排序方式: 共有85条查询结果,搜索用时 62 毫秒
21.
移动脚手架升降作业的FMECA分析 总被引:2,自引:0,他引:2
利用FMECA(故障模式,影响及危险度分析)方法回顾了升降作业的典型事故,阐述了架体结构和升降作业流程,对移动脚手架升降作业进行了故障类型、影响及危险度分析,认为保障移动脚手架升降施工作业安全的重点是:保证防坠装置的有效可靠性、维护防护装置的功能完整性、确保提升机构和架体结构的整体稳定性。 相似文献
22.
编辑同志:腰部有旧伤的向某与汪某同在一个工地打工,2007年8月的一天,汪某给向某出主意说:你有伤病,干嘛不装成干活时受伤,让建筑公司老板出点血,就算他救济咱们。两人一拍即合。第二天下午,向某从2米高的脚手架上跳下,躺在地上假装受伤。汪某便大声叫喊:“来人啊,有人摔下来了!” 相似文献
23.
24.
2013年1月18日.某镇广场改造工程施工现场发生了一起汽车起重机侧翻事故.造成了一人死亡两人重伤。汽车起重机司机王某在吊装大约700公斤重科斯林柱头往科斯林柱上放时。因为角度不准.王某正在调整吊臂的角度.突然科斯林柱头往下一沉.汽车起重机吊臂往下倾倒.汽车起重机也随之侧翻。当时在科斯林边的第四层脚手架东西两头分别有三个人.他们准备接科斯林柱头。 相似文献
25.
针对脚手架工程隐患人工巡检效率低、实时排查难的问题,提出一种基于深度学习的隐患实时检测方法。利用添加噪声、随机裁剪等数据增强方式扩充数据集,提高模型在复杂环境下的鲁棒性;基于YOLOv5s目标检测算法建立脚手架工程隐患图像识别模型并进行训练测试,与YOLOv4、Faster R-CNN进行对比,验证模型的有效性。结果表明,在脚手架工程隐患检测任务上,YOLOv5s模型的均值平均精度达到92.23%,较YOLOv4提升8.11百分点;检测速度达到97.01帧/s,较Faster R-CNN提升5倍。轻量的YOLOv5s网络模型适合部署于嵌入式智能监控中,实时采集现场数据并进行隐患分类识别,有效缩短隐患发现时间,研究结果可为脚手架工程监控预警平台提供研究基础。 相似文献
26.
27.
28.
29.