融合心电特征提取的矿工疲劳状态识别

作者：卢才武; 丁宇; 江松^*; 远洋; 王洛锋

来源：安全与环境学报, 2023, 23(11): 4065-4073.

DOI：10.13637/j.issn.1009-6094.2022.1738

• 安全社会工程
• 心电信号(ECG)
• Pan-Tompkins算法
• 麻雀搜索算法-反向传播(SSA-BP)神经网络
• 疲劳识别

疲劳引起的人为失误是事故的主要原因。为准确识别矿工疲劳状态，降低作业风险，利用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化反向传播(Back Propagation, BP)神经网络，构建疲劳识别模型。首先，通过模拟日常作业进行疲劳诱发试验，将OpenBCI Cyton开发套板作为心电信号的采集装置；其次，借助MATLAB对所采集心电信号(Electrocardiogram, ECG)数据进行预处理，基于疲劳等级形成初始样本数据集；进而利用Pan-Tompkins算法进行特征提取；最后，针对特征间皮尔逊相关系数进行假设检验，从而获得优选指标并用于模型训练，经疲劳识别模型得出结果。结果表明，与传统BP神经网络、支持向量机(Support Vector Machines, SVM)、遗传算法(Genetic Algorithm, GA)优化BP神经网络相比，模型准确率分别提高6.25百分点、22.92百分点、2.78百分点，从而为企业作业人员休息制度的制定及完善提供了理论依据。研究结果对于相关便携式精神状态监测硬件研发具有参考价值。

• 单位
  洛阳栾川钼业集团股份有限公司; 西安建筑科技大学