面向高危药剂生产的AI风险感知识别系统的制作方法

本发明涉及ai风险感知识别，尤其涉及面向高危药剂生产的ai风险感知识别系统。

背景技术：

1、随着汽车安全气囊技术的快速发展，安全气囊药剂生产过程逐渐向高精度、高自动化和高安全性的方向发展。由于安全气囊药剂通常具有易燃、易爆、易受静电及温湿度影响等特性，其在药剂混合、压药成型及称量包装等生产环节中，对生产环境稳定性、设备运行状态以及工艺执行精度具有较高要求。为提高生产效率与安全管理水平，越来越多的生产企业开始引入工业互联网、边缘计算、数字孪生及人工智能等技术，对高危药剂生产过程中的设备、环境及工艺状态进行实时监测与智能分析。

2、然而，现有技术中的高危药剂生产管理系统大多仍采用分散式监测方式，不同设备之间的数据协议、采样频率及状态表达方式存在较大差异，难以形成统一的风险场景数据；同时，现有系统通常仅对单一设备异常或环境超限进行独立告警，缺乏对温湿度异常、静电积聚、防爆区域状态偏移及设备动作异常之间风险传导关系的协同识别能力，导致风险传播路径不清晰、风险演化趋势难以预测。此外，传统安全控制方式多依赖固定规则或人工经验，缺少结合数字孪生推演和ai算法的主动防控机制，难以满足高危药剂生产过程中对实时性、联动性及智能化安全控制的需求。

技术实现思路

1、本发明提供了面向高危药剂生产的ai风险感知识别系统，通过构建多源高频状态接入与风险场景重构机制，实现高危药剂生产过程中多源异构数据的统一接入、同步校准及空间关联；通过构建边缘侧风险耦合识别与本地决策机制，实现对温湿度异常、静电积聚、防爆区域状态偏移及设备动作异常之间风险传导关系的实时识别与边缘快速判定；并结合云端数字孪生推演与主动防控机制，对风险扩散趋势进行仿真分析和动态预测，生成工艺调优、联锁控制、环境调节及安全告警等主动防控策略，从而提高高危药剂生产过程中的风险感知能力、风险预测能力及智能化安全防控水平。

2、面向高危药剂生产的ai风险感知识别系统，包括多源高频状态接入与风险场景重构模块、边缘侧风险耦合识别与本地决策模块以及云端数字孪生推演与主动防控模块，其中；

3、所述多源高频状态接入与风险场景重构模块接入汽车安全气囊药剂生产线中的混合机、压药机、称量包装设备、温湿度控制设备、静电监测装置及防爆区域监测设备，并通过支持多协议适配的智能边缘网关采集各设备在药剂混合、压药成型及称量包装过程中的多源数据，包括设备运行数据、环境状态数据、静电状态数据和工序执行数据，并对采集到的多源数据进行时间对齐、异常采样剔除、工序节点绑定和设备空间位置关联，生成与当前生产工序相对应的高危药剂生产风险场景数据集；

4、所述边缘侧风险耦合识别与本地决策模块接收所述高危药剂生产风险场景数据集，根据药剂敏感特性、工序执行状态、设备运行状态与环境变化状态之间的耦合关系，识别温湿度异常、静电积聚、防爆区域状态偏移及设备动作异常之间的风险传导关系，生成风险耦合识别结果，并依据所述风险耦合识别结果在边缘侧执行实时流计算和本地化风险判定，形成包括风险类型、风险等级、风险位置、关联工序及处置优先级的边缘风险判定结果；

5、所述云端数字孪生推演与主动防控模块接收所述边缘风险判定结果，并将所述边缘风险判定结果映射至汽车安全气囊药剂生产线的数字孪生模型中，结合设备历史运行数据、工艺参数记录、质量追溯数据及安全规则库，对当前风险在关联工序中的扩散趋势进行仿真推演，生成风险演化推演结果，并根据所述风险演化推演结果调用ai算法库和规则引擎，生成对应的主动防控策略，包括工艺参数调优指令、设备联锁控制指令、环境调节指令、静电释放处置指令和安全告警推送指令。

6、可选的，所述多源高频状态接入与风险场景重构模块包括：

7、设备接入：通过智能边缘网关分别与混合机、压药机、称量包装设备、温湿度控制设备、静电监测装置及防爆区域监测设备建立通信连接，并根据不同设备的数据接口类型选择opc ua进行适配，获取设备运行数据、环境状态数据、静电状态数据和工序执行数据，同时，为每一类设备分配唯一设备标识、工序标识和采集通道标识；

