机械作业安全风险智能识别技术

张志亭

摘要：在进行机械操作时，如果存在任何非法的活动，可能会导致严重的经济后果。因此，我们需要开发一种新的方法，用于识别这些活动的安全风险。我们使用非线性自回归神经网络去探索这些风险，并依照这些风险的严重性，计算其相应的风险度值。最后，我们还会利用人工免疫网络构造一个智能的识别模型。

关键词：机械作业；安全风险；风险识别；智能识别技术

引言

近些年，由于我国的建筑产业飞速进步，机器设备的作用日益显著。在我们的都市成长历程里，经常面临如施工环境的复杂和施工条件的严苛等问题。使用如推土机、挖掘机、起重机之类的设备，既可以显著降低操作者的负担，又可以增强其运营效率，同时也可以确保其运营的质量。然而，对于设备的使用而言，其可能存在的危害并不容忽视。由于其繁琐的管理技巧和不利的施工条件，往往会导致各种建筑的安全问题，这对设备使用者的日常工作和施工成果产生了不良影响。确保建筑的安全性不仅构成了确保建筑品质及收益的根本，而且还是中国城市发展的核心要素，任何潜在的安全威胁都可能妨碍建筑项目的顺利执行。所以，探索并运用针对建筑工程的机器操作安全风险辨认技巧，对于减少施工设备的损坏、确保项目的安全起着至关重要的实际影响。

1关于塑料片材挤出机的介绍

塑料片材挤出机是一种用于生产塑料片材的设备。它主要由供料系统、加热系统、挤出系统、冷却系统和切割系统等组成。这种挤出机适用于各种塑料片材的制造，例如聚乙烯（PE）、聚丙烯（PP）、聚氯乙烯（PVC）等。它可用于生产各种塑料片材产品，如包装薄膜、塑料袋、塑料罐、食品包装等。其制法主要是通过将塑料颗粒或颗粒状混合物加入供料系统，在高温下加热并搅拌，使塑料熔化，并通过挤出系统将熔融的塑料物料挤出模具，经过冷却后形成所需的塑料片材。在使用塑料片材挤出机时，需要注意安全事项。操作人员需要戴好防护眼镜、手套，以防止熔融塑料喷溅或接触到高温部件。此外，需要保持机器的良好通风，避免有害气体积聚。在维护和清洁设备时，应断开电源，并按照操作手册的要求进行操作。

2挖掘机械作业安全风险因素

挖掘机械操作的安全隐患，是达成安全隐患的自动化辨认的核心。通过有效地控制和运用隐患，我们能够在整个操作流程中准确地辨认出安全隐患。数字化分析的核心在于从众多的机械操作安全隐患信息的复杂数据库里，抽取出具备价值和实际意义的隐患元素，并在接下来的自动化辨认环节使之发挥作用。对于机械操作的安全隐患，其探索过程主要涵盖了三个环节：收集信息、进行信息预处理和进行深度探究。首先，我们利用了诸如传感器、监测装置等一系列的手段，以不同的方式搜集了机械操作的安全隐患，并将所得的数据储存在了我们的数据库中。由于机械操作的场景极其复杂，且容易受到外部环境以及其它因素的干扰，所以，我们所搜集的这些隐患通常并未被认定为安全隐患。所以，我们必须对所得的数据做一些预处理，例如清洗、变更以及减少噪音，以便将它们变成可以进一步研究的重要资料。最后，通过运用数据分析技术，我们可以识别出对设备运行产生关键效应的危险因素。这也表明，在寻求这些危险因素的途径上，关键因素是我们所采取的数据分析技术。考虑到机器运行的真实情况，我们决定采取预测型的数据探索手段，即利用对各类历史机器运行的安全危害数据进行统计学解读，从而找到可能的安全隐患。一般来说，这类机器运行的危害数据会呈现为非线性的时间顺序，因此，在进行此类数据的预测和探索的阶段，我们决定采取非线性自回归神经网络的策略。为了准确分析和探讨结构性的时间序列信息，我们必须思考相关的问题。例如，假设在机器运行的场所发生地面坍塌，那么这种安全隐患极有可能导致设备翻倒，进一步对工人的生命造成隐患。因此，机械操作的地面下陷信息实际上是一个非线性的时间序列。当我们开始预测和挖掘这些信息，我们必须首先对这些低维的序列进行改造，以便我们能够获取更多的相位空间。这个过程可以用K（t）=[X（t），X（t+γ）来描述。在X（t+（n-1）γ）]T（1的公式里，K（t）代表的是机械作业安全风险因素时间序列的确定性相位空间X（t）则是指机械作业安全风险因素的时间序列t=1,2，…，Nγ——延迟数据n——低维时间序列的嵌入维度T——相位空间维度。在重构机械作业安全风险因素的时间序列时，γ和n的选择是至关重要的，因为这两个参数直接影响着空间重构的精确度。接着，我们把重塑过的机器操作的安全危害元素引入到非线性的自我回归神经网络里，这样就能够进行预测分析。其公式如下：Y（t）=F（K（t-1），K（t-2），…，K（t-c） ） （2）在这个公式里，Y（t）代表着非线性的自我回归神经网络的结果，也就是说，这是对于机器操作的安全危害元素的预测分析结果F——映射函数c -延迟长度。换句话说，只需要使用公式（1）和（2），就能得到这些结果。我们可以预见并研究各类机器运动的潜在风险，此外，该技术的精度极高，它将成为未来智能辨认模式的根本。

