基于人工智能视频分析的选煤厂安全管理研究

为提高选煤厂安全监控的智能化水平,降低人力值守消耗,利用深度神经网络构建面向选煤厂安全管理的人工智能(AI)视频分析系统,首先,设计深度神经网络算法,实时检测分析典型场景视频目标,构建监控预警管理系统;然后,建立人、机、环的视频安全预警机制,实现对选煤厂现场作业人员不安全行为的视频分析、物的不安全状态的视频识别和环境危险因素的视频判断。结果表明:该系统通过对人、机、环信息的获取、处理和反馈,能够实现及时预警消除安全隐患,提高作业过程的安全系数。     

基于深度学习的井下环境异常工况智能识别技术研究

为了使装备在井下复杂环境中具有自主精准辨识井下对象和作业环境的能力,实现无轨装备及其他各类型装备无人化作业和开采,提出了基于利用深度学习方法开展井下环境异常工况智能识别分类研究。通过分析装备正常运行和作业的主要影响因素,构建了井下环境异常工况数据集,采用旋转变换、平移变换、缩放变换等数据增强技术,有效防止网络训练过拟合;基于InceptionResnet V2模型采用层冻结方法,重新训练全连接模型,通过不同的迁移策略进行实验对比分析。研究结果表明:添加2层全连接层,且每层包括4 096个神经元的迁移策略模型性能最佳,鲁棒性好,能够精准识别分类井下环境异常工况。     

基于迁移学习与残差网络的矿工不安全行为识别

为精确识别矿工的不安全行为,降低煤矿事故发生率,提出迁移学习结合深度残差网络的图像识别方法。将矿工的行为样本划分为完全安全行为、较安全行为、不安全行为3个维度,其中完全安全行为包括:走路、坐下、站立,较安全行为包括:弯腰、下蹲、抬东西、推、拉、挥手、拍手,不安全行为包括:跌倒、投掷;采用ResNet50网络进行训练,微调ImageNet数据集迁移学习的权重参数,通过全连接层进行12分类,并将最终分类结果与测试数据进行对照检验。研究结果表明:基于迁移学习的残差网络模型识别跌倒与投掷动作的准确率,优于其他深度神经网络模型,能够有效识别不安全行为从而避免由人为因素导致的事故发生。     

矿井环境对员工不安全行为的影响研究

通过调研,将组织任务、法制监管、作业环境、安全管理及安全技能作为影响矿工不安全行为的内部环境变量,探究内部环境与煤矿员工不安全行为的内在关联。并采用PA-LV模型检验各变量的指标权重,构建有关矿井环境因子与员工不安全行为的结构方程模型。结果表明,煤矿企业内部环境易引起矿工的操作差错,直接导致矿工的不安全行为。其中,作业环境和矿工安全技能对不安全行为影响最为显著。     

基于多元联系数的矿工不安全行为风险态势评估

为了有效分析煤矿作业人员不安全行为风险状况和变化趋势,提出了1种基于熵权法和集对分析耦合的矿工不安全行为风险态势分析方法。在现有的煤矿作业人员不安全行为影响因素研究的基础上,运用HFACS理论分析矿工不安全行为影响因素,构建包括4个维度12个因素的不安全行为因素集;采用熵值法和集对分析理论建立基于多元联系数的矿工不安全行为风险评估模型;以内蒙某煤矿矿工不安全行为风险评估为例,验证所构建的态势评估模型的有效性。研究结果表明:构建的风险态势评估模型可以有效分析矿工不安全行为风险状态和变化趋势。     

基于深度学习的施工安全泛场景数据获取方法

为实现隐患场景识别和施工安全泛场景数据智能化处理,在分析场景构成因素基础上,将施工场景划分为不安全行为场景和不安全物态场景2类。结合图像语义层次的划分,应用深度学习方法提取对象语义、空间关系语义、场景语义和行为语义,进而依据施工安全泛场景数据理论,得到图像语义信息与泛场景数据对应关系。选取建筑施工现场照片为样本源,采集施工不安全行为场景数据,验证应用基于深度学习的方法处理泛场景数据的可行性。结果表明:通过深度学习提取图像语义,可以自动采集不安全行为和不安全场景泛物态数据,提高场景数据处理效率。     

基于RVM的装配式建筑吊装作业安全预警模型

为提高装配式建筑施工安全水平,准确判断吊装作业安全状况,建立基于相关向量机(RVM)的预警模型。根据装配式建筑吊装作业特点,对比传统施工模式,分析致使吊装事故发生的主要因素,按人-机-料-法-环(4M1E)5要素确定预警指标体系,并通过粗糙集(RS)属性约简算法确定模型安全预警因子;选用混合核函数构建RVM预警模型,并通过改进粒子群算法(IPSO)寻优确定核参数,给出计算方法及模型流程;以华中地区5个项目的相关数据完成模型学习训练和预警仿真。结果表明:用该模型所得结果与实际情况基本一致,判定正确率为94%、平均相对误差为3.667%,预警分析效果良好,较其他3种机器学习方法泛化拟合能力更强、效率更高。     

