基于GA-PSO混合优化SVM的火炮操作人员疲劳状态检测

作者：武嘉伟; 狄长安; 王镭; 廖仕军; 郭稳

来源：自动化与仪表, 2021, 36(08): 47-51.

DOI：10.19557/j.cnki.1001-9944.2021.08.010

• 火炮操作
• 疲劳检测
• 支持向量机
• 蚁群-粒子群混合优化
• 生理参数

由于火炮操作人员长期暴露于野外恶劣环境中,高强度体能负荷,过高的操作心理压力会带来一定的安全隐患。该文提出基于GA-PSO混合优化SVM疲劳检测方法,实现对火炮操作人员的疲劳状态评定。该方法根据疲劳机理,选取多种生理参数,建立基于生理参数特征值的支持向量机疲劳检测模型,通过GA-PSO混合优化支持向量机对生理参数特征值进行综合判断,得到操作人员的疲劳状态。对比GA-SVM,PSO-SVM优化方法,收敛速度快,模型准确率达到94.5%,可以对操作人员疲劳状态进行更为准确的判断。对今后提高操作人员作业效率和火炮操作安全性均有非常重要的意义。