CN114582107A - 有限空间作业安全智能预警系统 - Google Patents
有限空间作业安全智能预警系统 Download PDFInfo
- Publication number
- CN114582107A CN114582107A CN202210194332.2A CN202210194332A CN114582107A CN 114582107 A CN114582107 A CN 114582107A CN 202210194332 A CN202210194332 A CN 202210194332A CN 114582107 A CN114582107 A CN 114582107A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- gas
- limited space
- situation analysis
- 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
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 239000007789 gas Substances 0.000 claims description 54
- 238000004458 analytical method Methods 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 34
- 238000012706 support-vector machine Methods 0.000 claims description 28
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 26
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 24
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 18
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 13
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 13
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 12
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 12
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 12
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 12
- 239000001569 carbon dioxide Substances 0.000 claims description 12
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 12
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 12
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 12
- 229910052704 radon Inorganic materials 0.000 claims description 12
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims description 12
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 11
- 229910001873 dinitrogen Inorganic materials 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000003064 k means clustering Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 230000008447 perception Effects 0.000 description 4
- 231100000331 toxic Toxicity 0.000 description 3
- 230000002588 toxic effect Effects 0.000 description 3
- 239000002360 explosive Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/14—Toxic gas alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/16—Combustible gas alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
- H04Q2209/84—Measuring functions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了有限空间作业安全智能预警系统,该系统包括气体数据边缘计算模块、气体风险评估模块、人机交互模块、5G基站传输模块，系统利用气体数据边缘计算模块对有限空间的数据进行采集通过互联网将数据传输给边缘计算设备，边缘计算设备中的气体风险评估模块利用预测算法对采集的数据进行挖掘和分析，得出不同的风险，将风险利用人机交互模块进行展现，同时将风险通过5G基站传输模块告知工作人员和管理人员，本发明提出系统能够对多种气体风险进行评估，并保证评估的准确度，利用边缘计算设备与算法的结合能够及时有效地对风险进行识别和控制，在风险产生初期及时进行报警，真正实现风险预控，从而满足有限空间作业安全生产需求。
Description
技术领域
发明涉及有限空间作业技术领域,尤其涉及有限空间作业安全智能预警系统。
背景技术
有限空间是指封闭或部分封闭，进出口较为狭窄有限，未被设计为固定工作场所，自然通风不良，易造成有毒有害、易燃易爆物质积聚或氧含量不足的空间。
有限空间可分为：地下有限空间、地上有限空间、密闭设备。
地下有限空间：如地下管道、地下室、地下仓库、地下工程、暗沟、隧道、涵洞、地坑、废井、地窖、污水池(井)、沼气池、化粪池、下水道等。
地上有限空间：如储藏室、酒糟池、发酵池、垃圾站、温室、冷库、粮仓、料仓等。
密闭设备：如船舱、贮罐、车载槽罐、反应塔(釜)、冷藏箱、压力容器、管道、烟道、锅炉等。
工作人员在有限空间内进行作业时，可能会存在下面情形：
1、受限空间狭小，通风不畅，不利于气体扩散；
2、受限空间照明、通信不畅，给正常作业和应急救援带来困难；
3、设备内危险化学品未处理干净或与设备相连的管道未进行有效隔离，都会造成有毒有害或易燃易爆气体超标，引发中毒或火灾爆炸事故。
基于上述情形，工作人员在有限空间内作业时极易发生人身伤害事故，影响正常的安全生产工作。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供有限空间作业安全智能预警系统。
本发明所采用的技术方案是，该系统包括气体数据边缘计算模块、气体风险评估模块、人机交互模块、5G基站传输模块；
所述系统利用气体数据边缘计算模块对有限空间的数据进行采集通过互联网将数据传输给边缘计算设备，边缘计算设备中的气体风险评估模块利用预测算法对采集的数据进行挖掘和分析，得出不同的有限空间作业风险，将有限空间风险利用人机交互模块进行展现，同时将有限空间作业风险通过5G基站传输模块告知工作人员和管理人员。
进一步地，所述气体风险评估模块包括预警统计界面、形势分析界面、预警数量统计界面、不同预警界面、最新预警信息界面；
预警统计界面集中展示整个有限空间的预警信息；形势分析界面，该界面利用算法对采集的数据进行挖掘和分析，依据采集数据类型的不同分为甲烷形势分析、二氧化碳形势分析、一氧化碳形势分析、硫化氢形势分析、二氧化硫形势分析、二氧化氮形势分析、氨气形势分析、氢气形势分析、氡气形势分析、氮气形势分析，预警数量统计界面对处于不同状态、不同等级的预警进行统计，管理人员利用该界面能了解未处理、已处理的预警数量，不同预警界面按预警的种类对未进行处理的预警进行分类，最新预警信息界面提供最新不同预警详细内容的查看功能。
进一步地，所述预警统计界面提供对整个有限空间预警内容详细的查看功能，具体包括两类预警：单项指标数据预警、事故等级预警；
单项指标数据预警对单项指标数据设置阈值，当超过阈值时即刻发生预警，事故等级预警利用边缘计算设备对数据的挖掘和分析，利用算法对事故进行评判，事故等级一共分为五级，分别为轻微、危险、中等、重度、极度，并将危险等级发送给5G基站传输模块。
进一步地，所述形势分析界面利用算法分析出甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体的浓度，并生成形势分析折线图，提供给使用者分析异常数据。
进一步地，所述预警数量统计界面提供预警信息的负责人、处理状态、发生位置、发生时间，产生的状态包括：未处理、已处理、恢复，预警状态的更改由管理人员进行操作。
进一步地，所述气体数据边缘计算模块，在有限空间设置数据采集节点，每采集节点对甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体的浓度进行采集，采集到的信息利用窄带物联网传输给移动基站，由基站将信息接入到系统边缘计算设备，边缘计算设备对数据进行分析、存储和显示；采集节点对十种气体采集的传感器输出信号均是4～20mA电流信号，信号经过I/V转换电路转换后0-3.3V电压信号，直接输入到单片机AD管脚，进行模数转换。
进一步地，所述预测算法的步骤流程为：
步骤S1：边缘计算设备预处理传感器采集的数据，利用K-means聚类算法对甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体数据实施聚类，通过聚类检测异常数据，利用灰色模型修正异常数据，利用完成修正的数据建立具有高度相似性特征的训练样本集以及测试样本集合；
步骤S2：利用支持向量机进行数据初始化处理；
步骤S3：利用所获取的训练样本集以及测试样本集合建立数据预测的目标函数，求解目标函数，获取阈值结果；
步骤S4：将所获取的阈值结果输入测试样本，获取所需预测的固定时间结果；
步骤S5：计算预测结果的误差函数，所计算误差绝对值结果低于已设置正数或迭代次数满足运算要求时，终止支持向量机学习过程，输出预测结果；否则转回至步骤S3继续迭代。