3计算风险因素的风险度

对于机械操作来说，安全风险的等级，也就是由该类型危害导致的安全事件的严重程度，其影响力是巨大的。对于这个等级进行评定，不只是能让我们更准确地找到隐藏的危险，也是激发机械操作安全风险的核心因素。鉴于计算机使用的潜在风险，首先需要根据工程实际情况，将风险程度划分为3个等级（表1）

表1机械作业安全风险的危害程度划分表

在表1数据的基础上，根据式（3）计算出各风险因素的风险度值[5]：δi=PiDi（3）式中δi——机械作业安全风险因素i的风险度值Pi——因素i造成作业安全事故的可能性Di——一旦我们明确了所有在真正的机器运行过程中可能存在的危险因素的危害级别，就可以识别出四个主要的危险因子，分别为：工作条件的糟糕、设备自身的缺陷、使用设备的人员的专业技巧以及工作的缺乏保证。观察这一点，由于各类安全问题导致的建筑事故的严重程度以及其影响区域有所不同，一些仅仅导致设备的损坏，而其他一些却有可能造成人员受伤甚至丧生。所以，依照这些问题的严重性来确定它们的危害级别，是在机器运动过程中实现安全问题的自动辨认的关键步骤，此步骤在安全问题的自动辨认上起着至关重要的角色。

4建立智能识别模型

现代的免疫科学研究揭示，人类的免疫系统具备独特的运行方式，能够和其他系统一起维护身体的健康，同时还具备均衡和自我恢复的特质。因此，本次研究引入了免疫网络科技，创造出一个针对处理机械操作过程中的潜在风险的智能模型。“人工免疫系统”的概念自1996年诞生以来，其应用领域已经由最初的故障诊断与安全识别扩展至更广泛的层面。所以，利用免疫网络的手段，可以大大提高我们在构建机器操作过程中的安全风险智能识别技术的精度。首先，我们将机器的安全性与威胁性的自动识别方法看做一个免疫系统的组成部分，其中威胁性的部分例如抗原，而防护性的部分就是抗体。在这个组成部分中，我们将为抗体与抗原制定一个相应的反馈阈值，并通过这个阈值来实现相互匹配，以实现对抗体威胁性部分的识别。从数学的角度来看，我们有能力利用诸多的属性，比如实数和二进制，来确定智能免疫识别模型的形状空间，无论是抗体还是抗原，它们的具体使用方式都会根据机器运行的安全隐患的数字特点来确定。那么假设免疫识别模型中抗体机械作业风险因素为α=（α1，α2，…，αn），抗原机械作业安全因素为β=（β1，β2，…，βn），二者之间的匹配识别可以通过距离来衡量。

结束语

本研究从数据挖掘的角度，设计出一种创新的机器操作安全风险的自动化监控手段，并借助真实的案例研究来评估其应用价值，这在提高机器操作安全风险的总体辨认程度上发挥了至关重要的促进效果。虽然此次的研究取得了一些进展，但其仅仅是我国城市化工程中的一部分，仍然面临许多需要深入研究的难题，例如，智能预警与监控技术等方面的机械操作安全风险。这对于确保城市化工程的安全与稳定具有极其重大的影响。

参考文献

[1]陈星，常原，郑颖琇，等.基于AlphaPose与REBA的手工搬运作业姿势风险评估方法［J］.中国安全生产科学技术，2022，18（7）：232-238.

[2]卢红奇，聂芳艺.基于WBS-RBS和风险度的危险品道路运输风险分析［J］.工业安全与环保，2021，47（12）：32-36.

[3]郭宇，李英娜，刘爱莲，等.基于深度学习的电力安全作业实体识别方法［J］.电视技术，2022，46（1）：67-72.

[4]胡万俊，夏文鹤，李永杰，等.气体钻井随钻安全风险智能识别方法［J］.石油勘探与开发，2022，49（2）：377-384.