采用数字孪生技术进行噪声暴露建模和风险分析

《Ocean Engineering》：A digital twin approach to noise exposure modelling and risk analysis

噪声暴露数字孪生（NEDT）系统通过融合历史噪声调查数据、实时传感器和设备状态信息，结合物理信息神经网络（PINN）模型实现动态噪声传播预测，并构建动态噪声暴露风险指数（DNERI）。该系统在北海某平台验证中，噪声分布预测误差仅1.5dB，个人日暴露量预测误差±10%，提前32分钟预警超过85dB(A)或100%剂量的风险。相比传统年度调查和短期个人剂量监测，NEDT支持实时风险评估与预测干预，显著提升职业健康管理效率。

　　在石油和天然气行业，噪音污染是职业健康风险中的一个显著问题，尤其是在繁忙的海上平台作业环境中。大量重型机械和钢结构往往超出监管限值，对工作人员的听力造成潜在威胁，甚至导致噪声性听力损失（NIHL）。为此，本文介绍了一种名为“噪声暴露数字孪生”（NEDT）的新方法，该方法结合了历史调查数据、实时传感器数据以及设备状态信息，构建了一个实时的声波传播和剂量模型。其核心是一个基于物理的神经网络（PINN）的声学模型，结合了个人暴露模块和动态噪声暴露风险指数（DNERI），将瞬时声压级（SPL）与累积剂量结合起来，实现对噪声暴露的全面预测与评估。在海上平台Asset X的模拟操作试点中，NEDT通过三日回放Noise Exposure Management System（NEMS）的现场数据进行测试，结果表明其能够生成误差约1.5 dB的噪声地图，并且对每日个人剂量的预测误差控制在±10%以内。早期预警逻辑可提供在超过85 dB(A)或100%剂量前约32分钟的预警时间。相比传统的年度噪声调查和有限的剂量测量活动，NEDT实现了对所有工作人员的连续虚拟剂量测量，并提供了符合“尽可能低且合理”（ALARP）标准的安全指导。通过将PINN与物联网（IoT）数据整合到数字孪生框架中，从而提升了高噪音作业中的噪音风险管理和工作人员安全水平。

当前，职业噪声管理主要依赖于定期的区域噪声调查和个人剂量测量。然而，这些方法通常只能反映过去的状况，难以应对动态变化的噪音环境。海上设施通常在投运和定期时间（如每年）进行全面的噪音调查，以确定平台各区域的声压水平。同时，为短期测量活动配备个人剂量计，以采集每日暴露水平的数据。尽管这些方法有助于满足监管要求（如欧盟物理代理（噪音）指令，该指令规定了8小时暴露行动值为85 dB(A)），但它们也存在明显的局限性。由于区域调查和个人剂量测量均基于历史数据，因此无法提供实时的风险评估。此外，数据采集与控制措施实施之间可能存在延迟，使得危险暴露可能在测量周期之间被忽视。这种滞后性限制了对噪音暴露的实时管理能力。

近年来，数字孪生（DT）技术作为解决复杂工业系统动态风险监控的潜在解决方案而迅速发展。数字孪生是一种虚拟复制品，能够通过实时数据持续更新，以模拟物理资产或过程的当前状态和未来行为。在过程工程和安全管理领域，数字孪生已被用于设备健康监测、过程优化和应急响应培训。然而，其在职业健康风险，特别是噪音暴露方面的应用仍处于早期阶段。

本研究通过开发一个数字孪生方法，填补了这一空白。我们整合了现有的噪声暴露管理系统（NEMS）与一个实时模拟模型，该模型能够预测在变化条件下噪音水平和工作人员暴露情况。通过结合数据流（如噪音测量、设备状态、人员位置）与先进的建模技术（包括基于物理的神经网络和数据驱动的预测分析），数字孪生能够提供持续的风险评估，而不仅仅是周期性的快照。这使得安全管理人员可以采取主动措施，例如在预计噪音剂量可能在下一小时内超过安全限值时发出警告，或评估在关闭噪音较大的压缩机后噪音风险的降低。本研究的具体目标包括：设计一个融合基于物理的声学模型与数据驱动组件的稳健NEDT架构；开发一种动态噪音暴露预测方法，包括一个能够实时量化风险的新动态噪音暴露风险指数（DNERI）；并在一个现实案例研究（Asset X）中演示和验证这一方法。

本工作的贡献是多方面的。首先，我们展示了通过PINN和物联网数据集成实现的职业危害实时预测能力；这种能力不依赖于特定的数字孪生框架，但可以嵌入到数字孪生架构中。这是工业噪音领域中首次应用这一技术。其次，它提供了一个实际案例研究，包含详细分析，弥补了概念框架与实际应用之间的差距。第三，它引入了一个动态风险指数和早期预警算法，这些可以适应其他连续暴露危害，为更全面的基于数字孪生的安全管理系统奠定了基础。

在实际应用中，NEDT能够将历史和实时数据结合，从而确保模型在经过验证的测量基础上运行，同时引入必要的变异性与响应性，以支持动态风险建模。这种技术为海上设施提供了在设备状态变化时进行合规性个人剂量映射的零求解更新能力。此外，NEDT还能够实时计算噪声剂量百分比，并与DNERI相结合，以提供更全面的风险评估。DNERI的构建考虑了短期和长期的风险，通过将当前噪音水平和累积剂量分别转换为85 dB(A)阈值的百分比，确保了对职业噪声暴露的全面评估。

在操作过程中，NEDT的实时风险评估和预警功能能够识别出噪声暴露可能超过安全限值的情况，并提前发出预警。这使得安全管理人员可以采取预防措施，如提醒佩戴听力保护设备、安排休息时间或调整任务顺序。NEDT还支持情景分析，例如，当安全管理人员询问“如果现在启动第二台出口泵会发生什么？”时，模型能够模拟出结果，显示预测的声压级变化以及是否有区域从黄色（中等风险）变为红色（高风险）。这种预测能力使NEDT成为一种有效的决策支持工具，为高噪音环境下的职业安全提供了关键的实时信息。

在实际测试中，NEDT在Asset X上展示了其预测能力和动态模型的实用性。例如，在一个模拟的噪音暴露场景中，一名技术人员在模拟的噪音环境中暴露了约93 dB(A)。通过实时数据流和NEDT的动态模型，预测出该技术人员在接下来的30分钟内可能达到80%的每日剂量。此时，系统会发出预警，并建议调整任务顺序，以降低暴露风险。这种动态调整的能力使得NEDT能够在实际操作中有效降低噪音暴露风险，提高工作场所的安全性。

另一个测试场景涉及火灾泵的运行，模拟了一小时内噪音水平的变化。在火灾泵启动后，预测的噪声水平从78 dB(A)上升至90 dB(A)，并且周围的区域均超过了85 dB(A)的行动值。这种预测使得系统能够及时调整安全措施，如限制人员进入高噪音区域或加强个人防护装备的使用。通过这些情景分析，NEDT不仅能够预测噪音暴露，还能提供有效的干预建议，从而显著提升职业安全管理水平。

NEDT的实施展示了数字孪生技术在工业噪音管理中的潜力。通过实时数据流与物理模型的整合，NEDT能够提供比传统方法更精确、更及时的风险评估。此外，其动态模型能够预测不同操作条件下的噪音暴露情况，为安全管理人员提供前瞻性决策支持。然而，本研究的模拟测试仍存在一定的局限性，例如，模拟的测试环境未能完全反映实际操作中的不确定性。因此，为了验证NEDT的生产就绪性，计划在真实设施上进行为期8-12周的前瞻性现场测试，以评估其在实际操作中的表现。

NEDT的应用不仅限于噪音管理，其框架还具备扩展性，能够适应其他职业健康风险，如振动、热应激和苯暴露等。此外，NEDT可以扩展到整个舰队级别，通过容器化的微服务和跨设施的基准分析仪表板实现。随着技术的不断进步，NEDT有望成为工业安全管理系统的重要组成部分，推动职业健康和安全领域的变革。

综上所述，本研究通过引入NEDT这一基于数字孪生的实时噪声暴露预测与风险分析框架，显著提升了海上平台等高噪音作业环境中的职业健康安全水平。NEDT的动态建模能力与实时预警功能为工作人员提供了更精准的风险评估，有助于预防噪声性听力损失，同时通过情景分析和任务调整优化了安全管理和资源分配。未来的研究将聚焦于进一步优化模型，包括整合多因素风险评估、扩展到整个舰队、实现自适应学习以及部署可穿戴设备以提供实时个人剂量反馈。这些进展将推动数字孪生技术在工业安全管理中的广泛应用，提高工作效率和人员安全。