CN109614932A - 基于脑电场变化机理的环境识别方法、矿用头盔及云平台 - Google Patents

Abstract

本发明提供一种基于脑电场变化机理的环境识别方法、矿用头盔及云平台。本发明通过智能矿用头盔采集脑电波信号，构建脑电场，根据不同环境诱发脑电场的变化，完成对环境危险种类的识别及安全预警，并利用矿用智能头盔作为物联网节点，构建智慧矿井安全监控物联网云平台，利用物联网平台以及云服务器，实时监测环境和人员的安全信息，并能够实现实时预警。本发明利用多种信息的检测，井下环境信息反映全面，避免井下固定安装传感器带来的易碰撞、进水、破损等故障，利用矿工头盔作为信息节点，构造感知层，系统抗干扰能力增强，简化监控系统的线路复杂度；整体监控平台大大提高了系统的及时性和准确性，降低了整体的阻抗，信号功率增强，系统传输故障维修简单，便于大规模的生产应用，物联网云平台的应用增加了系统预警的及时性和便捷性。

Description

基于脑电场变化机理的环境识别方法、矿用头盔及云平台

技术领域

本发明属于数字化矿山领域，具体涉及一种基于脑电场变化机理的环境识别方法、矿用头盔及云平台。

背景技术

我国是世界上最大的产煤国，但开采技术和设备的落后，安全监控、预警设施的不完善等导致煤矿事故率较高。随着煤炭企业对安全生产的不断重视，大部分企业都已对矿山的人-机-环境进行三维数字化监控，但常规监控中往往监控传感器单一，安装位置固定，融合监控信息复杂，致使对井下工作环境的数据采集不全面、信息准确性低、预警不及时等多种问题。目前，煤炭井下作业人员佩戴的矿用头盔仅在一定程度上具有防御人体头部受到外来物体击打和伤害的功能，功能较为单一。因此，目前缺少一种结构简单、设计合理的基于脑电场变化机理的环境识别的方法，以及基于上述方法的矿用头盔，可通过矿用头盔获取矿工在井下的脑电波信号，通过信号处理识别环境危险种类，构建矿井安全监控物联网云平台，实现环境的安全预警，减少煤矿事故带来不必要的生命及财产损失。

发明内容

为了解决上述问题，本发明的目的在于针对上述背景技术中的缺陷和不足，提供一种基于脑电场变化机理的环境识别方法，矿用头盔以及智慧矿井安全监控物联网云平台，能够通过矿用头盔采集脑电波信号，构建脑电场，根据不同环境诱发脑电场的变化，完成对环境危险种类的识别及安全预警，并利用智能头盔作为物联网节点，构建智慧矿井安全监控物联网云平台，利用物联网云平台以及云服务器，实时监测环境和人员的安全信息，并能够实现实时预警。

为了实现上述目的，本发明采用的技术方案为：

一种基于脑电场变化机理的环境识别方法，该方法包括以下步骤：

步骤1，确定矿用头盔内脑电采集模块的电极分布位置；

步骤2，8个通道脑电信号的获取：

根据步骤1中获取的所述脑电采集模块的电极分布位置，将所述脑电采集模块的8个电极安装在矿用头盔的相应位置，对脑电采集模块获取的脑电信号采用带通滤波对其进行预处理，得到原始脑电信号x(t)；

步骤3，对8个通道原始脑电信号进行重建：

3.1确定x(t)的所有极值点，用三次样条曲线分别对极小值点和极大值点进行拟合，得到下包络曲线e_min(t)和上包络曲线e_max(t)，由此得到平均曲线公式：

3.2提取本征模态函数IMFs成分；

3.3根据获得的前m阶IMFs成分，采用下述公式重建每个通道的脑电信号：

其中，m＝5，m_i(t)为经验模态分解中第i次筛选时信号上下包络线的平均曲线，为其平均值；

步骤4，采用独立成分分析方法对8个通道重建后的脑电信号进行噪声滤除，得到x_r′(t)；

步骤5，滤除噪声后的信号x_r′(t)经过2D层析成像进行卷积神经网络特征提取，通过空间扩展，神经元与图像特征卷积，进行图像信息的表达，然后输入到循环神经网络中进行分类，用于描述时间上连续状态的输出，最后得到环境危险种类分类结果。

