一种作业人员疲劳检测模型和疲劳检测方法与流程

本发明属于工业企业安全生产技术领域，具体涉及一种作业人员疲劳检测模型和疲劳检测方法。

背景技术：

在经济高速发展背景之下，员工的健康和安全管理工作却始终落后，重大恶性员工伤亡事故屡见不鲜。在损害员工安全的同时造成企业巨大的经济损失。在制造业领域，由于员工疲劳引起的伤亡事故时有发生，我国有超越几千万的制造业从业人员，伴随着经济发展和社会进步，作业安全问题成为全社会重点关注的领域。

作业疲劳是一种复杂的心理和生理表现，是指人员在作业过程中逐步出现身体或心理方面的不适，工作效能、体能、人员主动性等逐步降低的现象，作业疲劳是制造业引起安全事故的主要原因，同时也会导致生产效率的下降和生产品质的不可控。

作业疲劳产生疲劳的因素是多种多样的，包括操作者自身因素、持续作业时间、作业强度、作业难度、作业环境等。目前，对于工业生产领域的作业疲劳研究，主要是进行一些定性研究，少量的定量研究并未和具体生产领域进行紧密结合起来进行研究。

在工业生产领域还没有能专门与具体生产领域紧密结合并行之有效的作业疲劳预警模型及方法。

因此，亟需开发一种作业人员疲劳检测模型和疲劳检测方法，以解决上述问题。

技术实现要素：

本发明的目的是提供一种作业人员疲劳检测模型和疲劳检测方法。

为了解决上述技术问题，本发明提供了一种作业人员疲劳检测模型，其包括：

设定当前作业人员的疲劳度为l，则

当zc≤μ1 δ1时，疲劳度l为0，即无疲劳感；

当zc≥μ2-δ2时，疲劳度l为1，即极度疲劳；

当μ1 δ1≤zc≤μ2-δ2时，疲劳度l为：

其中

zc＝w^*xc；

zc为当前数据xc在w^*向量轴投影后所得到的值；w^*为最佳变换向量；μ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的均值；δ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的标准差；μ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的均值；δ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的标准差；p为当前数据zc以μ1和μ2的中点为原点转换后的坐标；r为作业人员操作熟练度指数；t为当前操作者操作经验累积时间，单位为小时；ts为操作熟练者操作经验累积最少时间，单位为小时；r0为刚入门者的基础操作熟练度指数；疲劳度l的取值范围为0～1。

第二方面，本发明提供了一种作业人员疲劳检测方法，其包括：

获取人体生理信息变化数据；

根据人体生理信息变化数据获取一维空间的最佳投影方向；

根据一维空间的最佳投影方向预测作业人员疲劳度；以及

根据作业人员疲劳度对作业人员及操作设备进行预警。

进一步，所述获取人体生理信息变化数据的方法包括：

获取人体呼吸周期数据、获取人体脉搏周期数据、获取人体疲劳表现量表数据。

进一步，所述根据人体生理信息变化数据获取一维空间的最佳投影方向的方法包括：

建立数据向量：x＝(x⁽¹⁾,x⁽²⁾,x⁽³))；

其中，x⁽¹⁾为人体呼吸周期，单位为次/分钟；x⁽²⁾为人体脉搏周期，单位为次/分钟；x⁽³⁾为人体疲劳表现量表评分，评分为百分制；

获取变换向量：w＝(w⁽¹⁾,w⁽²⁾,w⁽³⁾)；

其中，w⁽¹⁾为人体呼吸周期系数；w⁽²⁾为人体脉搏周期系数；w⁽³⁾为人体疲劳表现量表评分系数；

获取最佳变换向量w^*，即

则，j(w)取最大值时的w为最佳变换向量，即w^*；

sb＝(m2-m1)(m2-m1)^t；

其中，c1为作业人员操作正常类别对应的数据样本的集合；c2为作业人员出现事故类别对应的数据样本的集合；xa为c1中第a个数据样本；xb为c2中第b个数据样本；n1为c1类别的数据样本总数；n2为c2类别的数据样本总数；s1为c1类别的类内方差；s2为c2类别的类内方差；m1为c1类别的均值向量；m2为c2类别的均值向量；sb为类间协方差矩阵；sw为类内协方差矩阵；t为当前操作者操作经验累积时间，单位为小时；

最佳变换向量w^*为投影线方向，即样本数据到一维空间的最佳投影方向。

进一步，所述根据一维空间的最佳投影方向预测作业人员疲劳度的方法包括：

获取样本数据在最佳投影方向上投影后所得到的数据，操作正常和出现事故两个数据类别的均值与方差；

μ1＝w^*tm1；

μ2＝w^*tm2；

其中，μ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的均值；μ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的均值；δ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的标准差；δ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的标准差；

