基于眼-脑生理指标的大型地下洞室驾驶员疲劳演化特征研究

为保障大型地下洞室驾驶安全,提出眼动和脑电双模态驱动的大型地下洞室驾驶疲劳评价方法,探究驾驶员疲劳演化特征。首先,根据实地数据设计大型地下洞室模拟场景,利用驾驶模拟技术开展驾驶试验,实时采集驾驶员的眼动和脑电数据;其次,对数据进行分段处理,基于格拉布斯准则剔除眼动异常数据,通过快速傅里叶变换分解出脑电节律,构建脑电疲劳指数模型;最后,开展不同区段下驾驶员平均瞳孔直径、眨眼持续时间、眨眼频率及θ、α、β节律等指标的差异性分析,以平均瞳孔直径和脑电疲劳指标F为参量,提出基于模糊综合评价的驾驶疲劳度量方法。结果表明,驾驶员的视觉疲劳出现明显早于精神疲劳,而精神疲劳可以更精确地体现影响驾驶状态的内在疲劳。相较于地上路段,驾驶员在大型地下洞室中的疲劳累积更快,呈现反复、波动式上升,且其综合疲劳程度在中后段达到峰值,之后受洞口光亮刺激在末段减弱。     

地铁驾驶员驾驶疲劳状态监测

为监测地铁自动驾驶系统驾驶模式下驾驶员驾驶疲劳状态,以S地铁公司的驾驶员为研究对象,开展驾驶员疲劳主、客观监测研究。主观监测应用《自觉症状调查表》调查并统计分析地铁驾驶员的驾驶主观疲劳感受;客观监测应用Eegosports 64通道无线脑电肌电系统测量地铁驾驶员在各班次、各时间段的脑电(EEG)信号,并结合Matlab工具箱中的EEGLAB分析各班次驾驶员EEG中δ波的频谱图。结果表明:驾驶员驾驶疲劳总体的平均得分为1.8分,即驾驶疲劳有些明显,且晚班和夜班驾驶疲劳比白班的大,从主客观2方面说明驾驶员处于疲劳驾驶状态。     

基于EEG的夜班矿工疲劳检测北大核心CSCD

为了研究煤矿中夜班工人的疲劳状况和疲劳检测方法,通过对夜班矿工脑电和行为指标进行分析,建立BP神经网络模型预测矿工疲劳程度。选择15名夜班矿工作为被试,通过脑电图(EEG)测量其夜班前后执行Oddball任务时的脑电信号,通过快速傅里叶变换提取脑电特征值(α+θ)/β、(α+θ)/(α+β)、θ/β和α/β,收集认知任务期间的准确性和反应时间,作为疲劳检测指标建立BP神经网络模型,对夜班矿工的疲劳等级进行预测。对夜班前后矿工脑电信号中所有通道的特征值进行配对t检验,共得到6个显著通道的特征值,与反应时间、准确率等建立BP神经网络模型,总体检测准确度为89.685%。该模型对检测夜班矿工的疲劳程度具有较高准确性,可为矿工疲劳干预措施和检测装备的研发提供技术手段和理论基础。     

基于面部特征识别的管制员疲劳监测方法研究

为进一步控制疲劳诱发的空管人为差错,提出一套基于面部特征识别的空中交通管制员疲劳实时监测方法.应用眼动仪和视频记录系统开展36 h睡眠剥夺试验,确定PERCLOS值、平均闭眼时长、哈欠频率3个疲劳判定指标的判定阈值,并给出综合疲劳程度的融合算法.应用机器视觉的理论和方法,开发功能完整的管制员疲劳状态实时监测告警原型系统.结果表明,通过对面部特征的识别和状态融合能够实现对管制员疲劳状态的实时监测.建议在此基础上进一步开发可实用的疲劳监测系统.     

高速公路驾驶员主动疲劳的脑电检测分析

为开发高速公路驾驶疲劳预警系统,保障道路交通安全,基于脑电(EEG)数据功率谱分析方法,探索驾驶员主动疲劳与脑电指标(θ+α)/β的关系,首先,开展模拟驾驶试验,采集21名被试驾驶状态的脑电信号,分析α(8～13 Hz),β(13～30 Hz),θ(0.5～4 Hz)这3个频段的脑电波,计算脑电合并指标(θ+α)/β;然后,运用瑞典行业疲劳问卷(SOFI),比较驾驶员执行驾驶任务前后的疲劳状态,分析心理测量和脑电测量结果的回归拟合效度。结果表明:在高速公路复杂驾驶任务中,驾驶员脑电合并指标(θ+α)/β呈现下降趋势,同时,(θ+α)/β与驾驶员主观疲劳程度有显著的正向拟合关系,拟合解释率达50%;脑电指标(θ+α)/β可实时预测驾驶员主动疲劳状态。     

