一种基于智能定位矿用安全帽的定位方法及产品结构

本发明属于工业安全和智能穿戴设备领域，尤其涉及一种基于智能定位矿用安全帽的定位方法及产品结构。

背景技术：

1、煤矿对社会经济各方面的发展起到巨大支撑作用。近年来，虽然煤炭在能源结构中的比重下降，但是仍然占据主要位置，社会的发展离不开煤矿。

2、然而，大多数煤矿地质条件复杂，致灾因素多、机理复杂，伴生的灾害事故时有发生。煤炭安全事故主要来源于气体中毒、氧气不足导致窒息、瓦斯泄漏引起的爆炸和火灾、顶板冒落、突水引起的井巷塌方等。因此，实时监测矿井中的氧气、瓦斯等气体浓度信息和遇到井巷塌方时能够快速精准定位人员位置信息，及时营救井下工作人员具有重要意义。

3、安全帽作为矿工井下作业必要的安全设备，其智能化将是矿工下井作业更安全有力的保障。传统矿用安全帽仅有头部防护和照明作用，无法对周围环境进行监测和定位等，且安全帽上的矿灯笨重，给工人带来巨大的不便。目前已有的智能安全帽在航空领域、消防领域以及体育领域应用比较成熟，而在矿井下的应用还处于萌芽阶段。

技术实现思路

1、发明目的：本发明的目的在于提供一种基于智能定位矿用安全帽的定位方法及产品结构。通过集成各种传感器来检测环境参数，提醒工人潜在的危险从而预防事故的发生。能够收集大量的环境数据，并将其传输给上位机进行分析，对于这些数据的监控和分析，可以及时发现潜在的安全隐患，提高整体矿山的安全水平，提供更全面的安全保护和监测功能，以减少事故风险并提高矿工的工作效率。

2、技术方案：本发明的一种基于智能定位矿用安全帽的定位方法，矿工头戴智能定位矿用安全帽在矿井下作业，通过执行以下步骤，实时监测矿工在矿井下的位置情况；所述智能定位矿用安全帽上集成有uwb信号采集单元、数据处理单元mcu和无线传输单元，并与安全监控平台通信连接；

3、步骤1、数据采集与准备：在矿井中安装uwb传感器节点，并收集安全帽发送的uwb接收信号强度rss数据以及对应的各个位置信息作为训练数据集，rss数据由uwb信号采集单元提供，通过spi进行通信；

4、步骤2、生成对抗网络训练：使用采集的rss数据作为网络的输入，目标位置作为网络的监督信号进行训练，网络的生成器部分学习将uwb信号映射到相应的位置估计，训练网络时，采用对抗训练的方法，通过生成器和判别器之间的对抗优化来提高生成器的性能；

5、步骤3、uwb信号处理：对待定位的uwb信号进行预处理和特征提取；

6、步骤4、生成器位置估计：将预处理的uwb信号输入到训练好的网络生成器中，生成相应的位置估计结果，生成器利用之前学习到的映射关系将uwb信号转换为位置估计；

7、步骤5、卡尔曼滤波初始化：使用生成器的位置估计结果作为卡尔曼滤波的初始状态估计值，设置初始的协方差矩阵；

8、步骤6、卡尔曼滤波预测：利用卡尔曼滤波的预测步骤，预测设备的位置，通过状态转移矩阵和控制输入来更新状态估计和协方差矩阵；

9、步骤7、网络矫正：将网络生成的位置估计结果与实际测量数据进行比较，并根据差异进行矫正，通过计算生成的位置估计与实际测量位置之间的误差调整卡尔曼滤波的状态估计值和协方差矩阵；

10、步骤8、卡尔曼滤波更新：利用卡尔曼滤波进行更新，根据测量数据对设备的位置进行修正，通过观测矩阵和测量噪声的协方差矩阵，结合测量数据与生成的位置估计之间的差异，更新状态估计和协方差矩阵；

11、步骤9、重复迭代：重复卡尔曼滤波预测、网络矫正和卡尔曼滤波更新，逐步减小位置估计误差，从而改善对设备位置的估计，每次迭代都更新卡尔曼滤波器的状态估计和协方差矩阵，以及生成器的位置估计结果；

