CN112686495A - 核电厂操作员工作负荷评估方法、系统、介质及电子设备 - Google Patents
核电厂操作员工作负荷评估方法、系统、介质及电子设备 Download PDFInfo
- Publication number
- CN112686495A CN112686495A CN202011396055.0A CN202011396055A CN112686495A CN 112686495 A CN112686495 A CN 112686495A CN 202011396055 A CN202011396055 A CN 202011396055A CN 112686495 A CN112686495 A CN 112686495A
- Authority
- CN
- China
- Prior art keywords
- weight
- factor
- workload
- physiological
- activity factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 230000000694 effects Effects 0.000 claims description 129
- 230000000241 respiratory effect Effects 0.000 claims description 117
- 230000037081 physical activity Effects 0.000 claims description 90
- 238000012549 training Methods 0.000 claims description 80
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 28
- 230000036387 respiratory rate Effects 0.000 claims description 26
- 238000012847 principal component analysis method Methods 0.000 claims description 16
- 238000000513 principal component analysis Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 230000000747 cardiac effect Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012352 Spearman correlation analysis Methods 0.000 claims description 6
- 230000035565 breathing frequency Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000000846 Bartlett's test Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 10
- 238000000691 measurement method Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006461 physiological response Effects 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了核电厂操作员工作负荷评估方法、系统、介质及电子设备，该方法包括以下步骤：S1：采集与工作负荷相关的操作员生理指标数据；S2：根据生理指标分别在工作负荷主成分中的权重模型，获得当前生理指标数据对应的工作负荷主成分因子得分；S3：根据工作负荷主成分在工作负荷评估中的权重模型，获得工作负荷主成分因子得分下的工作负荷评估值。本发明以多维度生理数据为基础，易于采集，客观性强，可在已知生理指标数据的条件下，客观评价操纵员的工作负荷，解决当前由操纵员对工作负荷进行主观评分，主观性强，易受影响，一致性和可信度略低等问题。
Description
技术领域
本发明涉及人因工程领域和核电领域，尤其涉及一种核电厂操作员工作负荷评估方法、系统、介质及电子设备。
背景技术
工作负荷的分析和评估技术在核电厂设计阶段对于系统的前期设计以及预防人员超负荷操作具有重要意义，是开展人因工程分析，进行设计改进优化的有效技术工具。在核电厂运行阶段也可用于进行核电厂运行人员绩效监测与评价、以及优化人员任务和系统设计。
现有的工作负荷的评估方法包括主任务度量法、次任务度量法、主观测量法等，但均存在不同程度的缺陷，主任务度量法是通过测量人员任务绩效以用于间接衡量工作负荷，需要采集主任务的相关绩效数据，复杂度较高；次任务度量法使用中会对主要任务造成入侵，这在核电厂操纵员工作中是不允许的；主观测量法能够较直观的反馈出人员的主观负荷，但该方法主观性强、易受影响，一致性和可信度略低。目前国内尚未建立基于多维度客观生理数据的工作负荷评估方法与系统，急需建立更加科学、完善的核电厂运行人员任务负荷分析方法。
发明内容
本发明要解决的技术问题在于，针对现有技术的缺陷，提供一种核电厂操作员工作负荷评估方法、系统、介质及电子设备。
本发明解决其技术问题所采用的技术方案是：构造一种核电厂操作员工作负荷评估方法，包括以下步骤：
S1：采集与工作负荷相关的操作员生理指标数据；
S2：根据所述生理指标分别在工作负荷主成分中的权重模型，获得当前所述生理指标数据对应的工作负荷主成分因子得分；
S3：根据所述工作负荷主成分在工作负荷评估中的权重模型，获得所述工作负荷主成分因子得分下的工作负荷评估值。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述生理指标包括：心率、心率变异性、呼吸频率、呼吸波幅、活动状态、倾斜度、生理强度、机械强度、训练强度、行走步数、生理负荷、机械负荷以及训练负荷。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述步骤S1包括：
S11：采集操作员的多个生理指标数据；
S12：预设平均工作负荷，根据Spearman相关性分析法，提取所述多个生理指标中与平均工作负荷相关的生理指标。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述步骤S2之前还包括：
采用归一化方法对所述生理指标数据进行标准化处理。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述方法还包括：预构建所述生理指标分别在工作负荷主成分中的权重模型，其中包括：
根据主成分分析法，提取所述生理指标中所表示的信息主成分，获得多个主成分因子；
