CN117523799A - 一种安全隐患智能监测方法及*** - Google Patents

Abstract

本发明涉及设备安全监测技术领域，公开了一种安全隐患智能监测方法及***，该方法，包括以下步骤：S1，配置：对监控区域、设备进行配置；S2，采集：采集监控区域信息、设备运行参数；S3，分析：分析监控区域内的设备运行参数；S4，推送：推送报警信息；S5，处置：对报警信息进行处置。本发明解决了现有技术存在的容易出现错误、效率较低、智能化程度低等问题。

Description

一种安全隐患智能监测方法及***

技术领域

本发明涉及设备安全监测技术领域，具体是一种安全隐患智能监测方法及***。

背景技术

特种设备是指具有较大危险性、复杂性、专业性和技术性的设备，包括锅炉、压力容器、加气机、加氢机、加液机、起重机械、电梯等。特种设备应用于各行各业，如：CNG加气站、LNG加注站、加氢站、加油站、矿井、液化工厂等。根据国家市场监督管理总局发布的《特种设备安全监察条例》规定，特种设备的设计、制造、安装、改造、维修、检验检测等活动必须符合国家标准和行业标准，并且必须经过特种设备安全监察机构的检验检测合格后方可使用。为了维护人民的生命财产安全，对安全进行监督与管制在现代社会中，由于工业化、城市化等原因，安全生产面临着越来越多的挑战。

目前对特种设备***主要是减少人员生命财产损失，采取了一些进行***方案，目前主要由两种措施，措施一：在设备上安装监测模块，实时采集监测设备关键参数，通过参数预警设计对比判断设备是否出现异常，同事后台预警通知巡逻人员进行复核；措施二：安排巡检人员定期对特种设备、现场巡检，巡查环境情况、关键设备的运行参数是否正常、控制***是否预警等，对巡检情况进行上报，生成巡检记录。

现有技术主要具有以下缺点：

定时巡检的不足可能包括：巡检员技能水平不够，对设备的操作和维修方法不熟悉，容易出现错误，导致设备无法正常运行；手工填写检点表容易出误差，导致安全隐患，巡检人员不能按照规则打卡巡检；人工点检最大的问题是很难做到管理和规范，确保点检的到位，常会出现漏检、误检等。为了提高巡检员的工作积极性和主动性，需要增加工作的挑战性。人员定时巡逻都存在时间、空间的死角，不能全天候、全方位、实时监测。

发明内容

为克服现有技术的不足，本发明提供了一种安全隐患智能监测方法及***，解决现有技术存在的容易出现错误、效率较低、智能化程度低等问题。

本发明解决上述问题所采用的技术方案是：

一种安全隐患智能监测方法，包括以下步骤：

S1，配置：对监控区域、设备进行配置；

S2，采集：采集监控区域信息、设备运行参数；

S3，分析：分析监控区域内的设备运行参数；

S4，推送：推送报警信息；

S5，处置：对报警信息进行处置。

作为一种优选的技术方案，步骤S1包括以下步骤：

S11，对摄像头监控区域进行设置；

S12，配置每个区域IA监控的人工智能算法及流程；

S13，配置物联网网关监控、采集频率参数；

S14，配置监控点参数有效范围；

S15，配置监控点风险等级值；

S16，配置声光报警器网络控制器地址、端口；

S17，配置光报警器物理参数；

其中，步骤S11-步骤S17的顺序可以任意交换。

作为一种优选的技术方案，步骤S11包括以下步骤：

S111，配置摄像头监控区域名称；

S112，配置监控区域行为识别内容；

S113，设定行为识别的报警行为、报警等级、报警内容；

S114，设定摄像头绑定的人工智能算法；

S115，设定人工智能识别操作流程。

作为一种优选的技术方案，步骤S11还包括以下步骤：

S116，设定物联网网关监控设备；

S117，设定每个设备采集点对应的名称及对应的点表；

S118，设定每个设备采集的点对应的正常工作运行参数范围；

S119，设定物联网网关采集频率；

S1110，设定采集点设备报警等级并对接等级设定预警值，设定报警内容；

S1111，设定光报警器物理参数。

作为一种优选的技术方案，步骤S2包括以下步骤：

S21，摄像头对监控区域实时视频进行采集；

S22，将实时画面通过ONVIF/RTSP协议上传到视频边缘网关；

S23，将实时画面通过视频边缘网关上传到IA视频服务器；

S24，物联网网关定时采集设备运行参数上传至安全应用监管平台。

作为一种优选的技术方案，步骤S3包括以下步骤：

S31，将实时画面数据上传AI服务器后，通过人工智能算法进行分析；

S32，***平台通过数据建模分析设备运行参数。

作为一种优选的技术方案，步骤S32包括以下步骤：

S321，建立设备实时采集点位数据仓库，并对数据仓库进行去重、过滤、纠偏方式数据处理，以及针对多种特征值建立数据预测模型及预测算法，对设备运行参数的实时数据进行关联预测；