进一步地，所述步骤1中确定矿用头盔内脑电采集模块的电极分布位置的方法包括以下步骤：

1.1在所述矿用头盔内层安装脑电采集模块采集人的大脑皮层电位，从而根据脑电信号构建人脑单层球模型；

1.2脑内的偶极子与大脑皮层电位的线性关系：

由电磁学方程J＝J^P+αE，可得到，

其中，J^P为原在电流密度，用来描述电流偶极子，αE为欧姆电流密度，α为传导率；

假设整个脑电场分为J^P为零与不为零的区域，那么E与J^P呈线性关系，则E只与电导率分布有关；

1.3由大脑皮层电位分析脑内电势场分布：

由电磁场叠加原理，点电势可由测试场矢量g(r，r′)与偶极子力矩q＝[q_x，q_y，q_z]^T内积表示，对所有测试点计算点电势可以得到电偶极子的电势场分布：

其中，r为场点，r′为源点；

1.4引入外界环境刺激、人体自身的影响因素：

外界环境刺激包括环境产生的声音、光照刺激，人体自身的影响因素包括精神集中度，上述因素导致了脑内独立源的产生分布，

其中，[v，0，0]^T为声音分量，[0，l，0]^T为光分量，[0，0，m]^T为精神分量，三个分量内积干扰因子ε₁，ε₂，ε₃得到基本偶极子，因此得到下列公式：

1.5在矿用头盔内设置n个电极共同检测，脑内部因环境刺激形成k个独立源，电极噪声为e(t)，上述公式归纳为：

F^t(t)＝A(k)X·ε+eⁿ(t)

其中，A(k)为源到电极的增益矩阵，X为环境强度矩阵函数，ε是干扰因子矩阵；

1.6采用多信号分类算法通过对单偶极子进行三维空域网格点的扫描，确定脑电源位置；

1.7根据步骤1.6得到的脑电源位置，结合国际导联10-20电极放置位置，确定头盔中8个通道的位置：

8个位置的坐标如下：F_Z(0，0.25556)，C₃(-90，0.25556)，C₄(90，0.25556)，P_Z(180，0.25556)，O₁(-162，0.51111)，O₂(162，0.51111)，T₇(-90，0.51111)，T₈(90，0.51111)，

其中，将头盔看作半球体，人眼水平方向为x轴，球体半径为1，横坐标为采集点在水平面投影与x轴夹角，纵坐标为距离x轴的垂直距离。

本发明还公开一种采用上述环境识别方法的矿用头盔，所述矿用头盔包括头盔本体、便携式电源、照明模块、定位模块、环境检测模块、脑电采集模块、数据处理模块、报警模块及数据传输模块，所述头盔本体内层设置软骨架，在所述软骨架上安装脑电采集模块的电极。

进一步地，所述便携式电源为独立电源，且带有稳压模块。

进一步地，所述环境监测模块为GS100五合一气体传感器，可以检测二氧化碳、甲烷、一氧化碳、甲醛以及挥发性有机物，以及温度和/或湿度。

进一步地，所述报警模块包括蜂鸣器和振动马达。

本发明还公开了一种包含上述矿用头盔的智慧矿井安全监控物联网云平台，包括感知终端、云平台数据存储单元和监控预警中心；

所述感知终端以一个所述的矿用头盔为感知节点，若干个所述矿用头盔构成感知层，所述矿用头盔之间采用ZigBee通讯，每八个所述矿用头盔的采集信息统一传输到一个ARM控制器，所述ARM控制器为一个无线安全信息采集站点；

所述云平台数据存储单元，用于对处理后信息进行存储，所述处理后信息为所述无线安全信息采集站点采集的信息通过矿井下工业以太网传输到井上总控制单元，所述总控制单元将所述无线安全信息采集站点采集的信息归纳，通过检测剔除无效信息，得到所述处理后信息，然后将所述处理后信息通过GPRS传输到网络云端，供用户通过浏览器访问数据；

所述监控预警中心包括井下状况模拟显示模块和预警发布模块。

本发明提供的环境危险种类识别方法，智能矿用头盔以及智慧矿井安全监控物联网云平台与现有技术相比，有益效果在于：利用多种信息的检测，井下环境信息反映全面，避免井下固定安装传感器带来的易碰撞、进水、破损等故障，利用矿工头盔作为信息节点，构造感知层，系统抗干扰能力增强，简化监控系统的线路复杂度；整体监控平台大大提高了系统的及时性和准确性，降低了整体的阻抗，信号功率增强，系统传输故障维修简单，便于大规模的生产应用；物联网云平台的应用增加了系统预警的及时性和便捷性。

