公共文化服务平台

搜索到3419篇“ 不安全状态“的相关文章

信息认知视域下矿工视知觉不安全状态综合评价: 2025年; 为了提高矿工隐患辨识能力、降低矿工不安全行为发生概率,实现矿工视知觉不安全状态综合评价,首先,研究基于矿工视知觉不安全状态内涵及形成过程,通过扎根理论构建了包含4个一级指标、18个二级指标的评价指标体系;其次,运用组合赋权法确定各指标权重,并通过ABC(Activity Based Classification)分类法将指标分为三级;最后,采用云模型法实现矿工视知觉不安全状态综合评价。结果显示:(1)矿工视知觉不安全状态是一种受外部信息、环境、个体感知及认知水平影响的安全行为能力不佳状态;(2)照明条件、对比度、表现形式、微气候、经验、视野、噪声、情绪是矿工视知觉不安全状态的主要影响因素;(3)H煤矿矿工视知觉不安全状态评价结果为比较安全,符合客观实际情况。; 田水承田水承毛俊睿王清焱张筱雅; 关键词：安全社会工程矿工云模型视知觉不安全状态

聚焦机械行业生产安全中“物的不安全状态”: 2024年; 日前,应急管理部发布了2023年机械行业生产安全事故分析,具体分析了2023年机械行业生产安全事故特点(包括事故总体情况、行业分布情况、事故类型情况、工艺分布情况)、安全风险提示(包括重大风险、较大风险,尤其是新工艺、新技术、新材料、新装备在促进机械行业快速发展的同时,带来的一些新风险).; 贾志珍(整理编写); 关键词：机械行业安全事故分析生产安全事故

一线矿工不安全状态的分类研究被引量：2: 2024年; 为科学合理配置安全资源以及提高安全管理效率,以近3 a来的45起典型事故案例对一线矿工不安全状态进行分类研究。通过文献分析法提取了一线矿工不安全状态的5个特征;运用Hayashi数量化理论Ⅲ构建了一线矿工不安全状态判断矩阵,并采用SPSS 26.0软件对5个特征进行相关性分析;应用MATLAB R2018a软件制散点图,并使用SPSS 26.0软件进行聚类分析,将一线矿工不安全状态量化分类。结果显示:提取的5个变量相互独立;一线矿工不安全状态可分为有意内因型(第一类)、偏有意外因型(第二类)和无意外因型(第三类);三类一线矿工不安全状态的综合危险性由大到小依次为第三类、第二类、第一类。对于分类中每个事故中人的不安全状态的频率由大到小依次为第一类、第二类、第三类。研究结果有助于推进一线矿工不安全状态的分级管控。; 田水承田水承李红霞李红霞; 关键词：安全社会工程不安全状态

煤矿从业人员不安全状态快速检测系统研究与应用: 2024年; 为前移煤矿从业人员不安全行为预控关口,及时预警煤矿从业人员人因风险,以红柳林煤矿为工程背景,基于前期研究积累构建的煤矿从业人员不安全状态理论框架,交叉融合多学科优势,以煤矿从业人员生理—心理—行为耦合关联信息解析模型、多源异构数据特征层融合方案、不安全状态的分级方法与预警标准等作为主要技术支撑,研发了由量表数据检测系统、体征数据检测系统、面部生理数据检测系统及岗前不安全状态智能检测系统4部分组成的煤矿从业人员不安全状态快速检测系统。现场应用实践结果表明,本系统结构合理、层次清晰、容错性强、出错率低,运行稳定,易于维护,深度契合了国家对煤矿智能化改革的政策和发展趋势,应用前景广阔。; 常波峰田水承李国为李红霞苗彦平田方圆毛俊睿; 关键词：不安全状态多源数据融合智能终端快速检测系统

基于AI视频技术的水电厂设备不安全状态自动化预警研究被引量：1: 2024年; 为及时发现设备的不安全状态,预防潜在的安全隐患,降低设备故障的风险,提出了基于AI视频技术的水电厂设备不安全状态自动化预警方法,确保水电厂稳定运行。利用摄像机采集水电厂设备的AI视频图像,并增强AI视频图像,提升图像清晰度;通过在轻量型YOLOv5算法提取增强AI视频图像的特征;通过在预测框筛选机制内,引入得分惩罚机制,结合提取的特征,预测水电厂设备的不安全状态;通过声音预警形式,对不安全状态预测结果进行自动化预警。实验证明,该方法可有效实时采集水电厂设备的AI视频图像,并增强AI视频图像;可精准预测水电厂设备的不安全状态,可有效自动化预警设备不安全状态,并呈现预警级别与时间等信息。; 袁璞王冠琪宋刚伟何超; 关键词：水电厂设备不安全状态