计算多个所述主成分因子的特征值，选择特征值大于1的所述主成分因子，得到工作负荷主成分因子；
根据主成分分析法，计算所述工作负荷主成分因子在各预设生理指标数据中的得分系数，并作为所述生理指标分别在所述工作负荷主成分中的权重。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述步骤根据主成分分析法，提取所述生理指标中所表示的信息主成分，获得多个主成分因子，之前还包括：
通过KMO检验和Bartlett检验，判断获得适合进行主成分分析的生理指标。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述方法还包括：预构建所述工作负荷主成分在所述工作负荷评估中的权重模型，其中包括：
对所述工作负荷主成分因子进行旋转，计算所述工作负荷主成分因子的方差贡献率以及累计方差贡献率，将方差贡献率与累计方差贡献率之比作为所述工作负荷主成分在所述工作负荷评估中的权重。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述工作负荷主成分因子包括：心脏活动因子F1、身体活动因子F2、呼吸活动因子F3以及身体姿态因子F4；
所述生理指标分别在工作负荷主成分中的权重模型，包括：
F1＝a1X1+b1X2+c1X3+d1X4+e1X5+f1X6+g1X7+h1X8+i1X9+j1X10+k1X11+l1X12+m1X13；
F2＝a2X1+b2X2+c2X3+d2X4+e2X5+f2X6+g2X7+h2X8+i2X9+j2X10+k2X11+l2X12+m2X13；
F3＝a3X1+b3X2+c3X3+d3X4+e3X5+f3X6+g3X7+h3X8+i3X9+j3X10+k3X11+l3X12+m3X13；
F4＝a4X1+b4X2+c4X3+d4X4+e4X5+f4X6+g4X7+h4X8+i4X9+j4X10+k4X11+l4X12+m4X13；
其中，X1为心率值，a1为所述心率值在所述心脏活动因子F1中的权重，a2为所述心率值在所述身体活动因子F2中的权重，a3为所述心率值在所述呼吸活动因子F3中的权重，a4为所述心率值在所述身体姿态因子F4中的权重；
X2为心率变异性，b1为所述心率变异性在所述心脏活动因子F1中的权重，b2为所述心率变异性在所述身体活动因子F2中的权重，b3为所述心率变异性在所述呼吸活动因子F3中的权重，b4为所述心率变异性在所述身体姿态因子F4中的权重；
X3为呼吸频率，c1为所述呼吸频率在所述心脏活动因子F1中的权重，c2为所述呼吸频率在所述身体活动因子F2中的权重，c3为所述呼吸频率在所述呼吸活动因子F3中的权重，c4为所述呼吸频率在所述身体姿态因子F4中的权重；
X4为呼吸波幅，d1为所述呼吸波幅在所述心脏活动因子F1中的权重，d2为所述呼吸波幅在所述身体活动因子F2中的权重，d3为所述呼吸波幅在所述呼吸活动因子F3中的权重，d4为所述呼吸波幅在所述身体姿态因子F4中的权重；
X5为活动状态，e1为所述活动状态在所述心脏活动因子F1中的权重，e2为所述活动状态在所述身体活动因子F2中的权重，e3为所述活动状态在所述呼吸活动因子F3中的权重，e4为所述活动状态在所述身体姿态因子F4中的权重；
X6为倾斜度，f1为所述倾斜度在所述心脏活动因子F1中的权重，f2为所述倾斜度在所述身体活动因子F2中的权重，f3为所述倾斜度在所述呼吸活动因子F3中的权重，f4为所述倾斜度在所述身体姿态因子F4中的权重；
X7为生理强度，g1为所述生理强度在所述心脏活动因子F1中的权重，g2为所述生理强度在所述身体活动因子F2中的权重，g3为所述生理强度在所述呼吸活动因子F3中的权重，g4为所述生理强度在所述身体姿态因子F4中的权重；
X8为机械强度，h1为所述机械强度在所述心脏活动因子F1中的权重，h2为所述机械强度在所述身体活动因子F2中的权重，h3为所述机械强度在所述呼吸活动因子F3中的权重，h4为所述机械强度在所述身体姿态因子F4中的权重；
X9为训练强度，i1为所述训练强度在所述心脏活动因子F1中的权重，i2为所述训练强度在所述身体活动因子F2中的权重，i3为所述训练强度在所述呼吸活动因子F3中的权重，i4为所述训练强度在所述身体姿态因子F4中的权重；
X10为行走步数，j1为所述行走步数在所述心脏活动因子F1中的权重，j2为所述行走步数在所述身体活动因子F2中的权重，j3为所述行走步数在所述呼吸活动因子F3中的权重，j4为所述行走步数在所述身体姿态因子F4中的权重；
X11为生理负荷，k1为所述生理负荷在所述心脏活动因子F1中的权重，k2为所述生理负荷在所述身体活动因子F2中的权重，k3为所述生理负荷在所述呼吸活动因子F3中的权重，k4为所述生理负荷在所述身体姿态因子F4中的权重；
X12为机械负荷，l1为所述机械负荷在所述心脏活动因子F1中的权重，l2为所述机械负荷在所述身体活动因子F2中的权重，l3为所述机械负荷在所述呼吸活动因子F3中的权重，l4为所述机械负荷在所述身体姿态因子F4中的权重；
X13为训练负荷，m1为所述训练负荷在所述心脏活动因子F1中的权重，m2为所述训练负荷在所述身体活动因子F2中的权重，m3为所述训练负荷在所述呼吸活动因子F3中的权重，m4为所述训练负荷在所述身体姿态因子F4中的权重。
优选地，在本发明所述的核电厂操作员工作负荷评估方法中，所述工作负荷主成分在所述工作负荷评估中的权重模型为：
F＝AF1+BF2+CF3+DF4；
其中，F为工作负荷评估值，A为心脏活动因子F1在工作负荷评估值F中的权重，B身体活动因子F2在工作负荷评估值F中的权重，C为呼吸活动因子F3在工作负荷评估值F中的权重，D为身体姿态因子F4在工作负荷评估值F中的权重。
本发明还构造了一种核电厂操作员工作负荷评估系统，包括：
生理指标模块，用于采集与工作负荷相关的操作员生理指标数据；
因子得分计算模块，用于根据所述生理指标分别在工作负荷主成分中的权重模型，获得当前所述生理指标数据对应的工作负荷主成分因子得分；
工作负荷评估模块，用于根据所述工作负荷主成分在工作负荷评估中的权重模型，获得所述工作负荷主成分因子得分下的工作负荷评估值。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述生理指标包括：心率、心率变异性、呼吸频率、呼吸波幅、活动状态、倾斜度、生理强度、机械强度、训练强度、行走步数、生理负荷、机械负荷以及训练负荷。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述生理指标模块包括：
采集模块，用于采集操作员的多个生理指标数据；
提取模块，用于预设平均工作负荷，根据Spearman相关性分析法，提取所述多个生理指标中与平均工作负荷相关的生理指标。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述系统还包括：
标准化处理模块，用于采用归一化方法对所述生理指标数据进行标准化处理。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述系统还包括：第一预构建模块，用于预构建所述生理指标分别在工作负荷主成分中的权重模型；
所述第一预构建模块包括：
主成分分析模块，用于根据主成分分析法，提取所述生理指标中所表示的信息主成分，获得多个主成分因子；
工作负荷主成分模块，用于计算多个所述主成分因子的特征值，选择特征值大于1的所述主成分因子，得到工作负荷主成分因子；
得分系数计算模块，用于根据主成分分析法，计算所述工作负荷主成分因子在各预设生理指标数据中的得分系数，并作为所述生理指标分别在所述工作负荷主成分中的权重。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述第一预构建模块还包括：
校验模块，用于通过KMO检验和Bartlett检验，判断获得适合进行主成分分析的生理指标。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述系统还包括：第二预构建模块，预构建所述工作负荷主成分在所述工作负荷评估中的权重模型；
所述第二预构建模块包括：
旋转模块，用于对所述工作负荷主成分因子进行旋转；
方差计算模块，用于计算所述工作负荷主成分因子的方差贡献率以及累计方差贡献率，将方差贡献率与累计方差贡献率之比作为所述工作负荷主成分在所述工作负荷评估中的权重。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述工作负荷主成分因子包括：心脏活动因子F1、身体活动因子F2、呼吸活动因子F3以及身体姿态因子F4；
所述生理指标分别在工作负荷主成分中的权重模型，包括：
F1＝a1X1+b1X2+c1X3+d1X4+e1X5+f1X6+g1X7+h1X8+i1X9+j1X10+k1X11+l1X12+m1X13；
F2＝a2X1+b2X2+c2X3+d2X4+e2X5+f2X6+g2X7+h2X8+i2X9+j2X10+k2X11+l2X12+m2X13；
F3＝a3X1+b3X2+c3X3+d3X4+e3X5+f3X6+g3X7+h3X8+i3X9+j3X10+k3X11+l3X12+m3X13；
F4＝a4X1+b4X2+c4X3+d4X4+e4X5+f4X6+g4X7+h4X8+i4X9+j4X10+k4X11+l4X12+m4X13；
其中，X1为心率值，a1为所述心率值在所述心脏活动因子F1中的权重，a2为所述心率值在所述身体活动因子F2中的权重，a3为所述心率值在所述呼吸活动因子F3中的权重，a4为所述心率值在所述身体姿态因子F4中的权重；
X2为心率变异性，b1为所述心率变异性在所述心脏活动因子F1中的权重，b2为所述心率变异性在所述身体活动因子F2中的权重，b3为所述心率变异性在所述呼吸活动因子F3中的权重，b4为所述心率变异性在所述身体姿态因子F4中的权重；
X3为呼吸频率，c1为所述呼吸频率在所述心脏活动因子F1中的权重，c2为所述呼吸频率在所述身体活动因子F2中的权重，c3为所述呼吸频率在所述呼吸活动因子F3中的权重，c4为所述呼吸频率在所述身体姿态因子F4中的权重；
X4为呼吸波幅，d1为所述呼吸波幅在所述心脏活动因子F1中的权重，d2为所述呼吸波幅在所述身体活动因子F2中的权重，d3为所述呼吸波幅在所述呼吸活动因子F3中的权重，d4为所述呼吸波幅在所述身体姿态因子F4中的权重；
X5为活动状态，e1为所述活动状态在所述心脏活动因子F1中的权重，e2为所述活动状态在所述身体活动因子F2中的权重，e3为所述活动状态在所述呼吸活动因子F3中的权重，e4为所述活动状态在所述身体姿态因子F4中的权重；
X6为倾斜度，f1为所述倾斜度在所述心脏活动因子F1中的权重，f2为所述倾斜度在所述身体活动因子F2中的权重，f3为所述倾斜度在所述呼吸活动因子F3中的权重，f4为所述倾斜度在所述身体姿态因子F4中的权重；
X7为生理强度，g1为所述生理强度在所述心脏活动因子F1中的权重，g2为所述生理强度在所述身体活动因子F2中的权重，g3为所述生理强度在所述呼吸活动因子F3中的权重，g4为所述生理强度在所述身体姿态因子F4中的权重；
X8为机械强度，h1为所述机械强度在所述心脏活动因子F1中的权重，h2为所述机械强度在所述身体活动因子F2中的权重，h3为所述机械强度在所述呼吸活动因子F3中的权重，h4为所述机械强度在所述身体姿态因子F4中的权重；
X9为训练强度，i1为所述训练强度在所述心脏活动因子F1中的权重，i2为所述训练强度在所述身体活动因子F2中的权重，i3为所述训练强度在所述呼吸活动因子F3中的权重，i4为所述训练强度在所述身体姿态因子F4中的权重；
X10为行走步数，j1为所述行走步数在所述心脏活动因子F1中的权重，j2为所述行走步数在所述身体活动因子F2中的权重，j3为所述行走步数在所述呼吸活动因子F3中的权重，j4为所述行走步数在所述身体姿态因子F4中的权重；
X11为生理负荷，k1为所述生理负荷在所述心脏活动因子F1中的权重，k2为所述生理负荷在所述身体活动因子F2中的权重，k3为所述生理负荷在所述呼吸活动因子F3中的权重，k4为所述生理负荷在所述身体姿态因子F4中的权重；
X12为机械负荷，l1为所述机械负荷在所述心脏活动因子F1中的权重，l2为所述机械负荷在所述身体活动因子F2中的权重，l3为所述机械负荷在所述呼吸活动因子F3中的权重，l4为所述机械负荷在所述身体姿态因子F4中的权重；
X13为训练负荷，m1为所述训练负荷在所述心脏活动因子F1中的权重，m2为所述训练负荷在所述身体活动因子F2中的权重，m3为所述训练负荷在所述呼吸活动因子F3中的权重，m4为所述训练负荷在所述身体姿态因子F4中的权重。
优选地，在本发明所述的核电厂操作员工作负荷评估系统中，所述工作负荷主成分在所述工作负荷评估中的权重模型为：
F＝AF1+BF2+CF3+DF4；
其中，F为工作负荷评估值，A为心脏活动因子F1在工作负荷评估值F中的权重，B身体活动因子F2在工作负荷评估值F中的权重，C为呼吸活动因子F3在工作负荷评估值F中的权重，D为身体姿态因子F4在工作负荷评估值F中的权重。
本发明还构造了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的核电厂操作员工作负荷评估方法。
本发明还构造了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述任一项所述的核电厂操作员工作负荷评估方法。
通过实施本发明，具有以下有益效果：
本发明基于操作员生理指标数据，建立工作负荷的评估方法和系统，该方案以多维度生理数据为基础，易于采集，客观性强，可在已知生理指标数据的条件下，客观评价操纵员的工作负荷，解决当前由操纵员对工作负荷进行主观评分，主观性强，易受影响，一致性和可信度略低等问题。
另外，生理指标以生理强度与机械强度为主，简便易行，可信度高。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明核电厂操作员工作负荷评估方法的流程示意图；
图2是本发明核电厂操作员工作负荷评估系统的模块框图；
图3是本发明无线生理遥测设备的实施方式图；
图4是本发明多个主成分因子的分析碎石图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
需要说明的是，附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本发明对核电厂主控室操纵员工作任务进行工作负荷定量化分析，通过对人员生理响应数据进行分析，基于多资源通道理论衡量工作负荷，明确生理响应数据与工作负荷的相关性，进而建立核电厂操作员工作负荷评估方法，该评估方法可在已知生理响应数据的条件下，评估操纵员的工作负荷，并且研究结果可解决当前采用主观测量法由操纵员对工作负荷进行主观评分，随意性强，结果一致性和可信度略低等问题。
第一实施例，如图1所示，该核电厂操作员工作负荷评估方法包括以下步骤：
步骤S1：采集与工作负荷相关的操作员生理指标数据；
步骤S2：根据生理指标分别在工作负荷主成分中的权重模型，获得当前生理指标数据对应的工作负荷主成分因子得分；
步骤S3：根据工作负荷主成分在工作负荷评估中的权重模型，获得工作负荷主成分因子得分下的工作负荷评估值。
具体地，在本实施例中，生理指标包括：心率、心率变异性、呼吸频率、呼吸波幅、活动状态、倾斜度、生理强度、机械强度、训练强度、行走步数、生理负荷、机械负荷以及训练负荷。操作员生理指标数据的采集可使用生理数据采集设备，例如无线生理遥测设备，可以监控、记录和分析操作员生理指标的数据。在一些实施例中，无线生理遥测设备可采用传感器与胸带结合的方式，如图3所示。
其中，心率(Heart Rate)，心率数据源自250HZ的ECG数据；
心率变异性(Heart Rate Variability)，心率变异性为ECG动态复杂度的测量，本方案中测量的是R-R间隔的标准差(SDNN)；
呼吸频率(Breathing Rate)，呼吸是由胸带上的压力传感器检测到的，它可以检测到由于呼吸引起的躯干的膨胀和收缩，初始呼吸频率的稳定需要15-45秒的呼吸周期；
呼吸波幅(Breathing Wave Amplitude)，与呼吸频率的测量方法相同；
活动状态(Activity Level)，单位VMU(Velocity magnitude units)，步行时活动状态大于0.2VMU，跑步时活动状态大于0.8VMU，计算公式为：
其中，x、y、z分别为x、y、z轴加速度大小的平均值，采样频率为100HZ。
倾斜度，测量操纵员前倾或后倾的度数，范围为-180°～180°，当操纵员垂直站立或坐立时为0°，当操纵员倒置时为±180°。在进行数据分析时，将倾斜度取绝对值。
生理强度(Physiological Intensity)，生理强度为根据心率值的大小对应的等级评分得到的强度值，当心率小于心率最大值的50％时强度值为0，当大于50％心率最大值时，每5％心率最大值的增加，强度值增加1，强度值为数字，无单位。
机械强度(Mechanical Intensity)，机械强度为根据加速度峰值的大小对应得到的等级评分强度值，当加速度峰值小于0.5g时为0，当加速度峰值大于0.5g时，每增加0.05g，强度值增加1。
训练强度(Training Intensity)，训练强度为机械强度和生理强度的平均值。
行走步数(Walk Step Count)，记录操纵员在任务中的行走步数，是一个累计值；
生理负荷(Physiological Load)，生理负荷为基于生理强度的累积输出量(Cumulative Index of Cardiac Output)，可以较好反映出操纵员在一个特定训练阶段的总体努力水平。
机械负荷(Physiological Load)，机械负荷为基于机械强度的累积运动输出量(Cumulative Index of Kinetic Output)，机械负荷是对总体运动量的度量。
训练负荷(Physiological Load)，训练负荷定义为生理负荷和机械负荷的平均值。
在本实施例中，步骤S1包括：
步骤S11：采集操作员的多个生理指标数据；
步骤S12：预设平均工作负荷，根据Spearman相关性分析法，提取多个生理指标中与平均工作负荷相关的生理指标。其中，平均工作负荷是根据之前多次测得的生理指标数据得到的多个工作负荷，取多个工作负荷的平均值。相关包括正相关和负相关。例如，下表1示出了与预设平均工作负荷之间存在相关性的生理指标，其中，spearman是相关系数。需要说明的是，下表仅是举例，不同的预设平均工作负荷会与不同的生理指标存在相关性。
表1
在本实施例中，步骤S2之前还包括：采用归一化方法对生理指标数据进行标准化处理，获得标准化后的生理指标数据，即去除数据的单位限制，将生理化指标数据转化为无量纲的纯数值。
在本实施例中，该方法还包括：预构建生理指标分别在工作负荷主成分中的权重模型，其中包括：
步骤S21：预设同样的生理指标，根据主成分分析法，提取生理指标中所表示的信息主成分，获得多个主成分因子。其中，主成分分析是将原来的变量(13个生理指标)重新组合成一组新的互相无关的几个综合变量(主成分因子)。同时，根据实际需要，从中取出几个较少的综合变量(工作负荷主成分因子)尽可能多地反映原来变量的信息。
步骤S22：计算多个主成分因子的特征值，选择特征值大于1的主成分因子，得到工作负荷主成分因子。在一些实施例中，还可进一步计算特征值大于1的主成分因子的累计方差贡献率是否达到预设阈值，若是，则作为工作负荷主成分因子，若否，则调整选择的特征值，例如选择特征值大于0.8或05的主成分因子。其中，特征值是指该主成分因子对13个生理指标整体的贡献；方差贡献率是指该主成分因子对13个生理指标的信息提取程度。
其中，如下表2和图4所示的例子，表2示出了多个主成分因子的特征值、方差贡献率以及累计方差贡献率，图4示出了多个主成分因子的分析碎石图。由表2可知主成分因子1的特征值为6.069，方差贡献率为46.687％；主成分因子2的特征值为1.977，方差贡献率为15.210％；主成分因子3的特征值1.245，方差贡献率为9.580％；主成分因子4的特征值1.209，方差贡献率约为9.301％。这4个因子的累计方差贡献率达到80.777％，说明这4个主成分因子已可解释原始变量80％以上的方差，因此可选用这4个主成分因子作为工作负荷主成分因子。
表2
另外，对于这4个主成分因子分别受那些变量影响，由隐藏数值绝对值小于0.6的旋转后的成分矩阵值可知(见表3)：
表3
通过上述成分矩阵计算，展示出了所选定的4个工作负荷主成分因子分别受那些变量(生理指标)影响。
主成分因子1主要涉及“生理强度”、“训练负荷”、“生理负荷”、“心率变化”、“心率变异性”。从生理指标的实际意义看，训练负荷是生理负荷和机械负荷的平均值，生理负荷是生理强度的累计量，生理强度则是根据心率值的大小得到的等级评分值，心率变化与心率变异性都是心脏活动的评估指标，由此可知主成分因子1主要反映心脏活动的情况。
主成分因子2主要涉及“训练强度”、“机械负荷”、“机械强度”、“行走步数”和“活动状态”。训练强度由机械强度和生理强度的平均值，机械负荷为机械强度的累积量，机械强度为根据运动加速度峰值的等级评分值，行走步数与活动状态都是身体活动情况的评估指标，由此可知因子2主要反映身体活动的情况。
主成分因子3主要涉及“呼吸波幅”与“呼吸率”，都属于呼吸活动的评估指标。由此可知因子3主要反映呼吸活动的情况。
主成分因子4主要涉及“倾斜度”，属于身体活动情况中姿态的评估指标，由此可知因子4主要反映身体活动的情况。
步骤S23：根据主成分分析法，计算工作负荷主成分因子在各预设生理指标数据中的得分系数，并作为生理指标分别在工作负荷主成分中的权重。
在本实施例中，工作负荷主成分因子包括：心脏活动因子F1、身体活动因子F2、呼吸活动因子F3以及身体姿态因子F4，即主成分因子1、主成分因子2、主成分因子3以及主成分因子4。
所述生理指标分别在工作负荷主成分中的权重模型，包括：
F1＝a1X1+b1X2+c1X3+d1X4+e1X5+f1X6+g1X7+h1X8+i1X9+j1X10+k1X11+l1X12+m1X13；
F2＝a2X1+b2X2+c2X3+d2X4+e2X5+f2X6+g2X7+h2X8+i2X9+j2X10+k2X11+l2X12+m2X13；
F3＝a3X1+b3X2+c3X3+d3X4+e3X5+f3X6+g3X7+h3X8+i3X9+j3X10+k3X11+l3X12+m3X13；
F4＝a4X1+b4X2+c4X3+d4X4+e4X5+f4X6+g4X7+h4X8+i4X9+j4X10+k4X11+l4X12+m4X13；
其中，X1为心率值，a1为心率值在心脏活动因子F1中的权重，a2为心率值在身体活动因子F2中的权重，a3为心率值在呼吸活动因子F3中的权重，a4为心率值在身体姿态因子F4中的权重；
X2为心率变异性，b1为心率变异性在心脏活动因子F1中的权重，b2为心率变异性在身体活动因子F2中的权重，b3为心率变异性在呼吸活动因子F3中的权重，b4为心率变异性在身体姿态因子F4中的权重；
X3为呼吸频率，c1为呼吸频率在心脏活动因子F1中的权重，c2为呼吸频率在身体活动因子F2中的权重，c3为呼吸频率在呼吸活动因子F3中的权重，c4为呼吸频率在身体姿态因子F4中的权重；
X4为呼吸波幅，d1为呼吸波幅在心脏活动因子F1中的权重，d2为呼吸波幅在身体活动因子F2中的权重，d3为呼吸波幅在呼吸活动因子F3中的权重，d4为呼吸波幅在身体姿态因子F4中的权重；
X5为活动状态，e1为活动状态在心脏活动因子F1中的权重，e2为活动状态在身体活动因子F2中的权重，e3为活动状态在呼吸活动因子F3中的权重，e4为活动状态在身体姿态因子F4中的权重；
X6为倾斜度，f1为倾斜度在心脏活动因子F1中的权重，f2为倾斜度在身体活动因子F2中的权重，f3为倾斜度在呼吸活动因子F3中的权重，f4为倾斜度在身体姿态因子F4中的权重；
X7为生理强度，g1为生理强度在心脏活动因子F1中的权重，g2为生理强度在身体活动因子F2中的权重，g3为生理强度在呼吸活动因子F3中的权重，g4为生理强度在身体姿态因子F4中的权重；
X8为机械强度，h1为机械强度在心脏活动因子F1中的权重，h2为机械强度在身体活动因子F2中的权重，h3为机械强度在呼吸活动因子F3中的权重，h4为机械强度在身体姿态因子F4中的权重；
X9为训练强度，i1为训练强度在心脏活动因子F1中的权重，i2为训练强度在身体活动因子F2中的权重，i3为训练强度在呼吸活动因子F3中的权重，i4为训练强度在身体姿态因子F4中的权重；
X10为行走步数，j1为行走步数在心脏活动因子F1中的权重，j2为行走步数在身体活动因子F2中的权重，j3为行走步数在呼吸活动因子F3中的权重，j4为行走步数在身体姿态因子F4中的权重；
X11为生理负荷，k1为生理负荷在心脏活动因子F1中的权重，k2为生理负荷在身体活动因子F2中的权重，k3为生理负荷在呼吸活动因子F3中的权重，k4为生理负荷在身体姿态因子F4中的权重；
X12为机械负荷，l1为机械负荷在心脏活动因子F1中的权重，l2为机械负荷在身体活动因子F2中的权重，l3为机械负荷在呼吸活动因子F3中的权重，l4为生理负荷在身体姿态因子F4中的权重；
X13为训练负荷，m1为训练负荷在心脏活动因子F1中的权重，m2为训练负荷在身体活动因子F2中的权重，m3为训练负荷在呼吸活动因子F3中的权重，m4为生理负荷在身体姿态因子F4中的权重。
其中，如下表4所示的例子，表4示出了4个工作负荷主成分因子在各生理指标变量上对应的得分系数。
表4
根据主成分分析法计算4个工作负荷主成分因子在各生理指标变量上对应的得分系数，作为生理指标分别在工作负荷主成分中的权重，可计算出生理指标数据对应的4个工作负荷主成分因子的得分。此处用X1，X2，X3，…，X13表示标准化后的变量，F1，F2，F3，F4表示这4个工作负荷主成分因子，可得：
F1＝0.271X1-0.258X2-0.101X3+0.053X4+0.027X5-0.046X6+0.243X7-0.091X8-0.065X9-0.050X10+0.253X11-0.086X12+0.233X13；
F2＝-0.027X1+0.118X2+0.014X3+0.105X4+0.122X5+0.058X6-0.057X7+0.310X8+0.251X9+0.235X10-0.062X11+0.303X12-0.046X13；
F3＝-0.159X1+0.134X2+0.537X3-0.624X4+0.165X5-0.029X6+0.040X7-0.103X8+0.050X9-0.061X10-0.022X11-0.079X12+0.052X13；
F4＝-0.142X1+0.014X2-0.217X3-0.157X4+0.038X5+0.725X6+0.035X7+0.109X8+0.033X9+-0.408X10+-0.006X11+0.094X12+0.020X13；
在一些实施例中，在步骤S21：根据主成分分析法，提取生理指标中所表示的信息主成分，获得多个主成分因子，之前还包括：通过KMO检验和Bartlett检验，判断获得适合进行主成分分析的生理指标。
在本实施例中，在上述步骤的基础上，所述方法还包括：预构建工作负荷主成分在工作负荷评估中的权重模型，其中包括：
对工作负荷主成分因子进行旋转，计算工作负荷主成分因子的方差贡献率以及累计方差贡献率，将方差贡献率与累计方差贡献率之比作为工作负荷主成分在工作负荷评估中的权重。
在本实施例中，所述工作负荷主成分在工作负荷评估中的权重模型为：
F＝AF1+BF2+CF3+DF4；
其中，F为工作负荷评估值，A为心脏活动因子F1在工作负荷评估值F中的权重，B身体活动因子F2在工作负荷评估值F中的权重，C为呼吸活动因子F3在工作负荷评估值F中的权重，D为身体姿态因子F4在工作负荷评估值F中的权重。
具体地，在表2的基础上，对工作负荷主成分因子进行旋转后计算得到如表5所示的工作负荷主成分因子的特征值、方差贡献率以及累计方差贡献率。
表5
以表5为例，所述工作负荷主成分在工作负荷评估中的权重模型，即综合评估模型为：F＝0.3801F1+0.3582F2+0.1428F3+0.1189F4。其中，30.702/80.777＝0.3801；28.932/80.777＝0.3582；11.536/80.777＝0.1428；9.608/80.777＝0.1189。
第二实施例，如图2所示，本发明还构造了一种核电厂操作员工作负荷评估系统，包括：
生理指标模块，用于采集与工作负荷相关的操作员生理指标数据；
因子得分计算模块，用于根据生理指标分别在工作负荷主成分中的权重模型，获得当前生理指标数据对应的工作负荷主成分因子得分；
工作负荷评估模块，用于根据工作负荷主成分在工作负荷评估中的权重模型，获得工作负荷主成分因子得分下的工作负荷评估值。
在本实施例中，生理指标包括：心率、心率变异性、呼吸频率、呼吸波幅、活动状态、倾斜度、生理强度、机械强度、训练强度、行走步数、生理负荷、机械负荷以及训练负荷。操作员生理指标数据的采集可使用生理数据采集设备，例如无线生理遥测设备，可以监控、记录和分析操作员生理指标的数据。在一些实施例中，无线生理遥测设备可采用传感器与胸带结合的方式，如图3所示。
其中，心率(Heart Rate)，心率数据源自250HZ的ECG数据；
心率变异性(Heart Rate Variability)，心率变异性为ECG动态复杂度的测量，本方案中测量的是R-R间隔的标准差(SDNN)；
呼吸频率(Breathing Rate)，呼吸是由胸带上的压力传感器检测到的，它可以检测到由于呼吸引起的躯干的膨胀和收缩，初始呼吸频率的稳定需要15-45秒的呼吸周期；
呼吸波幅(Breathing Wave Amplitude)，与呼吸频率的测量方法相同；
活动状态(Activity Level)，单位VMU(Velocity magnitude units)，步行时活动状态大于0.2VMU，跑步时活动状态大于0.8VMU，计算公式为：
其中，x、y、z分别为x、y、z轴加速度大小的平均值，采样频率为100HZ。
倾斜度，测量操纵员前倾或后倾的度数，范围为-180°～180°，当操纵员垂直站立或坐立时为0°，当操纵员倒置时为±180°。在进行数据分析时，将倾斜度取绝对值。
生理强度(Physiological Intensity)，生理强度为根据心率值的大小对应的等级评分得到的强度值，当心率小于心率最大值的50％时强度值为0，当大于50％心率最大值时，每5％心率最大值的增加，强度值增加1，强度值为数字，无单位。
机械强度(Mechanical Intensity)，机械强度为根据加速度峰值的大小对应得到的等级评分强度值，当加速度峰值小于0.5g时为0，当加速度峰值大于0.5g时，每增加0.05g，强度值增加1。
训练强度(Training Intensity)，训练强度为机械强度和生理强度的平均值。
行走步数(Walk Step Count)，记录操纵员在任务中的行走步数，是一个累计值；
生理负荷(Physiological Load)，生理负荷为基于生理强度的累积输出量(Cumulative Index of Cardiac Output)，可以较好反映出操纵员在一个特定训练阶段的总体努力水平。
机械负荷(Physiological Load)，机械负荷为基于机械强度的累积运动输出量(Cumulative Index of Kinetic Output)，机械负荷是对总体运动量的度量。
训练负荷(Physiological Load)，训练负荷定义为生理负荷和机械负荷的平均值。
在本实施例中，该生理指标模块包括：
采集模块，用于采集操作员的多个生理指标数据；
提取模块，用于预设平均工作负荷，根据Spearman相关性分析法，提取多个生理指标中与平均工作负荷相关的生理指标。其中，平均工作负荷是根据之前多次测得的生理指标数据得到的多个工作负荷，取多个工作负荷的平均值。相关包括正相关和负相关。例如，下表1示出了与预设平均工作负荷之间存在相关性的生理指标，其中，spearman是相关系数。需要说明的是，下表仅是举例，不同的预设平均工作负荷会与不同的生理指标存在相关性。
表1
在本实施例中，该系统还包括：
标准化处理模块，用于采用归一化方法对所述生理指标数据进行标准化处理，获得标准化后的生理指标数据，即去除数据的单位限制，将生理化指标数据转化为无量纲的纯数值。
在本实施例中，该系统还包括：第一预构建模块，用于预构建所述生理指标分别在工作负荷主成分中的权重模型；
所述第一预构建模块包括：主成分分析模块、工作负荷主成分模块以及得分系数计算模块。
主成分分析模块，用于预设同样的生理指标，根据主成分分析法，提取生理指标中所表示的信息主成分，获得多个主成分因子。其中，主成分分析是将原来的变量(13个生理指标)重新组合成一组新的互相无关的几个综合变量(主成分因子)。同时，根据实际需要，从中取出几个较少的综合变量(工作负荷主成分因子)尽可能多地反映原来变量的信息。
工作负荷主成分模块，用于计算多个主成分因子的特征值，选择特征值大于1的主成分因子，得到工作负荷主成分因子。在一些实施例中，还可进一步计算特征值大于1的主成分因子的累计方差贡献率是否达到预设阈值，若是，则作为工作负荷主成分因子，若否，则调整选择的特征值，例如选择特征值大于0.8或05的主成分因子。其中，特征值是指该主成分因子对13个生理指标整体的贡献；方差贡献率是指该主成分因子对13个生理指标的信息提取程度。
其中，如下表2和图4所示的例子，表2示出了多个主成分因子的特征值、方差贡献率以及累计方差贡献率，图4示出了多个主成分因子的分析碎石图。由表2可知主成分因子1的特征值为6.069，方差贡献率为46.687％；主成分因子2的特征值为1.977，方差贡献率为15.210％；主成分因子3的特征值1.245，方差贡献率为9.580％；主成分因子4的特征值1.209，方差贡献率约为9.301％。这4个因子的累计方差贡献率达到80.777％，说明这4个主成分因子已可解释原始变量80％以上的方差，因此可选用这4个主成分因子作为工作负荷主成分因子。
表2
另外，对于这4个主成分因子分别受那些变量影响，由隐藏数值绝对值小于0.6的旋转后的成分矩阵值可知(见表3)：
表3
通过上述成分矩阵计算，展示出了所选定的4个工作负荷主成分因子分别受那些变量(生理指标)影响。
主成分因子1主要涉及“生理强度”、“训练负荷”、“生理负荷”、“心率变化”、“心率变异性”。从生理指标的实际意义看，训练负荷是生理负荷和机械负荷的平均值，生理负荷是生理强度的累计量，生理强度则是根据心率值的大小得到的等级评分值，心率变化与心率变异性都是心脏活动的评估指标，由此可知主成分因子1主要反映心脏活动的情况。
主成分因子2主要涉及“训练强度”、“机械负荷”、“机械强度”、“行走步数”和“活动状态”。训练强度由机械强度和生理强度的平均值，机械负荷为机械强度的累积量，机械强度为根据运动加速度峰值的等级评分值，行走步数与活动状态都是身体活动情况的评估指标，由此可知因子2主要反映身体活动的情况。
主成分因子3主要涉及“呼吸波幅”与“呼吸率”，都属于呼吸活动的评估指标。由此可知因子3主要反映呼吸活动的情况。
主成分因子4主要涉及“倾斜度”，属于身体活动情况中姿态的评估指标，由此可知因子4主要反映身体活动的情况。
得分系数计算模块，用于根据主成分分析法，计算工作负荷主成分因子在各预设生理指标数据中的得分系数，并作为生理指标分别在所述工作负荷主成分中的权重。
在本实施例中，工作负荷主成分因子包括：心脏活动因子F1、身体活动因子F2、呼吸活动因子F3以及身体姿态因子F4，即主成分因子1、主成分因子2、主成分因子3以及主成分因子4。
所述生理指标分别在工作负荷主成分中的权重模型，包括：
F1＝a1X1+b1X2+c1X3+d1X4+e1X5+f1X6+g1X7+h1X8+i1X9+j1X10+k1X11+l1X12+m1X13；
F2＝a2X1+b2X2+c2X3+d2X4+e2X5+f2X6+g2X7+h2X8+i2X9+j2X10+k2X11+l2X12+m2X13；
F3＝a3X1+b3X2+c3X3+d3X4+e3X5+f3X6+g3X7+h3X8+i3X9+j3X10+k3X11+l3X12+m3X13；
F4＝a4X1+b4X2+c4X3+d4X4+e4X5+f4X6+g4X7+h4X8+i4X9+j4X10+k4X11+l4X12+m4X13；
其中，X1为心率值，a1为心率值在心脏活动因子F1中的权重，a2为心率值在身体活动因子F2中的权重，a3为心率值在呼吸活动因子F3中的权重，a4为心率值在身体姿态因子F4中的权重；
X2为心率变异性，b1为心率变异性在心脏活动因子F1中的权重，b2为心率变异性在身体活动因子F2中的权重，b3为心率变异性在呼吸活动因子F3中的权重，b4为心率变异性在身体姿态因子F4中的权重；
X3为呼吸频率，c1为呼吸频率在心脏活动因子F1中的权重，c2为呼吸频率在身体活动因子F2中的权重，c3为呼吸频率在呼吸活动因子F3中的权重，c4为呼吸频率在身体姿态因子F4中的权重；
X4为呼吸波幅，d1为呼吸波幅在心脏活动因子F1中的权重，d2为呼吸波幅在身体活动因子F2中的权重，d3为呼吸波幅在呼吸活动因子F3中的权重，d4为呼吸波幅在身体姿态因子F4中的权重；
X5为活动状态，e1为活动状态在心脏活动因子F1中的权重，e2为活动状态在身体活动因子F2中的权重，e3为活动状态在呼吸活动因子F3中的权重，e4为活动状态在身体姿态因子F4中的权重；
X6为倾斜度，f1为倾斜度在心脏活动因子F1中的权重，f2为倾斜度在身体活动因子F2中的权重，f3为倾斜度在呼吸活动因子F3中的权重，f4为倾斜度在身体姿态因子F4中的权重；
X7为生理强度，g1为生理强度在心脏活动因子F1中的权重，g2为生理强度在身体活动因子F2中的权重，g3为生理强度在呼吸活动因子F3中的权重，g4为生理强度在身体姿态因子F4中的权重；
X8为机械强度，h1为机械强度在心脏活动因子F1中的权重，h2为机械强度在身体活动因子F2中的权重，h3为机械强度在呼吸活动因子F3中的权重，h4为机械强度在身体姿态因子F4中的权重；
X9为训练强度，i1为训练强度在心脏活动因子F1中的权重，i2为训练强度在身体活动因子F2中的权重，i3为训练强度在呼吸活动因子F3中的权重，i4为训练强度在身体姿态因子F4中的权重；
X10为行走步数，j1为行走步数在心脏活动因子F1中的权重，j2为行走步数在身体活动因子F2中的权重，j3为行走步数在呼吸活动因子F3中的权重，j4为行走步数在身体姿态因子F4中的权重；
X11为生理负荷，k1为生理负荷在心脏活动因子F1中的权重，k2为生理负荷在身体活动因子F2中的权重，k3为生理负荷在呼吸活动因子F3中的权重，k4为生理负荷在身体姿态因子F4中的权重；
X12为机械负荷，l1为机械负荷在心脏活动因子F1中的权重，l2为机械负荷在身体活动因子F2中的权重，l3为机械负荷在呼吸活动因子F3中的权重，l4为生理负荷在身体姿态因子F4中的权重；
X13为训练负荷，m1为训练负荷在心脏活动因子F1中的权重，m2为训练负荷在身体活动因子F2中的权重，m3为训练负荷在呼吸活动因子F3中的权重，m4为生理负荷在身体姿态因子F4中的权重。
其中，如下表4所示的例子，表4示出了4个工作负荷主成分因子在各生理指标变量上对应的得分系数。
表4
根据主成分分析法计算4个工作负荷主成分因子在各生理指标变量上对应的得分系数，作为生理指标分别在工作负荷主成分中的权重，可计算出生理指标数据对应的4个工作负荷主成分因子的得分。此处用X1，X2，X3，…，X13表示标准化后的变量，F1，F2，F3，F4表示这4个工作负荷主成分因子，可得：
F1＝0.271X1-0.258X2-0.101X3+0.053X4+0.027X5-0.046X6+0.243X7-0.091X8-0.065X9-0.050X10+0.253X11-0.086X12+0.233X13；
F2＝-0.027X1+0.118X2+0.014X3+0.105X4+0.122X5+0.058X6-0.057X7+0.310X8+0.251X9+0.235X10-0.062X11+0.303X12-0.046X13；
F3＝-0.159X1+0.134X2+0.537X3-0.624X4+0.165X5-0.029X6+0.040X7-0.103X8+0.050X9-0.061X10-0.022X11-0.079X12+0.052X13；
F4＝-0.142X1+0.014X2-0.217X3-0.157X4+0.038X5+0.725X6+0.035X7+0.109X8+0.033X9+-0.408X10+-0.006X11+0.094X12+0.020X13；
在本实施例中，第一预构建模块还包括：
校验模块，用于通过KMO检验和Bartlett检验，判断获得适合进行主成分分析的生理指标。
在本实施例中，该系统还包括：第二预构建模块，预构建所述工作负荷主成分在所述工作负荷评估中的权重模型；
所述第二预构建模块包括：
旋转模块，用于对工作负荷主成分因子进行旋转；
方差计算模块，用于计算工作负荷主成分因子的方差贡献率以及累计方差贡献率，将方差贡献率与累计方差贡献率之比作为工作负荷主成分在工作负荷评估中的权重。
在本实施例中，所述工作负荷主成分在工作负荷评估中的权重模型为：
F＝AF1+BF2+CF3+DF4；
