基于脑电信号特征的高铁调度员疲劳状态识别

为增强铁路行车的稳定性与安全性,有效识别调度员的疲劳状态对行车组织的影响,基于脑电(EEG)信号特征,提出一种调度员疲劳状态识别方法,根据作业时间段划分调度员的疲劳状态,设计高铁调度模拟试验获取脑电信号数据,通过小波级数展开和傅里叶变换提取高铁调度被试的3种脑电波频域幅值作为特征值,结合调度员作业特征和脑电信号特征,验证疲劳状态的划分结果,通过Python语言环境搭建ResNet18+SoftMax和MobileNet V2+SoftMax这2种模型,基于深度学习方法,将输入特征转换为三维立体矩形模型,并优化调整权重,获得最优模型,从而判断高铁调度员的疲劳状态。研究结果表明:ResNet18+SoftMax和MobileNet V2+SoftMax神经网络模型对高铁调度试验参与人员的疲劳状态识别准确率分别为92.78%和99.17%;相较于支持向量机(SVM)模型,这2种模型可提升清醒状态和疲劳状态的识别精度,并降低运算时间,其中,MobileNet V2+SoftMax模型的识别准确率和运行速度最优。以MobileNet V2+SoftMax模型原理为内核,可以更快速准确地识别高铁调度员在长时间作业条件下的潜在疲劳风险。

管制员不良工作状态与疲劳状态分析

为分析管制员不良的工作状态与疲劳状态之间的关系,监测管制员工作状态,采用主观评价方法收集185名管制员的主观看法,通过灰色关联分析不良工作状态和疲劳状态的影响因素,对其重要性进行排序,并通过疲劳自评量表研究了管制员处于不良工作状态时对应的疲劳程度。结果表明,管制员不良工作状态与疲劳状态影响因素之间存在差异性和统一性,且当管制员处于中度疲劳后,其工作状态将受到影响,因此,对管制员疲劳状态的研究应当更多关注于中度及重度疲劳的识别。

基于呼吸疲劳节点的驾驶员疲劳状态判别

为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(Karolinska sleepiness scale, KSS)对疲劳程度进行主观自评量化。其次,把单位时间内眼睛闭合百分比(percentage of eyelid closure over the pupil over time, PERCLOS)作为参考,与主观自评反馈结合,对驾驶员呼吸疲劳节点进行标定。最后,基于呼吸疲劳节点利用随机树算法(random tree, RT)获得轻/重度呼吸疲劳变化节点的判别模型。结果表明:该模型能更加及时、准确地判别出驾驶员的疲劳状态;基于随机树算法获得的筛选条件对轻度呼吸疲劳变化节点识别的准确性要高于重度呼吸疲劳变化节点;轻/重度呼吸疲劳变化节点的平均识别误差分别为3.50 min和3.66 min,预测准确率分别为92.09%和92.03%。

基于飞行员疲劳状态监测的脑认知深度模型设计

为了更好地分析与识别飞行员的疲劳状态,促进对飞行员飞行状态的及时监测与处理,构建了针对飞行员疲劳状态的彩色脑功率图和脑功率图深度网络模型,并设计了卷积神经网络参数优化方法,收集飞行员疲劳状态的相关数据。脑功率图深度网络模型具有较强的分类识别能力,与基于脑电信号的疲劳检测深度模型相对比,疲劳状态认知准确度提升了3%~5%,由此精准检测出飞行员的飞行状态,促使飞行员及时调节自身状态,缓解疲劳现象,顺利完成飞行任务。

疲劳状态下不同运动级别男子散打运动员注意瞬脱实验研究

本文通过文献资料法、实验法、数理统计法等研究方法,对疲劳状态下不同运动等级男子散打运动员注意瞬脱检测。结果发现:疲劳状态下男子散打运动员注意瞬脱现象会加重,但是最低点的位置并不会发生改变,同时优秀散打运动员会更快脱离注意瞬脱现象。

竹盐脐灸联合健康指导干预亚健康疲劳状态临床研究

目的:观察竹盐脐灸联合健康指导干预亚健康疲劳状态的有效性及安全性。方法:纳入134例亚健康疲劳状态患者,随机分为对照组和干预组。2组均采用健康指导干预,干预组加用竹盐脐灸干预。2组干预时间均为4周。干预前后评定疲劳量表-14 (FS-14)的躯体疲劳评分、脑力疲劳评分、总分及主观疲劳程度视觉模拟评分法(VAS)评分。评价干预组患者对竹盐脐灸的接受程度,观察竹盐脐灸过程中是否出现不适症状或不良反应。结果:干预后,干预组躯体疲劳评分、脑力疲劳评分均较治疗前下降(P<0.05);对照组干预前后的躯体疲劳评分、脑力疲劳评分比较,差异均无统计学意义(P>0.05);干预组躯体疲劳评分、脑力疲劳评分均低于对照组(P<0.05)。干预组FS-14总分较治疗前下降(P<0.05);对照组干预前后的FS-14总分比较,差异无统计学意义(P>0.05);干预组FS-14总分低于对照组(P<0.05)。2组主观疲劳程度VAS评分均较治疗前下降(P<0.05),干预组主观疲劳程度VAS评分低于对照组(P<0.05)。干预5次后,干预组怕冷、腰背疼痛、睡眠障碍、月经不调、脘腹胀满、食欲不佳、受寒腹泻、情绪忧虑、大便不畅评分均较治疗前下降,差异均有统计学意义(P<0.05)。未见患者反映竹盐脐灸过程中出现不适症状或不良反应。结论:在健康指导的基础上加用竹盐脐灸能有效改善亚健康疲劳状态人群的疲劳状态和相关临床症状,且竹盐脐灸具有操作简单、安全有效、患者易于接受等优点。

驾驶员疲劳状态监测系统综述

为提高车辆安全、减少因驾驶疲劳导致的交通事故,自20世纪80年代起,汽车厂商、零部件商以及科研机构开始从事驾驶疲劳方面的研究。本文总结了各种驾驶员疲劳状态监测系统的研究与应用情况以及整车厂在售车型配备的驾驶员疲劳状态监测系统及其工作原理,例如梅赛德斯-奔驰Attention Assist系统基于操纵行为监测驾驶员疲劳状态,丰田Driver Monitor系统基于驾驶员面部状态和眼睛开闭频率监测驾驶员状态,福特Driver Alert System采用多维信息融合的方法监测驾驶员状态,等等。本文分析了目前各种驾驶员疲劳状态监测技术的工作原理、优点与不足,并梳理了研究驾驶员疲劳状态的技术路线,提出了建立疲劳数据库的方法、监测驾驶员疲劳状态的方法以及如何应用疲劳监测结果,最后预测驾驶员疲劳状态监测技术未来的发展趋势。

综合护理干预对脑胶质瘤手术患者围术期应激反应指标及术后疲劳状态的影响

目的探究与分析综合护理干预对脑胶质瘤手术患者围术期应激反应指标及术后疲劳状态的影响。方法选取哈尔滨医科大学附属第四医院2015年3月~2017年3月收治的脑胶质瘤患者90例,采取随机数字表法将其分为常规护理组与综合护理干预组,每组各45例。比较两组患者围术期应激反应指标[包括心率(HR)、收缩压(SBP)、收缩压与心率的乘积(RPP)]及术后疲劳状态。结果术后综合护理干预组HR、SBP及RPP与术前比较,差异均无统计学意义(均P>0.05),常规护理组上述指标均高于术前,差异均有统计学意义(均P<0.05),且术后常规护理组HR、SBP及RPP均高于综合护理干预组,差异均有统计学意义(均P<0.05)。护理后两组情感、感知、行为严重度、认知得分及总分均低于护理前,且综合护理干预组明显低于常规护理组,差异均有统计学意义(均P<0.05)。结论综合护理干预能够稳定围术期应激反应指标,改善术后疲劳状态,优于常规护理。

亚健康阳虚质疲劳状态人群健康指导探讨

目的:分析亚健康阳虚质疲劳状态人群的特征及相关因素,为此类人群的健康指导提供依据。方法:采用《个体身心健康调查量表》对广州、成都、杭州、上海等籍体检人群进行调研,对所回收的调查问卷使用SPSS18.0进行数据分析和统计学处理。结果:共纳入分析8627例,其中亚健康阳虚质疲劳状态共有226例,占总纳入数的2.7%,18～34岁年龄段的亚健康阳虚质疲劳状态发生率最高(50.9%),大专以上高学历人群为亚健康疲劳状态人群的主要组成部分(67.8%)。亚健康阳虚质疲劳状态人群中较常见的不适状态依次是精神不振、容易感觉疲劳、体虚无力、腰腿酸痛、记忆力减退等,过度劳累、缺乏体育锻炼、上下班交通拥挤是影响亚健康阳虚质疲劳状态的主要危险因素。结论:亚健康阳虚质疲劳状态人群中以18～34岁年龄段、高学历、脑力劳动者为高发人群,而缺乏体育锻炼、上下班交通拥挤、过度劳累是亚健康阳虚质疲劳状态产生的重要诱因,因此在对亚健康阳虚质疲劳状态人群进行健康指导时,应重视生活方式和心理方面的指导。

基于深度学习的疲劳状态识别算法

目前国内外的疲劳状态识别算法大多数是基于单一的、人为制定的疲劳状态特征实现的,且大部分算法结构复杂,效率比较低下,对驾驶员的个人行为习惯的适应性不强。为此,提出一种基于深度学习的疲劳状态识别算法,它引入深信度网络(DBN)来模拟输入图像数据分布,完成对疲劳特征的分层自动抽取,进而基于时间窗实现视频流图像的疲劳状态识别;同时,算法自适应调整网络学习率以减少网络预训练时间,采用反馈机制实现网络自进化,从而提高对用户个性化疲劳特征的适应性。实验结果表明,算法可以使网络获取到良好的疲劳特征,且误判率会随使用时间的增加而逐渐降低。

长途客车驾驶员疲劳状态脑电特征分析

长途客车驾驶员的驾驶状态关系到旅客和驾驶员的生命安全,对长途客车驾驶员的疲劳驾驶研究具有重大意义。选取真实驾车实验环境,对驾驶员脑电信号进行实时监测。首先对采集的驾驶员脑电信号进行了小波包分解,提取了脑电信号中的θ和β节律,然后对它们的平均功率谱进行了分析,最后通过计算脑电疲劳状态指标F,结合眼电特征与主观调查问卷,研究驾驶员主观与客观数据之间的相关性,分析驾驶员疲劳状态变化与脑电信号特征之间的关系。结果表明,在真实驾驶环境下,通过计算驾驶员的脑电疲劳状态指标F值可以有效地检测驾驶员疲劳状态变化。

参芪益气膏调治亚健康疲劳状态的临床研究

目的:评价参芪益气膏调治亚健康疲劳状态的临床疗效。方法:65例气虚型亚健康疲劳状态患者随机分为2组。治疗组33例,采用参芪益气膏治疗;对照组32例,采用补中益气汤治疗。以疲劳评定量表(FS-14)评分及症状改善率作为主要疗效评价指标。结果:2组用药后FS-14分值及FS-14躯体疲劳分值、FS-14脑力疲劳分值均明显降低,与治疗前比较,差异均有非常显著性意义(P<0.01)。治疗后2组FS-14分值及FS-14躯体疲劳分值、FS-14脑力疲劳分值比较,差异均有显著性意义(P<0.05)。对2组治疗前后的相关症状进行分析,治疗后2组症状皆有明显改善,但2组症状改善率比较,差异无显著性意义(P>0.05)。结论:参芪益气骨调治气虚型亚健康疲劳状态疗效显著。

汽车驾驶员疲劳状态下穴位磁刺激效应分析

在驾驶员疲劳状态下 ,应用心率变异性 ( HRV)功率谱分析 ,评价穴位磁刺激对自主神经系统功能的调整作用 .健康志愿人员 2 6名 ,每人参加两组模拟驾驶实验 ,A组为磁灸组 ,B组为对照组 ,时间均为 90 min.对磁灸组志愿者 ,在执行驾驶任务 1 h后 ,施加磁刺激 30 min.实验过程中实时记录实验者心电信号 .执行任务过程中 ,实验者心率变异性表现出明显的线性趋势 .磁灸组施加穴位磁刺激后 ,实验者表现为交感神经活动性降低 ,迷走神经活动性提高 ,精神紧张及疲劳程度降低 .穴位磁刺激有利于改善心脏自主神经系统功能状态 。

久坐对机体心理情感和疲劳状态的研究

目的了解久坐时间对机体情感状态、疲劳状态的影响,为合理安排工作时间,保证身心健康提供依据。方法随机抽取某医学院校某专业16名本科生进行试验研究,在久坐前后分别进行情感状态调查表、疲劳评定量表和久坐调查问卷等表的调查。结果在情感状态调查中,有力好动方面与久坐前相比存在着统计学意义(t=2.366,P=0.032)。结论久坐时间6h以及更长时间,会发生心情沮丧、忧虑、积极性降低、精神萎靡等症状。

基于FPGA的多特征融合司机疲劳状态检测系统设计

驾驶员的疲劳驾驶是造成交通事故的重要因素,为了实时有效地检测驾驶员的驾驶状态,设计了一种融合多种疲劳特征进行疲劳状态判定的检测算法,并构建了车载的基于现场可编程门阵列(FPGA)的嵌入式检测平台。该多检测算法融合了眼睛和嘴巴的疲劳特征,当某一特征的检测受到影响时可以使用另外的特征进行疲劳状态的判定,较传统的单一特征疲劳检测算法拥有更高的检测效率。实验结果表明:系统的算法简单、可靠、实时性强。

疲劳状态检测元件的研究

疲劳状态检测元件对于检测在役的结构和构件的疲劳损伤状态具有独特的优势。对该元件的机理、工艺和性能进行了进一步的研究。采用四种箔材及两种制片工艺研制了疲劳状态检测元件,并对其性能进行了试验研究。实验结果表明,疲劳状态检测元件的阻值能够根据累积循环应变历程产生相应的变化。采用工艺1的疲劳状态检测元件的最大电阻变化率可达6.5%,而采用工艺2的最大电阻变化率为4.5%。研究结果表明,疲劳状态检测元件的制片工艺是影响其性能的主要原因。

针对驾驶员疲劳状态的防撞报警算法的研究

为设计适合于驾驶员不同疲劳状态的防撞报警算法,利用驾驶模拟器分析了驾驶员处于不同疲劳状态时常用报警算法的实际效果和对交通危险感知的变化。结果表明,随着疲劳程度的加深,防撞报警算法须适当提前报警时机,且该时机应符合驾驶员在不同疲劳状态下对交通危险的感知特性。在此基础上,构建了适应疲劳状态的防撞报警算法,实验验证的结果表明:该算法能为不同疲劳状态的驾驶员提供合适的报警时机,提高了实际的防撞报警效果。

井下生产操作实践中疲劳状态感知

煤矿事故中人为因素引发的事故主要由井下作业人员疲劳和注意力不集中引发的误操作造成。现有基于生理信号或眼部图像的人员疲劳检测方法存在实施复杂、适应性差、准确率低、易漏报和误报等问题。针对上述问题,设计了一种基于头部姿态监测的井下人员疲劳状态感知装置。当井下人员处于疲劳状态时,会产生头部下垂动作,大脑通过耳蜗感知到头部失去平衡,为了恢复平衡和保持清醒,大脑会控制颈部进行恢复性抬头动作,从而形成一个周期性点头动作。在安全帽上安装九轴姿态传感器采集角速度、加速度、磁场强度,通过数据融合得到头部姿态数据,利用四元数法解算头部姿态角,并根据头部姿态角捕捉点头动作,当单位时间内点头动作占比超出阈值,则判断人员处于疲劳状态,发出声光预警,并通过无线方式向地面监控终端发送预警信号。实验结果表明,该装置能准确获取头部姿态角,捕捉疲劳特征动作,并有效判断井下人员是否处于疲劳状态。该装置具有体积小、质量轻、功耗低、易于实施等特点,可为生产操作实践中操作疲劳监测提供技术借鉴。

基于眼睑闭合度的眼动仪检测人体生理疲劳状态(英文)

背景:在进行眼注视行为的同时进行疲劳测试,完成实时的、非接触式的疲劳检测和监测。目的:计算出用于制定疲劳的眼睑闭合度值,推断被试者的疲劳程度。设计:对眼动仪进行改造,将眼动仪瞳孔视频进行采集,利用图像处理方法得到眼睑闭合度值,从而反应被试者当前疲劳状态。单位:北京交通大学机械与电子控制工程学院。材料:于2003-09/2004-11在北京交通大学人机工程实验室完成。仪器和设备:视频传输线、图像采集卡、计算机。方法:通过对眼动仪瞳孔模块输出视频的图像处理,由此推断瞳孔的遮闭状态,计算出用于疲劳判定的眼睑闭合度值。主要观察指标:从图像采集卡中采集的图像反应了被试者瞳孔的开闭状态。结果:搭建了一套疲劳检测系统,可有效地得到被试者的疲劳状态。结论:该方法扩充了眼动仪的功能,可以方便地用于工作状态下的脱机与在线疲劳检测。