CN116844315A - 人工智能预警方法、系统及存储介质 - Google Patents
人工智能预警方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116844315A CN116844315A CN202310897206.8A CN202310897206A CN116844315A CN 116844315 A CN116844315 A CN 116844315A CN 202310897206 A CN202310897206 A CN 202310897206A CN 116844315 A CN116844315 A CN 116844315A
- Authority
- CN
- China
- Prior art keywords
- value
- early warning
- data
- coefficient
- marking
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims abstract description 106
- 238000012544 monitoring process Methods 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000012423 maintenance Methods 0.000 claims description 16
- 239000000843 powder Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G08B21/18—Status alarms
- G08B21/20—Status alarms responsive to moisture
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于安全生产领域,涉及数据分析技术,用于解决现有的人工智能预警方法无法排除外界环境对监测预警结果的干扰,导致安全监测预警结果的精确性不高的问题,具体是人工智能预警方法、系统及存储介质,包括数据采集模块、安全监测模块、决策分析模块,所述数据采集模块、安全监测模块、决策分析模块依次进行通信连接;所述数据采集模块用于对生产车间的生产环境数据进行采集:生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据;本发明可以对生产车间的生产环境数据进行采集,通过生成预警周期并进行时段分割的方式对每个预警时段的生产车间内部环境数据、外部环境数据进行采集。
Description
技术领域
本发明属于安全生产领域,涉及数据分析技术,具体是人工智能预警方法、系统及存储介质。
背景技术
是指在生产经营活动中,为了避免造成人员伤害和财产损失的事故而采取相应的事故预防和控制措施,使生产过程在符合规定的条件下进行,以保证从业人员的人身安全与健康,设备和设施免受损坏,环境免遭破坏,保证生产经营活动得以顺利进行的相关活动。
现有的人工智能预警方法仅能够对工厂加工车间的生产环境进行监测预警,但是无法排除外界环境对监测预警结果的干扰,导致安全监测预警结果的精确性不高,同时无法根据监测预警结果生成处理决策,导致管理人员无法直接采取正确的措施进行安全事故处理。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供人工智能预警方法、系统及存储介质,用于解决现有的人工智能预警方法无法排除外界环境对监测预警结果的干扰,导致安全监测预警结果的精确性不高的问题;
本发明需要解决的技术问题为:如何提供一种可以排除外界环境对监测预警结果的干扰的人工智能预警方法、系统及存储介质。
本发明的目的可以通过以下技术方案实现:
人工智能预警系统,包括数据采集模块、安全监测模块、决策分析模块,所述数据采集模块、安全监测模块、决策分析模块依次进行通信连接;
所述数据采集模块用于对生产车间的生产环境数据进行采集:生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据;内环数据包括内温数据NW、内粉数据NF以及内湿数据NS,外环数据包括外温数据WW、外粉数据WF以及外湿数据WS,在预警时段的结束时刻将内环数据与外环数据发送至安全监测模块;