高速公路驾驶员主动疲劳的脑电检测分析北大核心CSCD

为开发高速公路驾驶疲劳预警系统,保障道路交通安全,基于脑电(EEG)数据功率谱分析方法,探索驾驶员主动疲劳与脑电指标(θ+α)/β的关系,首先,开展模拟驾驶试验,采集21名被试驾驶状态的脑电信号,分析α(8~13Hz),β(13~30Hz),θ(0.5~4Hz)这3个频段的脑电波,计算脑电合并指标(θ+α)/β;然后,运用瑞典行业疲劳问卷(SOFI),比较驾驶员执行驾驶任务前后的疲劳状态,分析心理测量和脑电测量结果的回归拟合效度。结果表明:在高速公路复杂驾驶任务中,驾驶员脑电合并指标(θ+α)/β呈现下降趋势,同时,(θ+α)/β与驾驶员主观疲劳程度有显著的正向拟合关系,拟合解释率达50%;脑电指标(θ+α)/β可实时预测驾驶员主动疲劳状态。     

基于脑电信号的动车组司机疲劳状态评估技术研究

通过脑电检测技术读取137名动车组司机值乘前10 min的脑电信号,通过人工智能训练的脑电数据模型评估出乘状态,结合自主设计的调查问卷,采用卡方检验和有序逻辑回归分析的统计方法对结果进行关联性分析.结果 表明,通过脑电检测技术检测得到的司机出乘状态与其自评注意力集中困难存在显著相关性(p＜0.05);驾驶年龄越大,司机...     

基于眼动指标的脑力疲劳识别研究

为减少因脑力疲劳导致的安全事故的发生,研究如何测量和识别脑力疲劳具有十分重要的现实意义.本文提出通过作业前后心算可靠性下降率作为判断脑力疲劳程度的指标,利用眼动追踪仪Tobii Glasses设备测量被试者疲劳前后的瞳孔直径、注视点、陀螺和加速计等眼动参数指标,探究被测试者眼动指标变化规律与脑力疲劳之间的关系.结果表明:发生脑力疲劳时瞳孔直径增加,陀螺和加速计的值减小,注视点的分散程度增加.瞳孔直径、注视点、陀螺和加速计等眼动指标都与脑力疲劳相关.本文研究结果可为建立脑力疲劳评价指标体系和预测脑力疲劳奠定基础.     

基于驾驶员模型参数辨识的疲劳驾驶研究

提出一种利用驾驶员模型反演方法来进行驾驶员疲劳诊断研究的新方法.首先利用预瞄神经网络建立适应于复杂路况条件下的驾驶员-汽车-道路闭环模型,然后定义特定行驶轨迹内理论数据与试验数据的近似度为目标函数,将驾驶员参数的反演问题转化为多目标优化问题,采用基于实数编码混沌变异量子遗传算法的优化方法,获得全局最优解.试验中采用脑电和主观疲劳心理评测结合的方法确定被试者的疲劳状况.在每种疲劳状况下对驾驶员参数进行辨识,对结果进行统计分析表明,在考虑到车型、道路曲率等因素条件下驾驶员参数分布与驾驶员的疲劳状况有很强的相关性.     

基于脑电数据的管制架次对管制员疲劳影响研究

为量化研究管制区域内飞机架次的时空变化对管制员疲劳的影响,设计相应测试方案进行试验研究.有针对性地选取20名在职管制员分别在大、小夜班的班前和班后进行试验,采集完成不同流量等级下雷达模拟机任务过程中的管制员的脑电(EEG)信号数据,从数据中提取疲劳指标值,运用SPSS20.0软件统计分析指标值,根据管制员的岗龄将其分成...     

基于重构相空间充填体变形规律的灰色预测研究

尾砂胶结充填体是非线性力学介质,其变形是能量耗散的复杂过程,必须研究其内在变形规律,才能正确预测采矿过程中充填体的稳定性.对不同配比的尾砂胶结充填体进行力学试验,得出了其应力-应变规律,对安庆铜矿高阶段充填体变形进行了监测.采用自适应滤波原理,研究基于重构相空间的测量数据去噪处理方法.用灰色理论研究充填体变形在相空间中相点距离的演变规律,建立了重构相空间的灰色预测模型.为减小预测误差,对预测结果采用残差模型修正.应用建立的模型,对安庆铜矿高阶段充填体变形进行分析,确定了采场合理回采周期.结果表明,充填体变形具有非线性混沌特性,不同配比的充填体表现出不同的非线性动力学行为,重构相空间能充分展示充填体变形的内在规律.     

