地铁隧道作业的安全监测方法和智能安全帽与流程

本发明涉及地铁运维，特别涉及一种地铁隧道作业的安全监测方法和智能安全帽。

背景技术：

1、在地铁隧道全生命周期运维中，传统检测方式（如人工巡检车、大型扫描设备）存在部署困难、作业盲区大、实时性差的问题。虽然市场上存在基础款智能安全帽用于地铁隧道的运维，但大多数的智能安全帽结构仅具备定位功能，在复杂隧道环境下普遍存在以下三个主要问题：第一，采集不稳，佩戴者行走动作引起的传感器姿态晃动导致数据产生严重的运动伪影；第二，存在同步失效，不同频率的传感器（lidar、imu、摄像头）数据缺乏统一时间戳，无法实现物理场景的精确重构；第三，存在交互单一问题，隧道内高噪声、暗光环境下，常规的蜂鸣报警易被环境音淹没，缺乏视觉与触觉的复合预警。

2、本申请提出一种地铁隧道作业的安全监测方法和智能安全帽，用于解决隧道运维过程中的，数据采集不准确，且智能安全帽在隧道复杂环境中难以和佩戴者之间进行有效交互的问题。

技术实现思路

1、本发明的主要目的是提出一种地铁隧道作业的安全监测方法和智能安全帽，旨在解决隧道运维过程中的，数据采集不准确，且安全帽在隧道复杂环境中难以和佩戴者之间进行有效交互的问题。

2、为实现上述目的，本发明提出的地铁隧道作业的安全监测方法包括以下监测步骤：

3、s100、获取多源感知融合的智能安全帽；

4、s200、通过智能安全帽上集成的多源传感器阵列，采集隧道环境中的多源数据信息，其中，所述多源数据信息包括激光测距数据、视觉图像数据和环境气体数据；

5、s300、利用智能安全帽上的六轴惯性测量单元采集佩戴者步行过程中的高频运动轨迹数据，并通过所述高频运动轨迹数据对所述激光测距数据和视觉图像数据进行逆向几何补偿；

6、s400、基于智能安全帽中的硬件中断触发机制，对不同采样频率的传感器数据进行毫秒级时间对齐，并在统一坐标系下进行空间映射，以构建融合的空间-时间数据立方体；

7、s500、基于所述空间－时间数据立方体，建立环境阈值对比模型，综合衬砌表面结构异常信息、气体浓度信息和振动强度信息进行加权计算，生成风险指数；

8、s600、当所述风险指数超过预设安全阈值时，通过视觉、触觉和听觉三种模态组合向作业人员发出预警。

9、在一实施方式中，所述s300具体包括以下步骤：

10、s310、通过智能安全帽内衬与传感器模组之间的柔性阻尼减震结构进行物理一阶减震；

11、s320、通过六轴惯性测量单元以高于采集传感器频率的采样率实时获取作业人员的姿态角速度和加速度数据；

12、s330、基于所述姿态角速度和加速度数据，对激光测距数据和视觉图像数据中由人员步频引发的区间抖动频率进行逆向几何补偿，并输出去除运动伪影的稳定数据。

13、在一实施方式中，所述s400具体包括以下步骤：

14、s410、在现场可编程门阵列加速器底层，通过同步总线的中断触发方式，为激光测距传感器、视觉传感器、惯性测量单元和气体传感器的每帧采集数据强制打上统一的硬件时间戳；

15、s420、基于所述硬件时间戳，对不同采样频率的传感器数据进行毫秒级时间对齐；

16、s430、将对齐后的各传感器数据映射至统一的空间坐标系，生成包含位置、时间和多维感知信息的空间－时间数据立方体。

17、在一实施方式中，所述s500中，所述风险指数的计算公式为：

18、r=w1×δd+ w2×g +w3×v；

19、其中，r为风险系数，δd为激光测距突变量，表征衬砌表面裂缝或空洞的结构异常程度；g为环境气体浓度值；v为环境振动强度值；w1、w2、w3为各指标对应的加权系数。