总之，本发明提出了一种环境危险种类识别方法，智能矿用头盔以及智慧矿井安全监控物联网云平台，其具有广泛的应用前景。

附图说明

图1是本发明脑电信号处理流程图；

图2是本发明有无刺激脑电场电势对比图；

图3是本发明脑电采集模块的电极分布2D模型示意图；

图4是本发明脑电采集模块的电极分布3D模型示意图；

图5是本发明脑电场分类模型的结构示意图；其中X(t)为经过卷积神经网络处理后的图像特征时间序列，S为隐藏层状态，V为空间维度上的权值，W为时间维度上的权重，Y为输出结果；

图6是本发明头盔感知节点硬件框图；

图7是基于脑电场变化机理的矿井安全监控系统整体框图；

图8是本发明智慧联网监控预警平台结构示意图；

图9是本发明井下状况模拟显示矿工周围环境监控界面示意图。

具体实施方式

为了使本领域技术人员更好地理解本发明的技术方案，下面结合具体实施例对本发明作进一步的详细说明。请注意，下面描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。实施例中未注明具体技术或条件的，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

以下，将通过具体实施例对本发明一种基于脑电场变化机理的环境识别方法，矿用头盔及智慧矿井安全监控物联网云平台作详细说明：

如图1-7所示，整个智慧矿井安全监控物联网云平台分为三个部分，1.感知终端：利用矿用头盔作为感知节点，所有矿用头盔构成感知层，矿用头盔之间采用ZigBee通讯，每八个矿用头盔的采集信息统一传输到一个ARM控制器，作为一个无线安全信息采集站点，2.云平台数据存储单元：各个站点采集的信息通过井下工业以太网传输到井上总控制单元，总控制单元将信息归纳，通过检测剔除无效信息，随后将信息通过GPRS传输到网络云端，后序管理部门以及矿山安全预警部门可以通过浏览器访问数据。3.监控预警中心：该部分主要分为，井下状况模拟显示部分和预警发布部分。当监控预警中心检测到危险情况会及时发布预警信息给当前区域工作人员，工作人员随身佩戴的头盔会震动以及声音报警。

为了实现矿井环境危险种类预警，本发明涉及一种基于脑电场变化机理的环境识别方法，该方法包括以下步骤：

如图1所示，步骤1，确定矿用头盔内脑电采集模块的电极分布位置；

1.1在所述矿用头盔内层安装脑电采集模块采集人的大脑皮层电位，从而根据脑电信号构建人脑单层球模型；

采用准静态近似下的麦克斯韦方程组，在这一近似下忽略方程组中的时间导数项，得到麦克斯韦方程组：

其中，E为电场强度，B为磁感应强度，H为磁场强度，D为电位移矢量，J为电流密度，ρ为电荷密度，l为距离，S为面积；

1.2脑内的偶极子与大脑皮层电位的线性关系：

由电磁学方程J＝J^P+αE，可得到，

其中，J^P为原在电流密度，用来描述电流偶极子，αE为欧姆电流密度，α为传导率；

假设整个脑电场分为J^P为零与不为零的区域，那么E与J^P呈线性关系，则E只与电导率分布有关；

1.3由大脑皮层电位分析脑内电势场分布：

由电磁场叠加原理，点电势可由测试场矢量g(r，r′)与偶极子力矩q＝[q_x，q_y，q_z]^T内积表示，对所有测试点计算点电势可以得到电偶极子的电势场分布：

其中，r为场点，r′为源点；

1.4引入外界环境刺激、人体自身的影响因素：

外界环境刺激包括环境产生的声音、光照刺激，人体自身的影响因素包括精神集中度，上述因素导致了脑内独立源的产生分布，脑电场有无刺激电势图对比如图2所示；

其中，[v，0，0]^T为声音分量，[0，l，0]^T为光分量，[0，0，m]^T为精神分量，三个分量内积干扰因子ε₁，ε₂，ε₃得到基本偶极子，因此得到下列公式：

