施工现场环境复杂多变, 一方面生产要素密集, 施工场地受限;另一方面施工现场涉及的工种较多, 包括手工操作及机械作业, 因此交叉作业大量存在^[1]。施工现场的这些特点直接导致现场存在大量安全隐患, 一方面对施工工人造成生理伤害, 同时也导致大量安全事故的发生。如施工现场生产活动过程中产生的噪声污染, 当累计噪声暴露量超过工人承受能力, 则会导致听力损失^[2]。另一方面, 噪声污染也会危害工人心理和生理健康, 从而增加工人现场不安全行为^[3]。因此, 依据现有环境控制标准和规范, 研究并建立施工现场环境监测预警方法, 提高施工现场安全管理水平, 不仅可以极大提升施工工人作业环境, 同时也能够有效避免施工现场安全隐患, 降低施工现场事故率。

施工过程中出现人员伤害和事故往往离不开人、机、环境3方面, 即人的不安全行为、机的不安全状态以及环境的不安全条件^[4]。目前对于施工环境不安全状态的研究十分薄弱。施工现场环境可能产生的不安全因素主要包括危险的自然地质条件、建筑物本身的不安全状态以及不良或者危险的施工现场作业环境。研究主要针对施工现场不良或者危险的施工作业环境。目前针对施工现场作业环境控制, 主要参考GB50325—2010《民用建筑工程室内环境污染控制规范》等标准或规范, 然而针对施工现场作业环境的复杂性, 单一环境参数指标获取到的信息往往不能全面反映现场作业环境状况, 为了更全面、准确地掌握施工现场作业环境信息, 必须实现施工现场多参数环境信息的融合。目前的研究主要采取数据融合算法对多传感器数据进行处理, 实现环境参数的高精度监测^[5,6]。这些研究主要对传感器数据融合的精度进行试验性分析, 但对施工作业环境人员伤害及事故成因考虑较少。本文将综合考虑施工现场作业环境监控数据类别, 针对环境信息处理过程中存在的误差和不确定问题, 通过同质传感器数据融合算法和异质传感器数据融合算法实现施工现场环境监测的高可靠性, 对施工现场作业环境安全进行实时预警, 确保施工现场处于安全状态。

通过分析施工现场作业环境监测数据, 明确施工现场作业环境监测预警信息需求, 结合传感器技术, 利用数据融合算法实现施工现场作业环境信息的高精度分析, 并提出一种基于多传感器数据融合算法的施工作业环境安全综合指数判定原则。最后开发出施工现场作业环境监测预警系统, 通过前台手持终端预警能够更好地预防施工现场人员伤害和事故的发生, 最终提高施工安全管理水平。

刘静等^[7]划分环境质量等级时, 考虑了温度、湿度、粉尘、光照4个特征参数作为监测对象;张晓亮等^[8]在研究室内环境数据监测过程中考虑一氧化碳、甲醛、氨气、温度、湿度作为评判依据;研究工人不安全行为过程中, 出现噪声引起施工工人生理参数的变化, 会导致工人施工过程中出错率的增加^{[2,3,4,5,6,7,8,9]}。目前针对环境监测对象还没有文章进行系统整理, 特别是施工现场复杂环境下的环境监测。

本文从施工安全标准、操作规程、事故案例和专家经验4方面整理涉及施工环境的监测参数。同时, 《民用建筑工程室内环境污染控制规范》中对污染物质的规定为:放射性污染物氡 (222Rn) , 化学污染物甲醛、氨、苯及总挥发性有机化合物 (TVOC) ;GB/T18883—2002《室内空气质量标准》对建筑物室内空气质量做出规定, 其中涉及一氧化碳、氨、臭氧、可吸入颗粒物PM10等参数的评定;GB12523—2011《建筑施工场界环境噪声排放标准》对施工现场作业噪声做出了具体规定。最终依据以上数据来源, 整理了施工现场作业环境监测数据库, 将其分为3个类别, 分别是自然环境监测数据、物理性污染监测数据以及化学性污染监测数据。自然环境监测参数包含温度、湿度等;物理性污染监测参数包含粉尘、噪声等;化学性污染监测参数包含一氧化碳 (CO) 、总挥发性有机化合物 (TVOC) 、甲醛 (HCHO) 等。