进一步地，所述K-means聚类算法，用{B1，B2，…，Bn}表示全部气体数据样本分类所获取的簇，选取平方误差A最小作为聚类目标，可得聚类公式如下:
式中，θn与m分别为分类所获取的簇内全部气体数据样本均值以及数据样本聚类内的点，且
数据具有平滑性以及相似性特征，依据所挖掘数据检测其中所包含的异常数据点，Mc为单位时间内数据样本负荷特征曲线，分析固定时间数据样本负荷曲线特征Mc中待检测参数n，利用Mc(n)表示其特征值，用Me与Me(n)分别表示聚类中心以及聚类中心相应参数，计算Mc(n)与Me(n)间变化率η(n)公式:
利用所获取变化率确定负荷特征曲线是否存在异常数据，并在判定存在异常数据时及时修正。
进一步地，所述支持向量机，利用支持向量机危险预测，利用高维空间内数据实施线性回归运算；
支持向量机函数估计表达式如下:
h(x)＝λγ(x)+t
式中，γ(x)与λ、t分别为非线性映射以及法向量、位移量，利用最小化处理公式估计支持向量机系数λ与t:
f表示数据点的个数，a表示常数,β表示不敏感损失函数,cn表示期望值，利用β不敏感损失函数的特性，即稀疏数据点，对决策函数进一步表达如下:
其中，c表示期望值函数，y表示支持向量机函数。
本发明提出的有限空间作业安全智能预警系统针对有限空间危险进行预警，能够对有限空间的多种气体风险进行评估，并保证评估的准确度，利用边缘计算设备与算法的结合能够及时有效地对风险进行识别和控制，在风险产生初期及时进行报警，真正实现风险预控，从而满足有限空间作业安全生产需求。
附图说明
图1为本发明系统框架图；
图2为本发明的算法流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示,有限空间作业安全智能预警系统，该系统包括气体数据边缘计算模块、气体风险评估模块、人机交互模块、5G基站传输模块；
系统利用气体数据边缘计算模块对有限空间的数据进行采集通过互联网将数据传输给边缘计算设备，边缘计算设备中的气体风险评估模块利用预测算法对采集的数据进行挖掘和分析，得出不同的有限空间作业风险，将有限空间作业风险利用人机交互模块进行展现，同时将井底风险通过5G基站传输模块告知工作人员和管理人员。
有限空间安全受到复杂的生产环境、技术装备、人员、管理水平等诸多因素的综合影响，因此对有限空间安全的评估、预测、预警需要综合考虑各种因素。
该系统依托基于物联网有限空间作业安全大数据和“云交互数据管道”，及时获取准确全面的信息。根据物联网环境下有限空间作业安全信息的异构性、动态性等特征，构建与其特征相匹配的有限空间作业安全态势评价模型，在分析各种有限空间作业安全隐患特征的基础上，从单因素、单事故类型、生产子系统、有限空间整体系统等几个维度实现有限空间作业安全态势的准确评价。
该系统面向有限空间物联网的深度应用，为实现有限空间作业安全隐患超前感知目的，将安全态势感知的概念引入到有限空间作业安全生产中，研发集智能感知、风险动态评估与智能预警于一体的有限空间安全分析及预测预警系统。
该系统实现了对来自有限空间物联网云交互平台的多源、海量、异构数据的融合与分析，在此基础上，结合应用K-means聚类算法与支持向量机，构建起基于大数据的有限空间安全及风险预测模型，从而实现对有限空间作业安全隐患及风险的超前感知和识别。
气体风险评估模块包括预警统计界面、形势分析界面、预警数量统计界面、不同预警界面、最新预警信息界面；
预警统计界面集中展示整个有限空间的预警信息；形势分析界面该界面利用算法对采集的数据进行挖掘和分析，依据采集数据类型的不同分为甲烷形势分析、二氧化碳形势分析、一氧化碳形势分析、硫化氢形势分析、二氧化硫形势分析、二氧化氮形势分析、氨气形势分析、氢气形势分析、氡气形势分析、氮气形势分析，预警数量统计界面对处于不同状态、不同等级的预警进行统计，管理人员利用该界面能了解未处理、已处理的预警数量，不同预警界面按预警的种类对未进行处理的预警进行分类，最新预警信息界面提供最新不同预警详细内容的查看功能。
预警统计界面提供对整个有限空间预警内容详细的查看功能，具体包括两类预警：单项指标数据预警、事故等级预警；
单项指标数据预警对单项指标数据设置阈值，当超过阈值时即刻发生预警，事故等级预警利用边缘计算设备对数据的挖掘和分析，利用算法对事故进行评判，事故等级一共分为五级，分别为轻微、危险、中等、重度、极度，并将危险等级发送给5G基站传输模块。
形势分析界面利用算法分析出甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体的浓度，并生成形势分析折线图，提供给使用者分析异常数据。
预警数量统计界面提供预警信息的负责人、处理状态、发生位置、发生时间，产生的状态包括：未处理、已处理、恢复，预警状态的更改由管理人员进行操作。
气体数据边缘计算模块，在有限空间设置数据采集节点，每采集节点对甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体的浓度进行采集，采集到的信息利用窄带物联网传输给移动基站，由基站将信息接入到系统边缘计算设备，边缘计算设备对数据进行分析、存储和显示；采集节点对十种气体采集的传感器输出信号均是4～20mA电流信号，信号经过I/V转换电路转换后0-3.3V电压信号，直接输入到单片机AD管脚，进行模数转换。
如图2所示，预测算法的步骤流程为：