所述安全监测模块用于对生产车间的生产安全性进行监测分析:通过对外温数据WW、外粉数据WF以及外湿数据WS进行数值计算得到预警时段内的外环系数WH;将预警时段的外环系数WH与预设的外环阈值WHmax进行比较:若外环系数WH小于外环阈值WHmax,则将预设的标准阈值作为内环阈值NHmax;若外环系数WH大于等于外环阈值WHmax,则将预设的标准阈值标记为BZ,通过公式NHmax=t1*BZ得到内环阈值NHmax,其中t1为比例系数,且0.85≤t1≤0.95;通过对内温数据NW、内粉数据NF以及内湿数据NS进行数值计算得到预警时段内的内环系数NH,将内环系数NH与内环阈值NHmax进行比较:若内环系数NH小于内环阈值NHmax,则判定生产车间的生产环境安全满足要求;若内环系数NH大于等于内环阈值NHmax,则判定生产车间的生产环境安全不满足要求,安全监测模块向决策分析模块发送决策分析信号;
所述决策分析模块用于在接收到决策分析信号后对生产车间进行安全处理决策分析。
作为本发明的一种优选实施方式,内温数据NW的获取过程包括:获取生产车间内部空气温度值与内温范围,将内温范围的最大值与最小值的平均值标记为内温标准值,将内部空气温度值与内温标准值差值的绝对值标记为内温值,将内温值在预警时段内的最大值标记为内温数据NW;内粉数据NF为车间内部空气粉尘浓度值在预警时段内的最大值;内湿数据NS的获取过程包括:获取生产车间内部空气湿度值与内湿范围,将内湿范围的最大值与最小值的平均值标记为内湿标准值,将内部空气湿度值与内湿标准值差值的绝对值标记为内湿值,将内湿值在预警时段内的最大值标记为内湿数据NS。
作为本发明的一种优选实施方式,外温数据WW的获取过程包括:获取生产车间外部空气温度值与外温范围,将外温范围的最大值与最小值的平均值标记为外温标准值,将外部空气温度值与外温标准值差值的绝对值标记为外温值,将外温值在预警时段内的最大值标记为外温数据WW;外粉数据WF为生产车间外部空气粉尘浓度值在预警时段内的最大值;外湿数据WS的获取过程包括:获取生产车间外部空气湿度值与外湿范围,将外湿范围的最大值与最小值的平均值标记为外湿标准值,将外部空气湿度值与外湿标准值差值的绝对值标记为外湿值,将外湿值在预警时段内的最大值标记为外湿数据WS。
作为本发明的一种优选实施方式,决策分析模块在接收到决策分析信号后对生产车间进行安全处理决策分析的具体过程包括:以预警周期的时间为X轴、预警时段的内环系数NH为Y轴建立直角坐标系,在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线,由标记线段、倾斜线段、下垂线、上垂线以及预警射线构成一个封闭的直角梯形,将直角梯形的面积值标记为决策系数,将决策系数与预设的决策阈值进行比较并通过比较结果生成驱散撤离信号或停机检修信号。
作为本发明的一种优选实施方式,以预警时段的结束时刻为横坐标、预警时段的内环系数NH为纵坐标在直角坐标系中标出若干个预警点,将预警点自左至右依次进行连接得到若干条预警线段,将斜率值最大的预警线段的右侧端点标记为标记点,在直角坐标系的第一象限中作出一条与X轴平行且端点坐标为(0,NHmax)的射线并标记为预警射线,将标记点与预警射线的垂线标记为标记线段,将最右侧的预警点与X轴、预警射线的垂线分别标记为上垂线与下垂线,将标记点与下垂线的下侧端点进行连线得到倾斜线段。
作为本发明的一种优选实施方式,将决策系数与预设的决策阈值进行比较的具体过程包括:若决策系数小于决策阈值,则生成驱散撤离信号并将驱散撤离信号发送至管理人员的手机终端;若决策系数大于等于决策阈值,则生成停机检修信号并将停机检修信号发送至管理人员的手机终端。
人工智能预警方法,包括以下步骤:
步骤一:对生产车间的生产环境数据进行采集:生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据,在预警时段的结束时刻将内环数据与外环数据发送至安全监测模块;
步骤二:所述安全监测模块用于对生产车间的生产安全性进行监测分析并得到外环系数WH与内环系数NH,通过外环系数WH的数值对内环阈值NHmax的数值进行调节,通过内环系数NH与内环系数NHmax的比较结果对生产车间的生产环境安全是否满足要求进行判定;
步骤三:对生产车间进行安全处理决策分析:以预警周期的时间为X轴、预警时段的内环系数NH为Y轴建立直角坐标系,在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线并构成一个封闭的直角梯形,通过直角梯形的面积值生成驱散撤离信号或停机检修信号并发送至管理人员的手机终端。
一种计算机存储介质,包括计算机指令,当所述计算机指令在终端上运行时,使得所述终端执行人工智能预警方法。
本发明具备下述有益效果:
1、通过数据采集模块可以对生产车间的生产环境数据进行采集,通过生成预警周期并进行时段分割的方式对每个预警时段的生产车间内部环境数据、外部环境数据进行采集,对内部环境数据与外部环境数据分开采集之后综合进行分析,提高车间生产环境安全监测预警结果的精确性;