为全面评价环境质量, 系统需要多种传感器采集环境参数 (如温度、湿度、粉尘等) , 即使针对同一环境参数, 也需要多个同类传感器均等地放置在多个位置进行多点采集。采集同一环境参数的传感器为同质传感器, 采集不同种环境参数的传感器为异质传感器。本文采用2级数据融合系统:第1级为局部融合, 对来自同质传感器的多源数据进行融合, 克服了单一传感器测量结果的局限性;第2级为全局融合, 对每类同质传感器数据融合的结果进行异质传感器数据融合, 最终对施工作业环境做出整体评价^[10,11], 并据此进行安全预警, 确保施工现场安全状态。施工现场环境监测2级数据融合结构如图1所示。

为保证系统传输过程中信息的完整, 系统采用有线传输和无线传输的混合模式。各环境监测传感器首先将采集到的信息通过串口服务器传输到中心控制节点上。为降低环境信息的传输量, 系统首先在控制中心节点上对数据进行局部融合。最后利用网络将传输结果传输到远程数据中心, 并对接收到的数据进行异质传感器数据融合, 得出最终的结果。施工现场作业环境监测系统网络架构如图2所示。

1) 局部融合 采用自适应加权融合算法实现环境监测数据的局部融合。自适应加权融合算法能够充分利用传感器的原始数据, 融合传感器的均方误差、测量精度等信息。与此同时, 该算法能够抑制传感器的漂移和噪声, 提高系统精度。当多个传感器探测施工现场某一特征信号时, 应加大检测数据误差小的权数, 反之应减小权数。在总均方误差最小的这一最优条件下, 把传感器测量得到的值按自适应方式寻找对应的加权值, 使融合后的监测值达到最优^[6]。

本文将单只传感器的测量数据分成2组, 分别为:x₁, x₂, …, x_m和y₁, y₂, …, y_n, 2组数据的平均值分别为标准差为σ₁和σ₂。然后据此推导出分批数据融合的结果和方差。

利用式 (1) 和式 (2) 可得每只传感器测量数据的局部决策值。假设最后参与全局数据融合的环境监测传感器数量为m, 则相应每只传感器局部决策值为, 标准差为, 设每只传感器最终的融合值为k^, 则

式中:分别为第i只传感器的局部决策值及其加权因子。其中加权因子w满足:

数据融合之后的精度为

2) 全局融合 采用模糊集理论作为全局融合算法, 然后根据设定条件, 依据数据库、专业知识库及专家经验, 对不同局部融合中心信息数据进行二级融合和关联^[8]。首先建立因素集V, 由不同的传感器构成, 即V= (v₁, v₂, v₃, …, v_n) , 其中v代表不同类型的传感器。其次建立状态集, 设施工现场环境安全监测结果分别为安全系数很高, 安全系数较高, 安全系数一般, 安全系数较差, 安全系数很差, 则其状态结果的评语集为U= (u₁, u₂, u₃, u₄, u₅) = (安全系数很高, 安全系数较高, 安全系数一般, 安全系数较差, 安全系数很差) 。在多传感器数据融合系统中, 各传感器由于监测对象不同, 因此其赋予权重也各有不同, 对整个施工环境安全指数的判断也不相同。在对整个系统获取的传感器数据进行全局估计时, 根据传感器权重向量与决策矩阵进行合成即可得到评语集上的模糊子集。最后采用最大隶属度的方法即可得到全局融合估计结果。

定义某种室内环境品质因素分指数I_i为室内环境品质因素测量值x_i与该因素最大允许值x_max的比值, 则:

为充分考虑最高分指数和平均分指数, 选取几何平均法作为综合指数的计算方法。室内环境品质综合指数计算如下:

式中:I为施工现场环境安全综合指数;x_i为第i种施工现场安全因素的测量值;x_max第i种施工现场安全因素的最大允许值;y_i为各不同传感器的权重值。部分施工现场作业环境参数安全品质评价指标建议值如表1所示。

