基于生理信號的聯(lián)合收獲機駕駛疲勞檢測與評價.pdf

1、駕駛疲勞是由于長時間單調(diào)駕駛或夜間駕駛而導(dǎo)致的駕駛員生理和心理機能下降，影響正常駕駛行為的現(xiàn)象。受人機界面設(shè)計的不合理、駕駛環(huán)境較差、駕駛作業(yè)時間長、駕駛操作復(fù)雜費力等不利因素的影響，聯(lián)合收獲機駕駛員極易產(chǎn)生心理和生理疲勞，使駕駛機能下降，大大降低駕駛員的反應(yīng)能力和警戒程度。研究聯(lián)合收獲機駕駛員疲勞狀態(tài)檢測方法，有效地識別出駕駛員的疲勞狀態(tài)，并在影響駕駛的必要時刻對駕駛員及時預(yù)警，對提高聯(lián)合收獲機作業(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，保護駕駛員的身心健康，保證糧食無損、順利的收獲具有重要的現(xiàn)實意義和研究價值。
　　在深入調(diào)研分析國內(nèi)外駕駛疲勞檢測方法與農(nóng)機領(lǐng)域駕駛疲勞研究現(xiàn)狀的基礎(chǔ)上，針對農(nóng)機領(lǐng)域駕駛疲勞研究存在的不足及待深入研究的問題，以聯(lián)合收獲機駕駛疲勞檢測問題為研究對象，以心電和肌電兩種生理信號為檢測疲勞手段，以建立適用于聯(lián)合收獲機作業(yè)環(huán)境的、高性能的駕駛疲勞檢測方法為核心任務(wù)，對聯(lián)合收獲機駕駛過程中駕駛員的心電特征和表面肌電特征進行了深入

3、的研究，提取分析特征參數(shù)，進行最優(yōu)特征的篩選，基于信息融合的方法，搭建了聯(lián)合收獲機駕駛疲勞等級評價模型。實現(xiàn)了聯(lián)合收獲機駕駛疲勞的客觀判斷與評測，為進一步開展農(nóng)機駕駛疲勞實時檢測技術(shù)的研究提供參考。主要研究內(nèi)容如下:
　　(1)試驗設(shè)計與實施。根據(jù)試驗?zāi)康?，從人員、時段、天氣、地面、設(shè)備、測試方法和試驗過程等方面進行聯(lián)合收獲機駕駛疲勞檢測試驗方案設(shè)計，利用RM-6240C多通道生理信號采集處理系統(tǒng)，在某聯(lián)合收獲機上進行了聯(lián)合收獲機

4、駕駛疲勞檢測試驗，測取了駕駛員120min駕駛時的心電信號、兩側(cè)頸部肌肉和右側(cè)腰部肌肉的表面肌電信號。
　　(2)聯(lián)合收獲機駕駛疲勞主觀評價分析。對試驗中獲得的聯(lián)合收獲機駕駛疲勞主觀調(diào)查問卷進行統(tǒng)計分析，得到駕駛過程中總體疲勞程度以及身體、精神和神經(jīng)感覺三類疲勞癥狀的變化趨勢。由分析結(jié)果可知，隨著駕駛時間的增加，總體疲勞程度逐漸加深，并呈現(xiàn)先快后慢再快的趨勢;60min時大多數(shù)被試者感覺到有點疲勞，100min時90％的被試者感覺

5、到比較疲勞，120min時90％的被試者感覺到非常疲勞;駕駛后三類疲勞癥狀程度等級呈加重趨勢，其中身體疲勞變化最明顯，神經(jīng)感覺疲勞變化次之。身體各部位中肩頸和腰部是最疲勞的部位;神經(jīng)感覺疲勞癥狀中，發(fā)生最多的癥狀是眼睛疲乏，眼皮抬不起來，發(fā)澀、發(fā)干。
　　(3)心電信號特征統(tǒng)計分析。提取聯(lián)合收獲機駕駛過程中心電信號HRV序列的時域、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，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中表現(xiàn)良好，線性趨勢明顯，波動小;非線性特征量與線性指標相比，非線性特征量曲線波動范圍小，穩(wěn)定性較好，可以更好的表征疲勞的過程及程度;通過計算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HRV的關(guān)鍵特征參數(shù);從信號波形、

7、心率、心率變異性、差異性檢驗等方面對直行階段和轉(zhuǎn)向階段的心電信號進行比較分析，得到轉(zhuǎn)向階段的心率和LF/HF在駕駛初、中、后三個時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時期均比直行階段的小，且這6項指標在兩個階段存在顯著性差異(P＜0.05)，說明聯(lián)合收獲機駕駛員在轉(zhuǎn)向階段比直行階段的工作負荷大，勞動強度高。
　　(4)表面肌電信號特征統(tǒng)計分析。提取聯(lián)合收獲機駕駛過程中頸部和腰部肌肉表面肌電

8、信號的時域、頻域和非線性特征參數(shù)，隨著駕駛時間的延長，腰部豎脊肌和頸部兩側(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，在駕駛前后均具有明顯的差異(P＜0.05);線性與非線性指標相比，線性指標的變化程度更為顯著，曲線波動相對較大，而非線性特征量曲線波動范圍小，穩(wěn)定性較好，可以更好的表征肌肉疲勞的過程及疲勞的程度;由幅頻聯(lián)合分析可知，聯(lián)合收獲機駕駛員在駕駛過程中腰部豎脊肌和頸部兩側(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;由兩側(cè)頸部肌肉各類指標變化程度對比得出，右側(cè)比左側(cè)肌肉疲勞程度高;通過回歸分析的結(jié)果對比各參數(shù)的優(yōu)劣，確定線性趨勢和變化程度明顯的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的關(guān)鍵特征參數(shù)。
　　(5)聯(lián)合收獲機駕駛疲勞等級評價模型建立。將提取的心電信號和肌電信號關(guān)鍵特征參數(shù)進行信息融合，基于支持向量機方法構(gòu)建了聯(lián)合收獲機駕駛疲勞等級評價模型。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，將駕駛疲勞等級清醒0級、輕度疲勞1級和疲勞2級作為SVM的輸出變量。經(jīng)測試集分類檢驗，三個疲勞等級的識別率分別為89.66％、83.33％和90.48％，總體分類準確率達到87.5％;心電和肌電特征融合后識別準確率比單獨特征的識別準確率高;心電特征識別準確率比肌電特征識別準確率高。