8、数据校准：对所述多源数据流进行统一时间戳标定，并以药剂混合、压药成型及称量包装过程中的工序节拍为基准，对不同采集频率的多源数据进行时间对齐，同时，根据同一设备在相邻采样时刻的数据变化幅度、采样间隔和设备运行状态，剔除通信中断、重复上报、突变失真或超出物理可达范围的异常采样数据，生成高危药剂生产同步数据集；

9、场景重构：基于所述高危药剂生产同步数据集，将各数据分别绑定至当前药剂混合、压药成型或称量包装工序节点，并依据设备在生产线中的安装位置、所属防爆区域、相邻设备关系及物料流转方向，对同一时段内的设备运行状态、环境状态、静电状态和工序执行状态进行空间关联，形成表征当前工序风险背景的高危药剂生产风险场景数据集。

10、可选的，所述数据校准包括：

11、时间戳标定：将混合机、压药机、称量包装设备及环境监测设备采集的多源数据转换为统一时间戳，以边缘网关系统时间为基准，记录采样源设备标识、工序标识和采样通道标识；

12、工序节拍对齐：以药剂混合、压药成型及称量包装工序节拍为基准，对不同采集频率的多源数据进行插值或重采样，实现节拍同步，其中，低频多源数据通过线性插值推算对应节拍值，高频多源数据根据节拍窗口进行平均；

13、空间关联：基于所述工序绑定数据集，读取各设备在生产线中的安装位置、所属防爆区域、相邻设备关系及物料流转方向，将同一时段内的设备运行状态、环境状态、静电状态和工序执行状态映射至同一空间关联单元，对于位于同一防爆区域、相邻设备范围内或处于同一物料流转路径上的高危药剂生产同步数据，建立空间关联关系，生成空间关联状态集；

14、场景生成：基于所述空间关联状态集，按照当前工序节点汇总同一时段内的设备运行状态、环境状态、静电状态和工序执行状态，并将空间关联权重高于风险聚合阈值的高危药剂生产同步数据组合为当前工序风险背景单元，由各当前工序风险背景单元组成高危药剂生产风险场景数据集。

15、可选的，所述边缘侧风险耦合识别与本地决策模块包括：

16、风险特征提取：接收所述高危药剂生产风险场景数据集，按照当前工序节点提取药剂敏感特性、工序执行状态、设备运行状态和环境变化状态，并分别构建温湿度异常特征、静电积聚特征、防爆区域状态偏移特征和设备动作异常特征，形成当前工序风险特征集；

17、传导识别：基于所述当前工序风险特征集，结合药剂敏感特性对温湿度异常、静电积聚、防爆区域状态偏移及设备动作异常之间的相互影响关系进行耦合计算，识别不同风险特征之间是否存在由环境异常引发静电积聚、由静电积聚诱发防爆区域状态偏移、由设备动作异常放大风险暴露程度的风险传导关系，生成风险耦合识别结果；

18、边缘判定：依据所述风险耦合识别结果，在边缘侧对连续节拍窗口内的风险耦合强度进行实时流计算，确定当前风险类型、风险等级、风险位置、关联工序及处置优先级，生成边缘风险判定结果。

19、可选的，所述传导识别包括：

20、耦合配对：基于所述当前工序风险特征集，提取温湿度异常特征、静电积聚特征、防爆区域状态偏移特征和设备动作异常特征，并按照预设风险传导方向构建风险特征配对关系，所述风险特征配对关系包括温湿度异常特征至静电积聚特征、静电积聚特征至防爆区域状态偏移特征以及设备动作异常特征至风险暴露特征；

21、耦合计算：对所述风险特征配对关系中的每一组风险特征进行耦合强度计算，并引入药剂敏感特性对耦合结果进行修正，得到各类风险传导路径的耦合强度；

22、结果生成：将各类风险传导路径的耦合强度与风险耦合判定阈值进行比较，若耦合强度达到风险耦合判定阈值，则判定对应风险特征之间存在风险传导关系，并将风险传导方向、源风险特征、目标风险特征、耦合强度、对应工序节点及设备位置写入风险耦合识别结果。

23、可选的，所述边缘判定包括：

24、窗口计算：依据所述风险耦合识别结果，按照当前工序节点和节拍时刻建立连续节拍窗口，提取窗口内各风险传导路径的风险耦合强度，并计算综合风险强度，用于表征当前时间段内风险持续累积程度；

25、等级判定：基于所述综合风险强度、风险持续次数和药剂敏感特性，确定当前风险等级，当综合风险强度处于不同等级阈值区间时，对应生成正常、轻度风险、中度风险或严重风险等级，并在风险持续次数增加或药剂敏感特性升高时提高风险等级；