根据《民用建筑工程室内环境污染控制规范》及施工现场各类污染对人体健康的危害程度以及安全隐患严重程度, 参照污染划分标准, 并结合模糊集理论综合评判的概念, 将其划分为5个级别, 即Ⅰ, Ⅱ, Ⅲ, Ⅳ, Ⅴ, 如表2所示。在得到等级表的过程中, 专家系统或监测人员根据施工现场实际情况以及工程经验判断得到融合系统中各类传感器的权重。表2所列各安全等级下的显著特征仅描述了常见情况, 当自然环境监测参数或物理性污染监测参数严重超出规定值时, 也会出现安全等级为Ⅳ或Ⅴ的情况。

分布式能源站在施工和设备调试过程中, 对施工现场作业环境安全的控制尤为重要。由于施工现场涉及大量的交叉作业, 特别是管道油漆作业、焊接作业的频率十分高, 在封闭的施工环境中极易成为安全隐患。另外, 在分布式能源站调试过程中涉及可燃气体, 也必须予以重视。因此, 为保证施工作业及设备调试安全、顺利进行, 必须对现场环境进行监测, 当超过警戒值时能够实时报警, 确保施工现场作业环境处于实时监控状态。

1) 应用结果和分析 选择环境监测参数, 首先需考虑分布式能源站施工现场的实际情况, 然后参照GB50325—2010《民用建筑工程室内环境污染控制规范》、GB/T18883—2002《室内空气质量标准》和GB12523—2011《建筑施工场界环境噪声排放标准》等标准和规范。与此同时, 鉴于分布式能源站建设场地位于地下较密闭空间, 为保证施工作业环境安全, 根据业主和施工单位工程师的建议, 现场环境监测预警模块对施工现场温度、相对湿度及噪声进行相应测量。在分布式能源站现场对以下监测参数进行大量监测试验, 部分施工现场作业监测结果如表3所示。

现场各项传感器监测融合之后的均方差比各传感器单只的方差值小 (见表4) , 可以有效减少环境参数监测的误差和不稳定性。结果表明, 通过自适应加权融合算法处理之后的结果能够更加真实地反映现场情况。通过融合数据可计算分布式能源站施工现场作业环境安全指数, 通过对比表2得到安全等级, 用于指导施工现场安全作业。

由表4所知, 施工现场各环境监测参数数据融合结果的综合安全指数超过4.0, 表明施工现场安全系数很差。通过现场实际调研发现, 现场正在进行管道喷漆工序。由于处于封闭环境而积累大量有机性挥发物, 导致此参数严重超标, 直接导致环境安全等级为Ⅴ。因此通过此方法能够切实帮助现场提升施工安全作业环境的管理水平, 也说明利用模糊集理论进行施工现场环境安全综合指数判断的可行性。

2) 系统应用实例 为更有效帮助工程师掌控施工现场作业环境安全信息, 在数据融合算法的基础上开发了相应的环境安全预警手持系统, 该手持系统也在武汉国博分布式能源站建设期间进行了应用。手持设备作为客户端, 通过网络访问服务器端进行远程访问, 实现施工现场作业环境参数信息的实时获取。手持系统施工现场环境监测预警系统主要功能界面如图3所示, 当用户打开手持系统后, 可通过选择查询区域查询该区域的作业环境参数 (见图3a) 。确认查询区域后, 仪表盘将显示该区域环境参数实时信息, 方便用户快速获取信息并可第一时间确认作业环境安全等级以及各环境参数监测情况 (见图3b) 。查询历史数据只需输入查询要素即可得到相应数据以及分析图表 (见图3c) 。

施工现场单一传感器无法有效、全面地掌控整个施工场地环境信息, 而施工现场环境复杂多变、生产要素密集、交叉作业现象大量存在。本文利用多传感器数据融合技术, 对传感器采集到的环境信息进行基于自适应加权融合和模糊信息融合的数据融合, 能够提高施工现场环境安全监测的可靠性。并在此基础上开发施工现场环境安全监测手持系统, 最大限度地提高施工现场安全水平, 并为施工作业人员的环境安全提供技术保障, 具有很好的实际应用价值。