CN104978495A - 一种基于脑电检测的矿工脑力负荷评价方法 - Google Patents

Abstract

本发明公开了一种基于脑电检测的矿工脑力负荷评价方法，对矿工进行持续性操作测试，将N-back任务分为两个部分：记忆部分与判断部分，记忆部分放置于CPT任务之前，判断部分放在CPT任务之后，N-back任务整体此时作为增加脑力负荷的干扰变量作用于被测试的矿工。从Neurone 64导系统采集的数据中选取58通道脑电数据，来分析脑力负荷下矿工的脑电特征。将采集到的脑电数据通过遗传算法进行滤波。利用滤波后的脑电数据对其脑力负荷进行分析。本发明通过控制煤矿工人的脑力负荷，减轻工人的工作中的压力，从而降低工人的行为失误，减少和杜绝矿工的不安全行为，预防煤矿企业事故的发生，降低人因事故率，对提高我国煤矿安全生产管理水平有着重要的现实意义。

Description

一种基于脑电检测的矿工脑力负荷评价方法

技术领域

本发明涉及煤矿领域，具体是一种基于脑电检测的矿工脑力负荷评价方法。

背景技术

煤炭行业是我国经济发展的支柱性产业，煤炭是我国目前的主要消费能源。作为在特殊行业工作的煤矿工人是一个特殊的工作群体。

根据有关的职业调查表明从事地下工作的矿工，平均的精神负担达到8.3级，处于各个行业第一，经过统计分析我们发现在我国煤炭企业发生的事故构成中，人因事故始终占据着主体地位，煤矿80％以上的事故都是因为人员违章或者现场管理人员的管理不当造成的。

随着大型技术在煤矿生产领域中的应用，煤矿生产人机系统的复杂度和智能化水平不断的提高，煤矿工人在大型煤矿生产系统中所承受的脑力负荷从质和量上面均发生了显著的变化，随之引发的脑力负荷问题也越发的不容忽视。

随着煤矿生产自动化技术的不断发展，煤矿生产中的人—机系统中人的作用更多的趋于高级决策和监控，煤矿生产中的人—机系统的复杂化和作业环境的复杂化造成作业人员要处理的信息量剧增，致使作业人员往往处于较高的脑力负荷水平。

在井下工作中，较高的脑力负荷会造成快速疲劳、灵活性降低、应激反应、人误增加和挫败情绪，引起信息获取分析的失误和决策错误，因此是导致人因事故的重要原因；而过低的脑力负荷会造成人力等资源浪费、引起厌恶感、导致作业绩效的下降。

任务需求适当时脑力负荷适中、工作绩效最高，而任务需求过高时脑力负荷偏高、需要付出较大努力、绩效大幅降低，过低的任务需求脑力负荷较低、绩效处于不稳定状态。

在煤矿安全生产事故的发生原因当中，大量事故的发生都是由不安全行为这种人为失误所造成的，其中无效的脑力状态(如负荷超载、情景意识缺乏、疲劳等)导致工人的不当操作占据了很大的比例。如何有效的评定煤矿工人的脑力负荷已经成为煤矿工业工效学面临的一个全新课题。

发明内容

本发明的目的在于提供一种减轻工人的工作中的压力、降低工人的行为失误、减少和杜绝矿工的不安全行为、预防煤矿企业事故的发生、降低人因事故率的基于脑电检测的矿工脑力负荷评价方法,以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于脑电检测的矿工脑力负荷评价方法，由以下步骤组成：

1)对矿工进行持续性操作测试，将N-back任务分为两个部分：记忆部分与判断部分，记忆部分放置于CPT任务之前，判断部分放在CPT任务之后，N-back任务整体此时作为增加脑力负荷的干扰变量作用于被测试的矿工；