12、步骤10、收敛判断：在每次迭代后，检查状态估计和协方差矩阵的变化情况，如果变化小于预设的阈值，则已经收敛，停止迭代并输出最终的位置估计结果；

13、步骤11、最终位置估计：根据卡尔曼滤波器的最终状态估计值作为uwb基于生成对抗网络和卡尔曼滤波融合的最终位置估计结果，即为矿工在矿井下的实时位置情况。

14、进一步的，对矿井内进行uwb节点部署，本发明采用网格状布局，根据矿井的实际情况和需要覆盖的区域，将整个矿井区域划分为一系列规则的网格单元。网格单元的大小可以根据应用需求和定位精度要求进行决定，本发明考虑到矿井内的环境特征和障碍物较多，需要尽量缩写网格单元的大小，将网格单元设置在10米左右。

15、进一步的，步骤2中所述采用对抗训练的方法具体为：在对抗训练中，使用均方误差损失函数来衡量生成器和判别器的性能：

16、lg＝mse(g(x),y)

17、ld＝-log(d(x))-log (1-d(g(x)))

18、其中lg表示生成器损失函数；g(x)表示生成器对输入信号x的位置估计结果，y表示真实位置数据；ld表示判别器；d(x)表示判别器对真实位置数据的分类结果；d(g(x))表示判别器对生成的位置估计结果的分类结果。

19、进一步的，步骤3中，所述预处理和特征提取包括去除噪声、提取时间差或相位差的关键特征。

20、进一步的，步骤4具体为：

21、步骤4.1、信号采样：对uwb信号进行采样和量化，得到数字信号的离散样本；

22、步骤4.2、噪声滤除：对uwb信号进行滤波处理，以去除噪声和干扰；

23、步骤4.3、脉冲检测：通过脉冲检测算法提取uwb信号中的脉冲特征；

24、步骤4.4、多径传播处理：对uwb信号进行多径传播处理，以减小多径效应对定位精度的影响；

25、步骤4.5、特征提取：从处理后的uwb信号中提取有用的特征；

26、步骤4.6、处理完uwb信号后，将信号输入到训练好的网络生成器中，生成相应的位置估计数据，生成器利用之前学习到的映射关系将uwb信号转换为位置估计。

27、进一步的，步骤5中，设置初始的协方差矩阵具体为：对角元素取较大值，非对角元素设置为0。

28、进一步的，步骤6具体为：

29、步骤6.1、根据系统的动态行为和运动模型，计算从上一时刻状态到当前时刻状态的预测值；

30、步骤6.2、考虑系统中的不确定性和外部干扰，通过过程噪声矩阵来描述这些影响因素；

31、步骤6.3、通过步骤6.1和步骤6.2，计算当前时刻的状态预测值，公式如下：

32、

33、其中，是预测状态向量；f是状态转移矩阵；是t-1时刻的状态估计值；

34、

35、其中，是预测的协方差矩阵；f是状态转移矩阵；pt-1是上一时刻的协方差矩阵；q是过程噪声协方差矩阵；

36、利用生成对抗网络生成的位置估计与实际测量数据进行比较，调整卡尔曼滤波的状态估计值，调整协方差矩阵，相应的较小协方差矩阵中与位置有关的元素，提高整体状态估计的精度。

37、进一步的，步骤8具体为：利用卡尔曼滤波的更新步骤，根据测量数据对设备的位置进行修正，通过协方差矩阵，结合测量数据与生成的位置估计之间的差异，更新卡尔曼滤波的状态估计和协方差矩阵，具体步骤如下：

38、步骤8.1、计算创新向量：创新向量是指预测状态与实际测量之间的差异；

39、

40、其中，zt是当前时刻的实际测量值；ht是测量模型矩阵；是预测状态向量；yt是创新向量；

41、步骤8.2、计算创新协方差：创新协方差是创新的协方差矩阵，用于衡量预测状态与测量之间的不确定性；

42、

43、其中，st是创新协方差矩阵；是预测协方差矩阵；ht是测量模型矩阵；rt是测量噪声协方差矩阵；

44、步骤8.3、计算卡尔曼增益：

45、

46、其中，kt是卡尔曼增益；

47、步骤8.4、更新状态估计：使用卡尔曼增益将创新向量融合到预测状态中；

48、

49、其中，是更新后的状态估计值；

50、步骤8.5、更新协方差矩阵

51、

52、其中，pt是新协方差矩阵。

53、本发明还公开一种基于智能定位的矿用安全帽，所述智能安全帽通讯连接进行信息交互的上位机，所述智能安全帽包括：安全帽本体，设置在安全帽本体上的前端数据采集单元、无线传输单元、数据处理单元、执行单元：