则，根据标准差可以获取对应的方差；

设定当前作业人员的疲劳度为l，则

当zc≤μ1 δ1时，疲劳度l为0，即无疲劳感；

当zc≥μ2-δ2时，疲劳度l为1，即极度疲劳；

当μ1 δ1≤zc≤μ2-δ2时，疲劳度l为：

其中

zc＝w^*xc；

zc为当前数据xc在w^*向量轴投影后所得到的值；w^*为最佳变换向量；μ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的均值；δ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的标准差；μ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的均值；δ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的标准差；p为当前数据zc以μ1和μ2的中点为原点转换后的坐标；r为作业人员操作熟练度指数；t为当前操作者操作经验累积时间，单位为小时；ts为操作熟练者操作经验累积最少时间，单位为小时；r0为刚入门者的基础操作熟练度指数；疲劳度l的取值范围为0～1。

进一步，所述根据作业人员疲劳度对作业人员及操作设备进行预警的方法包括：

获取疲劳值阈值p0，即

求解f(p)二阶导数为0的点，即

当l＝0时，不发出信号；

当l＝1时，发出禁止作业人员操作信号；

当l>0.8p0时，发出作业人员疲劳预警信息；

当l>1.1p0时，发出自动停机信号。

本发明的有益效果是，本发明通过获取人体生理信息变化数据；根据人体生理信息变化数据获取一维空间的最佳投影方向；根据一维空间的最佳投影方向预测作业人员疲劳度；以及根据作业人员疲劳度对作业人员及操作设备进行预警；实现了对作业人员进行疲劳预警，避免了人力管理带来的主观性强、随意性大的问题，提高了管理效率，降低了管理成本，避免或减少出现安全事故所造成的损失。

发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明所涉及的作业人员疲劳检测方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本实施例1提供了一种作业人员疲劳检测模型，其包括：

设定当前作业人员的疲劳度为l，则

当zc≤μ1 δ1时，疲劳度l为0，即无疲劳感；

当zc≥μ2-δ2时，疲劳度l为1，即极度疲劳；

当μ1 δ1≤zc≤μ2-δ2时，疲劳度l为：

其中

zc＝w^*xc；

zc为当前数据xc在w^*向量轴投影后所得到的值；w^*为最佳变换向量；μ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的均值；δ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的标准差；μ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的均值；δ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的标准差；p为当前数据zc以μ1和μ2的中点为原点转换后的坐标；r为作业人员操作熟练度指数；t为当前操作者操作经验累积时间，单位为小时；ts为操作熟练者操作经验累积最少时间，单位为小时；r0为刚入门者的基础操作熟练度指数，该指数由该工种专家或经验丰富人员设定，为具体数字；疲劳度l的取值范围为0～1。

在本实施例中，疲劳度l增大时，反馈疲劳度增大；减小时，反馈疲劳度减小，即数值越大并越接近于1则表示作业人员状态越疲劳；数值越小并越接近于0则表示作业人员状态越不疲劳。

实施例2

图1是本发明所涉及的作业人员疲劳检测方法的流程图。

如图1所示，在实施例1的基础上本实施例2提供了一种作业人员疲劳检测方法，其包括：获取人体生理信息变化数据；根据人体生理信息变化数据获取一维空间的最佳投影方向；根据一维空间的最佳投影方向预测作业人员疲劳度；以及根据作业人员疲劳度对作业人员及操作设备进行预警。

在本实施例中，通过获取作业人员人体生理信息变化数据，对作业人员进行疲劳检测，实时反馈作业人员疲劳情况，一旦满足预警条件，立即启动预警，对作业人员或操作设备进行预警，避免了人力管理带来的主观性强、随意性大的问题，避免或减少出现安全事故所造成的损失，提高了管理效率，降低了管理成本。

具体的，所述获取人体生理信息变化数据的方法包括：获取人体呼吸周期数据、获取人体脉搏周期数据、获取人体疲劳表现量表数据。

在本实施例中，人体疲劳表现量表数据包括：若干量表条目；量表条目可以预先设计出开放式问卷与现场一线员工进行沟通，确保问卷内容、形式等可以有效传达给基层操作者，参考专家、教授的反馈意见，进一步进行调整；量表条目包括：工作满意度、作业复杂度、作业环境、劳动组织、自身条件等，各量表数据可设定评分为1～5分，按从完全不符到非常符合的5级布置，分别对各级赋值1～5分；最后人体疲劳表现量表数据为将每个量表条目得分累计相加，得分越高表示生理疲劳程度越大，最后人体疲劳表现量表数据总分换算为百分制。

