面向安全生产风险的人工智能决策系统和方法技术方案

本发明专利技术提供一种面向安全生产风险的人工智能决策系统和方法。本发明专利技术基于从生产线现场感知的信息流，汇集为智能制造相关的多源化大数据集合，基于大数据集合实现对初始构造的安全生产风险模型的训练，进而利用训练后的模型实现安全生产风险智能决策；该安全生产风险模型能够面向快速复杂变化且多类型综合性的相关因素，抽取特征张量，利用特征张量识别安全生产风险目标，并基于安全生产风险目标特征向量通过目标量融合做出智能决策。量通过目标量融合做出智能决策。量通过目标量融合做出智能决策。

【技术实现步骤摘要】
面向安全生产风险的人工智能决策系统和方法


[0001]本专利技术涉及智能制造工业
，特别涉及一种面向安全生产风险的人工智能决策系统和方法。

技术介绍

[0002]智能制造，是将传统的制造工业与信息化、智能化技术深度而全面的融合，从而提升工业生产过程中各项决策的科学性和准确性，以及改善工业制造过程中自动化控制的水平和效率。
[0003]从硬件层面来说，智能制造表现为将各种类型的传感器、图像设备集成到生产线的各个环节，实现信息感知的全面覆盖和高实时性；还包括利用有线和无线媒介的工业互联网实现信息、数据、指令的上下行通信传输，形成可持续性的信息流。从软件层面来看，智能制造需要建立多源化大数据中心和智能决策中枢，从而在大数据基础上实现对各种决策模型的构建、训练和验证，实现持续优化的智能决策，进而基于智能决策，生成下达给生产线每个环节的自动控制指令。
[0004]生产线各个环节的安全生产风险是智能制造关注的重点之一。这里的安全生产风险涵盖了人员、设施、物料、空间等各方面的安全性风险。目前，智能制造在安全生产风险方面主要是基于传感器和工业互联网进行安全有关参数的监测和报警，包括对于生产线各个环节、设施、空间的环境参数、状态参数、电变量参数、设备状态值等进行感知、采集和上传。进而，基于超限判断、日志分析等手段做出安全生产风险的评估决策，并以维护安全生产为目的采取必要的监测、报警、停机等措施。
[0005]目前，智能制造技术在安全生产风险方面存在的主要不足之处是面向生产线的人员、设施、物料、空间等各方面多类型的多因素综合模式，缺乏有效、可靠的安全生产风险决策系统。特别是在某些生产模式中，以上多类型综合性因素还兼具快速复杂变化的特征，导致安全生产风险决策造成误判率高、时间延迟大的问题，无法采取真正有效的措施。

