基于智能手环的触电紧急救护系统及其方法与流程

本发明涉及电力系统安全领域，具体涉及一种基于智能手环的触电紧急救护系统及其方法。

背景技术：

在变电站、环网柜、分支箱等电力开关柜类的设施检修时，主要靠人员核对需要检修间隔的名称和编号。在实际的工作中，同一地区所用的电力开关柜种类繁多、生产厂家也不同，所用的面板也不尽相同。因为现场工作人员专业素质不齐，对设备的熟悉程度不够，在工作人员精力不集中、安全措施不到位的情况下，工作人员在开关间隔内维修，极易发生误入带电间隔或者是打开带电间隔盖板，触碰带电设备，造成触电引发事故。

现有的电力开关柜类设施检修时，对工作人员所采取的安全措施，仍然是人工的相互监护法，不能完全彻底杜绝安全隐患，在电力系统户外作业与小型分散作业工作中，如果缺乏对作业人员身体状况的实时监控与分析，在发生触电事故时可能导致救护不及时造成严重后果。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于智能手环的触电紧急救护系统及其方法，能快速判断心率异常并及时告警发信的紧急呼救系统，实现作业过程人员身体状况的全程跟踪，提高作业人员安全保障系数。

为实现上述目的，本发明采用如下技术方案：

一种基于智能手环的触电紧急呼救系统，所述手环包括手环主体和带状手环；所述手环主体包括信号采集模块、滤波放大电路、a/d转换模块、中央处理单元、告警模块、gps定位模块、无线模块和显示模块；所述信号采集模块依次通过滤波放大电路和a/d转换模块，将采集的信号输入至中央处理单元；所述中央处理单元还与gps定位模块、无线模块、告警模块和显示模块分别连接；所述系统还设置有一电源模块用于提供电源。

进一步的，所述信号采集模块采用sc0073脉搏传感器。

基于智能手环的触电紧急呼救系统的控制方法，包括以下步骤：

步骤s1:打开智能手环电源，系统初始化，采集模块通过sc0073脉搏传感器采集心率数据，信号采集模块接入滤波放大电路对采集的信号进行处理；

步骤s2：20s预置数据，20s后，系统进入正常实时监测模式，信号采集模块将采集处理后的心率数据传输至中央处理单元，作为中央处理单元内置的神经网络分析模块的输入数据，神经网络分析模块对数据进行处理，判断心率是否在正常范围；

步骤s3：若人员心率数据发生突变或渐变范围超过正常心率范围时、经过中央处理单元判断，告警模块发出告警信号启动声音告警器，并通过无线模块向后台监控终端发出告警信息和人员定位信息。

进一步的，所述神经网络分析模块的判断依据包括，以心率数据为依据，若心率数据在正常范围，系统仅在显示屏上显示瞬时心率数据与1min内平均心率数据；若渐变范围超出正常心率范围10％则判断人员身体状况异常，输出告警信号；以心率变化率为依据，若心率数据发生突变，心率变化率超过设定值，系统立刻判断为异常，输出高电平触发告警信号。

进一步的，所述神经网络训练数据具体为，在系统的预置时间内对采集到的心率数据取均值(次/min)，故该个体正常心率值范围为训练数据核心矩阵选取为其余补充训练矩阵设计如下，(1)定义f(x)＝1/x函数，bn＝0.2+0.02*n，dn＝0.6+0.015*nfn＝0.9-0.0125*n，hn＝0.65-0.0225*n，n＝1,2,···,20；(2)定义g(x)＝rand()，n＝1,2,···,100。

进一步的，所述中央处理单元内置的神经网络分析模块构建具体为，输入节点为5，神经网络为4层，激活函数选用函数，网络权重参数w，学习率α取0.8，采用梯度下降法更新权重，误差ek＝(tk-ok)²，t为目标值，o为输出值，经过简化计算，得到权重更新公式，由此可得到神经网络权重系数矩阵w，获得神经网络分析模块。

本发明与现有技术相比具有以下有益效果：

本发明实时采集与监测作业人员心率状态、能快速判断心率异常并及时告警发信的紧急呼救系统，实现作业过程人员身体状况的全程跟踪，提高作业人员安全保障系数。

附图说明

图1是本发明系统结构框图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

请参照图1，本发明提供一种基于智能手环的触电紧急呼救系统，所述手环包括手环主体和带状手环；所述手环主体包括信号采集模块、滤波放大电路、a/d转换模块、中央处理单元、告警模块、gps定位模块、无线模块和显示模块；所述信号采集模块依次通过滤波放大电路和a/d转换模块，将采集的信号输入至中央处理单元；所述中央处理单元还与gps定位模块、无线模块、告警模块和显示模块分别连接；所述系统还设置有一电源模块用于提供电源。

在本实施例中，所述信号采集模块采用sc0073脉搏传感器。

在本实施例中，基于智能手环的触电紧急呼救系统的控制方法，包括以下步骤：

步骤s1:打开智能手环电源，系统初始化，采集模块通过sc0073脉搏传感器采集心率数据，信号采集模块接入滤波放大电路对采集的信号进行处理；

步骤s2：20s预置数据，20s后，系统进入正常实时监测模式，信号采集模块将采集处理后的心率数据传输至中央处理单元，作为中央处理单元内置的神经网络分析模块的输入数据，神经网络分析模块对数据进行处理，判断心率是否在正常范围；

步骤s3：若人员心率数据发生突变或渐变范围超过正常心率范围时、经过中央处理单元判断，告警模块发出告警信号启动声音告警器，并通过无线模块向后台监控终端发出告警信息和人员定位信息。

在本实施例中，所述神经网络分析模块的判断依据包括，以心率数据为依据，若心率数据在正常范围，一是心率值超出正常范围10％，判据设置体现在训练数据的选取上；或心率变化率(hrv)直接超过正常水平，即当瞬时心率变化率超过25次/min时判断为异常；两个条件满足一个即判断为1，触发告警模块，发出告警呼救信号。

在本实施例中，所述神经网络训练数据具体为，在系统的预置时间内对采集到的心率数据取均值(次/min)，故该个体正常心率值范围为训练数据核心矩阵选取为其余补充训练矩阵设计如下，(1)定义f(x)＝1/x函数，bn＝0.2+0.02*n，dn＝0.6+0.015*nfn＝0.9-0.0125*n，hn＝0.65-0.0225*n，n＝1,2,···,20；(2)定义g(x)＝rand()，n＝1,2,···,100。该组训练数据全面反映个体的心率数据正常度，当心率越接近平均数值输出分数越高，反之输出分数越低，且避开线性练习，使神经网络反应更接近人体真实心率系统的状态。

在本实施例中，所述中央处理单元内置的神经网络分析模块构建具体为，输入节点为5，神经网络为4层，激活函数选用函数，网络权重参数w，学习率α取0.8，采用梯度下降法更新权重，误差ek＝(tk-ok)²，t为目标值，o为输出值，经过简化计算，得到权重更新公式，由此可得到神经网络权重系数矩阵w，获得神经网络分析模块。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。