機械作業(yè)安全風(fēng)險智能識別技術(shù)

陳曉琳

（淄博市周村區(qū)應(yīng)急救援指揮保障中心，山東淄博 255300）

0 引言

近年來，我國建筑行業(yè)得到快速發(fā)展，機械作業(yè)設(shè)備的作用越來越重要。在我國城市化建設(shè)工程中，時常面臨著施工條件復(fù)雜、施工環(huán)境惡劣等困難，推土機、挖掘機以及起重機等機械設(shè)備的應(yīng)用，不僅能夠大幅減輕作業(yè)人員的勞動強度，而且能夠提高作業(yè)效率、保障作業(yè)質(zhì)量。但是，機械作業(yè)本身是一件蘊含巨大安全風(fēng)險的事件，受復(fù)雜施工工藝以及惡劣施工環(huán)境的影響，施工安全事故時有發(fā)生，給作業(yè)人員的生命安全以及工程效益均帶來了一定負(fù)面效益。施工安全是保障施工質(zhì)量與效益的基礎(chǔ)，是推進我國城市化進程的關(guān)鍵因素，任何安全風(fēng)險都會阻礙工程項目的建設(shè)。因此，在建筑工程領(lǐng)域開展機械作業(yè)安全風(fēng)險識別技術(shù)的研究，對降低施工機械的作業(yè)風(fēng)險、保障工程安全具有重要現(xiàn)實意義。

1 挖掘機械作業(yè)安全風(fēng)險因素

對機械作業(yè)安全風(fēng)險因素的挖掘[1]，是實現(xiàn)安全風(fēng)險智能識別的關(guān)鍵，對風(fēng)險因素的高效管理與利用，可以動態(tài)識別機械作業(yè)全過程安全風(fēng)險。數(shù)據(jù)挖掘就是由大量機械作業(yè)安全風(fēng)險信息的多結(jié)構(gòu)數(shù)據(jù)源中，提取出有用且實用的風(fēng)險因素，進而將這些風(fēng)險因素應(yīng)用于后續(xù)的智能識別中。機械作業(yè)安全風(fēng)險因素的挖掘流程主要包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理以及挖掘這3 個步驟。首先利用傳感器、監(jiān)測儀等設(shè)備全方位地采集機械作業(yè)安全風(fēng)險信息結(jié)構(gòu)數(shù)據(jù)[2]，并將其存儲至本次數(shù)據(jù)庫中。由于機械作業(yè)環(huán)境較為復(fù)雜，易受外界環(huán)境等因素的干擾，所采集的安全風(fēng)險信息數(shù)據(jù)會存在一些不屬于安全法風(fēng)險因素的無效數(shù)據(jù)，所以接下來需要對采集的數(shù)據(jù)進行清洗、轉(zhuǎn)化、去噪等預(yù)處理，將其轉(zhuǎn)變?yōu)榭梢陨钊胪诰虻闹黝}數(shù)據(jù)。最后通過數(shù)據(jù)挖掘技術(shù)，來獲得有意義的機械作業(yè)安全風(fēng)險因素。由此可知，在挖掘機械作業(yè)安全風(fēng)險因素時，關(guān)鍵在于所采用的數(shù)據(jù)挖掘技術(shù)。本文綜合機械作業(yè)實際情況，選用預(yù)測模式的數(shù)據(jù)挖掘方法，也就是通過對歷史機械作業(yè)安全風(fēng)險信息多結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)計分析，來預(yù)測出安全風(fēng)險因素的值[3]。

一般情況下，機械作業(yè)安全風(fēng)險信息的結(jié)構(gòu)化數(shù)據(jù)，大多數(shù)為非線性時間序列數(shù)據(jù)，所以對這類數(shù)據(jù)進行預(yù)測挖掘時，本文基于非線性自回歸神經(jīng)網(wǎng)絡(luò)來實現(xiàn)結(jié)構(gòu)化時間序列數(shù)據(jù)的預(yù)測挖掘。以機械作業(yè)環(huán)境地表沉降數(shù)據(jù)為例，如果出現(xiàn)這類安全風(fēng)險，將會造成機械設(shè)備的傾覆，從而危及作業(yè)人員生命安全。那么機械作業(yè)地表沉降數(shù)據(jù)的本質(zhì)就是非線性時間序列，在進行預(yù)測挖掘時首先需要對低維的序列進行重構(gòu)，從而獲得多維的相位空間，表達式為：