输电线路工程施工风险全过程管控研究

针对输电线路工程施工作业风险全过程安全管控需求,从“人、机、料、法、环”5个维度,梳理了线路工程施工过程风险点,重点针对人的不安全行为、物的不安全状态和作业的不安全环境,利用电力物联网技术,从感知层、网络层、平台层和应用层4个方面分析了基建现场作业风险管控平台架构及内容,完成了输电线路工程施工作业风险点分析及感知层建设,进一步提升了线路工程基建现场作业风险管控技术水平。     

基于FTA-Reason的施工作业高空坠落风险预控研究

为了对施工作业中高空坠落风险进行预控,采用故障树法对施工作业高空坠落事故进行了故障树的构建、分析,继而通过对经典Reason模型进行改造,建立了施工作业高空坠落事故的预控模型,包括组织因素、安全监督、操作条件、安全行为的前提以及安全行为5个防御层次。在风险预控的过程中,通过运用建立的施工作业高空坠落风险模型,可以对施工作业中的高空坠落风险进行针对性地预控,为施工安全风险管理提供参考。     

基于STPA和模糊BN的装配式建筑吊装施工安全风险分析*

为有效评估装配式建筑吊装施工中的安全风险状态,识别关键风险因素,运用系统理论过程分析方法(STPA)构建吊装施工过程中的控制反馈结构,识别导致危险的不安全控制行为,确定不安全控制行为的致因因素;基于风险因素间的关联关系构建贝叶斯网络（BN）模型,推理计算装配式建筑吊装施工安全风险状态概率,并结合反向诊断推理分析影响安全事故的风险因素;通过敏感性分析,识别装配式建筑吊装施工安全中的关键风险因素。结果表明:装配式建筑吊装施工安全风险处于低风险状态;起重机械超负荷运行、现场安全管理不到位和吊索吊具存在缺陷等因素是影响装配式建筑吊装施工安全风险的关键风险因素。     

城市地下空间管道施工坍塌事故行为原因研究

为了进一步了解城市地下空间管道施工坍塌事故发生的原因,笔者运用行为安全"2-4"模型事故致因分析方法分析了27起典型的管道施工坍塌事故,分析得出17类共109个不安全动作和6类共34个不安全物态,不安全动作中发生率较高的是不按要求对基坑放坡和加固、未对作业人员安全教育培训或者培训不到位以及施工前未进行风险识别或者识别不到位,并对这3方面不安全动作进行进一步分析;不安全物态中发生率较高的是未加支撑的基坑侧壁、存在淤泥和松软土质结构的开挖层。得出安全知识不足7类共58项,安全意识的淡薄,对于生产主管主要体现在雇佣临时工,施工现场作业人员则体现在不注意环境周围存在的安全隐患;得出安全管理体系的欠缺9类共88项,因安全生产规章制度缺乏或制度不合格导致安全管理体系欠缺占比最大,因无安全技术交底或技术交底不到位导致安全管理体系的欠缺居于第二位,施工前未进行风险识别或者识别不到位在27起事故中也出现12次,也是安全管理工作中不可忽视的因素。     

基于扎根理论的矿工不安全行为成本和收益识别

为了减少矿工不安全行为的发生,以陕西煤业化工集团神南矿业公司为研究样本,基于扎根理论对矿工不安全行为成本和矿工不安全行为收益进行识别,通过实地访谈收集资料,将访谈内容进行编码处理,建立矿工不安全行为成本和收益识别的概念模型,并以此构建矿工不安全行为成本和收益识别的动态模型图;最后,通过模型理论饱和度检验,证明模型中展现的脉络关系是饱和的。研究结果表明:矿工自身的安全意识、人口统计特征因素及情景因素,对矿工不安全行为成本和收益有着重要影响;风险成本、预备成本和实施成本构成矿工不安全行为成本,精神收益和物质收益构成矿工不安全行为收益。     

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。     

建筑施工事故预防学习系统研究

为提升建筑施工人员安全能力,本文运用行为安全“2-4”模型系统分析建筑施工事故的不安全行为原因,并建立不安全行为原因数据库;在此基础上,通过系统的数据采集和方案设计,构建出建筑施工事故预防学习系统总体框架,共包含用户层、业务应用层、应用支撑层、数据层以及基础支撑系统5层级;然后建立安全知识获取行为评价模型来验证该学习系统的有效性,结果表明：该系统能够对建筑施工人员进行培训和考核,能够有效提升企业安全管理能力,减少从业人员不安全行为,提高建筑施工安全管理水平,减少建筑施工事故的发生。事故预防学习系统的成功研发为建筑企业事故预防和培训学习提供强有力支撑,对提高企业安全管理和安全教育培训信息化建设水平具有显著意义。     