S322，启动分析程序对设备运行参数的实时数据进行傅里叶变换、希尔伯特变换、小波去噪算法处理，最终通过设定阈值范围，给出预判结果值及分类结果。

作为一种优选的技术方案，步骤S4包括以下步骤：

S41，AI服务组件将报警信息通过MQTT消息推送给***应用平台，同时将报警信息下发给视频边缘网关；

S42，***平台通过MQTT消息发布报警等级及语言报警内容，同时将报警信息或报警画面推送到安全人员微信小程序端；

S43，网络控制器通过MQTT消息订阅获取报警信息内容及报警方式、时长；S44，网络控制器将报警信息下发给声光报警器；

S45，视频边缘网关将语言报警信息下发到指定摄像头进行语言报警。

作为一种优选的技术方案，步骤S5包括以下步骤：

S51，报警等级分析；

S52，报警等级处置预判；

S53，将报警等级处置指令下发物联网网关；

S54，物联网网关更改设备参数，校正设备运行参数或进行紧急停机。

一种安全隐患智能监测***，用于实现所述的一种安全隐患智能监测方法，包括依次连接的以下模块：

配置模块：用以，对监控区域、设备进行配置；

采集模块：用以，采集监控区域信息、设备运行参数；

分析模块：用以，分析监控区域内的设备运行参数；

推送模块：用以，推送报警信息；

处置模块：用以，对报警信息进行处置。

本发明相比于现有技术，具有以下有益效果：

本发明智能监控24小时持续监控解决了安全、实时监测、效率结合人工智能、大数据分析处理，在加上物联网关数据采集和智能处置机制，提高了特种设备所存在安全隐患的准确性和效率、精准响应、快速处置，从而减少特种设备运行安全事故的发生，降低了财产损失，提高了人们生活品质。

附图说明

图1为本发明所述的一种安全隐患智能监测方法的步骤示意图；

图2为用于实现本发明所述的一种安全隐患智能监测方法的硬件结构图。

具体实施方式

下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。

实施例1

如图1至图2所示，一种基于特种设备安全隐患智能监测方法，包含以下步骤：

步骤1，对监控区域、设备进行配置，该步骤进一步包括子步骤：1-1，对摄像头监控区域进行设置；1-2，配置每个区域IA监控的人工智能算法及流程；1-3，配置物联网网关监控、采集频率参数；1-4，配置监控点参数有效范围；1-5，配置监控点风险等级值；1-6，配置声光报警器网络控制器地址、端口；1-7，配置光报警器物理参数。

步骤2，监控区域信息采集、设备运行参数采集，该步骤进一步包括子步骤：2-1，摄像头对监控区域实时画面进行采集；2-2，通过ONVIF/RTSP协议上传到视频边缘网关；2-3，通过视频边缘网关上传到IA视频服务器；2-4，物联网网关定时采集设备运行参数上传至安全应用监管平台，采集频率，则需要参照步骤1的子步骤1-3,配置物联网网关监控、采集频率参数；

步骤3，监控信息分析，该步骤进一步包括子步骤：3-1，视频实时数据上传AI服务器通过人工智能算法进行分析；3-2，***平台通过数据建模分析设备运行参数；

数据建模是建立特种设备实时采集点位数据仓库，并对数据仓库进行去重、过滤、纠偏等方式数据处理，应对由于突发干扰引起的数据突变，提高数据可靠性及质量，并针对多种特征值建立数据预测模型及相关的预测算法，达到对实时数据进行关联预测。如建立潜液泵轴承类型参数信息即轴承类型、滚动体个数、直径、节圆直径、接触角，建立测试模板即选择测试设备、绑定轴承、设置频率参数，通知采集装置开启采集程序并按模板对数据进行采集，采集装置将数据采集至平台并存储。启动分析程序进行傅里叶变换、希尔伯特变换、小波去噪等算法处理，最终通过设定合理阈值范围，给出合理的预判结果值及分类结果。

步骤4，报警信息推送，该步骤进一步包括子步骤：4-1，AI服务组件将报警信息通过MQTT消息推送给***应用平台、同时下发给视频边缘网关；4-2，***平台通过MQTT消息发布报警等级及语言报警内容、同时将报警信息或报警画面推送到安全人员微信小程序端(如：人员闯入，将人员闯入区域、人员闯入图片等信息)；4-3，网络控制器通过MQTT订阅获取报警信息内容及报警方式、时长；4-4，网络控制器将报警信息下发给声光报警器；4-5，视频边缘网关下发到指定摄像头进行语言报警(摄像头需要支持语言播报，如：人员闯入语言报警信息为“您已进入危险区域，请迅速离开”)。

步骤5，智能处置，该步骤进一步包括子步骤：5-1，报警等级分析；5-2，报警等级处置预判；5-3，报警等级处置指令下发物联网网关；5-4，物联网网关更改特种设备参数，可校正设备运行参数或进行紧急停机。

优选的，配置监控场站，摄像头监控区域，每个区域所要监控的行为；配置物联网网关监控、采集频率参数，所述的子步骤1-1具体为：

a)配置摄像头监控区域名称；

b)配置监控区域行为识别内容，如：人员离岗、闯入、打电话、吸烟、烟火监测报警等；

c)设定行为识别人员离岗、闯入、打电话、吸烟、烟火监测的报警等级，建立风险、分析、报警关系(如：在***加氢站卸车区域设定非工作人员闯入为中风险、对进入监控区域人员与工作人员进行对比分析，分析确认是非工作人员闯入，则对应提示语言报警“您已进入危险区域，请迅速离开”并通过消息推送将相关告警及闯入图片推送给安全巡逻员)；

d)设定人工智能算法，目前***应用集成的算法有人脸识别、车牌识别、周界人形入侵，周界物品电子围栏、火焰报警、接打电话、人员跌倒、人员徘徊、人员聚集、抽烟报警、人员离岗等，1个摄像头根据应用场景绑定多个算法；

e)设定人工智能识别操作流程，如：车辆驶入、司机下车、开后备箱、充装人员车辆检查、充装人员气瓶检查、充装、加注完成、车辆驶离；

f)设定物联网网关监控重要设备，如LNG加注站物联网网关监控常规设备有：LNG加注站：LNG储罐、潜液泵、卸液进液阀门，加氢站：压缩机橇、储氢瓶组、加氢机冷水机组等重要设备；

g)设定每个特种设备采集点对应的名称及对应的点表，如：LNG加注站：LNG储罐(上进液口压力对应点表40001、储罐液位对应点表40015)、潜液泵(入口温度、入口压力分别对应点表40017、40019)，加氢站：压缩机橇(进口压力、出口压力分别对应点表41001、41003)、加氢机冷水机组(进口压力、进口温度、出口压力、出口温度分别对应点表41005、41007、41009、41011)等；

h)设定每个特种设备采集的点对应的正常工作运行参数范围，如：潜液泵进口温度正常范围-200至100℃、潜液泵进口压力正常范围0Mpa至1.0Mpa(潜液泵进口压力预警值与储罐安全压力预警值一致)；

i)设定物联网网关采集频率，如：设置采集频率100ms即每间隔100毫秒采集一次设备运行实时参数；

j)设定采集点设备报警等级并对接等级设定预警值，建立风险、分析、报警关系(如LNG加注站潜液泵进口压力设定进口压力大于1.0Mpa为搞风险，通过物联网网关采集潜液泵进口实时压力对比分析，实时压力大于等于1.0Mpa时，则需要下发潜液泵停机命令，并通过消息推送通知安全员进行现场检查储罐压力并进行合理的手动放散；手动放散指手动打开排气阀门降低储罐压力)；

k)设定光报警器物理参数，如：串口号COM3、波特率115200bps、数据位8、停止位1、校验位None。

优选的，智能监控区域实现全天候、全方位、实时监测，设备关键点位运行参数按照，设定采集频率进行采集，实时监测、提高安全性，所述的步骤2具体为：

a)监控区域信息实时采集，如加注站加注区域信息采集，可采集车辆进站、对车辆车牌识别采集、司机是否下次行为、加注现场是否有打电话、吸烟行为、充装人员充装操作流程进行(检查气瓶、插枪、加注)采集；

