心率与自觉疲劳分级在氦氧饱和潜水中潜水员机体疲劳监测中的应用

目的 探讨大深度氦氧饱和潜水过程中,心率（heart rate,HR）与自觉疲劳分级（rating of perceived exertion,RPE）在潜水员机体疲劳监测中的作用。方法 采用500m饱和潜水系统模拟水下100m压力环境：压力为1.1 MPa;氧分压为35~52kPa;二氧化碳分压〈0.5kPa;高压暴露期间温度为（31.0±1.7）℃;相对湿度为（76.8±3.5）%。呼吸气体为氦氧混合气。选取6个时段检测18名潜水员的HR与RPE值,包括：（1）入舱前1天;（2）到达100m稳压第1天;（3）100m运动负荷至峰值;（4）100m稳压第2天;（5）出舱后第1天;（6）出舱后第7天。所得数据采用SPSS 17.0进行统计学配对t检验及相关性分析。结果 从入舱前1天至到达100m稳压第1天,HR下降并具有统计学意义（P〈0.05）;从出舱后第1天至出舱后第7天,HR升高并具有统计学意义（P〈0.05）。入舱后的基础RPE值与入舱前相比差异均有统计学意义（P〈0.05）。在100m稳压阶段的运动负荷试验中,HR与RPE变化呈一致性,且峰值时测得的数据与到达100m稳压当天基础值相比差异有统计学意义（P〈0.05）。潜水员RPE值与HR呈高度相关（r=0.734,P〈0.01）。结论 HR和RPE可以作为潜水员大深度氦氧饱和潜水时机体疲劳监测指标。

基于生理信号的驾驶疲劳分级检测研究

采用实验生理学测试与主观疲劳调查的方法,通过实车驾驶实验,以脑电信号和心电信号为基本指标,研究不同驾驶经验驾驶员在09:00—12:00,12:00—14:00,21:00—23:00这3个驾驶过程中疲劳等级的变化。通过主成分分析法,建立脑电信号与心电信号之间的关系,确定驾驶疲劳综合评价指标。结果显示:上述疲劳综合指标在在不同疲劳等级状态下存在显著性差异,通过对不同指标的融合提高了对驾驶员不同疲劳等级的识别准确率。

基于多生理信号融合的疲劳驾驶检测研究

为减少交通事故,保障道路交通安全,提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分,利用脉搏波信号(Photoplethysmographic signal,PPG)以及皮肤电反应信号(Galvanic Skin Response,GSR),实现多种生理信号融合,进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律,选取有效指标进行分析比较,以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征,结合主观评测,分析驾驶人的疲劳状态。同时,设定疲劳状态等级,分为清醒、轻度疲劳和重度疲劳状态,构建隐马尔可夫(Hidden Markov Model,HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示:训练后的HMM疲劳检测模型准确率为90%。

车载驾驶员疲劳驾驶预警与控制系统研究

为了识别与安全控制疲劳危险驾驶行为,有效预防与减少因疲劳危险驾驶导致的交通事故,基于疲劳检测分级、预警与自动智能控制技术,开发出车载驾驶员疲劳驾驶实时监测预警与控制系统。首先基于PERCLO方法,构建驾驶员疲劳检测与分级模型;然后根据所输出的驾驶员疲劳等级信息,提出疲劳驾驶三级预警原理,及其预警实现方式;最后以疲劳预警信息为基础,形成基于驾驶员不同疲劳等级预警的安全控制技术,并对处于深度疲劳的危险驾驶行为,构建自动智能紧急控制停车系统,重点阐述系统的地形匹配、智能控制,以及自动驾驶与停车三大核心技术,并提出相应的系统硬件构成,为系统工程应用提供理论与技术支持。

汽车驾驶员驾驶疲劳监测方法与装置的研究现状

驾驶员疲劳驾驶是造成交通事故的一个重要因素,监测驾驶员疲劳状态是当前以及将来很长一段时间内的研究热点。文中介绍了3类监测指标:驾驶员生理信号与个体特征、车辆的参数,讨论了各类指标的优点和实际应用中的不足;并介绍了几种当前国际上已经商品化的疲劳监测装置。所述监测方法与装置都存在一定的局限性,笔者对目前所面临的问题和发展方向进行了简要分析。