1.5在矿用头盔内设置n个电极共同检测，脑内部因环境刺激形成k个独立源，电极噪声为e(t)，上述公式归纳为：

F^t(t)＝A(k)X·ε+eⁿ(t)

其中，A(k)为源到电极的增益矩阵，X为环境强度矩阵函数，ε是干扰因子矩阵；

1.6采用多信号分类算法通过对单偶极子进行三维空域网格点的扫描，确定脑电源位置；

1.7根据步骤1.6得到的脑电源位置，结合国际导联10-20电极放置位置，确定头盔中8个通道的位置：

8个位置的坐标如下：F_Z(0，0.25556)，C₃(-90，0.25556)，C₄(90，0.25556)，P_Z(180，0.25556)，O₁(-162，0.51111)，O₂(162，0.51111)，T₇(-90，0.51111)，T₈(90，0.51111)，

其中，将头盔看作半球体，人眼水平方向为x轴，球体半径为1，横坐标为采集点在水平面投影与x轴夹角，纵坐标为距离x轴的垂直距离，脑电采集模块的电极分布2D、3D模型示意图如图3、4所示；

步骤2，8个通道脑电信号的获取：

根据步骤1中获取的所述脑电采集模块的电极分布位置，将脑电采集模块的8个电极安装在矿用头盔的相应位置，对脑电采集模块获取的脑电信号采用带通滤波对其进行预处理，得到原始脑电信号x(t)；

步骤3，对8个通道原始脑电信号进行重建：

3.1确定x(t)的所有极值点，用三次样条曲线分别对极小值点和极大值点进行拟合，得到下包络曲线e_min(t)和上包络曲线e_max(t)，由此得到平均曲线公式：

3.2提取本征模态函数IMFs成分；

根据下述公式把差值R作为待分解信号，直至R为单调信号或只存在一个极点停止；

其中，S(t)为原始信号，C_i(t)为第i次筛选得到的IMFs，n为筛选次数，R_i(t)为最终的剩余分量；

3.3根据获得的前m阶IMFs成分，采用下述公式重建每个通道的脑电信号：

其中，m＝5，m_i(t)为经验模态分解中第i次筛选时信号上下包络线的平均曲线，为其平均值；

步骤4，采用独立成分分析方法对8个通道重建后的脑电信号进行噪声滤除，得到x_r′(t)；

步骤5，滤除噪声后的信号x_r′(t)经过2D层析成像，通过分析大脑在不同环境刺激下，反馈出来的脑电场成像不同，然后将生成脑电场电势图进行卷积神经网络特征提取，通过空间扩展，神经元与图像特征卷积，进行图像信息的表达，然后输入到循环神经网络中进行分类，用于描述时间上连续状态的输出，区分出矿工在不同环境危险所反映出的脑电变化，最后得到分类结果。脑电场分类模型如图5所示。

本发明的脑电场分类结果基于脑电信号采集和环境检测信号相结合做出脑电信号的重建信号，重建信号具备时间、空间特性，更有利于脑电场的识别分类。

如图6所示，本发明还公开一种采用上述环境识别方法的矿用头盔，所述矿用头盔包括头盔本体、便携式电源、照明模块、定位模块、环境检测模块、脑电采集模块、数据处理模块、报警模块及数据传输模块，所述头盔本体内层设置软骨架，在所述软骨架上安装脑电采集模块；所述便携式电源为独立电源，且带有稳压模块；所述环境监测模块为GS100五合一气体传感器，可以检测二氧化碳、甲烷、一氧化碳、甲醛以及挥发性有机物，以及温度和/或湿度；所述报警模块包括蜂鸣器和振动马达。

