[发明专利]基于BP神经网络的危险态势分析的处理方法及处理装置

说明书

本发明提供了一种基于BP神经网络的危险态势分析的处理方法及处理装置，其中处理方法包括：根据车间的历史危险因素数据构建案例库；对案例库中的历史危险因素数据进行预处理，得到预处理后的案例数据；根据危险态势预测要求，建立神经网络模型；根据案例数据对神经网络模型进行训练，得到训练好的目标神经网络；获取车间的当前危险因素数据，并输入至目标神经网络中，得到危险态势预测结果。本发明的实施例，采用BP神经网络设计危险态势分析模型，有效地解决了非确定性危险因素与危险态势之间的非线性关系，提高了分析系统适应能力和可靠性。同时还能及时进行排查解决萌芽状态的车间风险点，降低事故率。

技术领域

本发明涉及车间安全管控技术领域，特别涉及一种基于BP神经网络的危险态势分析的处理方法及处理装置。

背景技术

安全问题的造成往往由危险有害因素诱发产生。车间生产过程中存在诸多危险有害因素，如在生产过程中的人员违规操作、设备误操作、产品意外碰撞损毁等。生产制造过程可涉及有毒、易燃易爆、高温、高压等特殊作业环境，作业设备、作业内容、作业对象等潜在的危险性较大。生产车间的安全管控不仅与生产工人的生命财产息息相关，也与以人为本的发展理念息息相关，所以如何实现安全生产一直是所有生产厂家关注的问题。

近年来，随着传感器技术、计算机网络的发展，人工巡视以及视频监控这类人为因素影响较大,安全保障系数较低的车间安全监测方法先后被淘汰，通过高精度传感器采集生产车间危险因素数据实时传输到后台服务器，实时监控生产车间内的安全生产状况已经成为企业安全生产管控的主流。但是由于车间生产过程中存在诸多不确定因素和难以描述的非线性特征，且管控系统不能及时根据实时数据波动发现风险点，仍会产生许多复杂情况甚至造成重大事故。

发明内容

本发明实施例要达到的技术目的是提供一种基于BP神经网络的危险态势分析的处理方法，通过采用神经网络拟合危险态势与危险因素对应的耦合关系，生成危险态势的综合预测结果，用以解决当前车间的管控系统不能及时根据实时数据波动发现风险点，使得在生产过程中存在安全隐患的问题。

为解决上述技术问题，本发明实施例提供了一种基于BP神经网络的危险态势分析的处理方法，包括：

根据获取到的车间在不同危险态势情况下的历史危险因素数据构建案例库；

对案例库中的历史危险因素数据进行预处理，得到预处理后的案例数据；

根据危险态势预测要求，确定BP神经网路的隐含层数量以及各层的神经元数量，并建立神经网络模型；

根据案例数据对神经网络模型进行训练，得到训练好的目标神经网络；

获取车间的当前危险因素数据，并输入至目标神经网络中，得到危险态势预测结果。

具体地，如上所述的处理方法，对案例库中的历史危险因素数据进行预处理，得到预处理后的案例数据的步骤包括：

根据预设归一化方程对历史危险因素数据进行归一化处理，得到案例数据。

优选地，如上所述的处理方法，根据危险态势预测要求，确定BP神经网路的隐含层数量以及各层的神经元数量，并建立神经网络模型的步骤包括：

根据危险态势预测要求确定BP神经网络的输入层数量、隐含层数量以及输出层数量；

根据所有可能发生的危险因素的数量确定输入层的输入神经元数量；

根据所有可能发生的危险态势的数量确定输出层的输出神经元数量；

根据第一预设算法、输入神经元数量以及输出神经元数量确定隐含层的隐含层神经元数量；

根据输入神经元数量、输出神经元数量、隐含层数量以及隐含层神经元数量，建立神经网络模型。