安全帽用环境监测预警方法及其系统与流程

本发明涉及智能安全帽的，特别是涉及一种安全帽用环境监测预警方法及其系统。

背景技术：

1、在密闭空间作业环境中，如矿井、地下隧道、密闭工厂车间等，环境条件的监测对于保障作业人员的安全至关重要。传统的环境监测方法大多依赖于固定式的监测站点，虽然能够覆盖较大的区域，但在密闭空间内，由于空间结构复杂、人员流动频繁，固定式监测站点往往难以全面、实时地反映作业环境的真实状况。近年来，随着物联网技术的快速发展，基于传感器的环境监测技术逐渐受到重视。通过将环境传感器集成到可穿戴设备中，如安全帽，可以实现对作业人员身周环境的实时、连续监测，并根据阈值进行安全报警。

2、然而，在密闭空间作业环境中，由于空间高度、温度、湿度以及有害气体浓度等多种因素的相互作用，现有的安全帽监测方法仅仅依靠集成在安全帽上的传感器进行简单的阈值判断报警，难以精确地预测环境变化的趋势，特别是当有害气体浓度发生变化时，简单的阈值报警可能无法及时发现危险情况，从而影响到预警的准确性和时效性。

技术实现思路

1、为解决上述技术问题，本发明提供一种通过对密闭空间内环境参数的连续动态监测，及时捕捉并分析环境变化趋势，评估不同高度处的环境状况，为预测有害气体浓度变化提供科学依据，实现个性化预警以及对环境参数的深入分析，提高在不同空间作业环境中的安全保障的安全帽用环境监测预警方法及其系统。

2、第一方面，本发明提供了安全帽用环境监测预警方法，所述方法包括：

3、根据预先设定的传感器监测频率，连续获取安全帽集成环境传感器监测到的佩戴者身周环境数据以及安全帽所处高度，所述佩戴者身周环境数据包括温湿度以及有害气体浓度，所述安全帽所处高度与佩戴者身周环境数据一一对应；

4、基于安全帽所处高度，对佩戴者身周环境数据进行聚类分析，获得若干个环境数据集合，其中每个环境数据集合中包括同一安全帽所处高度范围内的所有佩戴者身周环境数据；

5、对各个环境数据集合进行趋势分析，获得环境变化特征向量，所述环境变化特征向量包括温湿度变化趋势特征和有害气体浓度变化趋势特征；

6、将所述环境变化特征向量输入至预先构建的气体浓度环境影响校正模型中，获得该安全帽所处高度范围对应的有害气体浓度实际变化趋势特征；

7、将各个安全帽所处高度范围对应的有害气体浓度实际变化趋势特征，按所处高度进行排列，获得该密闭空间对应的有害气体浓度实际变化趋势序列；

8、将有害气体浓度实际变化趋势序列输入至预先构建的有害气体浓度预测模型中，获得有害气体浓度高于预设浓度的时间节点；并将该时间节点向佩戴人员进行提示。

9、进一步地，所述有害气体包括一氧化碳、二氧化硫和甲烷。

10、进一步地，所述环境数据集合的获取方法，包括：

11、通过安全帽集成环境传感器获取佩戴者周围的环境数据；

12、对环境数据进行预处理，去除环境数据的异常值和缺失值，去除完成后将温湿度和有害气体浓度进行标准化处理；

13、选择k-means算法对预处理后的环境数据进行聚类处理；

14、将收集到的环境数据按照安全帽所处的高度根据实际情况划分为多个高度区间，每个高度区间内的环境数据为一个聚类对象；

15、使用k-means算法对每个高度区间内的数据进行聚类分析，对每个高度区间，生成一个环境数据集合，包含该高度区间内所有佩戴者的身周环境数据；

16、聚类完成后使用轮廓系数对聚类结果进行验证，评估聚类的质量。

17、进一步地，所述环境变化特征向量的获取方法，包括：

18、对每个环境数据集合中的数据进行清洗，对清洗完成后的数据进行标准化处理；

19、从每个环境数据集合中提取出温湿度和有害气体浓度的时间序列数据；

20、选择线性回归趋势分析方法拟合时间序列数据，识别温湿度及有害气体浓度随时间的变化趋势；

21、根据线性回归趋势识别算法，计算每个环境数据集合中温湿度和有害气体浓度的变化趋势特征；

22、温湿度变化趋势特征通过线性回归趋势分析方法得到温湿度变化趋势的斜率；

23、有害气体浓度变化趋势特征通过线性回归趋势分析方法得到有害气体浓度变化趋势的斜率；

24、将温湿度变化趋势的斜率和有害气体浓度变化趋势的斜率进行组合，获得环境变化特征向量。

25、进一步地，所述气体浓度环境影响校正模型的构建方法，包括：

26、收集传感器监测的佩戴者周边历史温湿度变化趋势特征和有害气体浓度变化趋势特征，以及历史有害气体浓度实际变化趋势特征；

27、基于多元线性回归模型构建气体浓度环境影响校正模型，将有害气体浓度实际变化趋势特征作为因变量，温湿度变化趋势特征和有害气体浓度变化趋势特征作为自变量，通过回归分析找出因变量和自变量之间的定量关系；

