温传诗
(甘肃第七建设集团股份有限公司,甘肃 兰州 730000)
塔式起重机在建筑行业中受到广泛的青睐,使用塔式起重机可以提高工作效率、降低工程造价,但是由于塔式起重机结构复杂,作业环境也较复杂,存在工作人员缺乏安全意识以及管理不当等问题,会导致安全事故的发生,给国家和社会带来人员财产损失。
作为大型起重施工运输机械的塔式起重机,结构组成部件众多,主要由3 个部分组成,分别是金属结构、工作机构和驱动控制装置。塔式起重机基本构造与具体结构组成见图1。
图1 塔式起重机基本构造
其中,金属结构主要起到承受塔式起重机自身和需要运输的物体的重量的作用,需要具备较高的强度、刚度以及稳定性[1]。工作机构是塔式起重机的重力装置,用来保证塔式起重机的起升、回转和变幅等功能。驱动控制装置为塔式起重机的正常运行提供动力。不同种类的塔式起重机的结构也有所不同。塔式起重机在施工过程中主要有4 个特点[2]:一是具有较多的服役数量。在建筑施工过程中,每栋楼至少需要1 台塔式起重机,由于空间窄小,因此极易发生安全事故。二是工作人员需要具备较强的专业性。在施工过程中需要多人配合工作,一人失误将会导致整个施工过程发生危险,因此工作人员需要有较强的专业性。三是起吊距离较高,且需要运输的物体数量较多,导致运输次数也较多。在建筑施工过程中,塔式起重机主要是负责垂直方向上的运输,随着日渐增多的高层建筑,塔式起重机的起吊距离以及重量也随之增大。四是工作量繁多。塔式起重机的日常重复性工作较多,而且一些安全问题以及设备维修问题也会加重工作量,工作人员容易疏忽大意,从而易导致安全问题的发生。
本文统计了100 起塔式起重机的安全事故,并且按照安全事故类型、事故发生阶段,进行了相关统计分析。
将100 起塔式起重机安全事故按照类型进行分类统计分析,可知类型分布情况统计结果。图2 为塔式起重机安全事故类型分布图。
图2 塔式起重机安全事故类型分布图
由图2 可知,100 起安全事故中倒塌事故所占比例最多,占安全事故总数的比例高达52%,远高于其他安全事故发生比例,这取决于塔式起重机的工作性质与塔式起重机本身的特点[3]。仅次于倒塌事故的是高处坠落事故,占比约为16%,由此可看出塔式起重机高处作业的特点。此外,超载、其他类型的安全事故所占比例也较多,分别所占比例为12%和9%。断臂、碰撞、脱钩、触电事故相对较少发生,均在5%以下,但是也应引起重视。
将100 起塔式起重机安全事故按照发生阶段进行分类统计分析,可知发生阶段分布情况统计结果。图3 为塔式起重机安全事故发生阶段分布图。由图3 可知,作业阶段发生的安全事故数量最多,这是由于塔式起重机作业阶段比安装阶段和拆除阶段所需的时间长,并且在作业阶段塔式起重机需要面临更复杂的环境,交叉作业的现象更容易出现。安装阶段和拆除阶段发生安全事故的数量相差不多。安装阶段和拆除阶段是塔式起重机上下连接最薄弱的时候,稍有差错就容易发生安全事故,此时需要较高的专业技术,因此安装阶段和拆除阶段的难度较大[4]。3 个阶段的特点各不相同,但由于塔式起重机的安装工艺和拆除工艺有很多相同之处,因此安装阶段和拆除阶段发生安全事故的特点大致相同,然而这两个阶段发生安全事故的特点与作业阶段发生安全事故的特点明显不同。
图3 塔式起重机安全事故发生阶段分布图
通过对塔式起重机安全事故进行统计分析,初步了解了塔式起重机安全的事故发生特点;但是要进一步了解塔式起重机安全事故的发生特点,还需要对事故致因进行识别和进一步的研究分析。事故致因理论中最典型的两种理论是因果连锁理论和综合因素理论。因果连续理论认为伤亡事故并不是一件孤立的事件,而是由一系列事件导致的,可以解释为环境或者遗传因素会导致人显露缺点,从而产生一系列不安全行为或者较差的状态而导致事故的发生,它表明这种事故是长期的连锁反应,因此可在事故还未发生时采取有效措施避免事故的发生。综合因素理论认为事故是由直接原因和间接原因导致的。结合因果连锁理论,可将人、物以及环境因素归因于直接原因,管理缺陷和管理责任归于间接原因。只有管理出现问题时,才会出现直接原因。图4 为综合因素理论关系图。本文以这两种理论为基础,分析了多起塔式起重机安全事故,得到导致事故发生的不安全因素主要可分为4 类,分别是人、物、管理和环境因素[5]。通过分类可以找出事故发生时的连锁反应,也可以罗列事故发生的原因,从而可以帮人们更清楚地分析事故的风险因素。
图4 综合因素理论关系图
为了解各项事故致因在所调查的100 起塔式起重机事故中的分布情况,对100 起塔式起重机安全事故进行反复查阅与核对,最终统计得到了10 项事故致因的频数与频率,塔式起重机事故致因统计结果见表1。由表1 可知,排在前三位的事故致因分别是工人违章操作、现场安全管理问题和无安全教育培训。其中,工人违章操作的统计频率高达79%,这是导致塔式起重机安全事故的首要高频事故致因,需要引起重视。工人违章操作的主要原因是工人的安全意识薄弱,缺乏安全知识。现场安全管理问题的统计频率为29%,主要原因是施工现场的安全管理人员不到位、安全管理技术较差以及安全管理人员对安全问题不重视。排在第三位的事故致因是无安全教育培训。无安全教育培训的主要原因是安全教育流于形式或者未组织工作人员进行安全教育培训。安全生产管理职责不明、安全管理制度不健全、未进行安全技术交底与专项施工方案这3 个事故致因虽然频率不高,但是均在10%以上,也需要引起注意。