式中 K（t）——機械作業(yè)安全風(fēng)險因素時間序列的確定性相位空間

X（t）——機械作業(yè)安全風(fēng)險因素的時間序列t=1，2，…，N

γ——延時數(shù)據(jù)

n——低維時間序列的嵌入維數(shù)

T——相位空間維度

在對機械作業(yè)安全風(fēng)險因素的時間序列進行重構(gòu)時，關(guān)鍵在于γ 與n 的選取，這兩個參數(shù)決定了空間重構(gòu)的精度。然后將重構(gòu)的機械作業(yè)安全風(fēng)險因素輸入非線性自回歸神經(jīng)網(wǎng)絡(luò)中，即可實現(xiàn)預(yù)測挖掘，表達式為：

式中 Y（t）——非線性自回歸神經(jīng)網(wǎng)絡(luò)輸出結(jié)果，也就是機械作業(yè)安全風(fēng)險因素的預(yù)測挖掘結(jié)果

F——映射函數(shù)

c——延遲長度，也就是影響網(wǎng)絡(luò)輸入歷史數(shù)據(jù)時間序列的長度

通過式（1）與式（2）即可實現(xiàn)全部機械作業(yè)安全風(fēng)險因素的預(yù)測挖掘，并具有較高的挖掘精度，為后續(xù)智能識別模型的構(gòu)建提供理論依據(jù)。

2 計算風(fēng)險因素的風(fēng)險度

機械作業(yè)安全風(fēng)險因素的風(fēng)險程度，就是該風(fēng)險因素所造成的安全事故的危害程度，所以風(fēng)險度的計算對安全風(fēng)險智能識別有著一定指導(dǎo)意義，并且可以作為機械作業(yè)安全風(fēng)險的觸發(fā)條件[4]。在計算機械作業(yè)安全風(fēng)險因素的風(fēng)險度時，首先需要根據(jù)工程實際情況，將風(fēng)險程度劃分為3 個等級（表1）。

表1 機械作業(yè)安全風(fēng)險的危害程度劃分表

在表1 數(shù)據(jù)的基礎(chǔ)上，根據(jù)式（3）計算出各風(fēng)險因素的風(fēng)險度值[5]：

式中 δi——機械作業(yè)安全風(fēng)險因素i 的風(fēng)險度值

Pi——因素i 造成作業(yè)安全事故的可能性

Di——因素i 造成作業(yè)安全事故的危險程度

計算出實際機械作業(yè)中全部安全風(fēng)險因素的風(fēng)險度值后，可以得出4 個主要的安全風(fēng)險因素，分別為機械作業(yè)環(huán)境惡劣、機械設(shè)備自身缺陷、機械設(shè)備操作人員水平有限、機械作業(yè)防護不足。由此可知，不同的安全風(fēng)險因素造成的施工事故并不一致，所帶來的危害程度也各不相同，有的僅僅會導(dǎo)致機械設(shè)備的損壞，而有的可能會造成人員傷亡等狀況，所以如何根據(jù)風(fēng)險因素的危害程度來計算其風(fēng)險度值，是機械作業(yè)安全風(fēng)險智能識別的關(guān)鍵環(huán)節(jié)，對于安全風(fēng)險智能識別有著重要作用。

3 建立智能識別模型

現(xiàn)代免疫學(xué)指出，人體內(nèi)的免疫系統(tǒng)有著自身獨特的運行機制，能夠和其他系統(tǒng)之間協(xié)同維持機體生理平衡，具有魯棒性、自平衡性等特征，所以本文引入免疫網(wǎng)絡(luò)來建立機械作業(yè)安全風(fēng)險智能識別模型[6]。自1996 年的“人工免疫系統(tǒng)”概念誕生至今，其應(yīng)用領(lǐng)域逐漸擴展到故障診斷、安全識別等，所以免疫網(wǎng)絡(luò)的引入可以有效保障本文設(shè)計機械作業(yè)安全風(fēng)險智能識別技術(shù)的識別效果。首先將機械作業(yè)安全風(fēng)險智能識別模型看成免疫系統(tǒng)中的形態(tài)空間，其中風(fēng)險因素為抗原，安全因素為抗體，在這樣一個形態(tài)空間內(nèi)，為抗體與抗原賦予相應(yīng)的交叉反應(yīng)閾值，通過交叉匹配即可實現(xiàn)抗體風(fēng)險因素的識別[7]。從數(shù)學(xué)角度出發(fā)，智能免疫識別模型的形態(tài)空間中，無論是抗原還是抗體分子都可以用屬性串來描述，如實數(shù)、二進制等，識別中具體采用哪種類型的屬性串由機械作業(yè)安全風(fēng)險因素的數(shù)值類型所決定。那么假設(shè)免疫識別模型中抗體機械作業(yè)風(fēng)險因素為α=（α1，α2，…，αn），抗原機械作業(yè)安全因素為β=（β1，β2，…，βn），二者之間的匹配識別可以通過距離來衡量：