b)摄像头信息采集主要支持ONVIF/RTSP协议，目前兼容了市场大部分品牌，如：天地伟业、海康威视、大华乐橙等，沿用场站已运行的设备降低实施成本；

c)通过视频边缘网关上传到视频AI服务器：

d)视频AI服务器通过MQTT、HTTP报警信息、报警图片推送到***应用平台；

e)***应用平台需要调阅现场实时监控，需要充视频A1服务器建立与边缘网关的在线通道进行实时监控；

f)物联网网关根据设定的采集频率采集设备运行参数，特种设备关键参数则需要参照步骤1的子步骤1-3,配置物联网网关监控、采集频率参数，下载同步到物联网网关，物联网网关依据采集频率定时采集同步的特种设备关键参数采集点表，依据频率采集相关运行数据，采集方式支持modbus485、modbus TCP、S7协议，采集设备运行参数是根据场站监控的特种设备决定的，如：LNG加注站采集LNG储罐上进液口压力、LNG储罐液位、潜液泵入口温度、潜液泵入口压力、潜液泵出口温度、潜液泵出口压力等设备参数；

g)采集的设备运行参数通过MQTT上传至***应用平台。

优选的，监控区域监控情况实施进行监控分析风险等级，同事对特种设备关键运行参数分析设备运行状况，分析设备是否存在风险，并已经监控风险、设备风险判断站点风险等级，所述的步骤3具体为：

a)视频AI服务组件，预先设计的控制流程结合人工智能算法，监测实时监控是否安全合规；

示例一：加氢站卸车区域AI监控设置，禁止非工作人员进入、禁止打电话、禁止吸烟相关异常行为进行报警提示，通过人工智能对闯入人员衣服、人的行为进行分析，确定是否为禁止行为。

示例二：加气站加注流程进行监测，车辆进站、停车、司机下车、打开后背箱、检查气瓶、打开引擎盖、插枪、启动加注、加注结束离站等流程进行安全监测，通过人工智能算法对物状态、人的行为、结合充装检查安全操作流程进行分析。

b)依据人工智能大数据分析监控行为结果，确定风险及风险等级，******预设权重公式，计算出风险值；

c)特种设备关键运行参数与预设运行值、预警值进行分析，需要使用根据子步骤1-1所述f)数据，应用比较算法，确定特种设备风险及风险等级，依据***应用***预设权重公式，计算出风险值；

优选的，分析确认风险是否需要报警及将相关信息推送给安全员、巡检人员，所述的步骤4具体为：

a)视频AI服务组件将分析预警的信息、异常图片、时间等信息推送给***应用平台；

b)***应用平台通过风险等级值分析是否推送报警等级及语言报警内容，依据风险等级值确认是声光报警、声光报警器+推送巡逻员、声光报警器+推送巡逻员+安全员、声光报警器+推送巡逻员+安全员+场站站长，低风险声光报警；一般风险声光报警器+推送巡逻员；中风险声光报警器+推送巡逻员、安全员；高风险声光报警器+推送巡逻员、安全员、场站站长，即安全员都不能控制处置的情况；

示例一：低风险，如非工作人员闯入警告区域，采用声光报警驱离；

示例二：低风险，如车辆进站加气，在加气人员检查气瓶后，打开引擎盖司机未下车，语言提示“加气时车内风险高，请司机下车”。

优选的，能够根据风险等级做出智能处置，所述的步骤5具体为：

a)快速预警处置包含根据权利要求5所述，风险等级数据的推送；

b)一般、中风险可以通过修正特种设备参数，通过***建模数据进行分析，给出修正参数，通过TCP下发给物联网网关，在通过物联网网关下发到设备，快速处置降低设备运行风险，巡逻员、安全员到现场分析确认核实；

c)高风险则提供***快速精准的下发紧急停机指令，降低继续运行带来巨大的风险，巡逻员、安全员、场站站长到现场继续分析问题原因、确定后续处置方案。

本发明公开了一种安全隐患智能监测方法及***，该方法包括：配置监控场站，配置摄像头监控区域，每个区域所要监控的行为，配置特种设备关键采集参数对应点表、采集频率等，通过视频监控区域进行24小时持续监控、物联网网关按设定频率不间断采集特种设备关键参数，进行人工智能、大数据、比较算法等进行分析，确认相关监控点的风险等级，并依据分析的风险等级确定声光报警器及信息推送的人员，同时依据分析的风险等级快速响应决策处置方案。

本发明能全天候、全方位、实时监测，结合人工智能、大数据分析处理，快速影响、处置机制及预预警、消息推送机制，提高了监控点的安全隐患的准确性和效率，减少特种设备运行安全事故的发生，降低了财产损失，提高了人们生活品质。

本发明智能监控24小时持续监控解决了安全、实时监测、效率结合人工智能、大数据分析处理，在加上物联网关数据采集和智能处置机制，提高了特种设备所存在安全隐患的准确性和效率、精准响应、快速处置，从而减少特种设备运行安全事故的发生，降低了财产损失，提高了人们生活品质。

如上所述，可较好地实现本发明。

本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (10)

1.一种安全隐患智能监测方法，其特征在于，包括以下步骤：

S1，配置：对监控区域、设备进行配置；

S2，采集：采集监控区域信息、设备运行参数；

S3，分析：分析监控区域内的设备运行参数；

S4，推送：推送报警信息；

S5，处置：对报警信息进行处置。

2.根据权利要求1所述的一种安全隐患智能监测方法，其特征在于，步骤S1包括以下步骤：

S11，对摄像头监控区域进行设置；

S12，配置每个区域IA监控的人工智能算法及流程；

S13，配置物联网网关监控、采集频率参数；

S14，配置监控点参数有效范围；

S15，配置监控点风险等级值；

S16，配置声光报警器网络控制器地址、端口；

S17，配置光报警器物理参数；

其中，步骤S11-步骤S17的顺序可以任意交换。

3.根据权利要求2所述的一种安全隐患智能监测方法，其特征在于，步骤S11包括以下步骤：

S111，配置摄像头监控区域名称；

S112，配置监控区域行为识别内容；

S113，设定行为识别的报警行为、报警等级、报警内容；

S114，设定摄像头绑定的人工智能算法；

S115，设定人工智能识别操作流程。

4.根据权利要求3所述的一种安全隐患智能监测方法，其特征在于，步骤S11还包括以下步骤：

S116，设定物联网网关监控设备；

S117，设定每个设备采集点对应的名称及对应的点表；

S118，设定每个设备采集的点对应的正常工作运行参数范围；

S119，设定物联网网关采集频率；

S1110，设定采集点设备报警等级并对接等级设定预警值，设定报警内容；

S1111，设定光报警器物理参数。

5.根据权利要求1至4任一项所述的一种安全隐患智能监测方法，其特征在于，步骤S2包括以下步骤：

S21，摄像头对监控区域实时视频进行采集；

S22，将实时画面通过ONVIF/RTSP协议上传到视频边缘网关；

S23，将实时画面通过视频边缘网关上传到IA视频服务器；

S24，物联网网关定时采集设备运行参数上传至安全应用监管平台。

6.根据权利要求5所述的一种安全隐患智能监测方法，其特征在于，步骤S3包括以下步骤：

S31，将实时画面数据上传AI服务器后，通过人工智能算法进行分析；

S32，***平台通过数据建模分析设备运行参数。

7.根据权利要求6所述的一种安全隐患智能监测方法，其特征在于，步骤S32包括以下步骤：

S321，建立设备实时采集点位数据仓库，并对数据仓库进行去重、过滤、纠偏方式数据处理，以及针对多种特征值建立数据预测模型及预测算法，对设备运行参数的实时数据进行关联预测；

S322，启动分析程序对设备运行参数的实时数据进行傅里叶变换、希尔伯特变换、小波去噪算法处理，最终通过设定阈值范围，给出预判结果值及分类结果。

8.根据权利要求7所述的一种安全隐患智能监测方法，其特征在于，步骤S4包括以下步骤：

S41，AI服务组件将报警信息通过MQTT消息推送给***应用平台，同时将报警信息下发给视频边缘网关；

S42，***平台通过MQTT消息发布报警等级及语言报警内容，同时将报警信息或报警画面推送到安全人员微信小程序端；

S43，网络控制器通过MQTT消息订阅获取报警信息内容及报警方式、时长；

S44，网络控制器将报警信息下发给声光报警器；

S45，视频边缘网关将语言报警信息下发到指定摄像头进行语言报警。

9.根据权利要求8所述的一种安全隐患智能监测方法，其特征在于，步骤S5包括以下步骤：

S51，报警等级分析；

S52，报警等级处置预判；

S53，将报警等级处置指令下发物联网网关；

S54，物联网网关更改设备参数，校正设备运行参数或进行紧急停机。

10.一种安全隐患智能监测***，其特征在于，用于实现权利要求1至9任一项所述的一种安全隐患智能监测方法，包括依次连接的以下模块：

配置模块：用以，对监控区域、设备进行配置；

采集模块：用以，采集监控区域信息、设备运行参数；

分析模块：用以，分析监控区域内的设备运行参数；

推送模块：用以，推送报警信息；

处置模块：用以，对报警信息进行处置。