一種基于人工智能的安全生產監測預警系統技術方案

本申請提供一種基于人工智能的安全生產監測預警系統，包括：快速感知模塊，集成智能物聯設備、測量儀器及邊緣計算設備，構建基于工業互聯網的態勢感知能力；實時監測模塊，選取高風險、高價值設備，通過云上平臺的方式，保障安全生產關鍵數據的在線監測；超前預警模塊，基于人工智能挖掘數據，依托風險特征庫、預警模型，對可能出現的安全問題進行快速預警；應急處置模塊，結合應急預案、應急專家庫，實現快速、多部門應急響應及聯動；系統評估模塊，用于綜合評價企業整體的安全態勢及抗風險水平，對高風險區域、設備設施進行系統性評價。本申請加速安全生產管理模式從靜態分析向動態感知、事后應急向事前預防、單點防控向全局聯防的轉變。變。變。

【技術實現步驟摘要】
一種基于人工智能的安全生產監測預警系統


[0001]本申請涉及物聯網
，尤其涉及一種基于人工智能的安全生產監測預警系統。

技術介紹

[0002]目前的化工、能源等生產企業，往往僅能實現單個設備實時數據監測，無法快速定位報警源，設備需要定期人工檢查和部件替換，形成了數據孤島；無法做到安全生產數據趨勢預警、故障溯源分析、設備預測性維護、AI工藝參數優化、數據融合、系統聯動。