本发明采用矿用头盔作为感知节点，采集脑电场、位置、环境等信息，并在得到危险信号时可以进行声音和震动的报警效果。因此，本发明的矿用头盔，包括头盔本体、便携式电源、照明模块、定位模块、环境检测模块、脑电采集模块、数据处理模块、数据传输模块及报警模块，所述头盔本体内层设置软骨架，在所述软骨架上安装脑电采集模块的电极；所述便携式电源为独立电源供电，且带有稳压模块；照明模块用于提供光源辅助矿工井下作业；所述定位模块用于检测矿工在矿井之下所处的地理位置信息，采集到的位置信息可用于构建模拟井下地形图；所述环境检测模块为GS100五合一气体传感器，可以检测二氧化碳、甲烷、一氧化碳、甲醛以及挥发性有机物，并且检测环境温度和/或湿度；所述脑电采集模块用于采集矿工在火光，噪声等危险环境下所反映出的诱发脑电信号以及自身由于精神不集中或有冒险行为时所产生的自发脑电信号；所检测的环境信息与脑电场信息相结合，用于判断矿工所处环境危险种类；所述数据处理模块用于对采集的数据进行处理，判断出周围环境危险种类之后立即将信号发送给无线安全信息采集站，该采集站下达危险信息给站内其他矿工；所述数据传输模块用于传输头盔感知节点采集的井下危险信息，位置信息等数据，采用ZigBee通讯将数据发送到无线安全信息采集站；所述报警模块包括蜂鸣器以及振动马达，当接收到危险预警之后会起到声音报警以及振动报警的作用。

然后利用矿用头盔作为物联网节点，构建智慧矿井安全监控物联网云平台，如图8所示。

每8个矿用头盔感知节点采取星型网络结构连接一台ARM控制器构成无线安全信息采集站，所有无线安全信息采集站通过有线连接到井下以太网，将信息传输到井上服务器。通过设置网络中各个矿用头盔感知节点的网络拓扑参数为星型组网方式，ARM控制器作为协调器建立一个ZigBee网络。当有某一个协调器停止工作之后，周围的矿用头盔感知节点主动搜索加入临近的ZigBee网络，这样有效保证井下各个矿工的安全信息准确采集。

本发明还包括井上服务器，所述井上服务器接收到感知终端传输到的数据之后，进行筛选处理之后，将数据打包发送到云端存储。这些信息可以按照不同保密级别，不同的管理部门进行访问使用，并且数据筛选之后进一步传输到监控预警中心。

所述物联网云平台是一个面向物联网的大数据处理平台，包括了数据流入、存储、计算、交换和管理。该平台支持ZigBee、蓝牙、GPRS、4G、WIFI传输协议，管理人员可以利用这些协议更加便捷地接入井下各种类型的感知设备，能够跨网络进行多层级的设备接入和管理，并且这些井下数据统一融合处理，给管理者提供监管、决策、运营等各种云服务功能。

所述物联网云平台还包括设备管理系统，语音震动报警系统和移动监管APP，所述设备管理系统，通过无线网络接入到井下环网，定期查看，维修，更换井下固定感知设备，使得头盔感知节点以及井下其他设备得到有效管理以及监督，并利用大数据处理技术准确掌握井下设备的维护更换状态，为设备升级提供实时数据支撑；所述语音震动报警系统，管理者通过此系统可以直接下达警报给予矿工指令；灾害监控系统使得救援部门实时掌握井下灾害现象情况，利用人员感知以及环境信息感知多角度融合，使得指挥迅速，决策有效；所述移动监管APP，管理者可以利用手机接入该平台，对井下一些安全隐患或者人员情况进行获取、显示，增加值班人员监管的便捷性；地形综合显示系统，利用大数据以及地理信息技术，模拟井下人员设备的分布状况，使得应急救援小组掌握人员疏散信息，帮助决策人员寻找灾害重点区域，同时利用大数据预测灾害发展状况。

所述智慧矿井安全监控物联网云平台的工作原理如下：

预警中心接收到井上服务器传输的数据之后，根据所采集的数据进行井下状况模拟显示，并通过对比危险预案数据库进行预警发布，然后将紧急疏散方案下达到应急小组以及矿工。

井下状况模拟显示根据井下构造显示出人员在井下的相对位置以及地理方位，点击每个矿工，可以打开其周围环境信息以及脑电场信息，如图9所示。

危险预案数据库包括火灾灾害数据、水灾灾害数据、瓦斯灾害数据以及人员冒险行为数据。头盔感知终端采集的温湿度、二氧化碳，甲烷、一氧化碳、甲醛以及挥发性有机物环境信息经过井下环网传至井上服务器，头盔节点上安装的脑电采集装置采集矿工在火光，爆炸，噪声等环境诱发的脑电信息以及矿工焦虑或者其他冒险行为所产生的自发脑电信息经过井下环网传至井上服务器，井上服务器将多种信息筛选融合之后统一传输到危险预案数据库。

