System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种核电厂操纵员疲劳状态检测方法及装置制造方法及图纸_技高网

一种核电厂操纵员疲劳状态检测方法及装置制造方法及图纸

技术编号:42508648 阅读:7 留言:0更新日期:2024-08-22 14:24
本发明专利技术公开了一种核电厂操纵员疲劳状态检测方法及装置,该方法包括以下步骤:首先针对所有核电运行场景,在每个模拟核电运行场景中,随机插入对核电厂操纵员的反应速度测试,并采集核电厂操纵员的生理参数数据以及核电厂操纵员针对反应速度测试作出的测试结果;对生理参数数据进行预处理,生成生理信号序列;利用测试结果,确定每段生理信号序列对应的疲劳标签,并生成疲劳生理信号数据集;将疲劳生理信号数据集输入至疲劳状态检测模型,以对疲劳状态检测模型进行训练;在真实核电运行场景中,采集核电厂操纵员的真实生理数据;利用训练好的疲劳状态检测模型对真实生理数据进行检测。本发明专利技术能够提升核电领域核电操纵员疲劳状态检测的检测精度。

【技术实现步骤摘要】

本专利技术涉及核电厂控制室人员效能监测和人因工程领域,具体涉及一种核电厂操纵员疲劳状态检测方法及装置


技术介绍

1、核能发电由于其核的属性,具有特殊的安全性要求,需要在保证安全的前提下进行发电。而在目前对核电事故的调研中发现,绝大部分核事故的发生是核电厂主控室中操纵员工作效能降低引起的错误行为所导致的,因此对操纵员工作效能的监控和预警对于保障核电安全来说至关重要。目前操纵员使用人机交互数字界面来进行信息的获取、加工与理解。在复杂的人机交互过程中,操纵员往往需要在短时间内处理大量的信息并快速作出反应与决策,因此容易出现认知负荷过高导致的疲劳生理状态。大量研究表明,在工作过程中较兴奋的生理状态能够有效增加人员效能,而疲劳状态会使人员效能快速下降,降低监督和操作效率,甚至造成误判断和误操作,严重威胁核电厂的运行安全。

2、随着人因工程与脑科学的发展,对人员疲劳程度检测方法的研究纷纷涌现,目前对于疲劳的检测方法主要分为基于人员自我评价的主观检测法,以及基于人员生理参数、身体状态、行为特征等的客观检测法。这些疲劳度评价方法的应用背景大多为汽车驾驶系统以及涉及危险操作的工业生产线,在核电领域尚且缺少对疲劳状态检测方法的研究。

3、现有专利cn116999059a公开了一种核电站操纵员疲劳检测方法和系统,该检测方法包括以下步骤:首先通过信号采集装置对核电站操纵员进行脑电信号采集,获得脑电数据;信号采集装置为便携式脑电头环,且便携式脑电头环可高速传输数据;对脑电数据进行预处理,获得预处理数据;对预处理数据进行特征提取,获得频域特征;基于频域特征进行分类检测,获得操纵员的疲劳状态检测结果。该方案侧重于解决信号获取的实时性较差的问题,其采集的信号种类单一,疲劳状态检测的精度不够高。

4、现有专利cn112971784b公开了一种可穿戴骨传导疲劳驾驶检测方法,该方法包括以下步骤:s1、生理传感信号采集:在骨传导装置中集成高敏感传感电路,通过集成有高敏感传感电路的骨传导装置采集驾驶员的生理传感信号;s2、生理传感信号预处理:根据预处理后不同类型的生理传感信号的变化幅度来动态调整模拟增益,对采集的生理传感信号进行局部过采样和平均化,并对平均化之后的生理传感信号进行下采样;s3、信号噪声消除:s4、生理传感信号模电转换;s5、疲劳驾驶特征提取;s6、进行疲劳驾驶行为检测。该方案为针对汽车驾驶领域的疲劳状态检测,无法完全应用于核电领域的疲劳状态检测。