技術實現思路

[0003]有鑒于此，本申請的目的在于提出一種基于人工智能的安全生產監測預警系統，本申請能夠針對性的解決現有的問題。
[0004]基于上述目的，本申請還提出了一種基于人工智能的安全生產監測預警系統，包括：
[0005]快速感知模塊，集成智能物聯設備、測量儀器及邊緣計算設備，構建基于工業互聯網的態勢感知能力；
[0006]實時監測模塊，選取高風險、高價值設備，通過云上平臺的方式，保障安全生產關鍵數據的在線監測；
[0007]超前預警模塊，基于人工智能挖掘數據，依托風險特征庫、預警模型，對可能出現的安全問題進行快速預警；
[0008]應急處置模塊，結合應急預案、應急專家庫，實現快速、多部門應急響應及聯動；
[0009]系統評估模塊，用于綜合評價企業整體的安全態勢及抗風險水平，對高風險區域、設備設施進行系統性評價。
[0010]進一步地，所述快速感知模塊，具體包括如下步驟：
[0011]根據工業互聯網智能監控裝置獲得生產設備圖像信息和所述測量儀器數據；/>[0012]將所述生產設備圖像信息和所述測量儀器數據輸入人工智能訓練模型，其中，所述人工智能訓練模型通過多組訓練數據訓練獲得，所述多組中的訓練數據中的每一組訓練數據均包括：所述生產設備圖像信息、所述測量儀器數據和安全監督標準；
[0013]獲得所述人工智能訓練模型的輸出信息，其中，所述輸出信息包括不符合所述安全監督標準的圖像信息；
[0014]通過邊緣計算設備獲得生產設備控制人員信息和刷臉信息；判斷所述生產設備控制人員信息和刷臉信息是否一致；如果所述生產設備控制人員信息和刷臉信息一致，獲得預警指令，所述預警指令用于提醒所述生產設備控制人員所述不符合所述安全監督標準的圖像信息出現安全問題；如果所述生產設備控制人員信息和刷臉信息不一致，獲得報警指令，所述報警指令用于高級用戶所述不符合所述安全監督標準的圖像信息出現安全問題以及所述生產設備控制人員未正常出勤；其中，所述高級用戶為所述生產設備控制人員的上
級管理人員。
[0015]進一步地，所述邊緣計算設備包括人流量管理模塊、通信模塊；
[0016]所述工業互聯網智能監控裝置被配置為，拍攝生產廠房的人流視頻，提取人流視頻中的人臉特征，與人臉特征數據庫進行對比，生成對比結果上傳至人流量管理模塊；所述對比結果包括身份信息、入廠房時間、出廠房時間；
[0017]所述人流量管理模塊被配置為，根據所述對比結果判斷人員出勤情況，生成出勤情況表上傳至云服務器，所述出勤情況表包括一個工作日內的遲到、早退、加班、缺勤情況。
[0018]進一步地，所述選取高風險設備的過程包括如下步驟：
[0019]S1、在實時監測模塊處接收針對多個風險類型評估的設備的個體特征數據；
[0020]S2、由所述實時監測模塊運行多任務預測模型，所述多任務預測模型經訓練以基于所述個體特征數據聯合預測所述設備的多個目標風險類型，并通過確定目標風險類型之間的相關性來預測一組風險關聯，所述多任務預測模型基于以下參數訓練:表示跨多個漏洞域的風險的數據，表示多個設備的特征的數據，以及表示所述多個設備的風險目標和特征的完整或不完整觀察的數據；
[0021]S3、在實時監測模塊中，根據跨多個漏洞域的風險的數據和所述完整或不完整觀察的數據，使用特征數據的鏈接規則化調節所述多任務預測模型的訓練、所述風險的特征的選擇和排序，以及通過將在所述多任務預測模型中使用的目標特征和風險類型相關的系數矩陣，與表示關于風險關聯的領域知識的協方差矩陣鏈接，來學習和選擇所述一組風險關聯；
[0022]S4、使用所述多任務預測模型和優化所述鏈接規則化來計算個體設備的聯合預測的多個目標風險類型的風險得分；
[0023]S5、以及通過提供用戶界面輸出針對所述個體設備的每個域中的所述多個目標風險類型的設備風險得分以供顯示。
[0024]進一步地，步驟S4中所述優化所述鏈接規則化包括:對所述風險的特征選擇和排序執行迭代算法；應用閾值化規則來更新表示用于風險特征選擇和排序的關于風險關聯的領域知識的協方差矩陣的元素。
[0025]進一步地，所述超前預警模塊通過以下兩種方法之一具體實現：
[0026]方法1包括如下步驟：
[0027]獲取當前流經的安全生產數據對應的待識別風險；
[0028]若所述待識別風險不屬于當前的風險特征庫，則檢測是否發生用戶針對所述待識別風險的主動觸發行為；
[0029]若發生，則將所述待識別風險存儲至未識別風險庫；若未發生，則將所述待識別風險存儲至預警風險庫，并根據預設預警模型以及當前所述預警風險庫中的風險，進行預警處理；
[0030]方法2包括如下步驟：
[0031]根據安全生產任務類型，對安全生產設備內的安全生產任務進行分配，確定安全生產作業任務單，根據安全生產設備內的設備類型，確定風險特征庫；
[0032]根據安全生產作業任務單對安全生產設備內的設備進行安全生產，采集每件設備的狀態參數；