技术实现思路

[0006]本专利技术提供一种面向安全生产风险的人工智能决策系统和方法。本专利技术基于从生产线现场感知的信息流，汇集为智能制造相关的多源化大数据集合，基于大数据集合实现对初始构造的安全生产风险模型的训练，进而利用训练后的模型实现安全生产风险智能决策；该安全生产风险模型能够面向快速复杂变化且多类型综合性的相关因素， 抽取特征张量，利用特征张量识别安全生产风险目标，并基于安全生产风险目标特征向量通过目标量融合做出智能决策。
[0007]本专利技术提供一种面向安全生产风险的人工智能决策系统，包括：
[0008]生产线现场感知模块，用于从智能制造生产线现场感知信息流，并汇集为智能制造相关的多源化大数据集合；
[0009]安全生产风险目标识别模块，对于安全生产相关因素数据集，采用卷积神经网络
抽取因素特征并矢量化，进而进行因素特征的张量编码，将识别目标组与因素特征张量执行自注意力解码，实现安全生产风险目标识别，并行输出安全生产风险目标的识别结果；
[0010]融合智能决策模块，用于将安全生产风险目标的识别结果组织为向量形式，作为决策特征向量，执行融合智能决策，获得适应所述决策特征向量的决策控制量；所述决策控制量是通过将所述决策特征向量与安全生产风险控制量拟合所得的。
[0011]优选的是，所述生产线现场感知模块包括：传感设备、成像设备、智能生产设备、工业互联网设备、大数据中心服务器；所述传感设备融合了多种类型的传感器，嵌入到智能制造生产线的各个环节、设施和生产空间，实现对生产线的环境参数、状态参数、电变量参数的感知、采集和上传，所述成像设备支持多种波段的成像，并实现图像信号的数字化、格式封装和上传，所述智能生产设备具有对自身工作模式、工作状态、异常警报进行感知记录形成数据包形式的设备状态值的功能；所述工业互联网设备用于将传感设备、成像设备、智能生产设备提供的数据上传到大数据中心服务器；所述大数据中心服务器将传感设备、成像设备、智能生产设备提供的数据汇集为多源化大数据集合，以支持实现安全生产风险智能决策。
[0012]优选的是，所述安全生产风险目标识别模块基于所述多源化大数据，构造由安全生产相关因素数据矩阵和风险目标标签成对组成的训练集合，并构造初始化的卷积神经网络，将所述安全生产相关因素数据矩阵输入卷积神经网络进行训练，由所述卷积神经网络抽取安全生产相关因素数据矩阵的因素特征，该因素特征表示为矢量形式。
[0013]优选的是，安全生产风险目标识别模块建立卷积神经网络形式的因素特征提取器，该卷积神经网络包括ResNet卷积层结构以及全卷积层结构；并且，构造并初始化用于对因素特征进行张量编码的编码器以及将识别目标组与因素特征张量执行自注意力交互解码的解码器；并将因素特征输入所述编码器，获得因素特征的张量编码，再将识别目标组与因素特征张量执行自注意力交互解码。
[0014]优选的是，所述安全生产风险目标识别模块构造并初始化进行安全生产风险目标识别的目标类型识别模型和目标定位识别模型；再将识别目标组的目标预测解码特征输入所述目标类型识别模型和目标定位识别模型，并行输出所述因素特征中每个安全生产风险目标的识别类型和识别定位向量。
[0015]优选的是，所述安全生产风险目标识别模块针对训练集合中的安全生产相关因素数据矩阵，由上述目标类型识别模型和目标定位识别模型输出的个安全生产风险目标的识别类型和定位向量集合；并且，通过优化针对训练集合输出的目标识别类型和目标定位向量集合与训练集合的目标标签之间的损失函数，获得对各个模型的参数估计。
[0016]优选的是，所述安全生产风险目标识别模块在对各个模型完成训练后，针对生产线现场感知模块提供的多源化大数据，基于安全生产相关因素数据矩阵的形式，采用训练完毕的所述卷积神经网络抽取因素特征并矢量化，进而进行因素特征的张量编码，将识别目标组与因素特征张量执行自注意力交互解码，实现安全生产风险目标识别，并行输出每个安全生产风险目标的识别类型和定位向量。
[0017]优选的是，所述融合智能决策模块对安全生产风险控制量与决策特征向量进行比例融合，通过对融合比例系数赋值，从而生成融合决策向量。
[0018]优选的是，所述融合智能决策模块以所述融合决策向量和决策特征向量为基础，
再通过对生产线的响应系数的实际值进行赋值，从而生成适应所述决策特征向量的决策控制量。
[0019]本专利技术进而提供了一种面向安全生产风险的人工智能决策方法，包括：
[0020]从智能制造生产线现场感知信息流，并汇集为智能制造相关的多源化大数据集合；
[0021]对于安全生产相关因素数据集，采用卷积神经网络抽取因素特征并矢量化，进而进行因素特征的张量编码，将识别目标组与因素特征张量执行自注意力解码，实现安全生产风险目标识别，并行输出安全生产风险目标的识别结果；
[0022]将安全生产风险目标的识别结果组织为向量形式，作为决策特征向量，执行融合智能决策，获得适应所述决策特征向量的决策控制量；所述决策控制量是通过将所述决策特征向量与安全生产风险控制量拟合所得的。
[0023]本专利技术能够基于从生产线现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向安全生产风险的人工智能决策系统，包括：生产线现场感知模块，用于从智能制造生产线现场感知信息流，并汇集为智能制造相关的多源化大数据集合；安全生产风险目标识别模块，对于安全生产相关因素数据集，采用卷积神经网络抽取因素特征并矢量化，进而进行因素特征的张量编码，将识别目标组与因素特征张量执行自注意力解码，实现安全生产风险目标识别，并行输出安全生产风险目标的识别结果；融合智能决策模块，用于将安全生产风险目标的识别结果组织为向量形式，作为决策特征向量，执行融合智能决策，获得适应所述决策特征向量的决策控制量；所述决策控制量是通过将所述决策特征向量与安全生产风险控制量拟合所得的。2.根据权利要求1所述的人工智能决策系统，其特征在于，所述生产线现场感知模块包括：传感设备、成像设备、智能生产设备、工业互联网设备、大数据中心服务器；所述传感设备融合了多种类型的传感器，嵌入到智能制造生产线的各个环节、设施和生产空间，实现对生产线的环境参数、状态参数、电变量参数的感知、采集和上传，所述成像设备支持多种波段的成像，并实现图像信号的数字化、格式封装和上传，所述智能生产设备具有对自身工作模式、工作状态、异常警报进行感知记录形成数据包形式的设备状态值的功能；所述工业互联网设备用于将传感设备、成像设备、智能生产设备提供的数据上传到大数据中心服务器；所述大数据中心服务器将传感设备、成像设备、智能生产设备提供的数据汇集为多源化大数据集合，以支持实现安全生产风险智能决策。3.根据权利要求2所述的人工智能决策系统，其特征在于，所述安全生产风险目标识别模块基于所述多源化大数据，构造由安全生产相关因素数据矩阵和风险目标标签成对组成的训练集合，并构造初始化的卷积神经网络，将所述安全生产相关因素数据矩阵输入卷积神经网络进行训练，由所述卷积神经网络抽取安全生产相关因素数据矩阵的因素特征，该因素特征表示为矢量形式。4.根据权利要求3所述的人工智能决策系统，其特征在于，安全生产风险目标识别模块建立卷积神经网络形式的因素特征提取器，该卷积神经网络包括ResNet卷积层结构以及全卷积层结构；并且，构造并初始化用于对因素特征进行张量编码的编码器以及将识别目标组与因素特征张量执行自注意力交互解码的解码器；并将因素特征输入所述编码器，获得因素特征的张量编码，再将识别目标组与因素特...

【专利技术属性】
技术研发人员：原树生，
申请(专利权)人：北京网藤科技有限公司，
类型：发明
国别省市：