一种基于多模态图纸识别和知识图谱的HAZOP分析方法及系统与流程

摘要: 本发明涉及工艺安全分析,特别是涉及一种基于多模态图纸识别和知识图谱的hazop分析方法及系统。背景技术:1、危险与可操作性分析,全称为hazardandoper...
一种基于多模态图纸识别和知识图谱的HAZOP分析方法及系统与流程

本发明涉及工艺安全分析,特别是涉及一种基于多模态图纸识别和知识图谱的hazop分析方法及系统。

背景技术:

1、危险与可操作性分析,全称为hazard and operability study,简写为hazop。hazop通常以p&id图纸、操作规程、报警联锁说明和风险矩阵等资料为基础。分析人员先确定分析范围并划分节点,在节点内围绕压力、温度、液位、流量和操作等参数识别偏差,结合p&id图纸和操作规程确定原因和后果,核对已有保护措施,并依据风险矩阵确定发生可能性等级、后果严重性等级、初始风险等级和残余风险等级。整个过程涉及图纸信息、文档证据和风险规则的连续传递,对对象对应关系、流程范围及证据来源的一致性要求较高。为降低人工读取和重复分析的工作量,现有优化方案已将图纸识别、流程知识图谱、文档检索和模型分析引入辅助hazop分析。图纸识别结果用于提供设备、管线、文字标注及连接关系,流程图谱用于组织流程内对象;操作规程、报警联锁说明和台账可通过关键词、语义或结构化字段进行检索;偏差原因和后果可依据参数规则与模型形成候选结果,再利用风险矩阵完成风险等级映射。

2、现有自动化hazop分析仍存在多类问题。图纸识别结果与文档资料之间通常缺少统一的对象标识和流程级组织方式,容易造成跨流程数据误用或证据归属不清,导致节点划分不清晰。未对压力区间及多出口路径进行区分,遇到调节阀、减压或增压设备以及支路变化时,可能发生边界划分不明等情况,导致保护措施的筛选正确率较低。并且若不设置分析规则,仅依赖大语言模型生成原因、后果,又可能出现无法回溯至图纸对象或原始文档的内容,也会导致分析结果无法适用。

技术实现思路

1、为了克服现有技术的不足,本发明的目的是提供一种基于多模态图纸识别和知识图谱的hazop分析方法及系统,解决现有hazop分析依赖人员经验、过程效率低、结果差异性大,以及现有自动化hazop分析中对象与证据关联不稳定、风险分析结果可追溯性不足的问题。

2、为实现上述目的,本发明提供了如下方案:

3、一种基于多模态图纸识别和知识图谱的hazop分析方法,包括:

4、收集装置基础信息资料;

5、对装置工艺流程图进行多模态图纸识别,得到图纸识别结果;

6、对所述图纸识别结果进行对象关联和流程级结构化组织,得到流程数据和参考数据,并根据分析对象在文档资料中提取与所述流程数据关联的文档证据;

7、根据所述流程数据确定边界参数,根据所述边界参数生成压力区间;所述边界参数包括:对象连接关系、压力证据、压力分界点;

8、根据所述流程数据、所述参考数据、所述压力区间生成分析用例,根据所述分析用例选择分析规则,根据所述分析用例的对象、所述分析规则、所述对象连接关系、所述文档证据确定hazop分析中的偏差、原因、后果,得到风险分析场景;

9、根据风险矩阵确定所述风险分析场景对应的初始风险等级,根据所述风险分析场景和所述文档证据确定保护措施,根据所述初始风险等级、所述保护措施确定残余风险等级;

10、对风险记录进行评审,根据未通过评审的结果确定问题字段和对应分析阶段,将所述问题字段定向返回至所述分析阶段进行重新分析,得到最终的风险等级。

11、一种基于多模态图纸识别和知识图谱的智能hazop分析系统,包括:

12、资料收集模块,用于收集装置基础信息资料;

13、识别模块,用于对装置工艺流程图进行多模态图纸识别,得到图纸识别结果;

14、证据提取模块,用于对所述图纸识别结果进行对象关联和流程级结构化组织,得到流程数据和参考数据,并根据分析对象在文档资料中提取与所述流程数据关联的文档证据;

15、压力区间划分模块,用于根据所述流程数据确定边界参数,根据所述边界参数生成压力区间;所述边界参数包括:对象连接关系、压力证据、压力分界点;

16、分析场景构建模块,用于根据所述流程数据、所述参考数据、所述压力区间生成分析用例,根据所述分析用例选择分析规则,根据所述分析用例的对象、所述分析规则、所述对象连接关系、所述文档证据确定hazop分析中的偏差、原因、后果,得到风险分析场景;

17、残余风险确定模块,用于根据风险矩阵确定所述风险分析场景对应的初始风险等级,根据所述风险分析场景和所述文档证据确定保护措施,根据所述初始风险等级、所述保护措施确定残余风险等级;

18、评审反馈模块,用于对风险记录进行评审,根据未通过评审的结果确定问题字段和对应分析阶段,将所述问题字段定向返回至所述分析阶段进行重新分析,得到最终的风险等级。

19、本发明公开了以下技术效果:

20、本发明提供了一种基于多模态图纸识别和知识图谱的hazop分析方法及系统,通过结构化处理,减少了跨流程数据误用,增强了分析证据的可追溯性,显著提升了分析流程的效率,同时有效减少了因人而异的主观差异;通过对象关联、流程级结构化组织、压力区间划分以及分析结果评审,提高了分析资料处理的合理性与一致性;通过风险矩阵约束风险计算,避免了模型自由判断风险等级;通过评审反馈更新分析结果,减少了无关阶段的重复执行,提高了人工修改后分析结果的一致性和可追溯性。

1.一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,包括:

2.根据权利要求1所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,所述装置基础信息资料包括:装置工艺流程图、文档资料、风险矩阵;所述文档资料包括:操作原理、工艺流程描述、联锁逻辑图。

3.根据权利要求1所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,对所述图纸识别结果进行对象关联和流程级结构化组织,得到流程数据和参考数据,并根据分析对象在文档资料中提取与所述流程数据关联的文档证据,包括:

4.根据权利要求1所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,根据所述流程数据确定边界参数,根据所述边界参数生成压力区间,包括:

5.根据权利要求1所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,根据所述流程数据、所述参考数据、所述压力区间生成分析用例,根据所述分析用例选择分析规则,根据所述分析用例的对象、所述分析规则、所述对象连接关系、所述文档证据确定hazop分析中的偏差、原因、后果,得到风险分析场景,包括:

6.根据权利要求1所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,根据风险矩阵确定所述风险分析场景对应的初始风险等级,根据所述风险分析场景和所述文档证据确定保护措施,根据所述初始风险等级、所述保护措施确定残余风险等级,包括:

7.根据权利要求6所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,根据所述风险分析场景对应的事故后果和发生频率信息以及所述风险矩阵确定发生可能性等级和严重性等级,根据所述严重性等级和所述发生可能性等级确定所述初始风险等级,根据所述保护措施对应的风险修正规则和所述风险矩阵确定所述残余风险等级,得到所述风险记录,包括:

8.根据权利要求1所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,其特征在于,对风险记录进行评审,根据未通过评审的结果确定问题字段和对应分析阶段,将所述问题字段定向返回至所述分析阶段进行重新分析,得到最终的风险等级,包括:

9.一种基于多模态图纸识别和知识图谱的智能hazop分析系统,其特征在于,用于实现权利要求1所述的一种基于多模态图纸识别和知识图谱的hazop分析方法,包括: