基于工业物联网的安全生产领域的风险检测方法与流程

本发明涉及风险检测方法领域，具体是基于工业物联网的安全生产领域的风险检测方法。

背景技术：

1、工业物联网是指将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入到工业生产过程各个环节，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终实现将传统工业提升到智能化的新阶段。从应用形式上，工业物联网的应用具有实时性、自动化、嵌入式(软件)、安全性、和信息互通互联性等特点。

2、随着人们对安全生产的重视，工业物联网也被广泛应用在工业生产领域，人们通过采集数据来分析生产环境是否存在风险，当存在风险时及时进行补救或者撤离工作人员，以免造成人员伤亡，进而提高工业生产的安全性，其中，又以钢结构厂房风险性检测最为重要。当钢结构厂房出现风险时，若不及时采取措施，厂房倒塌会造成巨大的损失，而现有针对钢结构厂房的倒塌风险进行检测的方式多是人工定期检测，无法做到实时且全方面的检测钢结构厂房的稳定性，在出现风险时无法及时通知工作人员。

3、因此，本领域技术人员提供了基于工业物联网的安全生产领域的风险检测方法，以解决上述背景技术中提出的问题。

技术实现思路

1、本发明的目的在于提供基于工业物联网的安全生产领域的风险检测方法，能够实时且全方面的检测钢结构厂房的稳定性，在出现风险时及时通知工作人员，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于工业物联网的安全生产领域的风险检测方法，包括以下步骤：