2、通过安全监测模块可以对生产车间的生产安全性进行监测分析,通过对外部环境数据进行综合计算得到外环系数,从而根据外环系数的数值对内环阈值进行调节,然后再将计算得到的内环系数与内环阈值进行比较,通过内环系数的数值对车间生产安全性进行评估;
3、通过决策分析模块可以对生产车间进行安全处理决策分析,通过在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线并根据构成的直角梯形面积值对车间生产危险程度进行反馈,进而根据决策系数的数值生成对应的处理措施,使管理人员可以在车间出现安全隐患的第一时间作出正确的处理决策。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例一的系统框图;
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
如图1所示,人工智能预警系统,包括数据采集模块、安全监测模块、决策分析模块,数据采集模块、安全监测模块、决策分析模块依次进行通信连接。
数据采集模块用于对生产车间的生产环境数据进行采集:生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据,内环数据包括内温数据NW、内粉数据NF以及内湿数据NS,内温数据NW的获取过程包括:获取生产车间内部空气温度值与内温范围,将内温范围的最大值与最小值的平均值标记为内温标准值,将内部空气温度值与内温标准值差值的绝对值标记为内温值,将内温值在预警时段内的最大值标记为内温数据NW;内粉数据NF为车间内部空气粉尘浓度值在预警时段内的最大值;内湿数据NS的获取过程包括:获取生产车间内部空气湿度值与内湿范围,将内湿范围的最大值与最小值的平均值标记为内湿标准值,将内部空气湿度值与内湿标准值差值的绝对值标记为内湿值,将内湿值在预警时段内的最大值标记为内湿数据NS;外环数据包括外温数据WW、外粉数据WF以及外湿数据WS,外温数据WW的获取过程包括:获取生产车间外部空气温度值与外温范围,将外温范围的最大值与最小值的平均值标记为外温标准值,将外部空气温度值与外温标准值差值的绝对值标记为外温值,将外温值在预警时段内的最大值标记为外温数据WW;外粉数据WF为生产车间外部空气粉尘浓度值在预警时段内的最大值;外湿数据WS的获取过程包括:获取生产车间外部空气湿度值与外湿范围,将外湿范围的最大值与最小值的平均值标记为外湿标准值,将外部空气湿度值与外湿标准值差值的绝对值标记为外湿值,将外湿值在预警时段内的最大值标记为外湿数据WS;在预警时段的结束时刻将内环数据与外环数据发送至安全监测模块;对生产车间的生产环境数据进行采集,通过生成预警周期并进行时段分割的方式对每个预警时段的生产车间内部环境数据、外部环境数据进行采集,对内部环境数据与外部环境数据分开采集之后综合进行分析,提高车间生产环境安全监测预警结果的精确性。
安全监测模块用于对生产车间的生产安全性进行监测分析:通过公式WH=α1*WW+α2*WF+α3*WS得到预警时段内的外环系数WH,其中α1、α2以及α3均为比例系数,且α1>α2>α3;将预警时段的外环系数WH与预设的外环阈值WHmax进行比较:若外环系数WH小于外环阈值WHmax,则将预设的标准阈值作为内环阈值NHmax;若外环系数WH大于等于外环阈值WHmax,则将预设的标准阈值标记为BZ,通过公式NHmax=t1*BZ得到内环阈值NHmax,其中t1为比例系数,且0.85≤t1≤0.95;通过公式NH=α1*NW+α2*NF+α3*NS得到预警时段内的内环系数NH,将内环系数NH与内环阈值NHmax进行比较:若内环系数NH小于内环阈值NHmax,则判定生产车间的生产环境安全满足要求;若内环系数NH大于等于内环阈值NHmax,则判定生产车间的生产环境安全不满足要求,安全监测模块向决策分析模块发送决策分析信号;对生产车间的生产安全性进行监测分析,通过对外部环境数据进行综合计算得到外环系数,从而根据外环系数的数值对内环阈值进行调节,然后再将计算得到的内环系数与内环阈值进行比较,通过内环系数的数值对车间生产安全性进行评估。