步骤S1：边缘计算设备预处理传感器采集的数据，利用K-means聚类算法对甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体数据实施聚类，通过聚类检测异常数据，利用灰色模型修正异常数据，利用完成修正的数据建立具有高度相似性特征的训练样本集以及测试样本集合；
步骤S2：利用支持向量机进行数据初始化处理；
步骤S3：利用所获取的训练样本集以及测试样本集合建立数据预测的目标函数，求解目标函数，获取阈值结果；
步骤S4：将所获取的阈值结果输入测试样本，获取所需预测的固定时间结果；
步骤S5：计算预测结果的误差函数，所计算误差绝对值结果低于已设置正数或迭代次数满足运算要求时，终止支持向量机学习过程，输出预测结果；否则转回至步骤S3继续迭代。
选取K-means聚类算法聚类分析挖掘数据中的属性特征量、聚类数据的模式。不同数据样本内数据点具有相近的欧式距离时，数据样本中数据点具有更高的相似程度。该聚类算法利用欧式距离将样本数据中的数据样本划分为不同类别，同类别的数据相似度较高；利用该聚类算法挖掘数据的最终目标为获取独立的簇，且所获取的簇需具有较高的紧凑性。
K-means聚类算法，用{B1，B2，…，Bn}表示全部气体数据样本分类所获取的簇，选取平方误差A最小作为聚类目标，可得聚类公式如下:
式中，θn与m分别为分类所获取的簇内全部气体数据样本均值以及数据样本聚类内的点，且
数据具有平滑性以及相似性特征，依据所挖掘数据检测其中所包含的异常数据点，Mc为单位时间内数据样本负荷特征曲线，分析固定时间数据样本负荷曲线特征Mc中待检测参数n，利用Mc(n)表示其特征值，用Me与Me(n)分别表示聚类中心以及聚类中心相应参数，计算Mc(n)与Me(n)间变化率η(n)公式:
利用所获取变化率确定负荷特征曲线是否存在异常数据，并在判定存在异常数据时及时修正。
支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。
支持向量机使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器。支持向量机可以通过核方法进行非线性分类。
支持向量机，利用支持向量机危险预测，利用高维空间内数据实施线性回归运算；
支持向量机函数估计表达式如下:
h(x)＝λγ(x)+t
式中，γ(x)与λ、t分别为非线性映射以及法向量、位移量，利用最小化处理公式估计支持向量机系数λ与t:
f表示数据点的个数，a表示常数,β表示不敏感损失函数,cn表示期望值，利用β不敏感损失函数的特性，即稀疏数据点，对决策函数进一步表达如下:
其中，c表示期望值函数，y表示支持向量机函数。
本发明提出的有限空间作业安全智能预警系统针对有限空间的危险进行预警，能够对有限空间的多种气体风险进行评估，并保证评估的准确度，利用边缘计算设备与算法的结合能够及时有效地对风险进行识别和控制，在风险产生初期及时进行报警，真正实现风险预控，从而满足有限空间作业安全生产需求。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。
Claims (9)
1.有限空间作业安全智能预警系统，其特征在于,该系统包括气体数据边缘计算模块、气体风险评估模块、人机交互模块、5G基站传输模块；
所述系统利用气体数据边缘计算模块对有限空间的数据进行采集通过互联网将数据传输给边缘计算设备，边缘计算设备中的气体风险评估模块利用K-means聚类算法和支持向量机对采集的数据进行挖掘和分析，对有限空间作业风险进行预测，将有限空间作业风险等级利用人机交互模块进行展现，同时将风险通过5G基站传输模块告知工作人员和管理人员。
2.如权利要求1所述的有限空间作业安全智能预警系统，其特征在于，所述气体风险评估模块包括预警统计界面、形势分析界面、预警数量统计界面、不同预警界面、最新预警信息界面；
预警统计界面集中展示整个有限空间的预警信息；形势分析界面，该界面利用算法对采集的数据进行挖掘和分析，依据采集数据类型的不同分为甲烷形势分析、二氧化碳形势分析、一氧化碳形势分析、硫化氢形势分析、二氧化硫形势分析、二氧化氮形势分析、氨气形势分析、氢气形势分析、氡气形势分析、氮气形势分析；预警数量统计界面对处于不同状态、不同等级的预警进行统计，管理人员利用该界面能了解未处理、已处理的预警数量；不同预警界面按预警的种类对未进行处理的预警进行分类；最新预警信息界面提供最新不同预警详细内容的查看功能。
3.如权利要求1所述的有限空间作业安全智能预警系统，其特征在于，所述预警统计界面提供对整个有限空间预警内容详细的查看功能，具体包括两类预警：单项指标数据预警、事故等级预警；
单项指标数据预警对单项指标数据设置阈值，当超过阈值时即刻发生预警，事故等级预警利用边缘计算设备对数据的挖掘和分析，利用算法对事故进行评判，事故等级一共分为五级，分别为轻微、危险、中等、重度、极度，并将危险等级发送给5G基站传输模块。
4.如权利要求1所述的有限空间作业安全智能预警系统，其特征在于，所述形势分析界面利用算法分析出甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体的浓度，并生成形势分析折线图，提供给使用者分析异常数据。
5.如权利要求1所述的有限空间作业安全智能预警系统，其特征在于，所述预警数量统计界面提供预警信息的负责人、处理状态、发生位置、发生时间，产生的状态包括：未处理、已处理、恢复，预警状态的更改由管理人员进行操作。
