基于AI的安全风险识别分析系统及方法.pdf

《基于AI的安全风险识别分析系统及方法.pdf》由会员分享，可在线阅读，更多相关《基于AI的安全风险识别分析系统及方法.pdf（13页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410032690.2(22)申请日 2024.01.10(71)申请人 山东鲁轻安全评价技术有限公司地址 250000 山东省济南市高新区舜华路2000号舜泰广场8号楼1-2203(72)发明人 吴永婷王海燕刘兆军李雪连郑超(74)专利代理机构 安徽思尔六知识产权代理事务所(普通合伙)34244专利代理师 闫啸(51)Int.Cl.G06Q 10/04(2023.01)G06Q 10/0635(2023.01)G06F 40/30(2020.01)G06N 20/00(2019.01)(5。

2、4)发明名称一种基于AI的安全风险识别分析系统及方法(57)摘要本发明涉及数字工厂技术领域，公开了一种基于AI的安全风险识别分析系统及方法，其中基于AI的安全风险识别分析方法包括：基于化工工艺系统的数据来生成第一节点，基于操作人员的数据和非自动化操作的数据来生成第二节点；生成节点的初始特征和基准图；将节点的初始特征输入动态学习模型中，输出表示待判断的非自动化操作是否存在风险的值；如果待判断的非自动化操作存在风险，则增加操作人员监督执行待判断的非自动化操作或者人工审核该非自动化操作；本发明能够人工智能提取化工工艺系统在一段时间内的动态变化特征，并对化工工艺系统的全局信息进行融合，能够达到预测待执。

3、行的非自动化操作的风险性的目的。权利要求书3页 说明书7页 附图2页CN 117540883 A2024.02.09CN 117540883 A1.一种基于AI的安全风险识别分析系统，其特征在于，包括：节点生成模块，其基于化工工艺系统的数据来生成第一节点，基于操作人员的数据和非自动化操作的数据来生成第二节点；系统动态记录模块，其用于记录系统动态数据，系统动态数据包括节点之间的关系的变化以及节点之间关系变化发生的时间；任意两个节点之间存在边的条件包括：两个节点对应的设备通过管道或线路连接；两个节点中的一个节点对应于非自动化操作，另一个对应于设备，并且该非自动化操作作用于该设备；两个节点中的一个节。

4、点对应于非自动化操作，另一个对应于操作人员，并且该非自动化操作由该操作人员执行；定义当前时间点为g，待判断的非自动化操作在时间点y开始执行，时间点y在时间点g之后；特征生成模块，生成节点的初始特征和基准图，生成节点的初始特征的数据包括：一、基于gT的时间点的化工工艺系统、操作人员和非自动化操作的数据；二、待判断的非自动化操作的数据；节点包括第一节点和第二节点；基准图包括当前时间点的节点之间的边，并增加了表示待判断的非自动化操作的节点，增加了表示待判断的非自动化操作的节点与当前时间点的节点之间的边；识别模块，其用于将节点的初始特征输入动态学习模型中，动态学习模型中输出表示待判断的非自动化操作是否。

5、存在风险的结果；操作管理模块，如果待判断的非自动化操作存在风险，则增加操作人员监督执行待判断的非自动化操作或者人工审核该非自动化操作；如果待判断的非自动化操作不存在风险，则正常执行该非自动化操作。2.根据权利要求1所述的一种基于AI的安全风险识别分析系统，其特征在于，还包括：系统数据采集模块，其用于采集化工工艺系统的数据；操作人员数据采集模块，其用于采集能够操作化工工艺系统的操作人员的数据；非自动操作信息采集模块，其用于采集人为执行的作用于化工工艺系统的非自动化操作的数据。3.根据权利要求1所述的一种基于AI的安全风险识别分析系统，其特征在于，动态学习模型包括隐藏层和输出层，隐藏层的计算公式如。

6、下：；其中表示第i个节点的编码特征，、分别表示第一、二、三、四权重参数，和分别表示第i个和第j个节点的节点特征，表示基准图中与第i个节点通过边直接连接的节点的集合，M表示中的节点总数，表示节点i与节点j的动态特征；权利要求书1/3 页2CN 117540883 A2；其中表示节点i和节点j在当前时间点前的长度为T的时间段内第u次建立边的时间点，n表示节点i和节点j在当前时间点前的长度为T的时间段建立边的次数，表示待判断的非自动化操作开始执行的时间点；和均为可调参数，表示第二节点集合，表示第一节点集合；将对应于待判断的非自动化操作的节点的编码特征输入输出层，输出层输出表示待判断的非自动化操作是否。

