企业安全生产管理系统及其管理方法技术方案

本申请涉及智能生产管理的领域，其具体地公开了一种企业安全生产管理系统及其管理方法，其通过利用深度学习技术的深度神经网络模型来对企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息的隐含关联特征进行深层挖掘，以在对当前时间点的所述企业生产系统的生产风险进行判断，并且在此过程中，还添加了特征分布流形的修正系统，以进行特征值集合的边界约束，从而避免了特征值集合由于集合的分布外特征值导致在分类目标域内的决策区域的碎片化，进而提升提高了分类的准确性。这样，能够对于当前时间点的企业生产系统的生产风险进行更准确地判断。生产系统的生产风险进行更准确地判断。生产系统的生产风险进行更准确地判断。

【技术实现步骤摘要】
企业安全生产管理系统及其管理方法


[0001]本专利技术涉及智能生产管理的领域，且更为具体地，涉及一种企业安全生产管理系统及其管理方法。

技术介绍

[0002]目前企业的安全生产管理主要依靠少数监管人员，负责在安全事故发生后执行相应的应急处理。这种监管模式中，无法及时、安全地把握企业安全生产状况。近年来，物联网、5G和大数据等前沿科技的发展为企业安全生产管理提供了新的解决思路和方案。
[0003]因此，期望一种企业安全生产管理系统来对安全生产进行智能管理。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种企业安全生产管理系统及其管理方法，其通过利用深度学习技术的深度神经网络模型来对企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息的隐含关联特征进行深层挖掘，以在对当前时间点的所述企业生产系统的生产风险进行判断，并且在此过程中，还添加了特征分布流形的修正系统，以进行特征值集合的边界约束，从而避免了特征值集合由于集合的分布外特征值导致在分类目标域内的决策区域的碎片化，进而提升提高了分类的准确性。这样，能够对于当前时间点的企业生产系统的生产风险进行更准确地判断。
[0005]根据本申请的一个方面，提供了一种企业安全生产管理系统，其包括：
[0006]历史数据采集模块，用于获取企业生产系统在生产过程中产生的历史数据，其中，所述历史数据为所述企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息；
[0007]历史数据结构化模块，用于将所述企业生产系统在生产过程中产生的历史数据按照时间维度和机械设备样本维度排列为二维输入状态矩阵；
[0008]历史数据特征提取模块，用于使用所述第一卷积神经网络模型对所述二维输入状态矩阵进行显式空间编码以得到运行状态关联特征矩阵；
[0009]当前状态数据采集模块，用于获取当前时间点的所述企业生产系统的各个机械设备的运行状态信息；
[0010]当前状态数据编码模块，用于将所述当前时间点的所述企业生产系统的各个机械设备的运行状态信息通过包含一维卷积层的序列编码器以得到当前状态特征向量；
[0011]特征分布校正模块，用于分别对所述当前状态特征向量和所述设备运行关联特征矩阵进行校正以得到校正后当前状态特征向量和校正后设备运行关联特征矩阵；
[0012]向量查询模块，用于以所述校正后当前状态特征向量作为查询向量与所述校正后设备运行关联特征矩阵进行相乘以得到分类特征向量；以及
[0013]安全管理结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的企业生产系统的生产是否存在风险。
[0014]在上述企业安全生产管理系统中，在所述历史数据中，如果所述企业生产系统的各个机械设备在各个预定时间点的运行状态状态为开启状态，则以所述机械设备的运行功率作为所述机械设备在该预定时间点的运行状态信息；如果所述企业生产系统的各个机械设备在各个预定时间点的运行状态状态为关闭状态，则以零值作为所述机械设备在该预定时间点的运行状态信息。
[0015]在上述企业安全生产管理系统中，所述历史数据结构化模块，包括：行向量构造单元，用于将所述企业生产系统在生产过程中产生的历史数据按照所述时间维度分别排列为行向量以得到多个行向量；二维排列单元，用于将所述多个行向量按照所述机械设备样本维度排列为所述二维输入状态矩阵。
[0016]在上述企业安全生产管理系统中，所述历史数据特征提取模块，进一步用于使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部通道维度的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述运行状态关联特征矩阵，所述第一卷积神经网络模型的第一层的输入为所述二维输入状态矩阵。
[0017]在上述企业安全生产管理系统中，所述当前状态数据编码模块，包括：输入向量构造单元，用于将所述当前时间点的所述企业生产系统的各个机械设备的运行状态信息按照时间维度排列为对应于所述企业生产系统的各个机械设备的一维的输入向量；全连接编码单元，用于使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；一维卷积编码单元，用于使用所述时序编码器的一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