[0033]根據狀態參數，得到每件設備的實時運行狀態，結合風險特征庫內包含的標準值對每件設備的實時運行狀態進行判定，得到每件設備的運行狀態報告；
[0034]根據實時運行狀態以及運行狀態報告，判定每件設備是否存在異常，對存在異常的設備根據預設的預警模型進行預警。
[0035]進一步地，所述應急處置模塊，包括：操作系統、應用服務、數據庫管理系統、服務器、存儲器、視頻系統設備、大屏幕指揮系統、網絡和通訊基礎設施、數據中心，所述數據中心設有應用整合服務、業務整合服務、數據整合服務，所述應用服務設有決策支持系統、業務支持系統、GIS引擎、工作流引擎、消息中間件、用戶管理、權限管理，當獲取到實時監測模塊中的設備風險得分超過預設閾值時，或者超前預警模塊的預警信息時，所述應急處置模塊根據應急預案調用對應的應急專家庫，以電話或網絡通訊方式通知對應的部門和專家進行應急處理。
[0036]進一步地，所述系統評估模塊，根據基于多源異構數據融合的安全風險動態量化評估模型，針對快速感知模塊、實時監測模塊、超前預警模塊獲取的高風險區域、設備設施，內置基于模糊Petri網建立的風險動態傳播鏈路，首先確定風險點目標失效概率，然后依次確定初始事件失效概率、其余保護層失效概率和修正因子參數，最終根據安全風險動態量化評估模型計算企業整體的安全態勢及抗風險水平。
[0037]總的來說，本申請的優勢及給用戶帶本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于人工智能的安全生產監測預警系統，其特征在于，包括：快速感知模塊，集成智能物聯設備、測量儀器及邊緣計算設備，構建基于工業互聯網的態勢感知能力；實時監測模塊，選取高風險、高價值設備，通過云上平臺的方式，保障安全生產關鍵數據的在線監測；超前預警模塊，基于人工智能挖掘數據，依托風險特征庫、預警模型，對可能出現的安全問題進行快速預警；應急處置模塊，結合應急預案、應急專家庫，實現快速、多部門應急響應及聯動；系統評估模塊，用于綜合評價企業整體的安全態勢及抗風險水平，對高風險區域、設備設施進行系統性評價。2.根據權利要求1所述的系統，其特征在于，所述快速感知模塊，具體包括如下步驟：根據工業互聯網智能監控裝置獲得生產設備圖像信息和所述測量儀器數據；將所述生產設備圖像信息和所述測量儀器數據輸入人工智能訓練模型，其中，所述人工智能訓練模型通過多組訓練數據訓練獲得，所述多組中的訓練數據中的每一組訓練數據均包括：所述生產設備圖像信息、所述測量儀器數據和安全監督標準；獲得所述人工智能訓練模型的輸出信息，其中，所述輸出信息包括不符合所述安全監督標準的圖像信息；通過邊緣計算設備獲得生產設備控制人員信息和刷臉信息；判斷所述生產設備控制人員信息和刷臉信息是否一致；如果所述生產設備控制人員信息和刷臉信息一致，獲得預警指令，所述預警指令用于提醒所述生產設備控制人員所述不符合所述安全監督標準的圖像信息出現安全問題；如果所述生產設備控制人員信息和刷臉信息不一致，獲得報警指令，所述報警指令用于高級用戶所述不符合所述安全監督標準的圖像信息出現安全問題以及所述生產設備控制人員未正常出勤；其中，所述高級用戶為所述生產設備控制人員的上級管理人員。3.根據權利要求2所述的系統，其特征在于，所述邊緣計算設備包括人流量管理模塊、通信模塊；所述工業互聯網智能監控裝置被配置為，拍攝生產廠房的人流視頻，提取人流視頻中的人臉特征，與人臉特征數據庫進行對比，生成對比結果上傳至人流量管理模塊；所述對比結果包括身份信息、入廠房時間、出廠房時間；所述人流量管理模塊被配置為，根據所述對比結果判斷人員出勤情況，生成出勤情況表上傳至云服務器，所述出勤情況表包括一個工作日內的遲到、早退、加班、缺勤情況。4.根據權利要求3所述的系統，其特征在于，所述選取高風險設備的過程包括如下步驟：S1、在實時監測模塊處接收針對多個風險類型評估的設備的個體特征數據；S2、由所述實時監測模塊運行多任務預測模型，所述多任務預測模型經訓練以基于所述個體特征數據聯合預測所述設備的多個目標風險類型，并通過確定目標風險類型之間的相關性來預測一組風險關聯，所述多任務預測模型基于以下參數訓練:表示跨多個漏洞域的風險的數據，表示多個設備的特征的數據，以及表示所述多個設備的風險目標和特征的
完整或不完整觀察的數據；S3、在實時監測模塊中，根據跨多個漏洞域的風險的數據和所述完整或不完整觀察的數據，使用特征數據的鏈接規則化調節所述多任務預測模型的訓練、所述風險的特征選擇和排序，以及通過將在所述多任務預測模型中使用的目標特征和風險類型相關的系數矩陣，與表示關于風險關聯的領域知識的...

【專利技術屬性】
技術研發人員：黃永軍，郭中華，張昳，
申請(專利權)人：北京東方通網信科技有限公司，
類型：發明
國別省市：