施工现场作业环境监测数据融合预警方法研究
0 引言
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
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
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。
1 施工现场作业环境监测数据分类
刘静等
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。
2 施工现场作业环境数据融合方法
2.1 多传感器数据融合框架
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
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。
2.2 多传感器数据融合算法
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
本文将单只传感器的测量数据分成2组, 分别为:x1, x2, …, xm和y1, y2, …, yn, 2组数据的平均值分别为
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
式中:
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
2.3 施工现场环境安全综合指数模型
定义某种室内环境品质因素分指数Ii为室内环境品质因素测量值xi与该因素最大允许值xmax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;xi为第i种施工现场安全因素的测量值;xmax第i种施工现场安全因素的最大允许值;yi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。
3 分布式能源站应用案例
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。
表3 分布式能源站施工现场环境各参数监测值Table 3 Monitoring values of various parameters in construction site of distributed energy station
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) 。
4 结语
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。
参考文献
[1]郭红领, 刘文平, 张伟胜.集成BIM和PT的工人不安全行为预警系统研究[J].中国安全科学学报, 2014 (4) :104-109.
[2]程根银, 陈绍杰, 齐金龙, 等.煤矿井下噪声对人的不安全行为影响分析研究[J].华北科技学院学报, 2014 (1) :89-93.
[3]谢红卫, 张美辨, 全长健.累计噪声暴露量与人听力损失的剂量反应关系研究[J].浙江预防医学, 2014 (4) :340-344.
[4]刘轶松.安全管理中人的不安全行为的探讨[J].西部探矿工程, 2005 (6) :226-228.
[5]刘晖, 陈小惠, 刘银峰.基于粗糙集和模糊kohonen聚类网络的多传感器数据融合[J].电子测量与仪器学报, 2010, 23 (3) :218-223.
[6]张军, 杨子晨.多传感器数据采集系统中的数据融合研究[J].传感器与微系统, 2014, 33 (3) :52-54, 57.
[7]刘静, 李富忠, 荆瑞俊.环境监测中多传感器数据融合研究[J].山西农业大学学报 (自然科学版) , 2017 (5) :340-344.
[8]张晓亮, 罗文广.多传感器数据融合技术在室内环境品质监控系统中的应用[J].仪表技术与传感器, 2012 (2) :103-105.
[9]田水承, 杨鹏飞, 高毅, 等.噪声与矿工情绪的关系及干预对策研究[J].煤炭技术, 2017, 36 (8) :299-301.
[10]徐秦乐, 张金艺, 徐德政.高精度故障电弧检测多传感器数据融合算法[J].上海大学学报 (自然科学版) , 2014, 20 (2) :165-173.
[11]王乾坤, 张雨峰, 蒋小凡.基于BIM-SHM的大跨度钢结构实时感知预警系统研究[J].建筑经济, 2017 (3) :50-55.