7、存在风险的值。4.根据权利要求1所述的一种基于AI的安全风险识别分析系统，其特征在于，输出层的计算公式如下：；其中Y表示输出向量，是包含两个分量的向量，表示第五权重参数，表示第一偏置参数；输出向量的第一个分量大于或等于第二个分量的值则表示待判断的非自动化操作存在风险，否则表示不存在风险。5.根据权利要求1所述的一种基于AI的安全风险识别分析系统，其特征在于，第一节点的初始特征基于设备的运行参数来生成。6.根据权利要求1所述的一种基于AI的安全风险识别分析系统，其特征在于，第二节点对应于一个能够操作化工工艺系统的操作人员或一个作用于化工工艺系统的非自动化操作，通过描述操作人员或非自动化操作的文本。

8、进行语义编码来获得第二节点的初始特征。7.根据权利要求1所述的一种基于AI的安全风险识别分析系统，其特征在于，还包括用于训练动态学习模型的训练模块。8.根据权利要求7所述的一种基于AI的安全风险识别分析系统，其特征在于，还包括：仿真模拟系统，其用于模拟仿真化工工艺系统的运行；操作结果采集模块，其用于采集非自动化操作在未实际运行的化工工艺系统上模拟执行后产生的设备参数变量，并将设备参数变量上传到仿真模拟系统，仿真模拟系统能够根据接收的设备参数变量来调整仿真化工工艺系统中对应的设备的参数。9.一种基于AI的安全风险识别分析方法，其特征在于，其基于如权利要求18任一所述的基于AI的安全风险识别分析系。

9、统执行以下步骤：步骤201，基于化工工艺系统的数据来生成第一节点，基于操作人员的数据和非自动化操作的数据来生成第二节点；步骤202，生成节点的初始特征和基准图，节点包括第一节点和第二节点，生成节点的初始特征的数据包括：一、当前时间点为g，基于gT的时间点的化工工艺系统、操作人员和非自动化操作的数据；二、待判断的非自动化操作的数据；节点包括第一节点和第二节点；基准图包括当前时间点的节点之间的边，并增加了表示待判断的非自动化操作的节点，增加了表示待判断的非自动化操作的节点与当前时间点权利要求书2/3 页3CN 117540883 A3的节点之间的边；步骤203，将节点的初始特征输入动态学习模型中，。

10、输出表示待判断的非自动化操作是否存在风险的值；步骤204，如果待判断的非自动化操作存在风险，则增加操作人员监督执行待判断的非自动化操作或者人工审核该非自动化操作。10.一种存储介质，其特征在于，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行如权利要求9所述的一种基于AI的安全风险识别分析方法中的步骤。权利要求书3/3 页4CN 117540883 A4一种基于AI的安全风险识别分析系统及方法技术领域0001本发明涉及数字工厂技术领域，更具体地说，它涉及一种基于AI的安全风险识别分析系统及方法。背景技术0002化工工艺系统一直以来存在高危险性，因此对于化工工艺系。

11、统的操作需要严格的进行监控，来避免出现重大事故，尤其是对于人工进行的非自动化操作，由于介入了人为因素的影响，更需要进行风险监控。0003公开号为CN116311374A的中国专利公开了一种化工厂工人异常行为识别与预警方法及系统，其利用人工智能来识别工人操作视频中的异常行为，但是其只能在操作完成后才能够识别，而大部分时刻危险在操作完成后即会发生，此时再识别异常的意义不大；而且对于操作本身存在的风险无法识别，操作如果存在风险，即使工人正常操作也会产生危险。发明内容0004本发明提供一种基于AI的安全风险识别分析系统及方法，解决相关技术中无法预测非自动化操作的风险的技术问题。0005本发明提供了一种。

12、基于AI的安全风险识别分析系统，包括：节点生成模块，其基于化工工艺系统的数据来生成第一节点，基于操作人员的数据和非自动化操作的数据来生成第二节点。0006系统动态记录模块，其用于记录系统动态数据，系统动态数据包括节点之间的关系的变化以及节点之间关系变化发生的时间。0007任意两个节点之间存在边的条件包括：两个节点对应的设备通过管道或线路连接；两个节点中的一个节点对应于非自动化操作，另一个对应于设备，并且该非自动化操作作用于该设备；两个节点中的一个节点对应于非自动化操作，另一个对应于操作人员，并且该非自动化操作由该操作人员执行。0008定义当前时间点为g，待判断的非自动化操作在时间点y开始执行，。