6.如权利要求1所述的有限空间作业安全智能预警系统，其特征在于，所述气体数据边缘计算模块，在有限空间设置数据采集节点，每个采集节点对甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体的浓度进行采集，采集到的信息利用窄带物联网传输给移动基站，由基站将信息接入到系统边缘计算设备，边缘计算设备对数据进行分析、存储和显示；采集节点对十种气体采集的传感器输出信号均是4～20mA电流信号，信号经过I/V转换电路转换后0-3.3V电压信号，直接输入到单片机AD管脚，进行模数转换。
7.如权利要求1所述的有限空间作业安全智能预警系统，其特征在于，所述预测的算法步骤流程为：
步骤S1：边缘计算设备预处理传感器采集的数据，利用K-means聚类算法对甲烷、二氧化碳、一氧化碳、硫化氢、二氧化硫、二氧化氮、氨气、氢气、氡气、氮气这十种气体数据实施聚类，通过聚类检测异常数据，利用灰色模型修正异常数据，利用完成修正的数据建立具有高度相似性特征的训练样本集以及测试样本集合；
步骤S2：利用支持向量机进行数据初始化处理；
步骤S3：利用所获取的训练样本集以及测试样本集合建立数据预测的目标函数，求解目标函数，获取阈值结果；
步骤S4：将所获取的阈值结果输入测试样本，获取所需预测的固定时间结果；
步骤S5：计算预测结果的误差函数，所计算误差绝对值结果低于已设置正数或迭代次数满足运算要求时，终止支持向量机学习过程，输出预测结果；否则转回至步骤S3继续迭代。
8.如权利要求7所述的有限空间作业安全智能预警系统，其特征在于，所述K-means聚类算法，用{B1，B2，…，Bn}表示全部气体数据样本分类所获取的簇，选取平方误差A最小作为聚类目标，得出气体聚类公式如下:
式中，θn与m分别为分类所获取的簇内全部气体数据样本均值以及数据样本聚类内的点，且
数据具有平滑性以及相似性特征，依据所挖掘数据检测其中所包含的异常数据点，Mc为单位时间内气体数据样本负荷特征曲线，分析固定时间数据样本负荷曲线特征Mc中待检测参数n，利用Mc(n)表示其特征值，用Me与Me(n)分别表示聚类中心以及聚类中心相应参数，计算Mc(n)与Me(n)间变化率η(n)公式:
利用所获取变化率确定负荷特征曲线是否存在异常数据，并在判定存在异常数据时及时修正。
9.如权利要求7所述的有限空间作业安全智能预警系统，其特征在于，所述支持向量机，利用支持向量机危险预测，利用高维空间内数据实施线性回归运算；
支持向量机函数估计表达式如下:
h(x)＝λγ(x)+t
式中，γ(x)与λ、t分别为非线性映射以及法向量、位移量，利用最小化处理公式估计支持向量机系数λ与t:
f表示数据点的个数，a表示常数,β表示不敏感损失函数,cn表示期望值，利用β不敏感损失函数的特性，即稀疏数据点，对决策函数进一步表达如下:
其中，c表示期望值函数，y表示支持向量机函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210194332.2A CN114582107A (zh) | 2022-03-01 | 2022-03-01 | 有限空间作业安全智能预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210194332.2A CN114582107A (zh) | 2022-03-01 | 2022-03-01 | 有限空间作业安全智能预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114582107A true CN114582107A (zh) | 2022-06-03 |
Family
ID=81772015
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210194332.2A Pending CN114582107A (zh) | 2022-03-01 | 2022-03-01 | 有限空间作业安全智能预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114582107A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115545347A (zh) * | 2022-11-15 | 2022-12-30 | 贵州电网有限责任公司 | 基于大数据分析的电力系统风险预测系统及方法 |
| CN115561185A (zh) * | 2022-09-01 | 2023-01-03 | 中煤科工集团沈阳研究院有限公司 | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 |
| CN117252556A (zh) * | 2023-11-15 | 2023-12-19 | 北京海德利森科技有限公司 | 一种加氢站安全评估方法及系统 |
| CN117391458A (zh) * | 2023-12-08 | 2024-01-12 | 四川省寰宇众恒科技有限公司 | 基于数据分析的安全生产风险检测预警方法及系统 |
