不同环境照度下VDT影响视疲劳的实验研究

基于保护学生视力等方面的考虑，本文通过采用闪光融合频率、视觉行为绩效等多种疲劳检测方法相结合的方式，研究学生线上线下学习作业条件下，智能手机及投影仪在不同环境照度指标下对视觉绩效及视疲劳的影响。结果表明：在低环境照度下观看手机等显示器对眼睛产生的视疲劳程度较大，在屏幕亮度保持不变的情况下，随着环境照度的提高，视疲劳程度逐渐减小，当环境照度为100lux时对用户视疲劳的影响最小；当处于任一环境照度条件下，被试者通过智能手机完成视觉搜索任务的正确率远高于通过投影仪完成视觉搜索任务；在日常使用环境(0lux<环境照度<500lux)下，被试者通过智能手机完成视觉搜索任务后其闪光融合频率下降值明显小于观看投影仪的闪光融合频率下降值。因此传统教学环境投影仪模式对学生视疲劳与视觉绩效的影响程度要高于通过线上网课学习移动端智能手机模式对学生视疲劳的影响程度。     

融合心电特征提取的矿工疲劳状态识别

疲劳引起的人为失误是事故的主要原因。为准确识别矿工疲劳状态，降低作业风险，利用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化反向传播(Back Propagation, BP)神经网络，构建疲劳识别模型。首先，通过模拟日常作业进行疲劳诱发试验，将OpenBCI Cyton开发套板作为心电信号的采集装置；其次，借助MATLAB对所采集心电信号(Electrocardiogram, ECG)数据进行预处理，基于疲劳等级形成初始样本数据集；进而利用Pan-Tompkins算法进行特征提取；最后，针对特征间皮尔逊相关系数进行假设检验，从而获得优选指标并用于模型训练，经疲劳识别模型得出结果。结果表明，与传统BP神经网络、支持向量机(Support Vector Machines, SVM)、遗传算法(Genetic Algorithm, GA)优化BP神经网络相比，模型准确率分别提高6.25百分点、22.92百分点、2.78百分点，从而为企业作业人员休息制度的制定及完善提供了理论依据。研究结果对于相关便携式精神状态监测硬件研发具有参考价值。     

基于多生理信号融合的疲劳驾驶检测研究

为减少交通事故，保障道路交通安全，提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分，利用脉搏波信号(Photoplethysmographic signal, PPG)以及皮肤电反应信号(Galvanic Skin Response, GSR),实现多种生理信号融合，进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律，选取有效指标进行分析比较，以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征，结合主观评测，分析驾驶人的疲劳状态。同时，设定疲劳状态等级，分为清醒、轻度疲劳和重度疲劳状态，构建隐马尔可夫(Hidden Markov Model, HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示：训练后的HMM疲劳检测模型准确率为90%。     

COVID-19疫情期豁免航班飞行机组疲劳风险预测

为预测新冠肺炎疫情期间民航豁免政策下国际航班飞行机组的疲劳风险，以及为防疫豁免政策提供科学的验证方法和思路，以飞行机组在飞行值勤期的警觉性为验证指标，然后基于SAFTE模型理论，构建飞行机组警觉性评估模型，以航空公司豁免航班飞行机组机上轮换计划为例，进行飞行机组警觉性的数值模拟仿真。结果表明，国际航线实行豁免办法飞行时，应重点关注返程阶段负责巡航飞行的机组成员疲劳风险管理和缓解。同时，模型结果验证了按照公司运行要求提供的机上轮换计划进行飞行时，责任机长在起飞和降落阶段有较高的警觉性。