[发明专利]企业安全生产管理系统及其管理方法

说明书

本申请涉及智能生产管理的领域，其具体地公开了一种企业安全生产管理系统及其管理方法，其通过利用深度学习技术的深度神经网络模型来对企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息的隐含关联特征进行深层挖掘，以在对当前时间点的所述企业生产系统的生产风险进行判断，并且在此过程中，还添加了特征分布流形的修正系统，以进行特征值集合的边界约束，从而避免了特征值集合由于集合的分布外特征值导致在分类目标域内的决策区域的碎片化，进而提升提高了分类的准确性。这样，能够对于当前时间点的企业生产系统的生产风险进行更准确地判断。

技术领域

本发明涉及智能生产管理的领域，且更为具体地，涉及一种企业安全生产管理系统及其管理方法。

背景技术

目前企业的安全生产管理主要依靠少数监管人员，负责在安全事故发生后执行相应的应急处理。这种监管模式中，无法及时、安全地把握企业安全生产状况。近年来，物联网、5G和大数据等前沿科技的发展为企业安全生产管理提供了新的解决思路和方案。

因此，期望一种企业安全生产管理系统来对安全生产进行智能管理。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种企业安全生产管理系统及其管理方法，其通过利用深度学习技术的深度神经网络模型来对企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息的隐含关联特征进行深层挖掘，以在对当前时间点的所述企业生产系统的生产风险进行判断，并且在此过程中，还添加了特征分布流形的修正系统，以进行特征值集合的边界约束，从而避免了特征值集合由于集合的分布外特征值导致在分类目标域内的决策区域的碎片化，进而提升提高了分类的准确性。这样，能够对于当前时间点的企业生产系统的生产风险进行更准确地判断。

根据本申请的一个方面，提供了一种企业安全生产管理系统，其包括：

历史数据采集模块，用于获取企业生产系统在生产过程中产生的历史数据，其中，所述历史数据为所述企业生产系统在安全生产过程中各个机械设备在多个预定时间点的运行状态信息；

历史数据结构化模块，用于将所述企业生产系统在生产过程中产生的历史数据按照时间维度和机械设备样本维度排列为二维输入状态矩阵；

历史数据特征提取模块，用于使用所述第一卷积神经网络模型对所述二维输入状态矩阵进行显式空间编码以得到运行状态关联特征矩阵；

当前状态数据采集模块，用于获取当前时间点的所述企业生产系统的各个机械设备的运行状态信息；

当前状态数据编码模块，用于将所述当前时间点的所述企业生产系统的各个机械设备的运行状态信息通过包含一维卷积层的序列编码器以得到当前状态特征向量；

特征分布校正模块，用于分别对所述当前状态特征向量和所述设备运行关联特征矩阵进行校正以得到校正后当前状态特征向量和校正后设备运行关联特征矩阵；

向量查询模块，用于以所述校正后当前状态特征向量作为查询向量与所述校正后设备运行关联特征矩阵进行相乘以得到分类特征向量；以及

安全管理结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的企业生产系统的生产是否存在风险。

在上述企业安全生产管理系统中，在所述历史数据中，如果所述企业生产系统的各个机械设备在各个预定时间点的运行状态状态为开启状态，则以所述机械设备的运行功率作为所述机械设备在该预定时间点的运行状态信息；如果所述企业生产系统的各个机械设备在各个预定时间点的运行状态状态为关闭状态，则以零值作为所述机械设备在该预定时间点的运行状态信息。