4、通过金属腐蚀传感器检测厂房的整体腐蚀度信息；

5、通过压力传感器检测厂房顶部的承载力度信息；

6、通过超声波传感器检测厂房的整体结构强度信息；

7、接收所有检测信息并进行整理；

8、对整理好的检测信息先进行逐一分析后再进行综合分析，输出综合分析结果；

9、根据综合分析结果进行预警分级，输出分级结果；

10、根据分级结果发出相应的预警信息。

11、作为本发明进一步的方案：对所述厂房的整体腐蚀度信息进行逐一分析的具体过程为：

12、将厂房各个节点处检测到的腐蚀度标记为ai，i＝1···n；

13、将厂房各个支撑件处检测到的腐蚀度标记为bi，i＝1···n；

14、将厂房除了节点与支撑件外的其他钢结构位置检测到的腐蚀度标记为ci，i＝1···n；

15、将ai与预设值进行比较，若ai大于预设值，则说明此处厂房节点的腐蚀度异常；若ai小于等于预设值，则说明此处厂房节点的腐蚀度正常；

16、将bi与预设值进行比较，若bi大于预设值，则说明此处厂房支撑件的腐蚀度异常；若bi小于等于预设值，则说明此处厂房支撑件的腐蚀度正常；

17、将ci与预设值进行比较，若ci大于预设值，则说明此处厂房钢结构的腐蚀度异常；若ci小于等于预设值，则说明此处厂房钢结构的腐蚀度正常。

18、作为本发明再进一步的方案：对所述厂房的整体结构强度信息进行逐一分析的具体过程为：

19、将厂房各个节点处检测到的结构强度标记为di，i＝1···n；

20、将厂房各个支撑件处检测到的结构强度标记为ei，i＝1···n；

21、将厂房除了节点与支撑件外的其他钢结构位置检测到的结构强度标记为fi，i＝1···n；

22、将di与预设值进行比较，若di大于预设值，则说明此处厂房节点的结构强度异常；若di小于等于预设值，则说明此处厂房节点的结构强度正常；

23、将ei与预设值进行比较，若ei大于预设值，则说明此处厂房支撑件的结构强度异常；若ei小于等于预设值，则说明此处厂房支撑件的结构强度正常；

24、将fi与预设值进行比较，若fi大于预设值，则说明此处厂房钢结构的结构强度异常；若fi小于等于预设值，则说明此处厂房钢结构的结构强度正常。

25、作为本发明再进一步的方案：对所述厂房顶部的承载力度信息进行逐一分析的具体过程为：

26、将厂房各个节点上方的厂房顶部检测到的承载力度标记为xi，i＝1···n；

27、将厂房各个支撑件上方的厂房顶部检测到的承载力度标记为yi，i＝1···n；

28、将厂房除了节点与支撑件外的其他钢结构上方的厂房顶部检测到的承载力度标记为zi，i＝1···n；

29、将xi与预设值进行比较，若xi大于预设值，则说明此处厂房节点上方的承载力度异常；若xi小于等于预设值，则说明此处厂房节点上方的承载力度正常；

30、将yi与预设值进行比较，若yi大于预设值，则说明此处厂房支撑件上方的承载力度异常；若yi小于等于预设值，则说明此处厂房支撑件上方的承载力度正常；

31、将zi与预设值进行比较，若zi大于预设值，则说明此处厂房钢结构上方的承载力度异常；若zi小于等于预设值，则说明此处厂房钢结构上方的承载力度正常。

32、作为本发明再进一步的方案：对所述检测信息进行综合分析的具体过程为：

33、统计ai异常的数量，将其标记为a；统计bi异常的数量，将其标记为b；统计ci异常的数量，将其标记为c；计算厂房的整体腐蚀度权重值q，q＝3*a+2*b+c；

34、统计di异常的数量，将其标记为d；统计ei异常的数量，将其标记为e；统计fi异常的数量，将其标记为f；计算厂房的整体结构强度权重值w，w＝3*d+2*e+f；

35、统计xi异常的数量，将其标记为x；统计yi异常的数量，将其标记为y；统计zi异常的数量，将其标记为z；计算厂房的整体结构强度权重值p，p＝3*x+2*y+z；

36、筛选一级风险点并将一级风险点数量标记为r，筛选二级风险点并将二级风险点数量标记为k；

37、计算厂房整体风险权重值v＝0.2*q+0.15*w+0.1*p+0.25*r+0.3*k；

38、将厂房整体风险权重值v作为综合分析结果输出。

39、作为本发明再进一步的方案：所述一级风险点是指厂房节点处、或支撑件处、或其他钢结构位置同时存在腐蚀度异常、承载力度异常、结构强度异常中的任意两项；所述二级风险点是指厂房节点处、或支撑件处、或其他钢结构位置同时存在腐蚀度异常、承载力度异常、结构强度异常。

40、作为本发明再进一步的方案：所述预警分级的具体过程为：

41、若v小于预设值，则输出分级结果为一级；

42、若预设值≤v＜两倍预设值，则输出分级结果为二级；

43、若两倍预设值≤v，则输出分级结果为三级。

44、作为本发明再进一步的方案：所述预警信息通过厂房内的声光报警器通知工作人员，当预警分级结果为一级，声光报警器亮起绿灯；当预警分级结果为二级，声光报警器亮起黄灯并发出蜂鸣声；当预警分级结果为三级，声光报警器亮起红灯并发出蜂鸣声。

45、与现有技术相比，本发明的有益效果是：

46、1、本技术能够从多角度多位置全方面分析厂房稳定性以及是否存在坍塌的风险，具体是通过对厂房的整体腐蚀度信息、厂房顶部的承载力度信息、厂房的整体结构强度信息先进行逐一分析后再进行综合分析，最后以输出的综合分析结果进行预警分级并发出预警信息，从而能够实时且全方面的检测钢结构厂房的稳定性，在出现风险时及时通知工作人员。

47、2、本技术在对厂房的整体腐蚀度信息、厂房顶部的承载力度信息、厂房的整体结构强度信息进行分析时，将厂房各处结构划分为三类，分别是节点类结构、支撑件类结构与其它结构，这三类结构出现异常时产生的影响不是一致的，因此，本技术在进行综合分析的时候采用差异化权重值计算方式，提高分析结果的准确性，同时，针对一些异常特别严重的点(一级风险点与二级风险点)，本技术相应提高了厂房整体风险权重值，进一步保证分析结果的准确性。