模型与通信模块，所述通信模块接收现场便携式智能平板电脑发送回的个 人生理特征检测数据，所述工作状态模式识别模型基于眨眼频率、眨眼时间、闭眼总持续时 间，脉搏与体温实时数据，计算其与个人生理特征数据库中正常工作状态数据、异常工作状 态数据的隶属度关系，当实时数据与异常工作状态数据的隶属度，高于与正常工作状态数 据的隶属度时，将向现场监护人员发出检修人员潜在危险预警。
【附图说明】
[0037] 图1为脉搏检测电路原理图
[0038] 图2为体温检测电路原理图
【具体实施方式】
[0039] 下面结合附图与实施例对本发明做进一步详细描述。
[0040] 在图1中，LED光源采用的是亿光电子的IR204-A，接收LED光的光敏二极管采用 的欧司朗的SFH 203 P，运算放大器采用的是德州仪器的0PA177,其输出结果送往单片机的 输入端。
[0041] 在图2中，检测体温所用传感器为DS18B20,其输出被送往单片机的输入端。
[0042] 针对在培训的特定考核环节中获得的个人特征检测数据，采用客观观测与主观观 测相结合的方法来判断其是否属于异常状态或正常状态的数据。主观观测采用教练观测与 对检修人员问卷调查的方式进行。教练观测以教练主观角度对实训考核过程中的检修人员 状态进行记录。问卷调查内容主要针对考核过程中检修人员的状态，将在考核结束后，请检 修人员填写。
[0043] 客观观测依据脑电波数据判断检修人员的工作状态，主要采集与疲劳状态特别相 关的慢α波数据，以及与紧张状态特别相关的β波。分析人员基于脑电波分析软件着重 分析慢α波与β波能量明显增加的现象，并比对分析主观观测结果，以确定检修人员是否 已进入疲劳瞌睡状态与紧张状态。若相关危险状态得到确认，相应时间段中由谷歌眼镜与 穿戴式脉搏与体温传感器采集的数据将被提取出来，形成异常工作特征模式数据库。除去 异常特征数据外的其他数据将成为正常工作特征模式数据库。
【主权项】
1. 一种基于谷歌眼镜的电力检修人员安全风险监控系统，其特征是，包括谷歌眼镜、穿 戴式脉搏与体溫传感器、便携式智能平板电脑、个体生理特征数据采集与建模系统、现场工 作状态监测系统， 所述谷歌眼镜，用于测量检修人员的巧眼频率、巧眼时间、闭眼总持续时间； 所述穿戴式脉搏与体溫传感器，包括脉搏传感器模块、体溫传感器模块、蓝牙通讯模 块、主控单元，脉搏传感器模块采用光敏脉搏检测原理，检测检修人员脉搏，体溫传感器模 块，检测检修人员体溫，蓝牙通讯模块，与主控单元相连，将检测数据传送给便携式智能平 板电脑； 所述便携式智能平板电脑具有3G数据通信功能，在检修现场通过蓝牙通讯协议与谷 歌眼镜、穿戴式脉搏与体溫传感器相连，收集人体特征检测数据，并将收集结果送回后方的 现场工作状态监测系统； 所述个体生理特征数据采集与建模系统，包括硬件系统与软件系统，在检修人员个体 生理特征数据收集阶段，采集生理特征数据构成个人生理特征数据库，并基于该数据库建 立工作状态模式识别模型； 所述现场工作状态监控系统，包括工作状态模式识别模型与通信模块，用于生产现场 的检修人员状态监控，其中通信模块接收现场便携式智能平板电脑发送回的个人生理特征 检测数据，工作状态模式识别模型基于巧眼频率、巧眼时间、闭眼总持续时间，脉搏与体溫 实时数据，计算其与个人生理特征数据库中正常工作状态数据、异常工作状态数据的隶属 度关系，当实时数据与异常工作状态数据的隶属度，高于与正常工作状态数据的隶属度时， 向现场监护人员发出检修人员潜在危险预警。2. 根据权利要求1所述的个体生理特征数据采集与建模系统的硬件系统，其特征是， 包括动态脑电图仪与运行软件系统的计算机设备。3. 根据权利要求1所述的个体生理特征数据采集与建模系统的软件系统，其特征是， 包括数据采集模块与数据建模模块，在培训的特定考核环节中，将为检修人员佩戴谷歌眼 镜、穿戴式脉搏与体溫传感器与动态脑电图仪，数据采集模块收集W上设备的检测数据，其 中巧眼频率、巧眼时间、闭眼总持续时间，脉搏与体溫用于生成个人特征模式数据库，脑电 波数据用于辅助分析判断检修人员的工作状态，基于主观与客观相结合的方法，个人特征 模式数据按照正常工作状态与异常工作状态分别存储，数据建模模块针对正常工作状态特 征数据与异常工作数据特征数据，分别构建适用于该检修人员的正常工作状态模式识别模 型与异常工作状态模式识别模型，算法步骤如下： 步骤1 :数据预处理 对于获得的数据集X= {Xi，X2，…，X。}，其中X为包括巧眼频率、巧眼时间、闭眼 总持续时间，脉搏与体溫的5维向量，在各维度上做归一化处理，获得归一化数据集 文=巧又2，...方。} 步骤2 :计算初始聚类中屯、与初始隶属度 按照下式计算兩处的密度其中SDu为数据式与马之间的统计距离，定义如下：E是数据集文的协方差矩阵 d为数据集文中数据的平均统计距离，定义如下：贝IJ与端。>、=maxW"，!'二1，2,…，n树应的数据点J为第1个聚类中心记为 按照下式计算第q次迭代时的式处的密度贝IJ与化"3>、=。3乂{巧"^ = 1，2，...，口-9-1树应的数据点3?为第9个聚类中心记为呼>。 当ZV, <?0,思，O < a < 1时，W上计算结束，所得结果FW =的"，皆>，…，乂乃作为初 始聚类中屯、。 数据集方中的数据对于初始聚类中屯、的隶属度矩阵为U = [UiqLxg，根据下式计算初始 隶属度步骤3 :重新计算聚类中屯、，计算方法如下其中m(m > 1)是模糊指数 步骤4 :计算隶属度 相对于新聚类中屯、的隶属度计算如下步骤5:若max{<'-皆-1>}含f，则停止迭化否则令k = k+l，转向步骤3,其中e是预 先给定的小正数。
【专利摘要】本发明涉及一种基于谷歌眼镜的电力检修人员安全风险监控系统，包括谷歌眼镜、穿戴式脉搏与体温传感器、便携式智能平板电脑、个体生理特征数据采集与建模系统、现场工作状态监测系统。谷歌眼镜用于测量检修人员的眨眼频率、眨眼时间、闭眼总持续时间。穿戴式脉搏与体温传感器，测量检修人员的体温与脉搏。个体生理特征数据采集与建模系统，基于以上采集数据，在检修人员实训阶段为每个检修人员构建专属的异常工作状态监测模型。现场工作状态监测系统在检修现场基于工作状态监控模型，对检修人员的紧张、恐慌、疲劳等异常状态进行预警。本发明有效提高对电力检修人员危险工作状态监控的水平，降低检修安全风险。
【IPC分类】A61B5/16, A61B5/0205
【公开号】CN105640573
【申请号】
【发明人】魏林, 王晓川, 黄虎, 龙飞, 张仕焜
【申请人】国家电网公司, 国网重庆市电力公司南岸供电分公司
【公开日】2016年6月8日
【申请日】2014年12月5日