13、时间点y在时间点g之后。0009特征生成模块，生成节点的初始特征和基准图，生成节点的初始特征的数据包括：一、基于gT的时间点的化工工艺系统、操作人员和非自动化操作的数据；二、待判断的非自动化操作的数据。0010节点包括第一节点和第二节点；基准图包括当前时间点的节点之间的边，并增加了表示待判断的非自动化操作的节点，增加了表示待判断的非自动化操作的节点与当前时间点的节点之间的边。0011识别模块，其用于将节点的初始特征输入动态学习模型中，动态学习模型中输出表示待判断的非自动化操作是否存在风险的结果。说明书1/7 页5CN 117540883 A50012操作管理模块，如果待判断的非自动化操作存在风。

14、险，则增加操作人员监督执行待判断的非自动化操作或者人工审核该非自动化操作。0013如果待判断的非自动化操作不存在风险，则正常执行该非自动化操作。0014进一步地，一种基于AI的安全风险识别分析系统还包括：系统数据采集模块，其用于采集化工工艺系统的数据。0015操作人员数据采集模块，其用于采集能够操作化工工艺系统的操作人员的数据。0016非自动操作信息采集模块，其用于采集人为执行的作用于化工工艺系统的非自动化操作的数据。0017进一步地，动态学习模型包括隐藏层和输出层，隐藏层的计算公式如下。0018。0019。0020其中表示第i个节点的编码特征，、分别表示第一、二、三、四权重参数，和分别表示第。

15、i个和第j个节点的节点特征，表示基准图中与第i个节点通过边直接连接的节点的集合，M表示中的节点总数，表示节点i与节点j的动态特征。0021。0022。0023。0024其中表示节点i和节点j在当前时间点前的长度为T的时间段内第u次建立边的时间点，n表示节点i和节点j在当前时间点前的长度为T的时间段建立边的次数，表示待判断的非自动化操作开始执行的时间点；和均为可调参数，表示第二节点集合，表示第一节点集合。0025将对应于待判断的非自动化操作的节点的编码特征输入输出层，输出层输出表示待判断的非自动化操作是否存在风险的值。0026进一步地，输出层的计算公式如下：。0027其中Y表示输出向量，是包含两。

16、个分量的向量，表示第五权重参数，表示第一偏置参数；输出向量的第一个分量大于或等于第二个分量的值则表示待判断的非自动化操作存在风险，否则表示不存在风险。0028进一步地，第一节点的初始特征基于设备的运行参数来生成。0029进一步地，第二节点对应于一个能够操作化工工艺系统的操作人员或一个作用于说明书2/7 页6CN 117540883 A6化工工艺系统的非自动化操作，通过描述操作人员或非自动化操作的文本进行语义编码来获得第二节点的初始特征。0030进一步地，一种基于AI的安全风险识别分析系统还包括用于训练动态学习模型的训练模块。0031进一步地，一种基于AI的安全风险识别分析系统还包括：仿真模拟系。

17、统，其用于模拟仿真化工工艺系统的运行。0032操作结果采集模块，其用于采集非自动化操作在未实际运行的化工工艺系统上模拟执行后产生的设备参数变量，并将设备参数变量上传到仿真模拟系统，仿真模拟系统能够根据接收的设备参数变量来调整仿真化工工艺系统中对应的设备的参数。0033本发明提供了一种基于AI的安全风险识别分析方法，其基于前述的基于AI的安全风险识别分析系统执行以下步骤：步骤201，基于化工工艺系统的数据来生成第一节点，基于操作人员的数据和非自动化操作的数据来生成第二节点。0034步骤202，生成节点的初始特征和基准图，节点包括第一节点和第二节点，生成节点的初始特征的数据包括：一、当前时间点为g。

18、，基于gT的时间点的化工工艺系统、操作人员和非自动化操作的数据；二、待判断的非自动化操作的数据。0035节点包括第一节点和第二节点；基准图包括当前时间点的节点之间的边，并增加了表示待判断的非自动化操作的节点，增加了表示待判断的非自动化操作的节点与当前时间点的节点之间的边。0036步骤203，将节点的初始特征输入动态学习模型中，输出表示待判断的非自动化操作是否存在风险的值。0037步骤204，如果待判断的非自动化操作存在风险，则增加操作人员监督执行待判断的非自动化操作或者人工审核该非自动化操作。0038本发明提供了一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行。

