一种基于BIM的智慧工厂安全管理系统及方法技术方案

本发明专利技术正是基于上述问题，提出了一种基于BIM的智慧工厂安全管理系统及方法，通过所述智慧工厂的监测数据生成对应时间版本的BIM数据，从所述BIM数据中识别出固定参数以及变化参数，将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据，判断所述预测数据是否存在超出标准范围区间的情况以及其是否为发散性，当所述变化参数的超出标准范围区间的情况为发散性时，将所述预测数据输入BIM演算引擎进行可视化推演，基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患，判断为是时，对所述安全隐患进行预警，能够有效降低安全管理成本，提高安全管理效率。提高安全管理效率。提高安全管理效率。

【技术实现步骤摘要】
一种基于BIM的智慧工厂安全管理系统及方法


[0001]本专利技术涉及生成安全
，特别涉及一种基于BIM的智慧工厂安全管理系统及方法。

技术介绍

[0002]生产安全管理是工厂生产管理中的重要组成部分，安全生成是保证工厂的产品生产计划有序进行的重要前提。在技术层面，传统的生产安全管理更多的是定期对生产设施包括生成环境、生产设备以及生产工具等进行安全检查，排除安全风险。随着智慧工厂的概念的兴起，信息化管理技术、智能检测技术与物联网技术的应用使得工厂的安全管理方面得到了极大的改善。然而现有技术中智慧工厂的安全管理依赖于在工厂的各个位置布置大量的安全监控设备或者传感器来实现，并且不同的安全监控设备、传感器及其对应的安全管理系统均较为分散，各子系统孤立运作，只能针对特定的安全问题进行检测和预警，对安全隐患的发现和应急响应能力有限，其安全管理仍然无法脱离安全员的定期巡查和安全隐患排查，智能化程度仍有不足，因此当前的智慧工厂的安全管理仍然存在高成本低效率的问题。

