基于深度学习的检修作业过程风险智能预警

为提高炼化企业检维修作业过程的安全性，利用目标检测技术，构建基于深度学习的智能风险识别模型；首先，结合贝叶斯网络(BN)及模糊集理论，建立动态风险评估模型；其次，采用分级动态预警方法，实现检修作业过程风险要素的智能监控预警；然后，以压缩机检修作业过程为例，采用失效模式和影响分析(FMEA)与作业条件危险性分析方法，辨识作业过程风险，再利用基于深度学习的风险智能识别模型，监控现场作业过程并识别风险；最后，采用BN和模糊集理论相结合的方法，评估作业过程中的动态风险，并采用分级预警的方法智能预警作业过程风险。结果表明：该方法可以有效识别压缩机检修作业过程中的风险因素，识别准确率为93%,在此基础上进行动态风险评估，当观测到事件概率发生变化，且超出相应预警阈值时，依据风险等级进行报警，实现风险要素的智能监控。