26、结果生成：根据窗口内最大风险耦合强度对应的风险传导路径确定当前风险类型，根据对应风险特征所在设备或空间单元确定风险位置，根据风险特征所属工序节点确定关联工序，并结合风险等级、防爆区域等级和设备联锁影响范围计算处置优先级，生成边缘风险判定结果。

27、可选的，所述云端数字孪生推演与主动防控模块包括：

28、孪生映射：接收所述边缘风险判定结果，提取其中的风险类型、风险等级、风险位置、关联工序及处置优先级，并根据风险位置对应的设备编号、空间坐标和工序节点，将边缘风险判定结果映射至汽车安全气囊药剂生产线的数字孪生模型中，生成孪生风险映射单元；

29、扩散推演：基于所述孪生风险映射单元，调用设备历史运行数据、工艺参数记录、质量追溯数据及安全规则库，构建当前风险在关联工序之间的扩散推演路径，并根据风险等级、工序关联强度、设备联锁影响等级和药剂敏感特性计算风险扩散强度，生成风险演化推演结果；

30、策略生成：根据所述风险演化推演结果，将风险扩散强度、风险类型、风险位置及处置优先级输入ai算法库和规则引擎，匹配对应的主动防控策略，当风险扩散强度达到不同处置触发条件时，分别生成工艺参数调优指令、设备联锁控制指令、环境调节指令、静电释放处置指令和安全告警推送指令，形成主动防控策略集。

31、可选的，所述扩散推演包括：

32、路径构建：基于所述孪生风险映射单元，提取当前风险所在工序节点、风险位置和风险类型，并调用设备历史运行数据、工艺参数记录、质量追溯数据及安全规则库，确定与当前风险存在物料流转关系、设备联锁关系或安全规则触发关系的关联工序节点，构建风险扩散推演路径；

33、强度计算：针对每一条风险扩散推演路径，结合当前风险等级、工序关联强度、设备联锁影响等级和药剂敏感特性计算风险扩散强度，并引入质量追溯数据中的历史异常频次和工艺参数偏离程度对扩散强度进行修正；

34、结果生成：将各风险扩散推演路径及其风险扩散强度按照扩散强度大小进行排序，并保留达到风险演化判定阈值的扩散路径，同时，将对应的风险源工序、目标关联工序、风险扩散强度、风险类型、风险位置和预测影响范围组合，生成风险演化推演结果。

35、可选的，所述策略生成包括：

36、策略匹配：基于所述风险演化推演结果，提取风险扩散强度、风险类型、风险位置及处置优先级，并将其输入ai算法库和规则引擎，按照风险类型与处置动作之间的对应关系，生成候选主动防控策略集；

37、指令评分：对候选主动防控策略集中的各类防控指令进行处置评分，评分依据包括风险扩散强度、风险等级、处置优先级、指令响应时延和设备联锁影响范围；

38、策略生成：按照处置评分对候选主动防控策略集进行排序，并结合规则引擎中的安全约束，剔除与当前工序状态、设备运行状态或安全规则相冲突的防控指令，保留满足处置评分阈值和安全约束的指令，生成主动防控策略集。

39、本发明的有益效果：

40、本发明，通过对汽车安全气囊药剂生产线中的混合机、压药机、称量包装设备、温湿度控制设备、静电监测装置及防爆区域监测设备进行统一接入，并结合时间对齐、异常采样剔除、工序节点绑定以及空间关联分析，实现了高危药剂生产过程中设备运行状态、环境状态、静电状态与工序执行状态的同步融合，可有效解决现有技术中多源异构数据难以统一关联、风险场景割裂及异常状态无法实时还原的问题，从而提高高危药剂生产风险场景的完整性、时效性和可追溯性。

41、本发明，通过结合药剂敏感特性对温湿度异常、静电积聚、防爆区域状态偏移及设备动作异常之间的风险传导关系进行动态耦合计算，并在边缘侧执行实时流计算与本地化风险判定，实现了高危药剂生产过程中风险的快速识别与毫秒级响应，可有效解决现有技术中风险识别滞后、风险传导路径不清晰以及边缘现场缺乏自主决策能力的问题，从而提高高危药剂生产线的实时风险感知能力、主动防控能力以及生产安全稳定性。

42、本发明，通过将边缘风险判定结果映射至汽车安全气囊药剂生产线的数字孪生模型中，并结合设备历史运行数据、工艺参数记录、质量追溯数据及安全规则库，对风险在关联工序之间的扩散趋势进行仿真推演，同时调用ai算法库与规则引擎生成工艺参数调优指令、设备联锁控制指令、环境调节指令、静电释放处置指令及安全告警推送指令，可有效解决现有技术中风险预测能力不足、风险扩散不可控及防控策略缺乏动态适配的问题，从而提高高危药剂生产过程中的风险预判能力、联动控制能力以及智能化安全管理水平。