基于多生理信号的飞行警戒疲劳检测

为预防事故发生,保障飞行安全,提出一种基于多生理信号和支持向量机(SVM)的飞行警戒疲劳检测方法,识别飞行员飞行警戒中的疲劳状态。首先,研究疲劳评价与检测方法,并基于自主开发的飞行警戒测试系统与多导生物反馈仪和眼动仪搭建试验平台;然后,采集飞行警戒作业中的心电、眼动、呼吸等多生理信号和主观疲劳自评值;再次,通过配对样本的非参数检验,提取敏感生理指标,并以此作为特征向量,通过机器学习训练,构建基于多生理信号和SVM的疲劳检测模型;最后,依据受试者工作特征(ROC)曲线和模型准确率,对比分析各疲劳检测模型的效果。结果表明：在飞行警戒疲劳状态下,作业者的多项生理指标均有显著变化;心电、眼动和呼吸等多生理信号融合较单一信号的疲劳检测效果好,其ROC曲线下面积为0.802。基于高斯径向基核函数(RBF)构建的疲劳检测模型训练及预测准确率可达93%和87.50%。基于多生理信号和SVM方法可以实现对飞行警戒疲劳状态的检测。     

基于驾驶操作行为的驾驶员疲劳状态识别模型研究

以驾驶疲劳状态监测为研究对象,介绍现有几种疲劳检测方法及其优缺点,提出把驾驶行为操作和驾驶员生理指标相结合建立疲劳识别模型的思想。通过大量模拟器驾驶实验,建立驾驶操作和驾驶员生理指标之间的关系模型,并运用最小二乘法对数学模型进行了参数识别。利用驾驶员生理指标能较好判别驾驶员状态特性的特点,找出驾驶操作行为和驾驶状态之间的关系。研究结果有助于建立驾驶操作行为和驾驶员疲劳状态之间的关系模型。     

基于疲劳模式识别的VDT作业工间休息机制*

为保障作业人员身心健康和作业效率,运用E-Prime软件模拟认知性VDT持续作业,通过方差分析提出作业疲劳综合评价指标体系,并使用客观绩效指标和生理指标作为输入变量,主观疲劳综合指数作为输出变量,训练BP神经网络,对作业疲劳进行模式识别;提出认知性VDT持续作业工间休息机制。结果表明:通过正确反应时间、注视时间、瞳孔直径、眨眼频率4项指标,对VDT持续作业疲劳进行模式识别的结果可信度较高。因此,基于上述4项指标提出的工间休息机制客观有效。     

基于支持向量机的管制疲劳检测模型研究

管制疲劳是影响民航安全的重大隐患,准确检测疲劳状态是进行疲劳预警、降低疲劳风险的关键。提出应用支持向量机模型融合多生理参数和眼动指标进行管制疲劳检测,通过MP150多导生理记录仪与眼动仪,采集模拟管制试验中正常与剥夺睡眠状态下被试的试验数据,同时记录其Karolinska疲劳等级和操作绩效。结果表明,RR间期、LF/HF、快慢波比值、PERCLOS和扫视速度均与管制疲劳呈较强相关,利用支持向量机融合五项指标构建管制疲劳检测模型,对于五级疲劳度的识别准确率为78. 1%,判断正常组与剥夺睡眠组的准确率为94. 2%。     

噪声对建筑施工人员作业疲劳影响实验研究

为了研究噪声对建筑施工人员作业疲劳的影响,设计噪声作业生理实验。先通过建筑施工作业疲劳分析确定疲劳测量生理指标,再通过施工作业现场噪声测量确定实验中作业环境噪声等级分类。根据实验中被试者心率指标变化率及作业疲劳自我评价量表对噪声作业疲劳程度影响进行分析,结果表明,施工人员作业疲劳受噪声影响;持续作业15min后噪声对施工人员作业疲劳程度影响显著;作业疲劳程度与作业环境中噪声值成正相关关系;施工人员作业后疲劳恢复程度不受作业环境噪声值大小影响。     