19、时，能够执行前述的一种基于AI的安全风险识别分析方法中的步骤。0039本发明的有益效果在于：本发明能够人工智能提取化工工艺系统在一段时间内的动态变化特征，并对化工工艺系统的全局信息进行融合，以达到预测待执行的非自动化操作的风险性的目的。附图说明0040图1是本发明的一种基于AI的安全风险识别分析系统的模块示意图。0041图2是本发明的一种基于AI的安全风险识别分析方法的流程图。0042图中：系统数据采集模块101，操作人员数据采集模块102，非自动操作信息采集模块103，节点生成模块104，系统动态记录模块105，特征生成模块106，识别模块107，操作管理模块108。具体实施方式0043现在。

20、将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说说明书3/7 页7CN 117540883 A7明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。0044本发明的至少一个实施例中提供一种基于AI的安全风险识别分析系统，如图1所示，包括：系统数据采集模块101，其用于采集化工工艺系统的数据。0045操作人员数据采集模块102，其用于采集能够操作化工工艺系统的操作人员的数据。0。

21、046操作人员的数据包括操作人员的ID、年龄、岗位名称、曾经操作的设备的名称以及操作的成功率。0047非自动操作信息采集模块103，其用于采集人为执行的作用于化工工艺系统的非自动化操作的数据。0048非自动化操作的数据包括非自动化操作的步骤、目标设备、参数变量和指定的操作人员等。0049节点生成模块104，其基于化工工艺系统的数据来生成第一节点，基于操作人员的数据和非自动化操作的数据来生成第二节点。0050一个第一节点对应于化工工艺系统的一个设备（包括反应釜、搅拌器、阀门等），一个第二节点对应于一个能够操作化工工艺系统的操作人员或一个作用于化工工艺系统的非自动化操作。0051例如打开某一个阀门。

22、是一个作用于化工工艺系统的非自动化操作，执行该操作的A员工即是能够操作化工工艺系统的操作人员。0052系统动态记录模块105，其用于记录系统动态数据，系统动态数据包括节点之间的关系的变化以及节点之间关系变化发生的时间。0053任意两个节点之间存在边的条件包括：两个节点对应的设备通过管道或线路连接。0054两个节点中的一个节点对应于非自动化操作，另一个对应于设备，并且该非自动化操作作用于该设备；需要说明的是，当非自动化操作被执行完毕，则该边被删除。0055两个节点中的一个节点对应于非自动化操作，另一个对应于操作人员，并且该非自动化操作由该操作人员执行；需要说明的是，当非自动化操作被执行完毕，则该。

23、边被删除。0056无论是化工工艺系统的自动化操作还是作用于化工工艺系统的非自动化操作，都会引发节点之间的关系的变化，因此系统动态记录模块105需要连接化工工艺系统自身的自动控制系统来获取数据。0057化工工艺系统包括化工加工工艺所需的一系列的设备、管道工程、自动控制工程等。0058定义当前时间点为g，待判断的非自动化操作在时间点y开始执行，待判断的非自动化操作在时间点g之后进行，并且待判断的非自动化操作的开始执行的时间点与时间点g之间的间隔小于设定的时间G；G的缺省值为3分钟。0059特征生成模块106，生成节点的初始特征和基准图，生成节点的初始特征的数据包括：一、当前时间点为g，基于gT的时。

24、间点的化工工艺系统、操作人员和非自动化操作的数说明书4/7 页8CN 117540883 A8据；二、待判断的非自动化操作的数据。0060节点包括第一节点和第二节点；基准图包括当前时间点的节点之间的边，并增加了表示待判断的非自动化操作的节点，增加了表示待判断的非自动化操作的节点与当前时间点的节点之间的边。0061T的缺省值为30分钟。0062第一节点的初始特征基于设备的运行参数来生成。0063设备的运行参数一般是文本形式的数据，可以通过语义编码来获得第二节点的初始特征。0064第二节点对应于一个能够操作化工工艺系统的操作人员或一个作用于化工工艺系统的非自动化操作，操作人员的数据以及非自动化操作。

25、的数据一般是文本形式的数据，可以通过描述操作人员或非自动化操作的文本进行语义编码来获得第二节点的初始特征。0065具体的语义编码的方法可以是独热编码或word2vec模型编码等。0066识别模块107，其用于将节点的初始特征输入动态学习模型中，动态学习模型包括隐藏层和输出层，输出层的计算公式如下。0067。0068。0069其中表示第i个节点的编码特征，表示权重参数，和分别表示第i个和第j个节点的节点特征，表示基准图中与第i个节点通过边直接连接的节点的集合，表示节点i与节点j的动态特征，、分别表示第一、二、三、四权重参数，M表示中的节点总数。0070。0071。0072。0073其中表示节点i。