54、所述前端数据采集单元，实时采集安全帽周围氧气浓度，甲烷、一氧化碳有毒气体浓度，矿井内温湿度，提供实时定位和跟踪工人的位置信息。将摄像头集成到安全帽中，用于不同的作业环境和场景，采集矿井内实时情况，通过上位机进行显示，便于管理人员观察。

55、进一步的，所述数据处理单元包括数据处理算法与mcu，mcu负责处理对各个传感器采集过来的信息进行必要的计算、分析和决策。数据处理单元根据预先设定的算法和模型，对采集到的数据进行分析和计算，根据数据处理单元的计算结果，可以做出相应的决策和控制操作。当检测到危险情况时，数据处理单元可以触发执行单元发出警报或提示信号，提醒工作人员采取紧急措施。此外，还可以与无线传输单元结合，将数据传输到上位机，以实现实时检测、远程管理等功能。

56、进一步的，所述无线传输单元可以实时传输安全帽中收集到的各种数据，在本发明中，无线传输单元传输温湿度数据，氧气，一氧化碳，甲烷气体浓度，安全帽实时位置数据，使检测和通信变得更加方便和高效。这样，管理人员可以及时获取重要的安全数据，并采取必要的措施来保障工作场所的安全。通过无线传输单元，检测系统可以从远程位置对矿用安全帽进行监控和管理。这使得检测人员可以实时了解工作人员的状况，检测潜在的安全风险，并采取相应的措施。

57、所述执行单元，根据数据处理单元分析得出的结果考虑是否要进行报警，若出现浓度超标首先会提示上位机，随后上位机发送给所述智能安全帽进行语音播报提示矿工进行撤离。

58、由于矿工长时间在矿井内作业，矿井是一个地下封闭的环境，gps信号无法穿透到矿井内部。gps信号需要从卫星发送到接收器，而矿井的遮蔽效应会大大减弱或阻止gps信号的到达，导致gps定位精度无法满足要求。

59、综合考虑，本发明矿用智能安全帽采用uwb定位。uwb定位算法是一种利用超宽带技术实现定位的方法。它通过测量多个超宽带节点到接收器的信号传播时间和信号强度等信息，来确定节点的位置。

60、有益效果：与现有技术相比，本发明具有如下显著优点：

61、(1)uwb基于生成对抗网络与卡尔曼滤波融合定位算法中，具有高精度定位，抗干扰能力强，实时性的特点。uwb技术本身具有高精度和准确性，通过融合gan和卡尔曼滤波，可以进一步提高定位的准确性和稳定性。gan可以帮助消除uwb定位中的一些噪声和误差，而卡尔曼滤波则可以对uwb数据进行平滑处理，从而提供更稳定和精确的定位结果。uwb在实际应用中可能会受到多径效应，信号衰减和环境干扰等影响。gan可以帮助模型学习这些干扰因素，从而更好的适应复杂的环境。融合算法可以实时处理uwb测量数据，并进行定位，适用于需要快速响应和及时定位的应用场景。

62、(2)本发明的创新之处在于引入了生成对抗网络，并融合卡尔曼滤波算法。生成对抗网络在大量数据上训练可以学习到环境的非线性特征，能够提高算法的鲁棒性。卡尔曼滤波能够减少测量噪声的影响，提高定位的准确性。创新的效果在于提高定位精度，在复杂环境下，融合算法能够学习到环境的非线性特征，从而使算法对复杂多变的环境更具适应性，表现出更强的鲁棒性，定位结果更加稳定。改善定位实时性，生成对抗网络的计算速度较快，卡尔曼滤波的计算复杂度相对较低。融合算法能够在保持较高精度的前提下，实现较快的定位过程。数据利用率提高，融合算法充分利用生成对抗网络从大量数据中学习到的信息，并将这些信息与卡尔曼滤波的状态估计相结合，这样可以使得算法在有限的数据情况下也能够获得更准确的结果，从而提高数据的利用率。

63、(3)本矿用智能安全帽配备了三类气体传感器，温湿度传感器，可以实时检测矿工所处环境的气体浓度，温湿度等指标，帮助矿工及时采取安全措施。内置了uwb定位计数，可以实现对矿工位置的实时定位和追踪。在紧急情况下，可以通过智能安全帽的定位功能迅速找到矿工的位置，提高救援效率和成功率。矿用智能安全帽可以将各种传感器采集到的数据进行记录和分析。可以发现潜在的安全隐患、工作环境改善的集合，并为矿山管理人员提供决策依据，以进一步提高管理水平和工作效率。