几种油气输送管材料的疲劳特性与管道寿命预测

针对油气输送管道的疲劳问题,选择管道工程中常用的螺旋缝埋弧焊管(SSAW)、高频电阻焊管(ERW)和直缝埋弧焊管(UOE)3种材料采用小试样对不同区域(管体、焊缝、热影响区)的疲劳裂纹扩展特性进行测试与对比研究.同时,采用自行研制的油气输送管全尺寸实物疲劳试验系统对含裂纹类缺陷的X60 SSAW焊管进行了水压实物疲劳试验,对含表面裂纹缺陷的输送管在承受内压疲劳载荷下表面裂纹的扩展规律进行了探索研究.建立了小试验疲劳试验与管道实物疲劳试验结果的相关性.该研究结果为管道的抗疲劳设计与评价、在役管道疲劳寿命的预测和检测周期的确定提供了依据.     

起重机械疲劳寿命分析预测软件开发及工程应用

随着国民经济的快速发展,起重机械的应用越来越广泛。在役起重机械的疲劳及由此引起的安全问题也愈来愈突出。以名义应力法为疲劳寿命预测的基本方法,采用双参数雨流计数法对随机载荷进行处理,根据Miner线性累积损伤模型计算随机载荷引起的疲劳累积损伤,然后对疲劳寿命做出分析预测。基于Matlab软件的图形用户接口开发环境,设计了工程应用型的疲劳寿命分析预测软件。采用所开发的疲劳寿命分析预测软件对起重机热点区的累积损伤和疲劳寿命进行分析计算与预测。根据4个测点的疲劳寿命分析结果,说明本文采用起重机结构疲劳损伤寿命预测方法比较合理,开发的疲劳寿命分析预测软件具有较好的工程应用价值,为快速进行在役起重机的疲劳寿命评估提供了平台。     

突发公共卫生事件下地铁安检员需求预测模型

为准确预测突发公共卫生事件发生时期地铁临时安检员需求量,以突发事件应急分级响应为研究视角,在疲劳预测模型和病毒易感度模型基础上,提出公共卫生事件发生时期地铁临时安检员需求预测模型,并以北京积水潭地铁站为例进行分析验证。研究结果表明:原有地铁安检人员配置在应对突发公共卫生事件时明显不足,很难高效完成公共卫生事件防控任务;在安检员需求预测方面,按累积疲劳分测算时,临时安检员需求量显著降低,但存在应急能力不足的风险;按工作时段测算时,临时安检员需求量较高,但安检员日累积疲劳分较低,具备高效应对突发事件的能力。     

基于脑电信号模糊熵的驾驶疲劳检测分析

为减少因驾驶疲劳导致的交通安全事故,提出基于脑电(EEG)信号模糊熵(FE)的驾驶疲劳检测方法。开展在驾驶仿真模拟试验,采集28名被试模拟正常驾驶和疲劳驾驶的EEG信号;基于2种驾驶状态的EEG信号计算出FE值;运用随机森林(RF)、支持向量机(SVM)、决策树(DT)和K近邻(KNN)等4种分类器检测驾驶疲劳状态;利用多种性能指标及被试工作特征曲线(ROC)对驾驶疲劳检测结果进行分析比较。结果表明:基于疲劳驾驶状态下的EEG信号的FE值明显高于较正常驾驶状态下的值;4种分类器均可有效检测驾驶疲劳,其中K近邻的平均准确率达97.4%;基于EEG信号模糊熵的驾驶疲劳检测方法具有较好的鲁棒性和稳定性。     

基于EEG的有限空间检修工脑疲劳特性研究

为了探究有限空间内检修工在高温高湿状态下的脑疲劳特征,采用对照与模拟有限空间作业环境相结合的方法,对作业人员脑电波变化进行监测,利用傅里叶变换对原波信号进行时频转换,提取相对频率、重心频率等特征参数。研究结果表明:在高温高湿的有限空间环境中,人体脑波功率变化幅度明显变大;在进入疲劳状态时有限空间环境的脑波功率低于对照组;高频的β波在高温高湿环境中减少的比例较大,平均下降7.1%;脑波重心频率由8 Hz降为6 Hz,平均下降11.3%,由α波变为θ波,大脑活动进入疲劳状态。说明有限空间的高温高湿环境对人体脑疲劳具有明显影响,可用于脑电智能穿戴监测设备监测工人脑疲劳状况。