28、将收集的环境变化特征向量分割为训练集和测试集，使用训练集数据对气体浓度环境影响校正模型进行训练，训练完成后使用测试集对气体浓度环境影响校正模型进行测试；

29、通过交叉验证方法对气体浓度环境影响校正模型进行验证。

30、进一步地，所述有害气体浓度实际变化趋势序列的获取方法，包括：

31、获得各个安全帽所处高度范围对应的有害气体浓度实际变化趋势特征；

32、有害气体浓度实际变化趋势特征包括各个高度范围内的有害气体浓度的实际变化趋势信息；

33、有害气体浓度实际变化趋势特征按照安全帽所处的高度进行归类，每个高度对应一组完整的变化趋势特征；

34、将排序后的不同高度范围内的有害气体浓度变化趋势特征组合成一个连续的变化趋势序列。

35、进一步地，所述构建有害气体浓度预测模型的构建方法，包括：

36、收集历史有害气体浓度变化数据和对应的时间特征，检查数据的质量，处理缺失值、异常值和重复记录；

37、分析有害气体浓度变化与对应时间特征之间的相关性，选择相关的特征用于模型训练；

38、选择时间序列分析模型构建有害气体浓度预测模型；

39、将数据集划分为训练集、验证集和测试集，使用训练集、验证集和测试集对有害气体浓度预测模型进行训练、验证和测试；

40、通过网格搜索方法调整有害气体浓度预测模型的超参数，优化有害气体浓度预测模型性能；

41、使用交叉验证技术评估有害气体浓度预测模型的泛化能力；

42、使用均方误差、均方根误差和平均绝对误差，评估有害气体浓度预测模型的预测性能；

43、将经过验证的有害气体浓度预测模型部署到实际环境中，用于实时预测；

44、监控有害气体浓度预测模型的预测性能，并根据需要进行更新。

45、另一方面，本技术还提供了安全帽用环境监测预警系统，所述系统包括：

46、数据采集模块，用于根据预先设定的传感器监测频率，连续获取安全帽集成环境传感器监测到的佩戴者身周环境数据以及安全帽所处的高度信息，这些数据与安全帽所处的高度一一对应；

47、聚类分析模块，用于基于安全帽所处的高度对佩戴者身周环境数据进行聚类分析，形成多个环境数据集合，每个集合包含同一高度范围内的所有环境数据；

48、趋势分析模块，用于对各个环境数据集合进行趋势分析，提取出温湿度变化趋势特征和有害气体浓度变化趋势特征，形成环境变化特征向量；

49、模型应用模块，用于将环境变化特征向量输入到预先构建的气体浓度环境影响校正模型中，获得该安全帽所处高度范围对应的有害气体浓度实际变化趋势特征；

50、序列构建模块，用于将不同高度范围对应的有害气体浓度实际变化趋势特征按所处高度进行排序，构建整个密闭空间的有害气体浓度实际变化趋势序列；

51、预测分析模块，用于将构建的有害气体浓度实际变化趋势序列输入到预先构建的有害气体浓度预测模型中，预测有害气体浓度高于预设浓度的时间节点；

52、预警通知模块，用于在预测到有害气体浓度高于预设浓度的时间节点时，及时向佩戴人员发出提示信息。

53、第三方面，本技术提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。

54、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。

55、与现有技术相比本发明的有益效果为：通过集成在安全帽中的传感器进行连续监测获取佩戴者身周的环境数据，捕捉环境参数随时间和位置的变化情况，提高环境数据获取的实时性和连续性；将安全帽所处高度范围对应的有害气体浓度实际变化趋势特征进行排列，获得整个密闭空间的有害气体浓度实际变化趋势序列，提高对密闭空间全局环境状况的监测和预警，减少固定式监测站点覆盖全部区域的不足；通过对环境数据集合进行趋势分析，结合气体浓度环境影响校正模型，预测有害气体浓度的实际变化趋势，使得有害气体浓度实际达到危险水平之前，提前发出预警，提高预警的时效性和准确性；通过将所有安全帽所处高度范围对应的有害气体浓度实际变化趋势特征进行排列，获得整个密闭空间的有害气体浓度实际变化趋势序列，实现对密闭空间全局环境状况的监测和预警，弥补固定式监测站点难以覆盖全部区域的不足；通过集成环境传感器，实现对作业人员身周环境的个性化监测，结合有害气体浓度实际变化趋势序列和有害气体浓度预测模型，实现环境智能化的监测，根据实时数据自动判断并预警潜在危险；通过对密闭空间内环境参数的连续动态监测，及时捕捉并分析环境变化趋势，评估不同高度处的环境状况，为预测有害气体浓度变化提供科学依据，实现个性化预警以及对环境参数的深入分析，提高在不同空间作业环境中的安全保障。