System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于数据挖掘的特种设备安全预警方法及系统技术方案_技高网

基于数据挖掘的特种设备安全预警方法及系统技术方案

技术编号:41701092 阅读:21 留言:0更新日期:2024-06-19 12:34
本申请提供了基于数据挖掘的特种设备安全预警方法及系统,涉及安全预警技术领域,该方法包括:布设传感器阵列;采集并回传监测感知数据;对所述监测感知数据进行风险点定位,确定模糊风险点;确定预移动轨迹;确定风险传感数据;结合所述风险传感数据,连接可视化仿真平台,进行三维孪生重构与风险演化拟真,预测风险趋势;生成基于所述风险趋势的安全预警信息,进行基于预定预警方式的风险示警,解决了现有技术中存在由于故障在早期特征并不明显,难以监测,进而导致预警及时性和准确性不足的技术问题,通过进行模糊风险点的分析后,对模糊风险点进行风险演化模拟,进而在风险发生早期进行预警,达到提升风险预警的准确性和及时性的技术效果。

【技术实现步骤摘要】

本申请涉及安全预警,具体涉及基于数据挖掘的特种设备安全预警方法及系统


技术介绍

1、特种设备是指涉及生命安全、危险性较大的锅炉、压力容器(含气瓶)、压力管道等设备,特种设备出现故障会造成重大的安全事故和损失,因此,对于特种设备进行安全监测具有重要意义。传统的设备安全预警方法大多通过设置固定传感器进行传感监测后进行阈值判断,从而进行预警,但是,有些故障在早期特征并不明显,难以监测,在预警后故障往往已经演变严重。

2、目前,现有技术中存在由于故障在早期特征并不明显,难以监测,进而导致预警及时性和准确性不足的技术问题。


技术实现思路

1、本申请提供了基于数据挖掘的特种设备安全预警方法及系统,用以解决现有技术中存在由于故障在早期特征并不明显,难以监测,进而导致预警及时性和准确性不足的技术问题。

2、根据本申请的第一方面,提供了基于数据挖掘的特种设备安全预警方法,包括:交互作业区域的特种设备的设备基础信息,布设传感器阵列,其中,所述传感器阵列包括定点子阵列与移动子阵列;基于所述传感器阵列,采集并回传监测感知数据,其中,所述监测感知数据带有空间位置标识;结合风险决策模块,对所述监测感知数据进行风险点定位,确定模糊风险点,其中,所述风险决策模块为孪生网络结构,内嵌有风险特征库,所述风险特征库基于人机交互风险,设备协同风险与设备自体风险挖掘构建;识别所述空间位置标识,基于就近原则,结合所述移动子阵列匹配基于所述模糊风险点的目标传感器,确定预移动轨迹,所述目标传感器包括至少一个传感器类型;基于所述预移动轨迹,结合生产监管系统,对所述目标传感器进行临时调控,确定风险传感数据;结合所述风险传感数据,连接可视化仿真平台,进行三维孪生重构与风险演化拟真,预测风险趋势;生成基于所述风险趋势的安全预警信息,进行基于预定预警方式的风险示警。

3、根据本申请的第二方面,提供了基于数据挖掘的特种设备安全预警系统,包括:传感器布设单元,所述传感器布设单元用于交互作业区域的特种设备的设备基础信息,布设传感器阵列,其中,所述传感器阵列包括定点子阵列与移动子阵列;传感监测单元,所述传感监测单元用于基于所述传感器阵列,采集并回传监测感知数据,其中,所述监测感知数据带有空间位置标识;风险点定位单元,所述风险点定位单元用于结合风险决策模块,对所述监测感知数据进行风险点定位,确定模糊风险点,其中,所述风险决策模块为孪生网络结构,内嵌有风险特征库,所述风险特征库基于人机交互风险,设备协同风险与设备自体风险挖掘构建;预移动轨迹确定单元,所述预移动轨迹确定单元用于识别所述空间位置标识,基于就近原则,结合所述移动子阵列匹配基于所述模糊风险点的目标传感器,确定预移动轨迹,所述目标传感器包括至少一个传感器类型;临时调控单元,所述临时调控单元用于基于所述预移动轨迹,结合生产监管系统,对所述目标传感器进行临时调控,确定风险传感数据;风险趋势预测单元,所述风险趋势预测单元用于结合所述风险传感数据,连接可视化仿真平台,进行三维孪生重构与风险演化拟真,预测风险趋势;风险示警单元,所述风险示警单元用于生成基于所述风险趋势的安全预警信息,进行基于预定预警方式的风险示警。

4、根据本申请采用的一个或多个技术方案,其可达到的有益效果如下:

5、交互作业区域的特种设备的设备基础信息,布设传感器阵列,其中,传感器阵列包括定点子阵列与移动子阵列,基于传感器阵列,采集并回传监测感知数据,其中,监测感知数据带有空间位置标识,结合风险决策模块,对监测感知数据进行风险点定位,确定模糊风险点,其中,风险决策模块为孪生网络结构,内嵌有风险特征库,风险特征库基于人机交互风险,设备协同风险与设备自体风险挖掘构建,识别空间位置标识,基于就近原则,结合移动子阵列匹配基于模糊风险点的目标传感器,确定预移动轨迹,目标传感器包括至少一个传感器类型,基于预移动轨迹,结合生产监管系统,对目标传感器进行临时调控,确定风险传感数据,结合风险传感数据,连接可视化仿真平台,进行三维孪生重构与风险演化拟真,预测风险趋势,生成基于风险趋势的安全预警信息,进行基于预定预警方式的风险示警。由此通过进行模糊风险点的分析后,对模糊风险点进行风险演化模拟,进而在风险发生早期进行预警,达到提升风险预警的准确性和及时性的技术效果。

本文档来自技高网...

【技术保护点】

1.基于数据挖掘的特种设备安全预警方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述交互作业区域的特种设备的设备基础信息,布设传感器阵列,包括:

3.如权利要求2所述的方法,其特征在于,所述风险决策模块内嵌有风险特征库,包括:

4.如权利要求3所述的方法,其特征在于,所述风险决策模块包括并行的参照决策分支与目标决策分支,所述结合风险决策模块,对所述监测感知数据进行风险点定位,包括:

5.如权利要求1所述的方法,其特征在于,进行三维孪生重构与风险演化拟真,包括:

6.如权利要求5所述的方法,其特征在于,所述三维孪生模型包括协同设备模型、独立设备模型与设备局部模型,包括:

7.如权利要求1所述的方法,其特征在于,所述进行基于预定预警方式的风险示警,包括:

8.基于数据挖掘的特种设备安全预警系统,其特征在于,所述系统包括:

【技术特征摘要】

1.基于数据挖掘的特种设备安全预警方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述交互作业区域的特种设备的设备基础信息,布设传感器阵列,包括:

3.如权利要求2所述的方法,其特征在于,所述风险决策模块内嵌有风险特征库,包括:

4.如权利要求3所述的方法,其特征在于,所述风险决策模块包括并行的参照决策分支与目标决策分支,所述结合风险决策模块,对所述监测感...

【专利技术属性】
技术研发人员:王冠韬马颖侯志强徐明伟高远
申请(专利权)人:北京石油化工学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1