一种砂石工厂主动式安全风险防控系统及方法与流程
本发明涉及风险防控,尤其涉及一种砂石工厂主动式安全风险防控系统及方法。
背景技术:
1、砂石骨料生产线属于典型的流程型工业,具有设备大型化、作业连续化、环境复杂等特点。在生产过程中,破碎、筛分、输送、储存等环节涉及大量大型机械设备和频繁的人机交互作业,存在诸多安全隐患。
2、目前,砂石工厂的安全管理主要存在以下突出问题:
3、第一,人机交互区域风险高。破碎机口、输送机头尾轮、筛分机周边等高风险区域,人员违规进入、清理堵料、设备运行时检修等行为时有发生。传统红外对射、光栅等防护装置易被绕过或因粉尘、振动等恶劣环境而失效,导致挤压、卷入、坠落等机械伤害事故频发。
4、第二,多风险因素耦合难以识别。砂石工厂的安全风险通常不是由单一因素导致的,而是人员行为、设备状态、环境条件等多种因素时空耦合的结果。例如,当人员进入危险区域的同时设备出现异常振动且环境能见度较低时,风险程度远高于任何单一因素。现有技术缺乏多源特征数据融合分析能力,难以识别此类复杂耦合风险。
5、此外,砂石工厂特有的恶劣工况给安全监测带来额外挑战:破碎、筛分环节产生的高浓度粉尘会显著降低视觉监测的可靠性,使基于摄像头的视觉感知在粉尘环境下识别置信度大幅下降;设备的强烈振动和持续噪声会干扰常规传感装置的稳定运行;输送皮带跑偏、料仓堵料等过程异常与人员清堵、检修作业叠加,形成具有行业特性的复合风险场景。
技术实现思路
1、鉴于此,本发明针对现有技术的不足,提供了一种砂石工厂主动式安全风险防控系统及方法,旨在解决上述背景技术中提出的问题中的至少一项。
2、本发明提供了一种砂石工厂主动式安全风险防控方法,包括:
3、实时采集砂石工厂的多源特征数据,所述多源特征数据包括人员特征数据、设备特征数据、环境特征数据和车辆特征数据;
4、对采集到的多源特征数据进行预处理,将预处理后的多源特征数据进行融合,得到融合后的多源特征数据集;
5、基于融合后的所述多源特征数据集构建风险识别模型,通过所述风险识别模型进行风险识别,得到风险识别结果;
6、其中,所述风险识别包括单一风险识别和耦合风险识别;
7、确定所述砂石工厂当前的环境感知退化信息;所述环境感知退化信息包括第一感知退化量和第二感知退化量;
8、其中,所述第一感知退化量表征所述风险识别模型对人员的探测可靠度的下降程度;所述第二感知退化量表征作业人员对设备危险的察觉能力的下降程度;
9、根据所述第一感知退化量和所述第二感知退化量确定感知盲区重叠度,所述感知盲区重叠度由所述第一感知退化量与所述第二感知退化量的乘积确定;
10、以所述感知盲区重叠度修正所述风险识别结果中的风险等级,当所述感知盲区重叠度超过预设重叠度阈值时,将所述风险识别结果中的风险等级提升至最高风险等级;
11、根据修正后的风险识别结果生成对应的风险防控策略,并执行所述风险防控策略。
12、进一步地,识别单一风险包括:
13、将所述人员特征数据、设备特征数据、环境特征数据和车辆特征数据分别与对应的安全阈值进行比对;
14、当任一数据超出其对应的安全阈值时,判定发生单一风险,并根据所述数据超出阈值的幅度确定所述单一风险的风险等级。
15、进一步地,识别耦合风险包括:
16、当所述人员特征数据、设备特征数据、环境特征数据和车辆特征数据中的至少两个数据分别超出各自对应的安全阈值时,判定发生耦合风险;
17、通过查询预设的耦合风险关联规则库,匹配确定所述耦合风险的类型;所述耦合风险关联规则库用于存储各监测数据之间的关联关系;
18、根据构成所述耦合风险的各单一风险的风险等级,确定所述耦合风险的风险等级;
19、其中,所述耦合风险的风险等级不低于参与耦合的任一单一风险的风险等级;当参与耦合的单一风险中存在最高等级风险时,所述耦合风险的风险等级为最高等级;当参与耦合的单一风险中存在次高等级风险且参与耦合的单一风险的数量不少于两个时,所述耦合风险的风险等级提升为最高等级。
20、进一步地,确定所述砂石工厂当前的环境感知退化信息,包括:
21、获取所述砂石工厂目标区域的粉尘浓度和噪声声压级;
22、根据所述粉尘浓度与预设的视觉监测置信度映射关系确定视觉监测可靠度的下降程度,根据所述噪声声压级与预设的音频模态可用度映射关系确定音频监测可靠度的下降程度,并根据所述视觉监测可靠度的下降程度和所述音频监测可靠度的下降程度确定所述第一感知退化量;
23、根据所述粉尘浓度、所述噪声声压级以及所述人员数据中的个体防护装备佩戴识别结果,确定作业人员的目视察觉能力的下降程度和听觉察觉能力的下降程度,并根据所述目视察觉能力的下降程度和所述听觉察觉能力的下降程度确定所述第二感知退化量。
24、进一步地,通过所述风险识别模型进行风险识别包括:
25、获取所述砂石工厂的粉尘浓度;
26、当所述粉尘浓度超过预设的感知降级阈值时,获取目标区域的音频数据、雷达点云数据、红外热成像数据、设备振动数据和人员定位数据;
27、根据所述音频数据、雷达点云数据、红外热成像数据、设备振动数据和人员定位数据进行多源数据融合处理,生成人员存在概率分布、人员位置特征信息估计及对应的置信度;
28、根据所述人员存在概率分布、所述人员位置特征信息估计及所述置信度,更新所述风险识别模型的感知参数,并根据更新后的风险识别模型重新识别风险。