决策分析模块用于在接收到决策分析信号后对生产车间进行安全处理决策分析:以预警周期的时间为X轴、预警时段的内环系数NH为Y轴建立直角坐标系,以预警时段的结束时刻为横坐标、预警时段的内环系数NH为纵坐标在直角坐标系中标出若干个预警点,将预警点自左至右依次进行连接得到若干条预警线段,将斜率值最大的预警线段的右侧端点标记为标记点,在直角坐标系的第一象限中作出一条与X轴平行且端点坐标为(0,NHmax)的射线并标记为预警射线,将标记点与预警射线的垂线标记为标记线段,将最右侧的预警点与X轴、预警射线的垂线分别标记为上垂线与下垂线,将标记点与下垂线的下侧端点进行连线得到倾斜线段,由标记线段、倾斜线段、下垂线、上垂线以及预警射线构成一个封闭的直角梯形,将直角梯形的面积值标记为决策系数,将决策系数与预设的决策阈值进行比较:若决策系数小于决策阈值,则生成驱散撤离信号并将驱散撤离信号发送至管理人员的手机终端;若决策系数大于等于决策阈值,则生成停机检修信号并将停机检修信号发送至管理人员的手机终端;对生产车间进行安全处理决策分析,通过在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线并根据构成的直角梯形面积值对车间生产危险程度进行反馈,进而根据决策系数的数值生成对应的处理措施,使管理人员可以在车间出现安全隐患的第一时间作出正确的处理决策。
实施例二
如图2所示,人工智能预警方法,包括以下步骤:
步骤一:对生产车间的生产环境数据进行采集:生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据,在预警时段的结束时刻将内环数据与外环数据发送至安全监测模块;
步骤二:安全监测模块用于对生产车间的生产安全性进行监测分析并得到外环系数WH与内环系数NH,通过外环系数WH的数值对内环阈值NHmax的数值进行调节,通过内环系数NH与内环系数NHmax的比较结果对生产车间的生产环境安全是否满足要求进行判定;
步骤三:对生产车间进行安全处理决策分析:以预警周期的时间为X轴、预警时段的内环系数NH为Y轴建立直角坐标系,在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线并构成一个封闭的直角梯形,通过直角梯形的面积值生成驱散撤离信号或停机检修信号并发送至管理人员的手机终端。
人工智能预警方法、系统及存储介质,工作时,生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据,在预警时段的结束时刻将内环数据与外环数据发送至安全监测模块;安全监测模块用于对生产车间的生产安全性进行监测分析并得到外环系数WH与内环系数NH,通过外环系数WH的数值对内环阈值NHmax的数值进行调节,通过内环系数NH与内环系数NHmax的比较结果对生产车间的生产环境安全是否满足要求进行判定;以预警周期的时间为X轴、预警时段的内环系数NH为Y轴建立直角坐标系,在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线并构成一个封闭的直角梯形,通过直角梯形的面积值生成驱散撤离信号或停机检修信号并发送至管理人员的手机终端。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式WH=α1*WW+α2*WF+α3*WS;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的外环系数;将设定的外环系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为4.38、3.65和3.17;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的外环系数;只要不影响参数与量化后数值的比例关系即可,如外环系数与外温数据的数值成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.人工智能预警系统,其特征在于,包括数据采集模块、安全监测模块、决策分析模块,所述数据采集模块、安全监测模块、决策分析模块依次进行通信连接;
所述数据采集模块用于对生产车间的生产环境数据进行采集:生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据;内环数据包括内温数据NW、内粉数据NF以及内湿数据NS,外环数据包括外温数据WW、外粉数据WF以及外湿数据WS,在预警时段的结束时刻将内环数据与外环数据发送至安全监测模块;
所述安全监测模块用于对生产车间的生产安全性进行监测分析:通过对外温数据WW、外粉数据WF以及外湿数据WS进行数值计算得到预警时段内的外环系数WH;将预警时段的外环系数WH与预设的外环阈值WHmax进行比较:若外环系数WH小于外环阈值WHmax,则将预设的标准阈值作为内环阈值NHmax;若外环系数WH大于等于外环阈值WHmax,则将预设的标准阈值标记为BZ,通过公式NHmax=t1*BZ得到内环阈值NHmax,其中t1为比例系数,且0.85≤t1≤0.95;通过对内温数据NW、内粉数据NF以及内湿数据NS进行数值计算得到预警时段内的内环系数NH,将内环系数NH与内环阈值NHmax进行比较:若内环系数NH小于内环阈值NHmax,则判定生产车间的生产环境安全满足要求;若内环系数NH大于等于内环阈值NHmax,则判定生产车间的生产环境安全不满足要求,安全监测模块向决策分析模块发送决策分析信号;
