的视频监控系统将采集的图像信息通过学习后的卷积神经网络进行分析以判断现场作业人员是否发生非正常作业动作,从而判断现场作业人员是否处于危险状态,如果判断现场作业人员处于危险状态则立即向软件服务器发送表示人员危险的状态数据,软件服务器立即发出对应预警信号和处置建议。这样能自动发现现场作业人员是否处于危险状态,并能立即发出警报,最大程度保障人员生命安全。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进,或未经改进将本发明构思和技术方案直接应用于其它场合的,均在本发明保护范围之内。
Claims (8)
1.一种工矿企业危险状态识别方法,其特征在于:包括下列步骤:
S1、各个硬件监控系统对现场的检测源进行监控获取相应的状态数据;
S2、软件服务器接收状态数据,进行危险状态综合判断,实现对检测源的识别和评估,并根据评估得到的危险等级发出对应预警信号和处置建议;
S3、报警设备和音响设备接收到预警信号发出报警,显示模块和移动端接收预警信号和处置建议并显示;
所述步骤S2中危险状态综合判断的方法为:
将综合危险状态抽象为系数表达,采用整体危险状态评价公式{D|0≤D≤1},其中:D表示整体危险状态的评估结果,当D趋向于0的时候判定危险度较低,当D趋向于1的时候则判定危险度较高;公式中k表示现场检测源的数量,Xi表示第i个检测源在综合危险状态等级判定中的权重系数,所述权重系数通过人为设定或按权重计算方法获得;Yi表示当前第i个检测源的状态数据,Yi∈{0,1}当第i个检测源报警时候,Yi=1,否则Yi=0;将各个指定区域内获取的检测源的状态数据和确定的权重系数分别代入公式{D|0≤D≤1}计算出对应指定区域D值;
所述危险状态综合判断方法包括下列步骤:
S2.1、启动危险状态判定服务,自动检测当前配置情况下的检测源的数量和类型;
S2.2、将当前的检测源的数量和类型与前一次检测所用的检测源进行比对,对各个检测源的权重系数进行调整;
S2.3、实时获取状态数据并带入整体危险状态评价公式计算得到对检测源的识别和评估结果;
S2.4、危险状态判定服务定时自检,进行对检测源的重新发现和权重系数调整作业;
对所述权重系数进行调整时根据检测源的变化情况分为检测源增加、检测源减少两种情况进行权重系数调整,主要步骤如下:
当有检测源增加的情况发生,第一步是将前一次所用的检测源的权重系数的平均值赋值给新的检测源,Xk+n表示新增的第n个检测源的权重系数;第二步将每个检测源的权重系数按照新的总权重进行等比例缩分,Xi′=Xi/(Xk+1+Xk+2+......+Xk+n+1),0≤i≤k+n,Xi′代表每个检测源的新权重值,测试检测源的数量为k+n个;
当有检测源减少的情况发生,将除掉减少的检测源后剩下的前一次检测源权重系数等比例放大,Xi′=Xi/(X1+X2+......+Xi),0≤i≤k,Xi′代表每个检测源的新权重值,公式中k为剩下的检测源数量。
3.根据权利要求2所述的一种工矿企业危险状态识别方法,其特征在于:对一段时间内的检测源的状态数据进行储存形成检测源历史记录,当系统检测到D的值趋向于1达到一定阈值的时候,不仅触发报警和记录机制,同时对Yi=1的检测源历史记录进行分析,当其近期出现的频率超出以往频率一定比例以上,触发权重系数的经验调整功能,将Xi根据出现频率的超出比例进行相应上调,然后重新计算其他危险检测源的权重系数。
4.根据权利要求3所述的一种工矿企业危险状态识别方法,其特征在于:通过整体分析,如果发现检测源中Yi=1的数量超出前一次数量的一定比例以上,且具备Yi=1的检测源出现频率超出以往频率一定比例以上的情况下,系统初步判定此刻的危险状态将具有持续性,其持续性长短和检测源中Yi=1情况出现的数量和频率正关联,软件服务器对持续性进行分析并将分析结论推送给安全管理人员。
5.根据权利要求4所述的一种工矿企业危险状态识别方法,其特征在于:将每次危险状态处置作业的记录以结构化储存方式在系统中进行存储,形成危险状态处置知识库;当系统进行综合分析时根据报警的检测源和历史处置单,匹配对应的预警信息,在危险状态处置知识库里搜寻符合度最高的危险状态处置方案,对当前预警状态给出相应的处置建议。
6.根据权利要求5所述的一种工矿企业危险状态识别方法,其特征在于:所述硬件监控系统包含多种监控设备,通过搭建MQTT服务器将不同监控设备发出的基于不同协议的信号集成到统一接口,并以json格式统一发布和针对订阅的客户端进行自动推送,所述监控设备与所述软件服务器通过MQTT服务器进行数据连接,json格式统一发布的消息包含主题信息和消息的负载,危险状态检测服务作为订阅者,MQTT服务器只向其推送其订阅的主题的消息。
7.根据权利要求6所述的一种工矿企业危险状态识别方法,其特征在于:还包括步骤S4、现场产生报警后需要人工进行再次确认处置方案的准确性,在处置作业进行之前,需要专业管理人员到现场再次确认现场状态是否适合人工作业和准备工作及流程是否完成;人工确认过程通过虹膜识别技术对管理人员进行身份验证,身份验证通过危险处置中心电脑的摄像头、手机前置摄像头和设置于现场的摄像头对管理人员进行虹膜扫描。
8.根据权利要求7所述的一种工矿企业危险状态识别方法,其特征在于:通过卷积神经网络对非正常作业动作进行学习,硬件监控系统中的视频监控系统将采集的图像信息通过学习后的卷积神经网络进行分析以判断现场作业人员是否发生非正常作业动作,从而判断现场作业人员是否处于危险状态,如果判断现场作业人员处于危险状态则立即向软件服务器发送表示人员危险的状态数据,软件服务器立即发出对应预警信号和处置建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910853234.3A CN110705834B (zh) | 2019-09-10 | 2019-09-10 | 一种工矿企业危险状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910853234.3A CN110705834B (zh) | 2019-09-10 | 2019-09-10 | 一种工矿企业危险状态识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705834A CN110705834A (zh) | 2020-01-17 |
CN110705834B true CN110705834B (zh) | 2022-11-18 |
Family
ID=69195208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910853234.3A Active CN110705834B (zh) | 2019-09-10 | 2019-09-10 | 一种工矿企业危险状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705834B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563471B (zh) * | 2020-05-14 | 2024-01-05 | 杭州海康威视系统技术有限公司 | 一种厂房风险评估方法及装置 |