29、进一步地,生成对应的风险防控策略包括:
30、评估当前环境条件下各报警通道对目标人员的可用度;
31、其中,所述报警通道包括视觉通道、听觉通道和触觉通道;
32、所述视觉通道的可用度根据所述粉尘浓度确定,所述听觉通道的可用度根据所述噪声声压级以及目标人员佩戴的听力防护装备的隔声量确定,所述触觉通道的可用度根据目标人员佩戴的可穿戴设备的工作状态确定;
33、当所述视觉通道的可用度与所述听觉通道的可用度同时低于预设可用度阈值时,切换至所述触觉通道;
34、通过目标人员佩戴的手环以振动编码方式发出报警,所述振动编码包含风险方位信息,所述风险方位信息根据风险发生位置特征信息与目标人员当前位置特征信息的相对方位确定。
35、进一步地,所述车辆特征数据包括:
36、获取车辆的额定载重量,以及实时获取车辆各轴轴荷和总装载重量;
37、基于所述总装载重量与所述额定载重量计算装载率;
38、当所述装载率超过第一装载率阈值时,触发预警提示;
39、当所述装载率超过第二装载率阈值时,判定为超载,并触发超载警报;
40、其中,所述第一装载率阈值小于所述第二装载率阈值。
41、进一步地,执行所述风险防控策略包括:
42、在电子地图上标注应急物资储备位置特征、消防位置特征、医疗急救资源位置特征和避难场所的分布位置特征信息,并关联各应急资源的可用状态信息,生成应急资源分布图;
43、基于事故发生位置特征信息、人员位置特征信息以及车辆位置特征信息构建救援路径规划约束条件,以救援到达时间最短为目标,生成最优救援路径和人员避险疏散路径;
44、当发生应急事故时,基于所述最优救援路径和人员避险疏散路径进行应急调度。
45、进一步地,所述第二感知退化量的确定因素包括:
46、根据所述人员数据中的个体防护装备佩戴识别结果确定目标人员的个体防护装备覆盖度;所述个体防护装备至少包括防尘面罩和听力防护装备;
47、根据所述个体防护装备覆盖度确定目标人员的察觉能力残余量;所述个体防护装备覆盖度越高,目标人员的察觉能力残余量越低;
48、将所述察觉能力残余量作为所述第二感知退化量的确定因素,所述察觉能力残余量越低,所述第二感知退化量越大。
49、本发明还提供了一种砂石工厂主动式安全风险防控系统,包括:
50、感知模块,其用以实时采集砂石工厂的多源特征数据,所述多源特征数据包括人员特征数据、设备特征数据、环境特征数据和车辆特征数据;
51、数据融合模块,其用以对采集到的多源特征数据进行预处理,将预处理后的多源特征数据进行融合,得到融合后的多源特征数据集;
52、风险识别模块,其用以基于融合后的所述多源特征数据集构建风险识别模型,通过所述风险识别模型进行风险识别,得到风险识别结果;所述风险识别包括单一风险识别和耦合风险识别;
53、感知退化评估模块,其用以确定所述砂石工厂当前的环境感知退化信息;
54、其中,所述环境感知退化信息包括第一感知退化量和第二感知退化量,并根据所述第一感知退化量和所述第二感知退化量的乘积确定感知盲区重叠度;
55、所述第一感知退化量表征所述风险识别模型对人员的探测可靠度的下降程度,所述第二感知退化量表征作业人员对设备危险的察觉能力的下降程度;
56、风险防控模块,其用以根据所述风险识别结果生成对应的风险防控策略,并执行所述风险防控策略;
57、其中,所述风险防控模块还用以在所述感知盲区重叠度超过预设重叠度阈值时,将所述风险识别结果中的风险等级提升至最高风险等级,并根据修正后的风险识别结果生成并执行对应的风险防控策略。
58、与现有技术相比,本发明的有益效果在于,通过实时采集砂石工厂的多源特征数据,包括人员特征数据、设备特征数据、环境特征数据和车辆特征数据;对采集到的多源特征数据进行预处理并融合,得到融合后的多源特征数据集;基于融合后的所述多源特征数据集构建风险识别模型并进行风险识别,得到风险识别结果;根据风险识别结果生成对应的风险防控策略。通过对多源特征数据实时的感知和采集,结合多源特征数据融合与风险识别模块进行主动风险识别,并通过主动预警与联动控制实现自动预警和自动干预,从根本上改变了传统被动式安全防护模式,将安全管理关口前移,有效降低事故发生概率。
59、进一步地,本发明通过多源特征数据融合与风险识别模块对人员特征数据、设备特征数据、环境特征数据、车辆特征数据多源特征数据进行时空关联分析,能够有效识别多因素耦合触发的复合安全风险,解决了现有技术难以识别复杂耦合风险的问题。
60、进一步地,本发明针对砂石工厂破碎、筛分环节高粉尘、强振动、强噪声导致视觉感知失效的特殊工况,通过跨模态条件生成模型,以音频、雷达点云、红外热成像、设备振动和人员定位等非视觉模态为条件重构人员存在概率分布和位置特征信息估计,在高粉尘等视觉降级环境下仍能保持较高的人员监测可靠性,克服了传统视觉监测在恶劣工况下失效的缺陷。
61、进一步地,本发明在识别出第一级风险时能够自动触发设备停机、声光报警、应急广播和人员疏散指引等联动控制措施,无需人工介入即可完成应急响应的初步处置,大幅缩短了从事故发生到应急处置的时间窗口,有效防止事故影响范围扩大。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com