矿业安全与环保

作者：田水承, 任治鹏, 毛俊睿

关键词：矿工, 疲劳识别, 心电信号, 最小二乘支持向量机, 遗传算法

为精准识别矿工疲劳程度，减少因疲劳引发的煤矿人因事故，提出了一种基于遗传算法(GA) 优化最小二乘支持向量机(LSSVM)的矿工疲劳程度识别模型。首先，通过疲劳诱发试验采集矿工心电数据，利用Friedman检验优选矿工疲劳程度的特征指标；然后，采用主成分分析法对选取的特征指标进行降维处理，建立表征矿工疲劳程度的特征集；在此基础上，利用遗传算法优化最小二乘支持向量机的关键参数，构建矿工疲劳程度识别模型。结果表明：选取的矿工疲劳程度特征指标能够有效反映矿工的疲劳程度；相较GA-SVM和LSSVM模型，融合GA-LSSVM模型可显著提高矿工疲劳程度的识别准确率(平均识别准确率为96.87%)。构建的矿工疲劳程度识别模型可较为高效地识别矿工的疲劳程度，对煤矿人因事故的防控具有一定的现实指导意义。

来源：2024年第4期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2024年第4期