技术实现思路

[0003]本专利技术正是基于上述问题，提出了一种基于BIM的智慧工厂安全管理系统及方法，能够有效降低安全管理成本，提高安全管理效率。
[0004]有鉴于此，本专利技术的第一方面提出了一种基于BIM的智慧工厂安全管理系统，包括：
[0005]数据导入模块，用于导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
[0006]数据监测模块，用于通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
[0007]数据生成模块，用于基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
[0008]参数识别模块，用于基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
[0009]数据预测模块，用于将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
[0010]超标判断模块，用于判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
[0011]趋势判断模块，用于当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
[0012]可视化推演模块，用当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
[0013]隐患判断模块，用于基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
[0014]隐患预警模块，用于在判断为是时，对所述安全隐患进行预警。
[0015]本专利技术的第二方面提出了一种基于BIM的智慧工厂安全管理方法，包括：
[0016]导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
[0017]通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
[0018]基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
[0019]基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
[0020]将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
[0021]判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
[0022]当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
[0023]当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
[0024]基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
[0025]判断为是时，对所述安全隐患进行预警。
[0026]进一步的，在上述的基于BIM的智慧工厂安全管理方法中，基于所述监测数据生成对应时间版本的BIM数据的步骤具体包括：
[0027]使用基础BIM数据和历史变更日记数据构建上一个时间版本的BIM数据；
[0028]根据每一个传感器的位置确定所述传感器的监测数据与所述BIM数据中的BIM量化参数的对应关系；
[0029]确定所述监测数据与上一个时间版本的对应BIM量化参数的数据的差异；
[0030]根据所述差异构建当前时间版本的变更日记数据。
[0031]进一步的，在上述的基于BIM的智慧工厂安全管理方法中，基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数的步骤具体包括：
[0032]从当前时间版本的变更日记数据中确定变更参数；
[0033]获取所述变更参数在当前时间版本的第一参数数值p
i,1
以及上一时间版本的BIM数据中的第二参数数值p
i,2
，其中i＝(1,2,
…
,n
j
)，j＝(1,2,
…
,m)，n
j
为第j个时间版本中的变更参数的数量，m为已保存的BIM数据的版本数量；
[0034]计算所述第一参数数值p
i,1
和第二参数数值p
i,2
之间的差值：
[0035]Δp
i
＝|p
i,1
‑
p
i,2
|；
[0036]以相同方式获取所述变更数据从所述基础BIM数据起到当前时间版本期间的相邻版本的第一差值序列：
[0037]Δp
ij
＝|p
ij,1
‑
p
ij,2
|；
[0038]计算所述第一差值序列的平均值：
[0039][0040]获取所述第一差值序列的最大值：
[0041][0042]获取所述变更参数的标准范围区间的上界b
i,up
和下界b
i,lo
；
[0043]判断所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BIM的智慧工厂安全管理系统，其特征在于，包括：数据导入模块，用于导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；数据监测模块，用于通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；数据生成模块，用于基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；参数识别模块，用于基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；数据预测模块，用于将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；超标判断模块，用于判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；趋势判断模块，用于当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；可视化推演模块，用当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；隐患判断模块，用于基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；隐患预警模块，用于在判断为是时，对所述安全隐患进行预警。2.一种基于BIM的智慧工厂安全管理方法，其特征在于，包括：导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预
测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；判断为是时，对所述安全隐患进行预警。3.根据权利要求2所述的基于BIM的智慧工厂安全管理方法，其特征在于，基于所述监测数据生成对应时间版本的BIM数据的步骤具体包括：使用基础BIM数据和历史变更日记数据构建上一个时间版本的BIM数据；根据每一个传感器的位置确定所述传感器的监测数据与所述BIM数据中的BIM量化参数的对应关系；确定所述监测数据与上一个时间版本的对应BIM量化参数的数据的差异；根据所述差异构建当前时间版本的变更日记数据。4.根据权利要求3所述的基于BIM的智慧工厂安全管理方法，其特征在于，基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数的步骤具体包括：从当前时间版本的变更日记数据中确定变更参数；获取所述变更参数在当前时间版本的第一参数数值p
i,1
以及上一时间版本的BIM数据中的第二参数数值p
i,2
，其中i＝(1,2,
…
,n
j
)，j＝(1,2,
…
,m)，n
j
为第j个时间版本中的变更参数的数量，m为已保存的BIM数据的版本数量；计算所述第一参数数值p
i,1
和第二参数数值p
i,2
之间的差值：Δp
i
＝|p
i,1
‑
p
i,2
|；以相同方式获取所述变更数据从所述基础BIM数据起到当前时间版本期间的相邻版本的第一差值序列：Δp
ij
＝|p
ij,1
‑
p
ij,2
|；计算所述第一差值序列的平均值：获取所述第一差值序列的最大值：获取所述变更参数的标准范围区间的上界b
i,up
和下界b
i,lo
；判断所述变更参数是否满足以下条件：其中α＜β＜0.5；当所述变更参数满足上述条件时，则将所述变更参数确定为固定参数；否则将所述变更参数确定为变化参数。5.根据权利要求4所述的基于BIM的智慧工厂安全管理方法，其特征在于，获取上一时间版本的BIM数据中的第二参数数值的步骤具体包括：
判断所述变更参数在上一时间版本的变更日记数据是否存在；当所述变更参数在上一时间版本的变更日记数据中存在时，将上一时间版本的变更日记数据中存储的所述变更参数的参数数值确定为所述第二参数数值；当所述变更参数在上一时间版本的变更日记数据不存在时，则顺序向前回溯其它时间版本的变更日记数据，以将在当前时间版本之前的最后一个存在所述变更参数的变更日记数据中的所这变更参数的参数数值确定为...

【专利技术属性】
技术研发人员：阚亮亮，郭冠兰，
申请(专利权)人：深圳市顶尖传诚科技有限公司，
类型：发明
国别省市：