26、和节点j在当前时间点前的长度为T的时间段内第u次建立边的时间点，n表示节点i和节点j在当前时间点前的长度为T的时间段建立边的次数，表示待判断的非自动化操作开始执行的时间点；和均为可调参数，缺省值均为，节点的总数越大和的取值越小，表示第二节点集合，表示第一节点集合；表示或，表示与。0074将对应于待判断的非自动化操作的节点的编码特征输入输出层，输出层输出表示说明书5/7 页9CN 117540883 A9待判断的非自动化操作是否存在风险的值。0075输出层的计算公式如下：。其中Y表示输出向量，是包含两个分量的向量，表示第五权重参数，表示第一偏置参数；输出向量的第一个分量大于或等于第二个分量的值则。

27、表示待判断的非自动化操作存在风险，否则表示不存在风险。0076操作管理模块108，如果待判断的非自动化操作存在风险，则增加操作人员监督执行待判断的非自动化操作或者人工审核该非自动化操作。0077如果待判断的非自动化操作不存在风险，则正常执行该非自动化操作。0078训练模块，其用于训练动态学习模型。0079动态学习模型训练时需要给予与输出对比的参照，对于化工工艺系统来说，对于一个训练样本，如果非自动化操作执行后会导致化工工艺系统出现运行风险，则表示非自动化操作存在风险；但是实际过程中这样的训练样本是非常少的，很难通过历史数据来获取这样的训练样本，历史数据中所提取的训练样本大部分情况下对应的结果是。

28、非自动化操作存在风险。0080化工工艺系统运行出现风险的后果严重，损失不可预估，也无法通过人为的设置执行后会导致化工工艺系统出现运行风险的非自动化操作来获得训练样本。0081为了解决训练的问题，本发明的一个实施例中，提供一种基于AI的安全风险识别分析系统，利用仿真模拟系统结合实际模拟操作的方式来获得训练样本；包括：仿真模拟系统，其用于模拟仿真化工工艺系统的运行。0082化工工艺系统的仿真化模拟为现有技术，在此不做赘述。0083操作结果采集模块，其用于采集非自动化操作在未实际运行的化工工艺系统上模拟执行后产生的设备参数变量，并将设备参数变量上传到仿真模拟系统，仿真模拟系统能够根据接收的设备参数变。

29、量来调整仿真化工工艺系统中对应的设备的参数。0084这样就可以达到非自动化操作不会产生实际的结果，但是会同步的影响模拟的仿真化工工艺系统来产生运行结果，这样就可以根据模拟仿真化工工艺系统结合实际执行非自动化操作来获得足够的非自动化操作执行后会导致化工工艺系统出现运行风险的训练样本。0085非自动化操作在未实际运行的化工工艺系统上模拟执行指的是由操作人员来对未实际运行的实体的化工工艺系统执行非自动化操作。0086操作结果采集模块采集非自动化操作在未实际运行的化工工艺系统上模拟执行后产生的设备参数变量的具体示例：人工操作的结果可以被操作设备上的传感器检测，例如阀门的开关和开度可以通过阀门上的角度传。

30、感器所检测到。0087一些可以被操作的控制器可以通过控制器所记录的操作记录来识别人工操作的结果；例如温度控制器上的操作可以由操作的记录。0088本发明的至少一个实施例中提供一种基于AI的安全风险识别分析方法，如图2所示，包括以下步骤：步骤201，基于化工工艺系统的数据来生成第一节点，基于操作人员的数据和非自动化操作的数据来生成第二节点。0089步骤202，生成节点的初始特征和基准图，节点包括第一节点和第二节点，生成节点的初始特征的数据包括：一、当前时间点为g，基于gT的时间点的化工工艺系统、操作人说明书6/7 页10CN 117540883 A10员和非自动化操作的数据；二、待判断的非自动化操。

31、作的数据。0090节点包括第一节点和第二节点；基准图包括当前时间点的节点之间的边，并增加了表示待判断的非自动化操作的节点，增加了表示待判断的非自动化操作的节点与当前时间点的节点之间的边。0091步骤203，将节点的初始特征输入动态学习模型中，输出表示待判断的非自动化操作是否存在风险的值。0092步骤204，如果待判断的非自动化操作存在风险，则增加操作人员监督执行待判断的非自动化操作或者人工审核该非自动化操作。0093如果待判断的非自动化操作不存在风险，则正常执行该非自动化操作。0094本发明的至少一个实施例中提供一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行前述的一种基于AI的安全风险识别分析方法中的步骤。0095上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。说明书7/7 页11CN 117540883 A11图 1说明书附图1/2 页12CN 117540883 A12图 2说明书附图2/2 页13CN 117540883 A13。