20、在一实施方式中，s500中，所述衬砌表面结构异常信息的判别包括以下判断条件：

21、当衬砌表面激光反射率异常或测距值出现突变时，判定存在裂缝或空洞风险；

22、当气体浓度超过预设安全边界值时，判定存在有害气体超标风险。

23、在一实施方式中，所述s600具体包括以下步骤：

24、s610、当所述风险指数超过预设安全阈值时，通过智能安全帽帽沿上的柔性灯带以红色闪烁方式进行视觉警示；和，通过贴合智能安全帽内衬的震动反馈装置向作业人员头部施加触觉振动提示；和，通过骨传导扬声器向作业人员传递语音预警信息。

25、在一实施方式中，所述智能安全帽内集成分析控制单元，所述s500和s600中的异常判别、风险评估及预警决策均在智能安全帽的分析控制单元的分析控制下完成。

26、本发明还提出一种智能安全帽，用于实现上所述的地铁隧道作业的安全监测方法的智能安全帽，所述智能安全帽包括：

27、安全帽本体；

28、感知单元，设置所述安全帽本体的帽檐前端，其包括六轴惯性测量单元、激光测距阵列、宽动态视觉传感器和声学环境监测单元；

29、处理单元，嵌入安全帽本体内部，包括低功耗边缘计算板卡，所述计算板卡集成有可编程门阵列加速器，用于执行传感器数据融合、位姿补偿和风险判别；以及，

30、交互单元，包括设置于所述安全帽本体周侧的灯带、贴合所述安全帽本体内衬设置的震动反馈装置以及骨传导扬声器，用于向作业人员输出多模态预警信息。

31、在一实施方式中，所述安全帽本体的内衬上设置有减震模块，所述减震模块包括采用硅胶减震材料制成的柔性阻尼支架，用于吸收作业人员头部运动产生的振动，实现对传感器模组的物理隔振。

32、在一实施方式中，所述处理单元和所述感知单元分别设于所述安全帽本体的前后两侧。

33、本发明在获取环境信息的过程中，能够对激光和图像进行逆向几何补偿。这实现了在“动态行走”工况下，依然能输出高清晰度、无重影的隧道壁面数据信息，解决了数据“采不准”的问题。并且，采用“时空解耦”技术能够融合成一个极度干净的数据立方体，确保裂缝、渗漏水等病害的现场定位精度达到毫米级。并且，本发明依靠本地进行就地解耦与风险分析，整个决策链路延时控制在毫秒级，即使断网也能自主工作，同时，结合视觉、触觉、听觉三位一体组合拳，确保预警信息绝对、闭环地传达给作业人员，最大化保障了一线工人的生命安全，具有较好的应用前景。

1.一种地铁隧道作业的安全监测方法，其特征在于，包括以下监测步骤：

2.如权利要求1所述的地铁隧道作业的安全监测方法，其特征在于，所述s300具体包括以下步骤：

3.如权利要求1所述的地铁隧道作业的安全监测方法，其特征在于，所述s400具体包括以下步骤：

4.如权利要求1所述的地铁隧道作业的安全监测方法，其特征在于，所述s500中，所述风险指数的计算公式为：

5.如权利要求2所述的地铁隧道作业的安全监测方法，其特征在于，s500中，所述衬砌表面结构异常信息的判别包括以下判断条件：

6.如权利要求2所述的地铁隧道作业的安全监测方法，其特征在于，所述s600具体包括以下步骤：

7.如权利要求1所述的地铁隧道作业的安全监测方法，其特征在于，所述智能安全帽内集成分析控制单元，所述s500和s600中的异常判别、风险评估及预警决策均在智能安全帽的分析控制单元的分析控制下完成。

8.一种用于实现权利要求1-7任一项所述的地铁隧道作业的安全监测方法的智能安全帽，其特征在于，所述智能安全帽包括：

9.如权利要求8所述的智能安全帽，其特征在于，所述安全帽本体的内衬上设置有减震模块，所述减震模块包括采用硅胶减震材料制成的柔性阻尼支架，用于吸收作业人员头部运动产生的振动，实现对传感器模组的物理隔振。

10.如权利要求8所述的智能安全帽，其特征在于，所述处理单元和所述感知单元分别设于所述安全帽本体的前后两侧。