风险容忍度对员工不安全行为的影响研究

为识别不安全状态下风险容忍度关键影响因素,降低不安全行为发生概率,研究建立风险容忍度影响因素综合评价指标体系,采用李克特量表设计调查问卷并开展相关性统计分析,在此基础上构建多变量交互作用分析的结构方程模型,识别关键指标并挖掘指标体系中决策层与风险容忍度的关联关系。结果显示：员工心理和工作性质与风险容忍度相关性显著,对不安全行为发生概率影响较大;生理因素、心理状态、工作性质、安全文化和外部环境与风险容忍度正向关联,关键决策层指标分别为员工体力、员工情绪、工作强度、作业过程监督和行业标准;个人安全素质和安全资源与风险容忍度负向关联,关键决策层指标分别为安全技能水平和现场防护措施。     

铁路机务隔离开关监护系统

为预防铁路机务高压隔离开关操作过程中发生高压触电、高空坠落等重大人身伤害事故,利用网络通信、虹膜识别、连锁控制、计算机编程、大数据处理等信息化控制技术,研究不安全行为机控预防机制;采用定性分析法辨识隔离开关操作过程的不安全行为,针对辨识出的不安全行为研究监控系统;系统设计操作权限、分闸、验电、接地防护、合闸5个功能模块,模块设计内容涵盖隔离开关操作中可能发生不安全行为的所有项点,现场实践验证,消除隔离开关操作中存在的简化申请流程、分闸股道不匹配、验电无效、未撤线合闸等重大人身安全隐患。研究表明：该系统可使作业人员正确佩戴防护用品,规范操作隔离开关,实现作业过程由“人控”向“机控”的管控升级。     

公路工程施工安全事故致因模型构建

为了探究公路施工安全事故诱因及其影响关系,基于"4M"理论和事故致因"2-4"模型,识别公路工程施工安全事故致因因素并确定模型框架,运用SPSS Modeler软件对2007~2017年426起事故进行关联规则挖掘,采取路径分析与重要度分析,构建出公路工程施工安全事故致因模型。结果表明:施工单位内外部原因共同引发公路工程施工安全事故,外部原因来源于建设单位、监理单位和勘察设计单位的安全管理缺失,而施工单位内部影响因素中,人的不安全动作、物的不安全因素、不良的生产环境和自然环境是事故发生的直接原因,无效的安全监管和作业层安全素质及能力不强是间接原因,根本原因是施工程序和技术方案存在缺陷,根源原因是决策层和管理层的安全素质及能力有待提高。该模型系统展现了工程施工项目安全事故致因因素的影响关系和重要程度,为公路工程施工安全事故预防提供指导。     

煤矿作业人员不安全行为的影响因素分析

为分析造成煤矿安全事故不安全行为的主要因素,基于人因分析和分类系统(HFACS),以山西汾西煤矿集团的煤矿安全事故报告为样本,将极大似然估计和模糊语义-数字概率估计方法相结合,构建煤矿作业人员不安全行为影响因素的贝叶斯网络,进而由浅入深地推理出不安全行为的影响因素。结果表明,个人准备状态差是造成作业人员不安全行为的最直接原因,而运行计划不恰当、监督不充分和资源管理不到位是造成作业人员不安全行为的主要深层次原因,作业人员状态对其不安全行为的产生有较大影响。     

安全行为管理“五位一体”模型构建及应用

为消除人的不安全行为,从源头预防事故,实现人本安全,基于行为科学原理与安全管理学方法,提出安全行为管理的定义,分析其内涵与作用机制,并从组织活动、人员行为、效果评估、反馈机制与安全文化等5个方面构建安全行为管理"五位一体"模型,深入诠释模型中个人、组织、安全与不安全等4种行为间的相互关系;阐述模型的基础、调节与宣教功能;解析其理论层、实践层与归纳层;评价模型的有效性;最后,将模型用于特大交通事故中,分析事故原因并提出对策措施。结果表明:该模型提供了反馈调节等行为管理的具体方法,也形成了内外因相结合的事故分析方法,为安全行为管理提供了新模式。     

基于AHP的高处坠落危险性模糊评价方法研究

通过对高处作业"人-机-环境-管理"复杂系统分析,建立生产人员素质因素、生产设备因素、环境条件因素、安全管理因素等4个大类和23个小类的危险性评价指标体系.在层次分析法和模糊综合评价法等研究基础上,构建了高处坠落多层次模糊综合评价模型,确定了各层次的权重集.给出了评价实例,评价结果符合实际.