所述决策分析模块用于在接收到决策分析信号后对生产车间进行安全处理决策分析。
2.根据权利要求1所述的人工智能预警系统,其特征在于,内温数据NW的获取过程包括:获取生产车间内部空气温度值与内温范围,将内温范围的最大值与最小值的平均值标记为内温标准值,将内部空气温度值与内温标准值差值的绝对值标记为内温值,将内温值在预警时段内的最大值标记为内温数据NW;内粉数据NF为车间内部空气粉尘浓度值在预警时段内的最大值;内湿数据NS的获取过程包括:获取生产车间内部空气湿度值与内湿范围,将内湿范围的最大值与最小值的平均值标记为内湿标准值,将内部空气湿度值与内湿标准值差值的绝对值标记为内湿值,将内湿值在预警时段内的最大值标记为内湿数据NS。
3.根据权利要求2所述的人工智能预警系统,其特征在于,外温数据WW的获取过程包括:获取生产车间外部空气温度值与外温范围,将外温范围的最大值与最小值的平均值标记为外温标准值,将外部空气温度值与外温标准值差值的绝对值标记为外温值,将外温值在预警时段内的最大值标记为外温数据WW;外粉数据WF为生产车间外部空气粉尘浓度值在预警时段内的最大值;外湿数据WS的获取过程包括:获取生产车间外部空气湿度值与外湿范围,将外湿范围的最大值与最小值的平均值标记为外湿标准值,将外部空气湿度值与外湿标准值差值的绝对值标记为外湿值,将外湿值在预警时段内的最大值标记为外湿数据WS。
4.根据权利要求3所述的人工智能预警系统,其特征在于,决策分析模块在接收到决策分析信号后对生产车间进行安全处理决策分析的具体过程包括:以预警周期的时间为X轴、预警时段的内环系数NH为Y轴建立直角坐标系,在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线,由标记线段、倾斜线段、下垂线、上垂线以及预警射线构成一个封闭的直角梯形,将直角梯形的面积值标记为决策系数,将决策系数与预设的决策阈值进行比较并通过比较结果生成驱散撤离信号或停机检修信号。
5.根据权利要求4所述的人工智能预警系统,其特征在于,以预警时段的结束时刻为横坐标、预警时段的内环系数NH为纵坐标在直角坐标系中标出若干个预警点,将预警点自左至右依次进行连接得到若干条预警线段,将斜率值最大的预警线段的右侧端点标记为标记点,在直角坐标系的第一象限中作出一条与X轴平行且端点坐标为(0,NHmax)的射线并标记为预警射线,将标记点与预警射线的垂线标记为标记线段,将最右侧的预警点与X轴、预警射线的垂线分别标记为上垂线与下垂线,将标记点与下垂线的下侧端点进行连线得到倾斜线段。
6.根据权利要求5所述的人工智能预警系统,其特征在于,将决策系数与预设的决策阈值进行比较的具体过程包括:若决策系数小于决策阈值,则生成驱散撤离信号并将驱散撤离信号发送至管理人员的手机终端;若决策系数大于等于决策阈值,则生成停机检修信号并将停机检修信号发送至管理人员的手机终端。
7.人工智能预警方法,其特征在于,包括以下步骤:
步骤一:对生产车间的生产环境数据进行采集:生成预警周期,将预警周期分割为若干个预警时段,生产环境数据包括内环数据与外环数据,在预警时段的结束时刻将内环数据与外环数据发送至安全监测模块;
步骤二:所述安全监测模块用于对生产车间的生产安全性进行监测分析并得到外环系数WH与内环系数NH,通过外环系数WH的数值对内环阈值NHmax的数值进行调节,通过内环系数NH与内环系数NHmax的比较结果对生产车间的生产环境安全是否满足要求进行判定;
步骤三:对生产车间进行安全处理决策分析:以预警周期的时间为X轴、预警时段的内环系数NH为Y轴建立直角坐标系,在直角坐标系中绘制标记线段、倾斜线段、下垂线、上垂线以及预警射线并构成一个封闭的直角梯形,通过直角梯形的面积值生成驱散撤离信号或停机检修信号并发送至管理人员的手机终端。
8.一种计算机存储介质,其特征在于,包括计算机指令,当所述计算机指令在终端上运行时,控制终端执行如权利要求7所述的人工智能预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310897206.8A CN116844315A (zh) | 2023-07-20 | 2023-07-20 | 人工智能预警方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310897206.8A CN116844315A (zh) | 2023-07-20 | 2023-07-20 | 人工智能预警方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116844315A true CN116844315A (zh) | 2023-10-03 |