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。     

高斯混合模型下建筑工人高空作业失稳检测方法

为防止施工现场高处坠落事故,实现个性化矫正管理,在考虑个体异质性对运动信号造成的差异化影响基础上,提出一种基于高斯混合模型(GMM)的实时检测方法,可及时识别建筑工人高空作业失稳状态。首先,采用姿态传感器实时采集加速度和角速度数据,以刻画建筑工人的高空作业姿态特征;然后,基于GMM算法,建立建筑工人高空作业的个性化失稳检测模型,获得个性化阈值,以判断姿势失稳状态;最后,通过试验对比基于个体数据集和公共数据集2种方式构建的模型。研究结果表明：生成的个性化检测模型在准确度P、召回率R和综合评价指标F₁值上,均远优于公共数据集模型,具有更好的个性化检测效果。该失稳检测方法能够从工人的作业姿态习惯探究个性化的高空失稳风险,促进差异化安全预控和精准化安全培训。     

户外高温环境建筑工人热应激预测分析评价

为了对户外高温环境下建筑工人热应激水平进行预测分析,本文采用预测热应激模型,综合考虑环境因素与人员生理、服装和作业强度等参数的影响,并以重庆市沙坪坝区建筑工人为例,研究了高温环境下风速和空气湿度对建筑工人核心温度的影响。结合分析结果知,可在空气湿度大于50%的环境下,适当降低作业人员工作强度,或风速小于3 m/s时,适当提高风速来改善高温环境下建筑工人热应激状态。研究内容对户外建筑施工单位在高温天气合理安排工作具有参考意义。     

体力疲劳对建筑工人不安全行为的影响效应研究

为降低建筑安全事故发生的概率,从建筑工人的不安全行为入手,构建体力疲劳与不安全行为理论影响模型,通过结构方程模型(structural equation model, SEM)与层次回归法实证检验二者间的影响关系。研究结果表明：体力疲劳直接正向影响建筑工人不安全行为,且通过工作倦怠作为中介因素间接影响建筑工人不安全行为;而心理资本反向调节体力疲劳与工作倦怠的关系。研究结果揭示体力疲劳与不安全行为的中介调节机制,丰富和完善二者的间接及整体关系,有助于管理者有效防控建筑工人的不安全行为。     

情绪对建筑工人故意违章行为影响研究

为了研究情绪对建筑工人故意违章行为的影响作用,设计情绪对故意违章行为影响实验,分析不同情绪状态下建筑工人的故意违章行为风险倾向。结果表明,工人对无证进行塔式起重机作业这一故意违章行为的事故风险认识较高,且情绪对建筑工人故意违章行为的影响作用符合情绪维持假说,消极情绪状态下工人具有更高的故意违章行为风险倾向;积极情绪状态下工人的故意违章行为风险概率判断值高于消极情绪状态,且积极情绪下工人的故意违章行为风险损失评估分值最高。     

基于机器学习方法的安全帽佩戴行为检测

施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽潜在区域;然后对安全帽潜在区域图像进行增强处理,使用HOG（方向梯度直方图）提取样本的特征向量;再利用SVM（机器学习的支持向量机）分类器对脸部上方是否有安全帽进行判断,进而实现对施工人员安全帽佩戴行为的实时检测与预警。以某高铁站施工现场为例进行验证,研究数据表明在施工通道和塔吊作业区域,该方法可实时有效检测出工人未佩戴安全帽的行为,识别率达90%。     

精神支持与物质支持对建筑工人不安全行为影响对比

为向建筑工人提供更具针对性的支持,对比分析精神支持和物质支持的影响效果,分别构建精神支持和物质支持对建筑工人不安全行为的影响机理,基于351名建筑工人调查数据,采用结构方程模型展开实证研究.研究结果表明:精神支持和物质支持对建筑工人安全意识的提高和工作压力的降低都具有显著影响;相较于物质支持,精神支持影响效果更好,更能...     

