基于生理信號(hào)的聯(lián)合收獲機(jī)駕駛疲勞檢測(cè)與評(píng)價(jià).pdf

1、駕駛疲勞是由于長(zhǎng)時(shí)間單調(diào)駕駛或夜間駕駛而導(dǎo)致的駕駛員生理和心理機(jī)能下降，影響正常駕駛行為的現(xiàn)象。受人機(jī)界面設(shè)計(jì)的不合理、駕駛環(huán)境較差、駕駛作業(yè)時(shí)間長(zhǎng)、駕駛操作復(fù)雜費(fèi)力等不利因素的影響，聯(lián)合收獲機(jī)駕駛員極易產(chǎn)生心理和生理疲勞，使駕駛機(jī)能下降，大大降低駕駛員的反應(yīng)能力和警戒程度。研究聯(lián)合收獲機(jī)駕駛員疲勞狀態(tài)檢測(cè)方法，有效地識(shí)別出駕駛員的疲勞狀態(tài)，并在影響駕駛的必要時(shí)刻對(duì)駕駛員及時(shí)預(yù)警，對(duì)提高聯(lián)合收獲機(jī)作業(yè)效率，保障安全駕駛，減少由疲勞駕駛引

2、發(fā)的作業(yè)事故，保護(hù)駕駛員的身心健康，保證糧食無(wú)損、順利的收獲具有重要的現(xiàn)實(shí)意義和研究?jī)r(jià)值。
　　在深入調(diào)研分析國(guó)內(nèi)外駕駛疲勞檢測(cè)方法與農(nóng)機(jī)領(lǐng)域駕駛疲勞研究現(xiàn)狀的基礎(chǔ)上，針對(duì)農(nóng)機(jī)領(lǐng)域駕駛疲勞研究存在的不足及待深入研究的問(wèn)題，以聯(lián)合收獲機(jī)駕駛疲勞檢測(cè)問(wèn)題為研究對(duì)象，以心電和肌電兩種生理信號(hào)為檢測(cè)疲勞手段，以建立適用于聯(lián)合收獲機(jī)作業(yè)環(huán)境的、高性能的駕駛疲勞檢測(cè)方法為核心任務(wù)，對(duì)聯(lián)合收獲機(jī)駕駛過(guò)程中駕駛員的心電特征和表面肌電特征進(jìn)行了深入

3、的研究，提取分析特征參數(shù)，進(jìn)行最優(yōu)特征的篩選，基于信息融合的方法，搭建了聯(lián)合收獲機(jī)駕駛疲勞等級(jí)評(píng)價(jià)模型。實(shí)現(xiàn)了聯(lián)合收獲機(jī)駕駛疲勞的客觀判斷與評(píng)測(cè)，為進(jìn)一步開(kāi)展農(nóng)機(jī)駕駛疲勞實(shí)時(shí)檢測(cè)技術(shù)的研究提供參考。主要研究?jī)?nèi)容如下:
　　(1)試驗(yàn)設(shè)計(jì)與實(shí)施。根據(jù)試驗(yàn)?zāi)康模瑥娜藛T、時(shí)段、天氣、地面、設(shè)備、測(cè)試方法和試驗(yàn)過(guò)程等方面進(jìn)行聯(lián)合收獲機(jī)駕駛疲勞檢測(cè)試驗(yàn)方案設(shè)計(jì)，利用RM-6240C多通道生理信號(hào)采集處理系統(tǒng)，在某聯(lián)合收獲機(jī)上進(jìn)行了聯(lián)合收獲機(jī)

4、駕駛疲勞檢測(cè)試驗(yàn)，測(cè)取了駕駛員120min駕駛時(shí)的心電信號(hào)、兩側(cè)頸部肌肉和右側(cè)腰部肌肉的表面肌電信號(hào)。
　　(2)聯(lián)合收獲機(jī)駕駛疲勞主觀評(píng)價(jià)分析。對(duì)試驗(yàn)中獲得的聯(lián)合收獲機(jī)駕駛疲勞主觀調(diào)查問(wèn)卷進(jìn)行統(tǒng)計(jì)分析，得到駕駛過(guò)程中總體疲勞程度以及身體、精神和神經(jīng)感覺(jué)三類疲勞癥狀的變化趨勢(shì)。由分析結(jié)果可知，隨著駕駛時(shí)間的增加，總體疲勞程度逐漸加深，并呈現(xiàn)先快后慢再快的趨勢(shì);60min時(shí)大多數(shù)被試者感覺(jué)到有點(diǎn)疲勞，100min時(shí)90％的被試者感覺(jué)

5、到比較疲勞，120min時(shí)90％的被試者感覺(jué)到非常疲勞;駕駛后三類疲勞癥狀程度等級(jí)呈加重趨勢(shì)，其中身體疲勞變化最明顯，神經(jīng)感覺(jué)疲勞變化次之。身體各部位中肩頸和腰部是最疲勞的部位;神經(jīng)感覺(jué)疲勞癥狀中，發(fā)生最多的癥狀是眼睛疲乏，眼皮抬不起來(lái)，發(fā)澀、發(fā)干。
　　(3)心電信號(hào)特征統(tǒng)計(jì)分析。提取聯(lián)合收獲機(jī)駕駛過(guò)程中心電信號(hào)HRV序列的時(shí)域、頻域和非線性特征參數(shù)，隨著疲勞程度的加深，大部分特征參數(shù)呈現(xiàn)明顯的線性變化趨勢(shì)，且MEAN、SDNN