目标检测与本体集成的数字孪生车间不安全状态检测与推理: 随着智能制造系统的迅猛发展和欧盟“工业5.0”概念的提出,人类在新一代制造业中扮演着核心角色,强调以人为本的制造理念及知识驱动的人机环境安全。在这一背景下,车间的生产安全管控成为确保以人为中心、“人-机-环境”共融、知识...; 吕林东; 关键词：生产安全语义推理

一线矿工不安全状态的熵权TOPSIS法评价被引量：7: 2023年; 为科学有效地评价一线矿工不安全状态,进一步提升煤矿安全管理水平,以一线矿工作为研究对象,借助文献分析法获取不安全状态影响因素,编制问卷进行调查;运用SPSS 26.0软件对有效问卷数据进行探索性因子分析,构建一线矿工不安全状态评价指标体系;在此基础上,应用MATLAB R2018a软件计算,使用熵权逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)对10名一线矿工不安全状态进行综合评价。结果表明:在一线矿工不安全状态的12个评价指标中,家庭支持重要度最大,自我效能重要度最小;采用熵权TOPSIS法对一线矿工不安全状态进行综合评价是客观合理可行的;3号、8号和9号一线矿工不安全状态等级高于Ⅲ级,其工作安全性低,应引起煤矿重视。研究结果对煤矿井下人因事故的防控具有一定的指导作用。; 田水承田水承高晓颖匡秘姈毛俊睿; 关键词：安全社会工程不安全状态

煤矿岗前人员不安全状态智能检测系统研究——以红柳林煤矿为例被引量：5: 2023年; 为从根本上降低煤矿从业人员实施不安全行为的概率,在充分考虑煤矿从业人员不安全个体状态是诱发其不安全行为的主要原因的基础上,设计开发一套矿工不安全状态智能检测系统。首先,对2007—2022年期间各高危行业安全事故调查报告和专家研究进行归纳,总结得出煤矿从业人员不安全状态的影响因素,构建包括生理状态、心理状态以及个体能力状态在内的3个一级指标和15个二级指标体系;其次,通过相应的表征模型对不安全状态影响因素进行深入剖析;最后,基于构建的从业人员不安全状态倾向数据库,建立煤矿岗前不安全状态智能检测系统。研究结果表明:在下井工作前对从业人员个体状态进行智能检测,能够实现矿工不安全状态“早发现、早干预”,能够有效地降低人因事故发生率,研究结果对煤炭行业安全管理具有重要的参考价值。; 李国为田水承; 关键词：不安全状态智能检测安全管理

一种基于数字孪生车间混合数据集的不安全状态检测方法: 本发明提出了一种基于数字孪生车间混合数据集的不安全状态检测方法，其步骤如下：对生产制造车间工人不安全状态进行分类，根据实际工人不安全状态类型，在数字孪生的虚拟车间中对这些不安全状态进行仿真，作为深度学习的虚拟数据集，再通...; 王昊琪吕林东李旭鹏李浩文笑雨张玉彦叶国永孙春亚刘根谢贵重刘俊聂福全

基于YOLOv5算法的施工现场不安全状态智能检测被引量：2: 2023年; 为更好地实现施工现场工人的安全监管,利用YOLOv5目标识别算法结合无人机倾斜摄影三维建模技术构建施工现场不安全状态智能检测模型,实现对人、机械等目标的识别与定位。通过实验对比分析确定最优目标识别算法,并构建多目标识别模型,实验结果符合理论猜想,整体识别平均精度达到了91.6%。在识别的基础上借助倾斜摄影三维模型所提供的空间位置信息进一步确定所识别目标的相对位置,从而确定工人的安全状态。这种视觉定位的准确性由三维模型所决定,所以最后通过实验验证了无人机倾斜摄影所构建的三维模型的距离误差在1.5%左右,范围长度大于35m距离误差将小于1%,从而说明了目标识别模型所识别出物体的距离具有较高的准确性。; 李自强任磊刘莉苗作华; 关键词：安全监管视觉定位

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