表1 塔式起重机事故致因统计结果
反向传播(Back Propagation,BP)神经网络具有很强的非线性映射能力,塔式起重机事故的影响因素较多,样本量较少,相关性较弱,因此容错性较强的BP 神经网络可用于塔式起重机事故的预测中。BP 神经网络的各层均由神经元组成,神经元的输入和输出关系可以表示为
式中:f(zi)为传递函数;wij为权值;bij为阈值。
但是BP 神经网络具有一定的局限性,处理时间较长、没有确定隐含神经元的标准方法,容易陷入局部最小值问题。为了避免此问题的出现,采用遗传算法(Genetic Algorithm,GA)对BP 神经网络进行优化,使目标函数实现全局最优。遗传算法具有良好的可扩展性,容易与其他算法相结合。遗传算法对BP 神经网络的优化主要是对权值和阈值的优化,在优化过程中首先要明确权值和阈值的编码方式,然后生成初始种群,接着将BP 神经网络的目标函数转化为适应度函数来计算个体适应度,采用误差函数E 的倒数作为适应度函数F,表达式为
式中:E 越小,适应度函数F 越大。最后进行遗传算法操作,得到最优解。
本文将100 起事故进行数据化处理,并构建GA-BP 风险预警模型,构建步骤为:一是网络层数和各层神经元数量的确定,常用的神经元数量估算公式为
式中:m、l、n 分别为输入层、隐含层和输出层神经元的数量;a 为常量。二是传递函数和学习函数的选取。三是将权值和阈值进行初始化。四是对相关参数进行设定。五是确定遗传算法的相关参数。建立好模型后,从100 起事故中随机选取10 起事故进行测试,使用BP 神经网络模型和遗传算法优化后的BP 神经网络模型,对事故类型和事故安全等级进行预测,塔式起重机风险预测模型预测精度见表2。经过对比发现,相比未经优化的BP 神经网络模型,遗传算法优化后的BP 神经网络对事故类型和事故安全等级的预测精度较高,表明遗传算法优化后的BP 神经网络模型可以提高风险预测的准确性。
表2 塔式起重机风险预测模型预测精度
通过对塔式起重机事故致因进行分析,可以看出工作人员操作失误是导致事故发生的重要原因,因此需要加大对工作人员的管理。首先,需要加强工作人员的考核机制。塔式起重机的工作人员必须经过各种作业考核并取得相应的资格证,从而提高工作人员的整体素质,并定期对工作人员进行考核,可将考核成绩与绩效进行挂钩,实行奖惩制度,以此来减少违章操作行为的出现,提高工作人员的安全生产效率。其次,需要提高工作人员的安全意识。各单位在作业前必须对工作人员进行必要的安全生产教育培训,提高工作人员的安全意识,没有经过安全教育培训的工作人员不允许上岗,同时要正确佩戴各种安全用具,做好防护措施。最后,工作人员需要严格遵守劳动规程。严禁工作人员疲劳作业或者酒后作业,每日进场前必须接受安全教育并进行安全交底,加强标准的交接班制度,减少违章操作或指挥。
在塔式起重机安全事故中,由安全管理引起的事故也占有较大的比例。因此需要加强现场的安全管理。首先,需要加大参建单位的安全管控。施工单位作为现场作业的总责方,应该建立健全完善的管理制度,落实工作人员的职责,监督工作人员进行安全教育培训,并定期开展安全检查工作。监理单位也应履行监理职责,对专项方案进行严格审查,同时也要严格审查工作人员的工作资质,做好安全备案。塔机租赁和安装拆除单位在各个环节都需要对工作人员进行岗前培训和安全教育,一定要确保所有工作人员均持证上岗。建设单位要开展施工活动,加大现场巡查频率,同时定期对各参建单位以及检修单位进行巡检并且评估。
由于设备和环境因素导致的安全事故所占比例不高,但也需要引起重视。塔式起重机安全事故多数是功能部件失灵或者结构构件撕裂破坏所导致的,由于繁重的工作,工作人员可能会忽视功能部件和结构构件对塔式起重机的影响,因此需要对设备进行定期的检查维修和保养来保障塔式起重机的安全运行。施工现场杂乱无章也是导致塔式起重机安全事故频发的原因之一,因此需要定期打扫施工现场。天气问题也是导致塔式起重机安全事故发生的原因,工作人员应该提前关注天气预报,做好工作指挥协调,提高安全生产的效率。
塔式起重机在施工现场的频繁使用难免会产生安全隐患,隐患未经处理将会产生安全事故,造成巨大损失。本文查阅了100 起塔式起重机安全事故,分析发现塔式起重机安全事故主要是倒塌造成的,安全事故主要发生在作业阶段,人的因素是塔式起重机安全事故致因的主要因素。采用遗传算法对BP 神经网络进行优化,优化后的预测模型对事故类型和事故安全等级的预测精度都有所提高。因此为了尽量减少安全事故的发生,必须加强对工作人员、设备以及环境的管理。