1、成果简介 本项目从龚电总厂实际情况出发，结合水电行业生产需求和工作流程特点，针对安全管理中的作业性违章、管理性违章、装置性违章、指挥性违章，聚焦管理人员安全履职、运行维护定期工作、操作票管理、工作票管理等主要业务单元，通过人工智能、互联网+等技术建立安全违章管控模型，对作业现场安全违章数据进行识别、记录、分析，构建科学规范的违章管控体系，辅助安全管理决策，最终实现违章行为预知预警的功能目标，最大限度的杜绝违章行为的发生。 主要研究内容如下： （1）研究基于聚类和分类算法的违章数据多维度分析模型； （2）研究基于违章数据标准化治理的智能辅助决策知识库； （3）研究基于多源数据融合和智能装备应用的违章行为感知方法； （4）研究构建安全违章管控模型体系的平台与应用。 2、主要创新点 （1）构建基于多元数据融合技术的安全违章自动感知体系。通过梳理全厂作业管控流程和制度规范，构建新型安全监管体系，全方位拓展数据源（如安风中心隐患排查、危险源、风险分析、人员履职等，ERP 系统定期工作、设备缺陷、两票等，生产现场监控系统、工业电视数据的同步接入运用等），将各项作业关键流程、环节进行数据自动识别，打造开放的智能算法库和计算引擎，强化违章过程管控，实现运行操作全过程监控、工作票票面图像自动识别、现场人员违章动作自动识别算法，实时、自动、准确获取违章信息数据。 （2）构建基于智能检索引擎和数据标准化治理的违章知识库。基于自然语言理解的相关技术研究算法，从违章关键词、违章行为、违章流程等多个层次对用户违章进行语义分析、特征向量提取，开展违章数据的标准化治理，研究形成违章数据分类治理方法，并构建基于不同逻辑算法的违章知识库。通过系统的不断学习，逐步吸收和完善各类违章知识，实现对各类违章的智能搜索、自动匹配和自主管理，为违章分析管控奠定基础。 （3）构建基于“感知识别-分析对比-决策管控”的违章管控平台。结合当前安全管理制度和相关业务流程，通过技术手段识别感知违章过程和行为。构建多场景、全时段应用的自适应违章管控分析模型，采用标准化数据分析算法，如相关分析、聚类分析、分类分析等，为当前违章和历史违章行为拟定标签，分析历史发生的违章行为、次数、人员、环节等要点。利用机器学习、人工智能等技术手段，多维度分析对比违章数据，给当前可能发生的违章人员或可能导致违章的行为做出分析结果展示，并形成可视化图表，实现从违章数据的感知获取到违章行为管控决策的推送等全流程的智能化管控。