首先需要建立危险预案数据库，随后根据头盔终端采集的数据经过井上服务器筛选之后，通过对比危险状况以及危险等级发布相应的预警信息。

危险预案数据库中的信息采集过程：井下环境安全信息以及矿工脑电场反馈信息通过头盔感知终端采集，无线传输至每个区域内的调制器，调制器利用矿井下的以太网将信息传输至井上服务器，服务器根据相应的危险分类将信息上传并保存到危险预案数据库。

矿工井下危险预警过程：当井下出现水灾灾害时，矿工大脑接收到水灾的声音等信息，在大脑产生电场反馈，随后结合环境检测模块采集的湿度等信息，传递出水灾信号，该矿工头盔信息发送到其星型ZigBee网络协调器后，协调器将报警信号发送到网络内所有矿工。随后头盔感知终端采集的定位信息，环境信息，脑电场信息经过井上服务器发送到到监控预警中心，预警中心通过与危险预案数据库对比下达报警以及疏散指令。指令经过井上服务器传递到头盔终端，相应区域ARM控制器将警报发送到所有矿工头盔上，头盔进行声音震动报警。

当井下出现火灾灾害时，矿工大脑接收到火灾的图像等信息，在大脑产生电场反馈，随后结合环境检测模块采集的温度等信息，传递出火灾信号，该矿工头盔信息发送到其星型ZigBee网络协调器后，协调器将报警信号发送到网络内所有矿工。随后头盔感知终端采集的定位信息，环境信息，脑电场信息经过井上服务器发送到到监控预警中心，预警中心通过与危险预案数据库对比下达报警以及疏散指令。指令经过井上服务器传递到头盔终端，相应区域ARM控制器将警报发送到所有矿工头盔上，头盔进行声音震动报警。

当井下矿工自身精神压抑，焦虑，有出现冒险行为的趋势时，其大脑产生的脑电场信息，经过头盔感知终端将信息利用井下环网发送到井上服务器，服务器对数据的准确性进行筛查剔除，随后传递至监控预警中心，预警中心通过井下状况模拟显示，查看矿工具体位置，并发送警报给应急小组以及矿工自身，头盔进行声音震动报警，应急管理人员对矿工进行疏散。

本发明提供的环境危险种类识别方法，智能矿用头盔以及智慧矿井安全监控物联网云平台与现有技术相比，有益效果在于：利用多种信息的检测，井下环境信息反映全面，避免井下固定安装传感器带来的易碰撞、进水、破损等故障，利用矿工头盔作为信息节点，构造感知层，系统抗干扰能力增强，简化监控系统的线路复杂度；整体监控平台大大提高了系统的及时性和准确性，降低了整体的阻抗，信号功率增强，系统传输故障维修简单，便于大规模的生产应用；物联网云平台的应用增加了系统预警的及时性和便捷性。

总之，本发明提出了一种环境危险种类识别方法，智能矿用头盔以及智慧矿井安全监控物联网云平台，其具有广泛的应用前景。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

Claims (7)

1.一种基于脑电场变化机理的环境识别方法，其特征在于，该方法包括以下步骤：

步骤1，确定矿用头盔内脑电采集模块的电极分布位置；

步骤2，8个通道脑电信号的获取：

根据步骤1中获取的所述脑电采集模块的电极分布位置，将所述脑电采集模块的8个电极安装在矿用头盔的相应位置，对脑电采集模块获取的脑电信号采用带通滤波对其进行预处理，得到原始脑电信号x(t)；

步骤3，对8个通道原始脑电信号进行重建：

3.1确定x(t)的所有极值点，用三次样条曲线分别对极小值点和极大值点进行拟合，得到下包络曲线e_min(t)和上包络曲线e_max(t)，由此得到平均曲线公式：

3.2提取本征模态函数IMFs成分；

3.3根据获得的前m阶IMFs成分，采用下述公式重建每个通道的脑电信号：

其中，m＝5，m_i(t)为经验模态分解中第i次筛选时信号上下包络线的平均曲线，为其平均值；

步骤4，采用独立成分分析方法对8个通道重建后的脑电信号进行噪声滤除，得到x_r′(t)；

步骤5，滤除噪声后的信号x_r′(t)经过2D层析成像进行卷积神经网络特征提取，通过空间扩展，神经元与图像特征卷积，进行图像信息的表达，然后输入到循环神经网络中进行分类，用于描述时间上连续状态的输出，最后得到环境危险种类分类结果。