CN113822504A (zh) * | 2020-06-18 | 2021-12-21 | 中国石油化工股份有限公司 | 危化品装置区的作业安全风险实时预警方法、装置及系统 |
CN112149847A (zh) * | 2020-09-25 | 2020-12-29 | 北方联合电力有限责任公司临河热电厂 | 一种有限空间作业的流程确认方法 |
CN113159605B (zh) * | 2021-04-30 | 2022-08-05 | 浙江省天正设计工程有限公司 | 基于逻辑回归的化工装置智能化报警方法及系统 |
CN113408968B (zh) * | 2021-08-19 | 2021-11-16 | 南通市立新机械制造有限公司 | 基于大数据分析的安全生产区域人员管理方法及系统 |
CN114664061A (zh) * | 2022-02-24 | 2022-06-24 | 深圳有象智联科技有限公司 | 安全监控方法、装置、终端及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004348170A (ja) * | 2003-04-04 | 2004-12-09 | Eri Okada | 知価指数計算方法 |
CN106530633A (zh) * | 2016-09-28 | 2017-03-22 | 中国人民解放军国防科学技术大学 | 一种智能事中处置的安防方法及系统 |
CN109087474A (zh) * | 2018-09-28 | 2018-12-25 | 广州市盟果科技有限公司 | 一种基于大数据的轨道交通安全维护方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7539533B2 (en) * | 2006-05-16 | 2009-05-26 | Bao Tran | Mesh network monitoring appliance |
-
2019
- 2019-09-10 CN CN201910853234.3A patent/CN110705834B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004348170A (ja) * | 2003-04-04 | 2004-12-09 | Eri Okada | 知価指数計算方法 |
CN106530633A (zh) * | 2016-09-28 | 2017-03-22 | 中国人民解放军国防科学技术大学 | 一种智能事中处置的安防方法及系统 |
CN109087474A (zh) * | 2018-09-28 | 2018-12-25 | 广州市盟果科技有限公司 | 一种基于大数据的轨道交通安全维护方法 |
Non-Patent Citations (4)
Title |
---|
Research on safety monitoring and evaluation system of dangerous goods transportation;Xinyuan Xiao etc.;《Proceedings 2011 International Conference on Transportation, Mechanical, and Electrical Engineering (TMEE)》;20120514;第1900-1904页 * |
基于有限元分析的岩质边坡稳定性模糊评判方法研究;刘杰等;《岩石力学与工程学报》;20070715;第856-863页 * |
护理文件过程质量综合评价指标体系的设计与应用;杨莘等;《护理管理杂志》;20061210(第12期);第33-34页 * |
航空公司运行不安全事件安全风险管理方法研究;金迪;《中国优秀硕士学位论文全文数据库(航空公司运行不安全事件安全风险管理方法研究)》;20130715;第B026-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110705834A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705834B (zh) | 一种工矿企业危险状态识别方法 | |
CN101801831B (zh) | 电梯安全系统 | |
EP2533220A1 (en) | Building security system | |
KR20110130033A (ko) | 행동패턴 데이터베이스를 이용한 능동형 영상감시 시스템 및 그 방법 | |
CN113542690B (zh) | 一种建筑施工安全监控系统及方法 | |
CN109693983B (zh) | 电梯故障处理方法、装置、服务器、存储介质及系统 | |
CN111626636A (zh) | 一种基于大数据分析技术的工业安全应急管理平台 | |
CN113537009A (zh) | 一种居家隔离监管系统 | |
CN114244866A (zh) | 一种基于物联网的生产设备监管系统 | |
CN114743341A (zh) | 基于边缘计算的消防检测报警方法和装置 | |
CN113163369A (zh) | 一种车辆入侵防御处理方法、装置及汽车 | |
CN112532435A (zh) | 一种运维方法、运维管理平台、设备及介质 | |
KR20100067540A (ko) | 역사내 우범 지역 감시 시스템 | |
CN107895453A (zh) | 楼宇安全报警系统及方法 | |
CN110553686A (zh) | 一种冷镦机运行状态监测系统 | |
CN113671911A (zh) | 一种生产状况的监控系统 | |
CN112926925A (zh) | 一种产品监管方法、装置、电子设备及存储介质 | |
CN115766401B (zh) | 工业告警信息解析方法、装置、电子设备与计算机介质 | |
CN110928305A (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
CN116246416A (zh) | 一种用于安防的智能分析预警平台及方法 | |
CN108090416B (zh) | 基于视频分析的智能金融监管方法和金融监管系统 | |
CN115328986A (zh) | 一种电厂安全预警数据分析处理方法及系统 | |
KR20220043094A (ko) | 스마트 공장에 적용가능한 스마트 밴드를 이용한 생산관리장치 | |
CN113271436A (zh) | 一种基于远程输入的智能监控管理的电气控制系统及方法 | |
CN114281656A (zh) | 一种智能中控系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |