小脑神经网络在矿工疲劳监测控制系统中的应用

针对矿工井下疲劳监测与控制难题,探索矿工疲劳务工的生理指标状况,降低矿工疲劳状态下务工的可能性,指导煤矿高层管理者对矿工疲劳生产的管理与控制,并为新设计的矿工疲劳监测控制系统提供新的方法与依据。采用多元信息融合技术,提取了皮电、肌电、脑电等12个疲劳水平监测信号,对矿工务工期间进行半接触式肢体图像和信号分析,构建了矿工疲劳监测信号体系;结合CMAC神经网络理论,提出矿工疲劳务工期间的疲劳检测控制系统模型,并通过收集矿工务工期间的多生理指标对构建的模型进行验证。结果表明:矿工疲劳监测与控制系统监测结果与实际矿工疲劳水平的平均偏差为0.2,偏差为0.1~0.3的约占51.7%,0.4~0.7的约占32.2%,0.8~1.0的约占16.1%,比传统的单一信号监测精度更高,偏差更小,更能满足实际生产中的矿工监测与控制的精度需求。为缓解当前矿工疲劳生产的现状,依据矿工疲劳监测结果,结合金融风险管理理论,应采用的方法是:当矿工疲劳水平超出生理负荷值时,机械自启强迫停止功能;当矿工疲劳水平严重时,提醒班组长强迫矿工换班(岗);当矿工出现疲劳迹象时,报警提示矿工调整自身疲劳状态等。为后期中国煤矿人员安全与高效生产的电子监测与控制领域提供一种新的设计参考。

矿工疲劳与不安全行为的SEM研究

为预防控制煤矿事故,改善矿工因疲劳这一不安全状态造成的不安全行为;采用问卷形式调查山西凤凰山煤矿和陕西红柳林煤矿的一线员工,构建疲劳与不安全行为的结构方程模型;运用SPSS25.0和AMOS24.0对问卷数据进行处理和分析。结果表明:矿工的生理疲劳对不安全行为的直接影响程度较大于心理疲劳,矿工疲劳通过工作压力对不安全行为的间接影响程度大于班组氛围、安全意识。

基于熵权和DEMATEL的矿工疲劳影响因素耦合分析

为了定量分析矿工疲劳影响因素,找出引起矿工疲劳的“根源”,从而采取更加具有针对性的缓解矿工疲劳的措施,从个人因素、管理因素、环境因素3个方面建立了矿工疲劳影响因素的指标体系。首先,利用熵权法计算出矿工疲劳影响因素指标的熵权值;其次,利用决策实验与评价实验室方法(DEMATEL)计算出矿工疲劳影响因素的4项相关度值;最后,通过相关度值修正熵权值,得出组合权重,以此来影响因素之间的因果关系、传递方向以及确定“根源”因素。结果表明,作业负荷强度、个人身体素质、休息状况、矿工排班制度的组合权重值较大,是矿工疲劳的主要诱因。熵权-DEMATEL模型对矿工疲劳影响因素的量化分析的结果,可为制定缓解矿工疲劳的管控措施提供一定的借鉴。