2.根据权利要求1所述的环境识别方法，其特征在于，所述步骤1中确定矿用头盔内脑电采集模块的电极分布位置的方法包括以下步骤：

1.1在所述矿用头盔内层安装脑电采集模块采集人的大脑皮层电位，从而根据脑电信号构建人脑单层球模型；

1.2脑内的偶极子与大脑皮层电位的线性关系：

由电磁学方程J＝J^P+αE，可得到，

其中，J^P为原在电流密度，用来描述电流偶极子，αE为欧姆电流密度，α为传导率；

假设整个脑电场分为J^P为零与不为零的区域，那么E与J^P呈线性关系，则E只与电导率分布有关；

1.3由大脑皮层电位分析脑内电势场分布：

由电磁场叠加原理，点电势可由测试场矢量g(r,r′)与偶极子力矩q＝[q_x,q_y,q_z]^T内积表示，对所有测试点计算点电势可以得到电偶极子的电势场分布：

其中，r为场点，r′为源点；

1.4引入外界环境刺激、人体自身的影响因素：

外界环境刺激包括环境产生的声音、光照刺激，人体自身的影响因素包括精神集中度，上述因素导致了脑内独立源的产生分布，

其中，[v,0,0]^T为声音分量，[0,l,0]^T为光分量，[0,0,m]^T为精神分量，三个分量内积干扰因子ε₁,ε₂,ε₃得到基本偶极子，因此得到下列公式：

1.5在矿用头盔内设置n个电极共同检测，脑内部因环境刺激形成k个独立源，电极噪声为e(t)，上述公式归纳为：

F^t(t)＝A(k)X·ε+eⁿ(t)

其中，A(k)为源到电极的增益矩阵，X为环境强度矩阵函数，ε是干扰因子矩阵；

1.6采用多信号分类算法通过对单偶极子进行三维空域网格点的扫描，确定脑电源位置；

1.7根据步骤1.6得到的脑电源位置，结合国际导联10-20电极放置位置，确定头盔中8个通道的位置：

8个位置的坐标如下：F_Z(0,0.25556)，C₃(-90,0.25556)，C₄(90,0.25556)，P_Z(180,0.25556)，O₁(-162,0.51111)，O₂(162,0.51111)，T₇(-90,0.51111)，T₈(90,0.51111)，

其中，将头盔看作半球体，人眼水平方向为x轴，球体半径为1，横坐标为采集点在水平面投影与x轴夹角，纵坐标为距离x轴的垂直距离。

3.一种采用如权利要求1或2所述的环境识别方法的矿用头盔，其特征在于，所述矿用头盔包括头盔本体、便携式电源、照明模块、定位模块、环境检测模块、脑电采集模块、数据处理模块、报警模块及数据传输模块，所述头盔本体内层设置软骨架，在所述软骨架上安装脑电采集模块的电极。

4.根据权利要求3所述的矿用头盔，其特征在于，所述便携式电源为独立电源，且带有稳压模块。

5.根据权利要求3或4所述的矿用头盔，其特征在于，所述环境监测模块为GS100五合一气体传感器，可以检测二氧化碳、甲烷、一氧化碳、甲醛以及挥发性有机物，以及温度和/或湿度。

6.根据权利要求5所述的矿用头盔，其特征在于，所述报警模块包括蜂鸣器和振动马达。

7.一种包含如权利要求3-6任一项所述的矿用头盔的智慧矿井安全监控物联网云平台，其特征在于，包括感知终端、云平台数据存储单元和监控预警中心；

所述感知终端以一个所述的矿用头盔为感知节点，若干个所述矿用头盔构成感知层，所述矿用头盔之间采用ZigBee通讯，每八个所述矿用头盔的采集信息统一传输到一个ARM控制器，所述ARM控制器为一个无线安全信息采集站点；

所述云平台数据存储单元，用于对处理后信息进行存储，所述处理后信息为所述无线安全信息采集站点采集的信息通过矿井下工业以太网传输到井上总控制单元，所述总控制单元将所述无线安全信息采集站点采集的信息归纳，通过检测剔除无效信息，得到所述处理后信息，然后将所述处理后信息通过GPRS传输到网络云端，供用户通过浏览器访问数据；

所述监控预警中心包括井下状况模拟显示模块和预警发布模块。