其中，Q1表示當(dāng)機械作業(yè)安全風(fēng)險因素為實數(shù)屬性串時，抗體與抗原之間的距離，Q2表示當(dāng)機械作業(yè)安全風(fēng)險因素為二進制屬性串時，抗體與抗原之間的距離，αi表示第i 個抗體，βi表示第i 個抗原。

如果求得的抗體與抗原之間距離未超過交叉反應(yīng)閾值，表明該機械作業(yè)因素為安全因素，反之則表明其為風(fēng)險因素。由于在免疫智能識別模型中，抗體與抗原之間會相互作用，所以根據(jù)交叉反應(yīng)閾值即可確定機械作業(yè)安全風(fēng)險因素的識別區(qū)域，在該區(qū)域中就可以實現(xiàn)免疫系統(tǒng)提呈分子形態(tài)的精準(zhǔn)識別。

4 案例分析

為了驗證本文所設(shè)計的機械作業(yè)安全風(fēng)險智能識別技術(shù)的可行性，選取某軌道交通工程施工風(fēng)險數(shù)據(jù)進行分析。該工程為某城市地下雙層車站項目，主體工程面積為4 890.5 m2，主要采用明挖法進行施工，作業(yè)過程中用到的機械設(shè)備如表2 所示。

表2 主要機械設(shè)備

本次軌道交通工程中主要使用了挖掘機、裝載機、起重機以及攪拌樁機這4 種大型機械設(shè)備，首先利用文中所設(shè)計識別技術(shù)對這幾項機械設(shè)備作業(yè)中的安全風(fēng)險進行智能識別，并對各安全風(fēng)險的嚴(yán)重程度、暴露頻率進行評分，單項滿分為10 分，然后根據(jù)分值來劃分風(fēng)險的等級（表3）。

表3 機械作業(yè)安全風(fēng)險識別結(jié)果

由表3 的識別結(jié)果可知，利用本文設(shè)計智能識別技術(shù)對該工程中的4 項機械設(shè)備作業(yè)安全風(fēng)險進行跟蹤檢查時，一共識別出12 項安全風(fēng)險，其中風(fēng)險等級為Ⅰ級的有6 項，可以認(rèn)為本次軌道交通工程中存在較大機械作業(yè)安全風(fēng)險，為確保作業(yè)安全，需要及時采取相應(yīng)措施進行處理。這也說明，本文所設(shè)計智能識別技術(shù)可以有效識別出機械作業(yè)中的安全風(fēng)險。

為進一步判斷本文設(shè)計識別技術(shù)的識別性能，引入基于知識集成的安全風(fēng)險識別技術(shù)、基于深度學(xué)習(xí)的安全風(fēng)險識別技術(shù)作為對照組，并以識別準(zhǔn)確率為判斷指標(biāo)。

其中，P 表示機械作業(yè)安全風(fēng)險識別準(zhǔn)確率，TP、FP 分別表示安全風(fēng)險被正確識別、被錯誤識別的數(shù)量。

采用3 種方法的識別結(jié)果如圖1 所示，可以看出本文技術(shù)的平均準(zhǔn)確率為97.38%，較對照組技術(shù)提升了5.69%、11.02%，也就是說本文技術(shù)具有更高的安全風(fēng)險識別精度。因此，該識別技術(shù)具有可行性與可靠性，對實際的建筑工程施工具有指導(dǎo)作用。

圖1 機械作業(yè)安全風(fēng)險識別精度對比

5 結(jié)束語

本文從數(shù)據(jù)挖掘的角度出發(fā)，設(shè)計了一種機械作業(yè)安全風(fēng)險智能識別技術(shù)，并通過案例分析驗證技術(shù)的有效性，對促進機械作業(yè)安全風(fēng)險更加系統(tǒng)的辨識具有重要意義。雖然本研究已經(jīng)取得一定成果，但是僅為我國城市化建設(shè)項目中安全風(fēng)險管理的一小部分，仍有更多有價值的課題需要進一步深入研究，如機械作業(yè)安全風(fēng)險的智能預(yù)警與管控技術(shù)等，這將對城市化工程建設(shè)安全風(fēng)險防控決策具有重要意義。