5、基于上述内容,特此提出本专利技术。


技术实现思路

1、基于上述技术问题,本专利技术提出一种核电厂操纵员疲劳状态检测方法及装置,解决现有技术中未结合核电领域特点进行核电操纵员疲劳状态检测及检测精度较低的问题。

2、为实现上述目的,本专利技术提出一种核电厂操纵员疲劳状态检测方法。

3、一种核电厂操纵员疲劳状态检测方法,包括:

4、针对所有核电运行场景,在每个模拟核电运行场景中,随机插入对核电厂操纵员的反应速度测试,并采集核电厂操纵员的生理参数数据以及核电厂操纵员针对反应速度测试作出的测试结果;

5、对生理参数数据进行预处理,生成生理信号序列;

6、利用测试结果,确定每段生理信号序列对应的疲劳标签,并生成疲劳生理信号数据集;

7、将疲劳生理信号数据集输入至疲劳状态检测模型,以对疲劳状态检测模型进行训练;

8、在真实核电运行场景中,采集核电厂操纵员的真实生理数据;

9、利用训练好的疲劳状态检测模型对真实生理数据进行检测,并当检测结果为疲劳时,发出报警提示。

10、进一步地,对生理参数数据进行预处理,生成生理信号序列,包括:

11、截取每次反应速度测试开始时刻之前预设时间段内的生理参数数据,每个截取的预设时间段内的生理参数数据均对应一个测试结果,即局部反应时间。

12、进一步地,利用测试结果,确定每段生理信号序列对应的疲劳标签,并生成疲劳生理信号数据集,包括:

13、利用公式一计算得到每段生理信号序列的全局反应时间,公式一,grt(i)=average{rt(j)|0≤ti-tj<120},其中,grt(i)表示第i次反应速度测试的全局反应时间,rt(j)表示第j次反应速度测试的局部反应时间;

14、对局部反应时间排序,并根据排序结果确定疲劳分界线;

15、根据全局反应时间和疲劳分界线确定每段生理信号序列的疲劳标签。

16、进一步地,对局部反应时间排序,并根据排序结果确定疲劳分界线,包括:

17、按照从短至长的顺序对局部反应时间进行排序,并将预设排名的局部反应时间作为疲劳分界线。

18、进一步地,根据全局反应时间和疲劳分界线确定每段生理信号序列的疲劳标签,包括:

19、利用公式二确定每段生理信号序列的疲劳标签,公式二,

20、

21、其中,label(i)表示第i次反应速度测试时刻的疲劳标签,grt(i)表示第i次反应速度测试的全局反应时间,thr表示疲劳分界线。

22、进一步地,真实生理数据包括脑电信号、心电信号、皮电信号和皮温信号,利用训练好的疲劳状态检测模型对真实生理数据进行检测,包括:

23、利用基于eegnet和lstm的并行时空提取器从脑电信号中提取脑电信号特征;

24、利用lstm循环神经网络模型从心电信号、皮电信号和皮温信号中,分别提取对应的信号特征;

25、将脑电信号特征、心电信号特征、皮电信号特征和皮温信号特征进行特征拼接,生成信号总特征;

26、将信号总特征输入至训练好的疲劳状态检测模型,并确定检测结果。

27、进一步地,利用基于eegnet和lstm的并行时空提取器从脑电信号中提取脑电信号特征,包括:

28、将t时刻及t-1时刻的脑电信号输入至eegnet卷积神经网络模型和lstm循环神经网络模型;

29、利用eegnet卷积神经网络模型获取脑电信号的空间特征zs;

30、利用lstm循环神经网络模型获取脑电信号的时序特征zt

31、将空间特征zs和时序特征zt进行加权融合,得到脑电信号特征。

32、进一步地,将空间特征zs和时序特征zt进行加权融合,得到核电厂操纵员的脑电信号特征,包括:

33、将空间特征zs输入至第一全连接网络fs通过第一全连接网络fs确定对应的第一权重值ws;

34、将时序特征zt输入至第二全连接网络ft,通过第二全连接网络ft确定对应的第二权重值wt;

35、根据第一权重值ws和第二权重值wt对空间特征zs和时序特征zt进行加权融合,得到核电厂操纵员的脑电信号特征。

36、为实现与上述方法相同的目的,本专利技术还提出一种核电厂操纵员疲劳状态检测装置。

37、一种核电厂操纵员疲劳状态检测装置,本文档来自技高网...