| CN117499325A (zh) * | 2023-12-29 | 2024-02-02 | 湖南恒茂信息技术有限公司 | 一种基于人工智能的交换机业务报文分流方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190187020A1 (en) * | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Event driven gas sensing and source attribution |
| CN110288048A (zh) * | 2019-07-02 | 2019-09-27 | 东北大学 | 一种svm有向无环图的海底管道风险评估方法 |
| CN113869961A (zh) * | 2021-10-18 | 2021-12-31 | 国网江苏省电力有限公司建设分公司 | 一种基于双向信息流的输变电工程造价预警方法 |
| CN113888833A (zh) * | 2021-09-16 | 2022-01-04 | 湖南华菱湘潭钢铁有限公司 | 一种有限空间作业远程预警检测装置 |
| CN113904443A (zh) * | 2021-09-28 | 2022-01-07 | 国网江苏省电力有限公司连云港供电分公司 | 多维度空间可视化的现场变电设备监控与预警系统 |
| CN113934536A (zh) * | 2021-10-11 | 2022-01-14 | 中用科技有限公司 | 面向边缘计算的数据采集方法 |
-
2022
- 2022-03-01 CN CN202210194332.2A patent/CN114582107A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190187020A1 (en) * | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Event driven gas sensing and source attribution |
| CN110288048A (zh) * | 2019-07-02 | 2019-09-27 | 东北大学 | 一种svm有向无环图的海底管道风险评估方法 |
| CN113888833A (zh) * | 2021-09-16 | 2022-01-04 | 湖南华菱湘潭钢铁有限公司 | 一种有限空间作业远程预警检测装置 |
| CN113904443A (zh) * | 2021-09-28 | 2022-01-07 | 国网江苏省电力有限公司连云港供电分公司 | 多维度空间可视化的现场变电设备监控与预警系统 |
| CN113934536A (zh) * | 2021-10-11 | 2022-01-14 | 中用科技有限公司 | 面向边缘计算的数据采集方法 |
| CN113869961A (zh) * | 2021-10-18 | 2021-12-31 | 国网江苏省电力有限公司建设分公司 | 一种基于双向信息流的输变电工程造价预警方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115561185A (zh) * | 2022-09-01 | 2023-01-03 | 中煤科工集团沈阳研究院有限公司 | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 |
| CN115561185B (zh) * | 2022-09-01 | 2023-05-23 | 中煤科工集团沈阳研究院有限公司 | 基于光谱吸收技术的多组分气体在线分析系统及分析方法 |
| CN115545347A (zh) * | 2022-11-15 | 2022-12-30 | 贵州电网有限责任公司 | 基于大数据分析的电力系统风险预测系统及方法 |
| CN117252556A (zh) * | 2023-11-15 | 2023-12-19 | 北京海德利森科技有限公司 | 一种加氢站安全评估方法及系统 |
| CN117252556B (zh) * | 2023-11-15 | 2024-02-27 | 北京海德利森科技有限公司 | 一种加氢站安全评估方法及系统 |
| CN117391458A (zh) * | 2023-12-08 | 2024-01-12 | 四川省寰宇众恒科技有限公司 | 基于数据分析的安全生产风险检测预警方法及系统 |
| CN117391458B (zh) * | 2023-12-08 | 2024-02-27 | 四川省寰宇众恒科技有限公司 | 基于数据分析的安全生产风险检测预警方法及系统 |
| CN117499325A (zh) * | 2023-12-29 | 2024-02-02 | 湖南恒茂信息技术有限公司 | 一种基于人工智能的交换机业务报文分流方法及系统 |
| CN117499325B (zh) * | 2023-12-29 | 2024-03-15 | 湖南恒茂信息技术有限公司 | 一种基于人工智能的交换机业务报文分流方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114582107A (zh) | 有限空间作业安全智能预警系统 | |
| Huang et al. | Railway dangerous goods transportation system risk identification: Comparisons among SVM, PSO-SVM, GA-SVM and GS-SVM | |