煤矿岗前人员不安全状态智能检测系统研究——以红柳林煤矿为例

为从根本上降低煤矿从业人员实施不安全行为的概率,在充分考虑煤矿从业人员不安全个体状态是诱发其不安全行为的主要原因的基础上,设计开发一套矿工不安全状态智能检测系统。首先,对2007—2022年期间各高危行业安全事故调查报告和专家研究进行归纳,总结得出煤矿从业人员不安全状态的影响因素,构建包括生理状态、心理状态以及个体能力状态在内的3个一级指标和15个二级指标体系;其次,通过相应的表征模型对不安全状态影响因素进行深入剖析;最后,基于构建的从业人员不安全状态倾向数据库,建立煤矿岗前不安全状态智能检测系统。研究结果表明：在下井工作前对从业人员个体状态进行智能检测,能够实现矿工不安全状态“早发现、早干预”,能够有效地降低人因事故发生率,研究结果对煤炭行业安全管理具有重要的参考价值。     

城市体育馆应急避难服务能力评价研究

为了更好地提升体育馆在灾时的应急效率及服务能力,对城市体育馆的应急避难服务能力进行评价,并基于系统管理视角从工作人员素质、设备设施配置、支撑结构功能、应急响应能力4个方面建立包含19个特定指标的城市体育馆应急避难服务能力评价体系。对北京市中心城区4座区级体育馆进行实地调研,凭借建立的指标体系利用FAHP法进行避难服务能力评价,发现4座体育馆整体水平均处于合格水平以上,但通过对比总结分析发现,4座体育馆在志愿者队伍建设、应急标识系统、应急避难响应能力3个指标上存在共性问题,研究结果可为今后改善体育馆避难能力提供借鉴意义。     

油气管道维抢修密封卡具的安全检测与应用

针对油气管道维抢修所使用密封卡具在使用过程中存在安全隐患的问题,提出了1种密封卡具的安全检测方法,并设计了检测平台。检测平台主要由管段夹持装置、密封卡具组件、实验管段、液压注剂系统以及压力测量系统等构成;检测方法包括密封卡具的出厂强度检验、密封性能测试以及安全施工压力测试,通过检测来确保施工过程中密封卡具的安全稳定性及密封作业的成功率;在新疆油田采油一厂进行了现场应用,对泄漏管段进行现场勘测后设计加工了适用的密封卡具,对该卡具进行了室内安全检验,并依据注剂式密封技术的相关标准在现场实施了带压密封作业。研究结果表明:所加工密封卡具的强度、密封性能安全可靠,现场安全注剂压力不应超过22 MPa,管道未发生二次破坏,密封效果良好。     

无人机操作主观心理负荷测评与心率数据比较

为探究在无人机实操试验的心理负荷测量中主观量表与心率测评工具的性能,招募14名从未接触过无人机操作的被试者,在参加飞行操作培训后进行4种不同难度的无人机飞行操作情景试验;使用Polar V800监测被试者试验过程中的心率变化,并在试验结束后采用NASA-TLX,MCH,SWAT 3种主观量表进行评分,以比较飞行难度间各...     

基于多模态信息融合的心理负荷评估*

为了相对稳定地识别人员是否处于心理负荷状态,设计并实施含能材料起爆作业心理负荷诱导试验。首先对心理负荷诱导情况进行判断,然后分别采集27名被试在静息状态和实施含能材料撞击起爆作业状态下的眼动、心率变异性（HRV）和脑电信号（EEG）,通过正态性检验和假设检验获得心理负荷表征指标并进行统计功效分析,依据表征指标,采用支持向量机（SVM）和随机森林（RF）算法建立多模态信息融合的心理负荷评估模型,最后采用被试工作特征曲线（ROC曲线）分析各模态组合和分类器的心理负荷识别性能。研究结果表明:双模态（眼动+EEG）下SVM算法和3模态下RF算法评估性能和稳健性较高,多模态信息组合具有优异的识别效果。