【技术保护点】

1.一种核电厂操纵员疲劳状态检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,对所述生理参数数据进行预处理,生成生理信号序列,包括:

3.根据权利要求2所述的方法,其特征在于,利用所述测试结果,确定每段所述生理信号序列对应的疲劳标签,并生成疲劳生理信号数据集,包括:

4.根据权利要求3所述的方法,其特征在于,对所述局部反应时间排序,并根据排序结果确定疲劳分界线,包括:

5.根据权利要求3所述的方法,其特征在于,根据所述全局反应时间和所述疲劳分界线确定每段生理信号序列的疲劳标签,包括:

6.根据权利要求1所述的方法,其特征在于,所述真实生理数据包括脑电信号、心电信号、皮电信号和皮温信号,利用训练好的所述疲劳状态检测模型对所述真实生理数据进行检测,包括:

7.根据权利要求6所述的方法,其特征在于,利用基于EEGNet和LSTM的并行时空提取器从所述脑电信号中提取脑电信号特征,包括:

8.根据权利要求7所述的方法,其特征在于,将所述空间特征zs和所述时序特征zt进行加权融合,得到所述核电厂操纵员的脑电信号特征,包括:

9.一种核电厂操纵员疲劳状态检测装置,其特征在于,包括:

10.根据权利要求9所述的装置,其特征在于,所述预处理模块,用于:

11.根据权利要求10所述的装置,其特征在于,所述生成模块,用于:

12.根据权利要求11所述的装置,其特征在于,对所述局部反应时间排序,并根据排序结果确定疲劳分界线,包括:

13.根据权利要求11所述的装置,其特征在于,根据所述全局反应时间和所述疲劳分界线确定每段生理信号序列的疲劳标签,包括:

14.根据权利要求9所述的装置,其特征在于,所述真实生理数据包括脑电信号、心电信号、皮电信号和皮温信号,所述检测模块,用于:

15.根据权利要求14所述的装置,其特征在于,利用基于EEGNet和LSTM的并行时空提取器从所述脑电信号中提取脑电信号特征,包括:

16.根据权利要求15所述的装置,其特征在于,将所述空间特征zs和所述时序特征zt进行加权融合,得到所述核电厂操纵员的脑电信号特征,包括:

...

【技术特征摘要】

1.一种核电厂操纵员疲劳状态检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,对所述生理参数数据进行预处理,生成生理信号序列,包括:

3.根据权利要求2所述的方法,其特征在于,利用所述测试结果,确定每段所述生理信号序列对应的疲劳标签,并生成疲劳生理信号数据集,包括:

4.根据权利要求3所述的方法,其特征在于,对所述局部反应时间排序,并根据排序结果确定疲劳分界线,包括:

5.根据权利要求3所述的方法,其特征在于,根据所述全局反应时间和所述疲劳分界线确定每段生理信号序列的疲劳标签,包括:

6.根据权利要求1所述的方法,其特征在于,所述真实生理数据包括脑电信号、心电信号、皮电信号和皮温信号,利用训练好的所述疲劳状态检测模型对所述真实生理数据进行检测,包括:

7.根据权利要求6所述的方法,其特征在于,利用基于eegnet和lstm的并行时空提取器从所述脑电信号中提取脑电信号特征,包括:

8.根据权利要求7所述的方法,其特征在于,将所述空间特征zs和所述时序特征zt进...

【专利技术属性】
技术研发人员:李婉婷杜德君徐思敏田晖邓士光徐云龙段鹏飞王志敏行黄烨鲁忆迅许斌亮李国军黄宏伟刘占发郝灿甘佳军
申请(专利权)人:中国核电工程有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1