【技术实现步骤摘要】
本申请涉及高空作业，具体而言，涉及一种坠落风险监测方法、装置、存储介质及计算机程序产品。
技术介绍
1、目前电力系统的主要维护方式还是人工检修，在日常的检修工作中，电力检修工人经常需要攀爬电塔，由于电塔高度通常较高，工人攀爬时由于疲劳等原因时常会发生危险。因此，相应防坠落装置的研发具有重要意义，近年来防坠落装置的研究已逐渐转向对智能防坠落装置和柔性保护系统的开发，通过智能防坠落装置识别检测工人的运动攀爬状态以及判断工人的疲劳程度，并在工人即将发生危险的时刻，及时启动柔性保护系统保护工人避免发生危险。
2、为了使智能防坠落装置在电力检修工人即将发生危险时及时启动柔性保护系统，需要实时的判断工人的攀爬状态是否安全，然而，相关技术在进行攀爬行为识别时，大多依赖于图像的采集和分析，受环境影响较大，造成的攀爬识别和坠落预警的鲁棒性差的技术问题。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种坠落风险监测方法、装置、存储介质及计算机程序产品，以至少解决由于相关技术在进行攀爬行为识别时，大多依赖于图像的采集和分析，受环境影响较大，造成的攀爬识别和坠落预警的鲁棒性差的技术问题。
2、根据本申请实施例的一个方面，提供了一种坠落风险监测方法，包括：获取位于目标对象上的传感器所采集的传感器数据，其中，目标对象包括高空攀爬作业人员，传感器包括：压力传感器、弯曲传感器、惯性传感器，压力传感器用于监测目标对象手部和/或足底的压力数
3、可选地，传感器数据中包括：压力传感器采集的手部压力数据；在获取位于目标对象上的传感器所采集的传感器数据之后，方法还包括：采用低通滤波器，对压力传感器所采集的手部压力数据进行去噪处理，其中，去噪处理用于去除手部压力数据中的高频噪声，经过去噪处理后的手部压力数据对应的信号均位于手部活动所对应的低频信号范围内；对经过去噪处理后的手部压力数据进行归一化处理，其中，归一化处理用于消除由于不同目标对象的手部压力差异所造成的数据分析偏差；对经过归一化处理后的手部压力数据进行基线校正处理，其中，基线校正处理用于消除手部压力数据中的基线漂移偏差。
4、可选地，传感器数据中还包括：压力传感器采集的足底压力数据、弯曲传感器对应的弯曲状态数据、惯性传感器对应的运动状态数据；在获取位于目标对象上的传感器所采集的传感器数据之后，方法还包括：采用平滑算法，对足底压力数据进行平滑处理，其中，平滑处理用于消除足底压力数据中的由于压力突变所产生的噪声；依据经过平滑处理后的足底压力数据，确定各个采集时间点的足底压力数据所对应的压力变化率，并依据压力变化率，确定足底压力数据对应的压力类型，其中，压力类型包括：动态压力和静态压力；采用带通滤波器，对弯曲状态数据和运动状态数据进行滤波处理，其中，滤波处理用于去除弯曲状态数据和运动状态数据中的高频噪声和低频干扰；采用离散小波变换算法，将经过滤波处理后的弯曲状态数据和运动状态数据分离为高频部分和低频部分。
5、可选地，攀爬状态中包含以下至少之一：抓握状态、疲劳程度、攀爬姿态；依据传感器数据，确定目标对象对应的攀爬状态包括：采用攀爬状态识别模型，依据手部压力数据、足底压力数据、以及弯曲状态数据，确定目标对象对应的抓握状态，其中，抓握状态至少用于表征目标对象在攀爬过程中身体的支撑点的数量；依据手部压力数据、足底压力数据、以及运动状态数据，确定目标对象对应的疲劳程度，其中，疲劳程度包括：无疲劳、轻度疲劳、中度疲劳、重度疲劳；依据弯曲状态数据，确定目标对象对应的攀爬姿态，其中，攀爬姿态包括：异侧手脚交替攀爬、同侧手脚同步攀爬。
6、可选地，依据手部压力数据、足底压力数据、以及弯曲状态数据，确定目标对象对应的抓握状态包括：依据手部压力数据和弯曲状态数据，确定目标对象的惯用手和非惯用手，并为惯用手和非惯用手设置不同的压力阈值；通过比较手部和足底的压力数据与对应的压力阈值之间的大小关系，确定目标对象对应的支撑点的数量，得到目标对象对应的抓握状态；依据手部压力数据、足底压力数据、以及运动状态数据，确定目标对象对应的疲劳程度包括：依据运动状态数据，确定目标对象攀爬的加速度；依据手部压力数据和足底压力数据，确定目标对象对应的压力波动状态参数；依据加速度和压力波动状态参数，确定目标对象对应的疲劳程度。
7、可选地，依据坠落风险等级，设置柔性导轨防坠落装置的运行状态包括：在抓握状态表征目标对象对应的支撑点的数量小于2，或者目标对象的疲劳程度为重度疲劳的情况下，确定坠落风险等级为高风险等级，并设置柔性导轨防坠落装置直接启动；在抓握状态表征目标对象对应的支撑点的数量等于2，或者目标对象的疲劳程度为中度疲劳的情况下，确定坠落风险等级为中风险等级，并设置柔性导轨防坠落装置上电，处于待触发状态；在抓握状态表征目标对象对应的支撑点的数量大于2，且目标对象的疲劳程度为轻度疲劳或无疲劳的情况下，确定坠落风险等级为低风险等级。
8、可选地，攀爬状态识别模型的训练步骤包括：获取历史传感器数据、以及与历史传感器数据对应的攀爬状态的实际值，其中，历史传感器数据为在历史高空攀爬作业过程中所采集的传感器数据；获取初始人工神经网络，其中，初始人工神经网络中包含：输入层、隐藏层、输出层，输入层用于接收原始数据的输入，隐藏层用于提取输入的数据的特征，输出层用于依据提取的特征输出最终的预测结果；采用初始人工神经网络，依据历史传感器数据进行预测，得到历史传感器数据对应的攀爬状态的预测值；依据攀爬状态的预测值和攀爬状态的实际值，确定误差函数值，并依据误差函数值，对初始人工神经网络进行误差反向传播训练，得到攀爬状态识别模型。
9、根据本申请实施例的另一个方面，还提供了一种坠落风险监测装置，包括：传感器数据采集模块，用于获取位于目标对象上的传感器所采集的传感器数据，其中，目标对象包括高空攀爬作业人员，传感器包括：压力传感器、弯曲传感器、惯性传感器，压力传感器用于监测目标对象手部和/或足底的压力数据，弯曲传感器用于监测目标对象四肢和躯体的弯曲程度，惯性传感器用于监测目标对象运动的速度和加速度；攀爬状态识别模块，用于依据传感器数据，确定目标对象对应的攀爬状态，其中，攀爬状态用于表征目标对象在攀爬过程中的攀爬姿势和疲劳程度；坠落风险预警模块，用于依据攀爬状态，确定目标对象对应的坠落风险等级，并依据坠落风险等级，设置柔性导轨防坠落装置的运行状态，其中，坠落风险等级用于表征目标对象对应的坠落概率，柔性导轨防坠落装置用于防止高空本文档来自技高网...
【技术保护点】
1.一种坠落风险监测方法，其特征在于，包括：
2.根据权利要求1所述的坠落风险监测方法，其特征在于，所述传感器数据中包括：所述压力传感器采集的手部压力数据；在获取位于目标对象上的传感器所采集的传感器数据之后，所述方法还包括：
3.根据权利要求2所述的坠落风险监测方法，其特征在于，所述传感器数据中还包括：所述压力传感器采集的足底压力数据、所述弯曲传感器对应的弯曲状态数据、所述惯性传感器对应的运动状态数据；在获取位于目标对象上的传感器所采集的传感器数据之后，所述方法还包括：
4.根据权利要求3所述的坠落风险监测方法，其特征在于，所述攀爬状态中包含以下至少之一：抓握状态、疲劳程度、攀爬姿态；依据所述传感器数据，确定所述目标对象对应的攀爬状态包括：
5.根据权利要求4所述的坠落风险监测方法，其特征在于，
6.根据权利要求4所述的坠落风险监测方法，其特征在于，依据所述坠落风险等级，设置柔性导轨防坠落装置的运行状态包括：
7.根据权利要求4所述的坠落风险监测方法，其特征在于，所述攀爬状态识别模型的训练步骤包括：
<...【技术特征摘要】
1.一种坠落风险监测方法，其特征在于，包括：
2.根据权利要求1所述的坠落风险监测方法，其特征在于，所述传感器数据中包括：所述压力传感器采集的手部压力数据；在获取位于目标对象上的传感器所采集的传感器数据之后，所述方法还包括：
3.根据权利要求2所述的坠落风险监测方法，其特征在于，所述传感器数据中还包括：所述压力传感器采集的足底压力数据、所述弯曲传感器对应的弯曲状态数据、所述惯性传感器对应的运动状态数据；在获取位于目标对象上的传感器所采集的传感器数据之后，所述方法还包括：
4.根据权利要求3所述的坠落风险监测方法，其特征在于，所述攀爬状态中包含以下至少之一：抓握状态、疲劳程度、攀爬姿态；依据所述传感器数据，确定所述目标对象对应的攀爬状态包括：
5...
【专利技术属性】
技术研发人员：刘清冰，张鹏飞，朱朋辉，李双全，周锦寅，杨玺，刘林杰，王基琛，李宇雄，刘天绍，高鑫，赵全忠，梁祖鸿，方振，郭劲辉，
申请(专利权)人：广东电网有限责任公司江门供电局，
类型：发明
国别省市：
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。