Family
ID=88160003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310897206.8A Withdrawn CN116844315A (zh) | 2023-07-20 | 2023-07-20 | 人工智能预警方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116844315A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117268471A (zh) * | 2023-10-25 | 2023-12-22 | 杭州富阳宏扬光电设备有限公司 | 基于物联网的光缆交接箱运行安全监测系统 |
CN117825853A (zh) * | 2024-01-05 | 2024-04-05 | 南京晓庄学院 | 一种电力变压器在线监测与故障诊断系统 |
-
2023
- 2023-07-20 CN CN202310897206.8A patent/CN116844315A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117268471A (zh) * | 2023-10-25 | 2023-12-22 | 杭州富阳宏扬光电设备有限公司 | 基于物联网的光缆交接箱运行安全监测系统 |
CN117825853A (zh) * | 2024-01-05 | 2024-04-05 | 南京晓庄学院 | 一种电力变压器在线监测与故障诊断系统 |
CN117825853B (zh) * | 2024-01-05 | 2024-06-21 | 南京晓庄学院 | 一种电力变压器在线监测与故障诊断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116844315A (zh) | 人工智能预警方法、系统及存储介质 | |
CN116246407A (zh) | 一种基于人工智能的农林区域火灾预警监管系统 | |
CN111209934B (zh) | 风机故障预报警方法及系统 | |
CN212933544U (zh) | 一种基于边缘计算的现场作业安全识别系统 | |
CN111628570B (zh) | 水电站安全监测故障诊断方法及系统 | |
CN117495111B (zh) | 一种基于bim技术的建筑工程安全管理系统 | |
CN116184950B (zh) | 一种汽车生产线用多源数据提取分析系统 | |
CN115410338A (zh) | 矿山区域限员ai视频智能监控管理系统 | |
CN112612824A (zh) | 基于大数据的供水管网异常数据检测方法 | |
CN115616341A (zh) | 一种基于物联网的远程自动查找电力电缆线路的运维监控系统 | |
CN117975372B (zh) | 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法 | |
CN113934536B (zh) | 面向边缘计算的数据采集方法 | |
CN115153164A (zh) | 一种用于高空安全作业监控的健康手环 | |
CN116208535A (zh) | 一种基于大数据分析的计算机数据传输控制系统 | |
CN117744945A (zh) | 一种危化园区的环境监测系统 | |
CN116614366B (zh) | 一种基于边缘计算的工业互联网优化方法及系统 | |
CN111310723A (zh) | 基于深度学习技术的变电站人员穿戴规范分析方法 | |
CN117132434A (zh) | 一种基于大数据分析的楼宇消防安全监管系统 | |
CN116385925A (zh) | 一种生产现场智慧安全管理方法及系统 | |
CN115909212A (zh) | 一种电力作业典型违章行为实时预警方法 | |
CN113449966A (zh) | 一种石膏板设备巡检方法及系统 | |
CN116579748B (zh) | 基于无线通讯技术的安全生产管理系统 | |
CN115988104B (zh) | 一种传感器兼容处理方法及系统 | |
CN113159605B (zh) | 基于逻辑回归的化工装置智能化报警方法及系统 | |
CN117550541A (zh) | 一种加油站油罐进出油监管方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231003 |