6、、LF、HF、LFnorm、HFnorm、LF/HF和樣本熵在駕駛前后具有明顯的差異(P＜0.05);MEAN、LFnorm、HFnorm和樣本熵分別在三類指標(biāo)中表現(xiàn)良好，線性趨勢(shì)明顯，波動(dòng)小;非線性特征量與線性指標(biāo)相比，非線性特征量曲線波動(dòng)范圍小，穩(wěn)定性較好，可以更好的表征疲勞的過(guò)程及程度;通過(guò)計(jì)算HRV特征參數(shù)與駕駛疲勞度的皮爾遜相關(guān)系數(shù)確定SDNN、LFnorm、HFnorm和樣本熵為駕駛疲勞檢測(cè)HRV的關(guān)鍵特征參數(shù);從信號(hào)波形、

7、心率、心率變異性、差異性檢驗(yàn)等方面對(duì)直行階段和轉(zhuǎn)向階段的心電信號(hào)進(jìn)行比較分析，得到轉(zhuǎn)向階段的心率和LF/HF在駕駛初、中、后三個(gè)時(shí)期均比直行階段的大，而轉(zhuǎn)向階段的MEAN、LFnorm、近似熵和樣本熵值在三個(gè)時(shí)期均比直行階段的小，且這6項(xiàng)指標(biāo)在兩個(gè)階段存在顯著性差異(P＜0.05)，說(shuō)明聯(lián)合收獲機(jī)駕駛員在轉(zhuǎn)向階段比直行階段的工作負(fù)荷大，勞動(dòng)強(qiáng)度高。
　　(4)表面肌電信號(hào)特征統(tǒng)計(jì)分析。提取聯(lián)合收獲機(jī)駕駛過(guò)程中頸部和腰部肌肉表面肌電

8、信號(hào)的時(shí)域、頻域和非線性特征參數(shù)，隨著駕駛時(shí)間的延長(zhǎng)，腰部豎脊肌和頸部?jī)蓚?cè)中斜角肌sEMG的三類特征參數(shù)都呈現(xiàn)明顯的線性變化趨勢(shì)，在駕駛前后均具有明顯的差異(P＜0.05);線性與非線性指標(biāo)相比，線性指標(biāo)的變化程度更為顯著，曲線波動(dòng)相對(duì)較大，而非線性特征量曲線波動(dòng)范圍小，穩(wěn)定性較好，可以更好的表征肌肉疲勞的過(guò)程及疲勞的程度;由幅頻聯(lián)合分析可知，聯(lián)合收獲機(jī)駕駛員在駕駛過(guò)程中腰部豎脊肌和頸部?jī)蓚?cè)中斜角肌的肌力增加不明顯，而肌肉疲勞逐漸產(chǎn)生，

9、程度逐漸加強(qiáng);由兩側(cè)頸部肌肉各類指標(biāo)變化程度對(duì)比得出，右側(cè)比左側(cè)肌肉疲勞程度高;通過(guò)回歸分析的結(jié)果對(duì)比各參數(shù)的優(yōu)劣，確定線性趨勢(shì)和變化程度明顯的RMS、MF和C0復(fù)雜度作為腰部肌肉肌電信號(hào)的關(guān)鍵特征參數(shù)，右側(cè)頸部肌肉的iEMG、MF和近似熵作為頸部肌肉肌電信號(hào)的關(guān)鍵特征參數(shù)。
　　(5)聯(lián)合收獲機(jī)駕駛疲勞等級(jí)評(píng)價(jià)模型建立。將提取的心電信號(hào)和肌電信號(hào)關(guān)鍵特征參數(shù)進(jìn)行信息融合，基于支持向量機(jī)方法構(gòu)建了聯(lián)合收獲機(jī)駕駛疲勞等級(jí)評(píng)價(jià)模型。該

10、模型將HRV的SDNN、LFnorm、HFnorm、樣本熵，腰部肌肉的RMS、MF和C0復(fù)雜度，以及右側(cè)頸部肌肉的iEMG、MF和近似熵作為SVM的輸入變量，將駕駛疲勞等級(jí)清醒0級(jí)、輕度疲勞1級(jí)和疲勞2級(jí)作為SVM的輸出變量。經(jīng)測(cè)試集分類檢驗(yàn)，三個(gè)疲勞等級(jí)的識(shí)別率分別為89.66％、83.33％和90.48％，總體分類準(zhǔn)確率達(dá)到87.5％;心電和肌電特征融合后識(shí)別準(zhǔn)確率比單獨(dú)特征的識(shí)別準(zhǔn)確率高;心電特征識(shí)別準(zhǔn)確率比肌電特征識(shí)別準(zhǔn)確率高。