压铸作为制造业的一种常见工艺,在各行各业得到了广泛的应用。然而,压铸也是一种典型的高污染制造工艺,在压铸车间中,仍存在制造环境恶劣、作业工人高职业病风险等问题。科学有效地预测压铸车间环境排放和工人作业最优路径规划对控制车间环境排放、保障劳动力资源意义重大,有利于促进压铸车间的升级转型。本文以压铸车间为研究对象,利用GA-BP神经网络开展压铸岛环境排放预测研究,并基于预测结果对工人作业最小危害路径开展规划与研究。首先,以压铸车间的生产特点为基础,根据环境指标选取原则,确定了压铸车间环境指标体系,确定了压铸车间环境影响因素,并分析了各因素对环境指标的影响原因和影响趋势。提出了基于物联网的压铸车间环境监测平台,有效实现了车间环境的远程监测与控制。根据压铸车间的实际情况,综合考虑监测指标、布点方法和监测时段与频率对采集数据误差的影响,确定了压铸车间监测布点的原则。其次,利用遗传算法优化BP神经网络,建立了压铸岛环境排放预测模型。基于压铸岛运行状态,以不同的影响因素作为输入量,PM10、PM2.5、噪声和温度作为输出量进行网络训练,构建不同设备状态下的压铸岛环境排放预测模型。将得到的GA-BP模型与4种传统预测模型对比,证明GA-BP模型的预测精度最高、预测效果最好,验证了压铸岛环境排放预测采用GA-BP模型的科学性和合理性。最后以某压铸区域为例,验证了该预测模型的实用性。再次,针对同一个区域内多个压铸岛在不同状态下的噪声和粉尘排放叠加情况作了讨论,得出了适应于压铸车间的结论;提出量化噪声和粉尘对人体伤害的道路危险系数,将道路实际长度转换为道路当量长度,并以此为基础,应用Dijkstra算法求得工人作业时经过的污染最小的路径;最后,相应的案例分析证明了本章提出的工人作业最小危害路径决策方法具有时效性和准确性,能够适用于污染严重、分布集中的压铸车间工人作业的路径规划问题。最后,以某压铸车间的某压铸区域为例,介绍了该区域环境指标监测布点的具体方案,选取3月某日的环境监测数据,利用GA-BP神经网络预测模型对该压铸区域的环境指标数据进行预测,获取了各压铸区域不同工艺参数组合与环境排放的映射关系,并基于预测的环境排放数据进行健康作业路径规划,有效支撑了压铸车间的环境管理和职业病预防。