| He et al. | Generative adversarial network-based semi-supervised learning for real-time risk warning of process industries | |
| KR101652099B1 (ko) | 위험지도 기반 사고대응 및 사고예방 시스템 | |
| CN104062953B (zh) | 金湿法冶金过程运行状态在线评价方法 | |
| Song et al. | Narrative texts-based anomaly detection using accident report documents: The case of chemical process safety | |
| Leng et al. | A hybrid data mining method for tunnel engineering based on real-time monitoring data from tunnel boring machines | |
| CN103559551A (zh) | 一种面向生产企业的安全隐患风险定量评估及预警系统 | |
| Zhou et al. | Application of multi-sensor fuzzy information fusion algorithm in industrial safety monitoring system | |
| CN110135564A (zh) | 基于边缘计算的煤矿瓦斯传感器数据异常检测方法 | |
| CN110633729A (zh) | 一种面向智能网联车辆群组测试的驾驶风险分级聚类方法 | |
| Li et al. | An optimal safety assessment model for complex systems considering correlation and redundancy | |
| CN114511243A (zh) | 一种基于物联网监测的火灾风险动态评估的方法及系统 | |
| CN114386429A (zh) | 基于语义识别的煤矿灾害风险预测方法及系统 | |
| Chen et al. | Association mining of near misses in hydropower engineering construction based on convolutional neural network text classification | |
| Jiang et al. | Design of early warning model based on time series data for production safety | |
| Jin et al. | Microseismicity-based short-term rockburst prediction using non-linear support vector machine | |
| Luo et al. | Application of machine learning technology for occupational accident severity prediction in the case of construction collapse accidents | |
| Tang et al. | Dual attention bidirectional generative adversarial network for dynamic uncertainty process monitoring and diagnosis | |
| CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| Li et al. | Risk assessment of bolt-gasket-flange connection (BGFC) failures at hydrogen transfer stations based on improved FMEA | |
| Fu et al. | Towards system-theoretic risk management for maritime transportation systems: A case study of the yangtze river estuary | |
| Brodny et al. | Applying an automatic gasometry system and a fuzzy set theory to assess the state of gas hazard during the coal mining production process | |
| CN117474343A (zh) | 石化港区危险源安全风险预警方法、装置、设备及存储介质 | |
| CN100461043C (zh) | 工业聚丙烯生产熔融指数检测故障诊断系统及方法 |
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 |