2)从Neurone 64导系统采集的数据中选取58通道脑电数据，来分析脑力负荷下矿工的脑电特征；

3)将2)采集到的脑电数据通过遗传算法进行滤波；

4)利用滤波后的脑电数据对其脑力负荷进行分析。

作为本发明进一步的方案：脑电数据为ERP中的P300脑电信号。

与现有技术相比，本发明的有益效果是：

本技术将神经人因学研究的方法应用到煤矿工人脑力负荷评价研究中，重点研究矿工的脑力负荷问题，克服了以往调查研究方法量化研究不足、精度不够的问题，对提升矿工的安全绩效和安全职业适应性有重要的理论指导意义。本发明的现实意义主要是为煤矿安全生产提供实践指导建议。

通过本发明，监测煤矿工人脑力负荷，提出解决办法或使煤矿工人脑力负荷与工作相适应的建议，为增强煤矿工人工作中的可靠性，提高煤矿企业安全管理水平、监控矿工的脑力负荷状况从而有效保护其身体健康，及对矿工进行训练或选拔等方面提供科学的依据。

本发明的进步在于把人的脑力负荷信息有针对性的纳入对煤矿工人身心健康影响的研究中，对于煤矿安全管理和矿工职业健康和保护有着重要的实践指导意义，可以通过控制煤矿工人的脑力负荷，减轻工人的工作中的压力，从而降低工人的行为失误，减少和杜绝矿工的不安全行为，预防煤矿企业事故的发生，降低人因事故率，对提高我国煤矿安全生产管理水平有着重要的现实意义。

附图说明

图1是简易遗传算法的简易流程图；

图2是实施例1中脑电信号的初始波形；

图3是实施例1中脑电信号的滤波波形。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

脑力负荷主观测评法依赖于被试人员的合作，被试人员与研究人员合作关系的默契程度可影响评定结果，评定结果的个体差异性较大，评定值与被试人员的个性特征、反应策略以及心理、生理状况均有关。即使同一被试去完成同样的任务，在不同的时间可能会给出不同的评价。

主观评定技术存在的主要问题是它只在中、低等负荷水平时敏感。研究发现，当脑力负荷由低向高变化时，在一定范围内主观评定值随之上升，但当脑力负荷强度高于某一限度后，主观评定却出现明显下降。对于这种现象，不少研究者认为是被试降低作业绩效标准所致，即当脑力负荷超过被试的心理界限后，被试会有意无意地放弃原先设定的绩效要求，作业绩效随之恶化，同时伴随心理紧张的大量释放，负荷体验下降。所以，对研究中获得的主观评定结果，应结合实际情形加以分析。

脑力负荷主任务测量法的缺陷在于它的应用局限于数据型的任务，不同任务之间的指标可比性不高，而且测量的结果不是确定的脑力负荷值。而次任务测量法由于其假设的可操作性而收到青睐，但是随后研究人员发现它假设人对信息处理的能力是一定的或没有差别是有问题的。

基于脑电监测的矿工脑力负荷生理测量的优点在于能够揭示一部分脑力负荷的成因和良好的精确性。

有针对性的针对煤矿工人实际脑力负荷的测量研究近乎没有，这说明本研究所涉及的领域尚属在矿业安全领域尚属首次，具有重要的理论和实践意义，在相应的研究中我们应该进一步提升其检测的可用性、准确性和可靠性。

由于煤矿生产工作的连续性和各种生理测量设备所要求的高精度环境，通过对各种方法的分析比较，本研究拟采用脑电监测生理测量方法，研究矿工脑力负荷。

实施例1

本发明实施例中，P300是ERP中第3个正向成分，因为最早发现它以正波形式出现在300ms左右，所以称其为P300,也称为P3。P300被发现后，众多研究者幵始对其进行了大量研究，目前P300已成为ERP研究中研究数量最大、持续时间最长、应用最广的成分。通过大量的研究发现，P300具有以下特点。

ERP中的P300成分是认识大脑高级认知功能的窗口，它的波幅反映了投入脑力资源的多少，潜伏期则反映了大脑神经中枢对刺激的认知加工过程，现在普遍认为P300成分与脑力负荷存在相当紧密的联系，一般认为也是随着负荷的加重而延长的。