具体的，所述根据人体生理信息变化数据获取一维空间的最佳投影方向的方法包括：将样本数据特征投影到一维空间的最佳投影方向，即fisher判别法：

建立数据向量：x＝(x⁽¹⁾,x⁽²⁾,x⁽³))；

其中，x⁽¹⁾为人体呼吸周期，单位为次/分钟；x⁽²⁾为人体脉搏周期，单位为次/分钟；x⁽³⁾为人体疲劳表现量表评分，评分为百分制；

获取变换向量：w＝(w⁽¹⁾,w⁽²⁾,w⁽³⁾)；

其中，w⁽¹⁾为人体呼吸周期系数；w⁽²⁾为人体脉搏周期系数；w⁽³⁾为人体疲劳表现量表评分系数；该系数为分别根据上述人体呼吸周期、人体脉搏周期和人体疲劳表现量表评分的数据设定为对应的非0实数；

获取最佳变换向量w^*：样本数据投影后，在一维空间中各类样本尽可能分得开，希望两类均值之差越大越好，同时希望各类样本内部尽量密集，希望类内离散度越小越好，即求使

则，j(w)取最大值时的w为最佳变换向量，即w^*；

sb＝(m2-m1)(m2-m1)^t；

其中，c1为作业人员操作正常类别对应的数据样本的集合；c2为作业人员出现事故类别对应的数据样本的集合；xa为c1中第a个数据样本；xb为c2中第b个数据样本；n1为c1类别的数据样本总数；n2为c2类别的数据样本总数；s1为c1类别的类内方差；s2为c2类别的类内方差；m1为c1类别的均值向量；m2为c2类别的均值向量；sb为类间协方差矩阵；sw为类内协方差矩阵；t为当前操作者操作经验累积时间，单位为小时；

使用拉格朗日乘数法求解，求得：

最佳变换向量w^*为投影线方向，即样本数据到一维空间的最佳投影方向。

在本实施例中，所述根据一维空间的最佳投影方向预测作业人员疲劳度的方法包括：获取样本数据在最佳投影方向上投影后所得到的数据，操作正常和出现事故两个数据类别的均值与方差；

μ1＝w^*tm1；

μ2＝w^*tm2；

其中，μ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的均值；μ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的均值；δ1为操作正常类别的数据在w^*向量轴投影后所得到的数据的标准差；δ2为出现事故类别的数据在w^*向量轴投影后所得到的数据的标准差；

则，根据标准差可以获取对应的方差；

预测作业人员疲劳度，即

设定当前作业人员的疲劳度为l，则

当zc≤μ11 δ1时，疲劳度l为0，即无疲劳感；

当zc≥μ2-δ2时，疲劳度l为1，即极度疲劳；

当μ1 δ1≤zc≤μ2-δ2时，疲劳度l为：

其中

zc＝w^*xc；

zc为当前数据xc在w^*向量轴投影后所得到的值；w^*为最佳变换向量；p为当前数据zc以μ1和μ2的中点为原点转换后的坐标；r为作业人员操作熟练度指数；t为当前操作者操作经验累积时间，单位为小时；ts为操作熟练者操作经验累积最少时间，单位为小时；r0为刚入门者的基础操作熟练度指数；疲劳度l的取值范围为0～1；

在本实施例中，疲劳度l增大时，反馈疲劳度增大；减小时，反馈疲劳度减小，即数值越大并越接近于1则表示作业人员状态越疲劳；数值越小并越接近于0则表示作业人员状态越不疲劳。

具体的，所述根据作业人员疲劳度对作业人员及操作设备进行预警的方法包括：

获取疲劳值阈值p0，即

根据牛顿法或梯度下降法求解f(p)二阶导数为0的点p0，即

当l＝0时，不发出信号；

当l＝1时，发出禁止作业人员操作信号；

当l>0.8p0时，发出作业人员疲劳预警信息；

当l>1.1p0时，发出自动停机信号。

综上所述，本发明通过获取人体生理信息变化数据；根据人体生理信息变化数据获取一维空间的最佳投影方向；根据一维空间的最佳投影方向预测作业人员疲劳度；以及根据作业人员疲劳度对作业人员及操作设备进行预警；实现了对作业人员和操作设备进行疲劳预警，避免了人力管理带来的主观性强、随意性大的问题，提高了管理效率，降低了管理成本，避免或减少出现安全事故所造成的损失。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，云服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。