ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Повышение безопасности строительных машин на основе автоматизированного распознавания препятствий и опасных зон

Авторы

  • Лев Дмитриевич Рыкалов Российский государственный университет нефти и газа им. И.М. Губкина, 119991, Москва, Ленинский проспект, д. 65, корп. 1

Как цитировать

ГОСТ Рыкалов Л. Д. Повышение безопасности строительных машин на основе автоматизированного распознавания препятствий и опасных зон // СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. 2026. Т. 70. № 8. С. 407-421. DOI: 10.25726/u3361-3178-2705-p
APA Рыкалов, Л. Д. (2026). Повышение безопасности строительных машин на основе автоматизированного распознавания препятствий и опасных зон. СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ, 70(8), 407-421. https://doi.org/10.25726/u3361-3178-2705-p

Аннотация

Показатели производственного травматизма в 2024 году вернулись к росту: число зарегистрированных несчастных случаев достигло 33 774 при коэффициенте частоты 0,69, а воздействие движущихся предметов и деталей вместе с транспортными происшествиями заняло свыше трети происшествий с тяжёлыми последствиями. Действующие требования к обзорности землеройных машин нормируют локальные размеры затенений и оставляют ненормированной суммарную долю пространства, не контролируемого оператором, из-за чего формально соответствующие стандарту машины различаются по фактическому охвату почти на треть. Цель работы – установить количественную связь между параметрами системы автоматизированного распознавания препятствий и остаточной вероятностью контакта работника с движущейся машиной. Выполнено геометрическое моделирование секторов затенения по схеме контрольного круга видимости радиусом 12 м, аддитивное разложение дистанции гарантированного срабатывания и имитационное моделирование на 20 000 реализаций для гусеничного экскаватора, фронтального погрузчика и автогрейдера при четырёх вариантах оснащения. Базовые конфигурации оставляют вне контроля от 23,17 до 30,07% площади контрольного круга; система кругового обзора сокращает показатель до 4,28-4,83%, комбинированная система с радиолокационным каналом – до 1,60-1,88%. Остаточная доля контактов снижается с 0,1840 до 0,0871 и 0,0820 соответственно, что отвечает сокращению риска на 52,7 и 55,4%. В структуре требуемой дистанции срабатывания при 9 км/ч на реакцию оператора приходится 51,6%, на латентность вычислительного тракта – 7,2%. Полученное распределение показывает, что предел эффективности системы задаётся геометрией покрытия и временем реакции решающего звена, тогда как быстродействие детектора влияет на результат примерно втрое слабее. После сокращения неконтролируемой доли приблизительно до 5% дальнейшее расширение сенсорного оснащения даёт убывающую отдачу, и остаточный риск концентрируется на классе работников в согнутой позе и на верхнем диапазоне рабочих скоростей.

Ключевые слова

безопасность строительных машин распознавание препятствий опасная зона обзорность с рабочего места оператора система кругового обзора остаточный риск имитационное моделирование производственный травматизм

Библиографические ссылки

Алешков Д.С., Аюпова Н.Ю., Бакико Е.В., Суковин М.В., Скакунов Д.А. Учет влияния человеческого фактора на профессиональные риски при использовании метода дерева отказов // Безопасность труда в промышленности. 2025. № 10. С. 32-38.

Андриянов Н.А., Дементьев В.Е., Ташлинский А.Г. Обнаружение объектов на изображении: от критериев Байеса и Неймана-Пирсона к детекторам на базе нейронных сетей EfficientDet // Компьютерная оптика. 2022. Т. 46. № 1. С. 139-159.

Васин П.А., Куликов И.А. Обучение нейросетевых алгоритмов автомобильного технического зрения с учетом типов ошибок распознавания // Труды НАМИ. 2021. № 3. С. 37-47.

Егельский В.В. К вопросу об использовании видеоаналитики в производственной среде при эксплуатации грузоподъемных кранов // Безопасность труда в промышленности. 2025. № 11. С. 47-50.

Жабин Д.В., Макеев М.А., Клебанов Д.А. Разработка систем контроля целостности зубьев ковша экскаватора с применением методов компьютерного зрения // Горная промышленность. 2023. № 3. С. 48-49.

Жилинский Н.А., Дорогова И.Е. Позиционирование подвижных элементов строительной техники посредством компьютерного зрения // Вестник СГУГиТ. 2026. Т. 31. № 2. С. 14-21.

Клебанов А.Ф., Кадочников М.В., Улитин В.В., Сиземов Д.Н. Современные системы предотвращения столкновений горной техники и наездов на персонал при ведении открытых горных работ // Горная промышленность. 2020. № 5. С. 24-29.

Медведева Е.В., Перевощикова А.А. Исследование нейросетевых алгоритмов распознавания объектов железнодорожной инфраструктуры на видеоизображениях // Компьютерная оптика. 2025. Т. 49. № 3. С. 443-450.

Овсянников В.Е., Васильев В.И. Разработка модели оценки влияния человеческого фактора на эффективность эксплуатации строительно-дорожных машин // Вестник СибАДИ. 2020. Т. 17. № 4. С. 476-486.

Овчинников Н.П. Основные причины производственного травматизма при эксплуатации карьерного автотранспорта на золотодобывающих предприятиях Южной Якутии // Безопасность труда в промышленности. 2024. № 3. С. 33-37.

Родионов О.А., Рашид Б. Разработка семантической карты для беспилотного автомобиля с использованием метода одновременной локализации и картографирования // Вестник СибАДИ. 2022. Т. 19. № 6. С. 900-914.

Семейкин А.Ю., Томаровщенко О.Н., Петрова В.А., Тюпин Д.М., Едаменко А.С. Анализ факторов риска и причин производственного травматизма при выполнении строительно-монтажных работ в горнодобывающей отрасли // Горный информационно-аналитический бюллетень. 2025. № 10. С. 167-181.

Сухарев Р.Ю. Применение метода «чистое преследование» (Pure Pursuit) для управления беспилотным автогрейдером // Вестник СибАДИ. 2022. Т. 19. № 2. С. 156-169.

Черкасов П.В., Попинако Я.В., Никитенко М.С. Анализ влияния освещенности на качество распознавания лазерной сетки машинным зрением // Горная промышленность. 2024. № 5S. С. 110-115.

Черкасов П.В., Худоногов Д.Ю., Кизилов С.А., Никитенко М.С. Оценка влияния запыленности и влажности воздуха горных выработок на эффективность машинного зрения // Горное оборудование и электромеханика. 2026. № 2. С. 77-84.

Выпуск

Раздел

ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Метрики

96 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

Похожие статьи

<< < 3 4 5 6 7 8 9 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.