[0018][0019]其中，a为卷积核在x方向上的宽度、F为卷积核参数向量、G为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸。在上述企业安全生产管理系统中，所述特征分布校正模块，包括：向量校正单元，用于以如下公式对所述当前状态特征向量进行校正以得到所述校正后当前状态特征向量；
[0020]其中，所述公式为：
[0021][0022]其中v
i
表示所述当前状态特征向量的第i个位置的特征值，v
′
i
表示所述校正后当前状态特征向量的第i个位置的特征值；以及，矩阵校正单元，用于以如下公式对所述设备运行关联特征矩阵进行校正以得到所述校正后设备运行关联特征矩阵；
[0023]其中，所述公式为：
[0024][0025]其中m
i，j
为所述设备运行关联特征矩阵的第(i，j)位置的特征值，m
′
i，j
表示所述校正后设备运行关联特征矩阵的第(i，j)位置的特征值。
[0026]在上述企业安全生产管理系统中，所述安全管理结果生成模块，进一步用于：使用所述分类器以如下公式对所述分类特征向量进行处理以获得所述分类结果，其中，所述公式为：softmax{(W
n
，B
n
)：...：(W1，B1)|X}，其中，W1到W
n
为权重矩阵，B1到B
n
为偏置向量，X为所述分类特征向量。
[0027]根据本申请的另一方面，一种企业安全生产管理系统的管理方法，其包括：
[0028]获取企业生产系统在生产过程中产生的历史数据，其中，所述历史数据为所述企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息；
[0029]将所述企业生产系统在生产过程中产生的历史数据按照时间维度和机械设备样本维度排列为二维输入状态矩阵；
[0030]使用所述第一卷积神经网络模型对所述二维输入状态矩阵进行显式空间编码以得到运行状态关联特征矩阵；
[0031]获取当前时间点的所述企业生产系统的各个机械设备的运行状态信息；
[0032]将所述当前时间点的所述企业本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业安全生产管理系统，其特征在于，包括：历史数据采集模块，用于获取企业生产系统在生产过程中产生的历史数据，其中，所述历史数据为所述企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息；历史数据结构化模块，用于将所述企业生产系统在生产过程中产生的历史数据按照时间维度和机械设备样本维度排列为二维输入状态矩阵；历史数据特征提取模块，用于使用所述第一卷积神经网络模型对所述二维输入状态矩阵进行显式空间编码以得到运行状态关联特征矩阵；当前状态数据采集模块，用于获取当前时间点的所述企业生产系统的各个机械设备的运行状态信息；当前状态数据编码模块，用于将所述当前时间点的所述企业生产系统的各个机械设备的运行状态信息通过包含一维卷积层的序列编码器以得到当前状态特征向量；特征分布校正模块，用于分别对所述当前状态特征向量和所述设备运行关联特征矩阵进行校正以得到校正后当前状态特征向量和校正后设备运行关联特征矩阵；向量查询模块，用于以所述校正后当前状态特征向量作为查询向量与所述校正后设备运行关联特征矩阵进行相乘以得到分类特征向量；以及安全管理结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的企业生产系统的生产是否存在风险。2.根据权利要求1所述的企业安全生产管理系统，其中，在所述历史数据中，如果所述企业生产系统的各个机械设备在各个预定时间点的运行状态状态为开启状态，则以所述机械设备的运行功率作为所述机械设备在该预定时间点的运行状态信息；如果所述企业生产系统的各个机械设备在各个预定时间点的运行状态状态为关闭状态，则以零值作为所述机械设备在该预定时间点的运行状态信息。3.根据权利要求2所述的企业安全生产管理系统，其中，所述历史数据结构化模块，包括：行向量构造单元，用于将所述企业生产系统在生产过程中产生的历史数据按照所述时间维度分别排列为行向量以得到多个行向量；二维排列单元，用于将所述多个行向量按照所述机械设备样本维度排列为所述二维输入状态矩阵。4.根据权利要求3所述的企业安全生产管理系统，其中，所述历史数据特征提取模块，进一步用于使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部通道维度的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述运行状态关联特征矩阵，所述第一卷积神经网络模型的第一层的输入为所述二维输入状态矩阵。5.根据权利要求4所述的企业安全生产管理系统，其中，所述当前状态数据编码模块，包括：输入向量构造单元，将所述当前时间点的所述企业生产系统的各个机械设备的运行状
态信息按照时间维度排列为对应于所述企业生产系统的各个机械设备的一维的输入向量；全连接编码单元，用于使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；一维卷积编码单元，用于使用所述时序编码器的一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：其中，a为卷积核在x方向上的宽度、F为卷积核参数向量、G为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸。6.根据权利要求5所述的企业安全生产管理系统，...

【专利技术属性】
技术研发人员：胡蓉，
申请(专利权)人：江西中科冠物联网科技有限公司，
类型：发明
国别省市：