本发明提出了一种利用脑电事件相关电位(ERP)中的P3成分来评价矿工脑力负荷的方法，首先对采集到的原始脑电信号进行预处理，然后从混杂着背景噪声的脑电中采用ICA算法分离出所要研究的P300成分，并对其个体差异性进行分析。

所涉及到的关键技术包括：P300脑电信号的诱发和采集，滤波，脑电特征提取，脑电个体差异性分析等，ERP脑电测量应用技术对于矿工脑力负荷的评价具有独特而显著的优势，是对传统研究的突破，也为今后探索更有效的矿工脑力负荷评价方法提供了新思路。

一种基于脑电检测的矿工脑力负荷评价方法，具体步骤如下所述。

1)对矿工进行持续性操作测试，将N-back任务分为两个部分：记忆部分与判断部分，记忆部分放置于CPT(全称职业个性测评系统，Career Personality Test)任务之前，判断部分放在CPT任务之后，N-back任务整体此时作为增加脑力负荷的干扰变量作用于被试。

2)从Neurone 64导系统采集的数据中选取58通道脑电数据，来分析脑力负荷下矿工的脑电特征。

3)将2)采集到的脑电数据通过遗传算法(Genetic Algorithm)脑电信号处理方法进行滤波。

遗传算法(Genetic Algorithm)脑电信号处理方法：

①算法理论

遗传算法(GA)是模拟生物进化系统的一种随机搜索方法。在这个算法中要用到一些生物学的基本概念和术语，概念如下：

1.染色体：个体的表示形式。

2.遗传因子：表示个体的不同的特征。

3.个体：所处理的基本对象、结构，即解。

4.种群：个体的集合。

5.适应度：个体对其所生活环境的适应程度，或者个体在环境竞争压力下的生存能力，是由遗传因子所决定的。

6.选择(Selection)：在有限资源上的排他性竞争。

7.交叉(crossover)：一组个体上对应基因段的互换。

8.变异(Mutation)：个体上的某些基因的变化。

遗传算法是这样的一种算法，可以对求解问题本身一无所知，需要的仅仅是对算法所产生的每个染色体进行评价，并根据适应度值进行选择，使适应性好的染色体比适应性差的染色体有更多的繁殖机会，经过反复迭代，直到达到某种形式的收敛。遗传算法尤其适用于处理传统搜索方法难以解决的复杂的非线性问题。目前遗传算法已经成为一种比较通用的优化算法。

②求解步骤

设种群为P，进化的当前代为t。

遗传算法的基本运算过程如下：

a)初始化：使进化代数计数器t＝0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。

b)个体评价：计算群体P(t)中各个个体的适应度。

c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。

d)交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。

e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。

f)终止条件判断:若t＝T或已经寻到满足要求的解,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

具体的流程如图1所示。

③运行结果(图、表等)

在Matlab2010a GUI平台下，使用遗传算法进行脑电信号滤波的问题。

程序代码的仿真结果具体如图2和图3所示。

4)利用采集到的P300脑电ERP信号对其脑力负荷进行分析，在双任务实验中，被试的矿工在执行相同任务时P300波幅更大更显著，说明被施加额外的脑力负荷之后，被试的矿工需要更多的脑力资源处理相同难度的问题。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (2)

1.一种基于脑电检测的矿工脑力负荷评价方法，其特征在于，由以下步骤组成：

1)对矿工进行持续性操作测试，将N-back任务分为两个部分：记忆部分与判断部分，记忆部分放置于CPT任务之前，判断部分放在CPT任务之后，N-back任务整体此时作为增加脑力负荷的干扰变量作用于被测试的矿工；

2)从Neurone 64导系统采集的数据中选取58通道脑电数据，来分析脑力负荷下矿工的脑电特征；

3)将2)采集到的脑电数据通过遗传算法进行滤波；

4)利用滤波后的脑电数据对其脑力负荷进行分析。

2.根据权利要求1所述的基于脑电检测的矿工脑力负荷评价方法，其特征在于，脑电数据为ERP中的P300脑电信号。