[发明专利]一种施工事故致因行为的风险定量评估方法及系统有效

专利信息
申请号: 202010891841.1 申请日: 2020-08-28
公开(公告)号: CN112149962B 公开(公告)日: 2023-08-22
发明(设计)人: 何华刚;陈再励;胡东涛 申请(专利权)人: 中国地质大学(武汉)
主分类号: G06Q10/0635 分类号: G06Q10/0635;G06Q50/08;G06Q50/26;G06F30/27;G06F119/14
代理公司: 广东广盈专利商标事务所(普通合伙) 44339 代理人: 李俊
地址: 430074 湖北省武汉市*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 施工 事故 行为 风险 定量 评估 方法 系统
【权利要求书】:

1.一种施工事故致因行为的风险定量评估方法,其特征在于,所述方法包括:

建立基于系统动力学的隧道施工作业行为安全风险模型,获取施工事故的所有致因行为;

建立基于深度学习的人体结构数字化表征模型,结合逆变换处理后的空间转移网络获取作业人员的人体骨骼关节点数据集;

通过图卷积网络对所述人体骨骼关节点数据集进行特征提取,基于所述所有致因行为识别出所述作业人员的当前行为动作;

基于贝叶斯网络对所述当前行为动作的风险等级进行定量评估;

所述建立基于系统动力学的隧道施工作业行为安全风险模型,获取施工事故的所有致因行为包括:

利用风险分解结构分析方法获取隧道施工过程中的典型事故的影响因素,并基于所述影响因素构建施工行为风险影响体系;

基于所述施工行为风险影响体系确定模型边界条件,并结合所述模型边界条件建立系统动力学方程;

设置模型变量参数,并将所述模型变量参数与所述系统动力学方程进行融合,生成系统动力学模型;

利用系统动力学仿真软件建立针对所述系统动力学模型的仿真模拟环境,确定对施工事故造成影响的所有致因行为;

所述建立基于深度学习的人体结构数字化表征模型,结合空间转移网络获取作业人员的人体骨骼关节点数据集包括:

通过摄像头采集作业人员的图像数据,并对所述图像数据进行预处理;

基于深度残差网络对预处理后的图像数据进行多区域特征提取,获取所述作业人员的各个区域定位信息;

搭建堆叠沙漏网络结构,并将所述各个区域定位信息导入所述堆叠沙漏网络结构进行多尺度特征提取,输出所述作业人员的各部分骨骼点信息;

基于逆变换处理后的空间转移网络对所述各部分骨骼点信息进行坐标映射,获取所述作业人员的人体骨骼关节点数据集;

所述逆变换处理后的空间转移网络包括:

1 γ2]=[θ1 θ2]-1

γ3=-1×[γ1 γ23

其中,为变换前的二维坐标,为变换后的二维坐标,[γ1 γ2 γ3]为映射参数矩阵[θ1 θ2 θ3]的逆变换矩阵。

2.根据权利要求1所述的风险定量评估方法,其特征在于,所述结合所述模型边界条件建立系统动力学方程包括:

基于所述模型边界条件,建立流位流率系;

对所述流位流率系进行反馈环分析,获取施工行为风险的主导反馈环;

联合所述主导反馈环与一阶子系统方程,建立系统动力学方程。

3.根据权利要求2所述的风险定量评估方法,其特征在于,所述一阶子系统方程为:

LEV.K=LEV.J+(DT)(RT.JK)

RT.JK=CONST*DISC.K

DISC.K=GL-LEV.K

其中,LEV为状态变量,DT为时间间隔,RT为速率变量,CONST为比例常数,DISC为偏差,GL为目标值,K表示当前时刻,J表示上一时刻。

4.根据权利要求1所述的风险定量评估方法,其特征在于,所述图卷积网络为:

其中,vi为卷积居中的根顶点,Nk(vi)为vi的k阶邻域,vj为邻域中的子节点,W(L(vj))为权重向量,X(vj)为vj的输入特征,Y(vi)为根顶点vi的卷积输出特征,Anorm为参数矩阵。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010891841.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top