其中，F为工作负荷评估值，A为心脏活动因子F1在工作负荷评估值F中的权重，B身体活动因子F2在工作负荷评估值F中的权重，C为呼吸活动因子F3在工作负荷评估值F中的权重，D为身体姿态因子F4在工作负荷评估值F中的权重。
具体地，在表2的基础上，对工作负荷主成分因子进行旋转后计算得到如表5所示的工作负荷主成分因子的特征值、方差贡献率以及累计方差贡献率。
表5
以表5为例，所述工作负荷主成分在工作负荷评估中的权重模型，即综合评估模型为：F＝0.3801F1+0.3582F2+0.1428F3+0.1189F4。其中，30.702/80.777＝0.3801；28.932/80.777＝0.3582；11.536/80.777＝0.1428；9.608/80.777＝0.1189。
第三实施例，本发明还构造了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一实施例所述的核电厂操作员工作负荷评估方法。
第四实施例，本发明还构造了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如第一实施例所述的核电厂操作员工作负荷评估方法。
通过实施本发明，具有以下有益效果：
本发明基于操作员生理指标数据，建立工作负荷的评估方法和系统，该方案以多维度生理数据为基础，易于采集，客观性强，可在已知生理指标数据的条件下，客观评价操纵员的工作负荷，解决当前由操纵员对工作负荷进行主观评分，主观性强，易受影响，一致性和可信度略低等问题。
另外，生理指标以生理强度与机械强度为主，简便易行，可信度高。
可以理解的，以上实施例仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，可以对上述技术特点进行自由组合，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，凡跟本发明权利要求范围所做的等同变换与修饰，均应属于本发明权利要求的涵盖范围。
Claims (20)
1.一种核电厂操作员工作负荷评估方法，其特征在于，包括以下步骤：
S1：采集与工作负荷相关的操作员生理指标数据；
S2：根据所述生理指标分别在工作负荷主成分中的权重模型，获得当前所述生理指标数据对应的工作负荷主成分因子得分；
S3：根据所述工作负荷主成分在工作负荷评估中的权重模型，获得所述工作负荷主成分因子得分下的工作负荷评估值。
2.根据权利要求1所述的核电厂操作员工作负荷评估方法，其特征在于，所述生理指标包括：心率、心率变异性、呼吸频率、呼吸波幅、活动状态、倾斜度、生理强度、机械强度、训练强度、行走步数、生理负荷、机械负荷以及训练负荷。
3.根据权利要求1所述的核电厂操作员工作负荷评估方法，其特征在于，所述步骤S1包括：
S11：采集操作员的多个生理指标数据；
S12：预设平均工作负荷，根据Spearman相关性分析法，提取所述多个生理指标中与平均工作负荷相关的生理指标。
4.根据权利要求1所述的核电厂操作员工作负荷评估方法，其特征在于，所述步骤S2之前还包括：
采用归一化方法对所述生理指标数据进行标准化处理。
5.根据权利要求1所述的核电厂操作员工作负荷评估方法，其特征在于，所述方法还包括：预构建所述生理指标分别在工作负荷主成分中的权重模型，其中包括：
根据主成分分析法，提取所述生理指标中所表示的信息主成分，获得多个主成分因子；
计算多个所述主成分因子的特征值，选择特征值大于1的所述主成分因子，得到工作负荷主成分因子；
根据主成分分析法，计算所述工作负荷主成分因子在各预设生理指标数据中的得分系数，并作为所述生理指标分别在所述工作负荷主成分中的权重。
6.根据权利要求5所述的核电厂操作员工作负荷评估方法，其特征在于，所述步骤根据主成分分析法，提取所述生理指标中所表示的信息主成分，获得多个主成分因子，之前还包括：
通过KMO检验和Bartlett检验，判断获得适合进行主成分分析的生理指标。
7.根据权利要求5所述的核电厂操作员工作负荷评估方法，其特征在于，所述方法还包括：预构建所述工作负荷主成分在所述工作负荷评估中的权重模型，其中包括：
对所述工作负荷主成分因子进行旋转，计算所述工作负荷主成分因子的方差贡献率以及累计方差贡献率，将方差贡献率与累计方差贡献率之比作为所述工作负荷主成分在所述工作负荷评估中的权重。
8.根据权利要求5所述的核电厂操作员工作负荷评估方法，其特征在于，所述工作负荷主成分因子包括：心脏活动因子F1、身体活动因子F2、呼吸活动因子F3以及身体姿态因子F4；
所述生理指标分别在工作负荷主成分中的权重模型，包括：
F1＝a1X1+b1X2+c1X3+d1X4+e1X5+f1X6+g1X7+h1X8+i1X9+j1X10+k1X11+l1X12+m1X13；
F2＝a2X1+b2X2+c2X3+d2X4+e2X5+f2X6+g2X7+h2X8+i2X9+j2X10+k2X11+l2X12+m2X13；
F3＝a3X1+b3X2+c3X3+d3X4+e3X5+f3X6+g3X7+h3X8+i3X9+j3X10+k3X11+l3X12+m3X13；
F4＝a4X1+b4X2+c4X3+d4X4+e4X5+f4X6+g4X7+h4X8+i4X9+j4X10+k4X11+l4X12+m4X13；
其中，X1为心率值，a1为所述心率值在所述心脏活动因子F1中的权重，a2为所述心率值在所述身体活动因子F2中的权重，a3为所述心率值在所述呼吸活动因子F3中的权重，a4为所述心率值在所述身体姿态因子F4中的权重；
X2为心率变异性，b1为所述心率变异性在所述心脏活动因子F1中的权重，b2为所述心率变异性在所述身体活动因子F2中的权重，b3为所述心率变异性在所述呼吸活动因子F3中的权重，b4为所述心率变异性在所述身体姿态因子F4中的权重；
X3为呼吸频率，c1为所述呼吸频率在所述心脏活动因子F1中的权重，c2为所述呼吸频率在所述身体活动因子F2中的权重，c3为所述呼吸频率在所述呼吸活动因子F3中的权重，c4为所述呼吸频率在所述身体姿态因子F4中的权重；
X4为呼吸波幅，d1为所述呼吸波幅在所述心脏活动因子F1中的权重，d2为所述呼吸波幅在所述身体活动因子F2中的权重，d3为所述呼吸波幅在所述呼吸活动因子F3中的权重，d4为所述呼吸波幅在所述身体姿态因子F4中的权重；
X5为活动状态，e1为所述活动状态在所述心脏活动因子F1中的权重，e2为所述活动状态在所述身体活动因子F2中的权重，e3为所述活动状态在所述呼吸活动因子F3中的权重，e4为所述活动状态在所述身体姿态因子F4中的权重；
X6为倾斜度，f1为所述倾斜度在所述心脏活动因子F1中的权重，f2为所述倾斜度在所述身体活动因子F2中的权重，f3为所述倾斜度在所述呼吸活动因子F3中的权重，f4为所述倾斜度在所述身体姿态因子F4中的权重；
X7为生理强度，g1为所述生理强度在所述心脏活动因子F1中的权重，g2为所述生理强度在所述身体活动因子F2中的权重，g3为所述生理强度在所述呼吸活动因子F3中的权重，g4为所述生理强度在所述身体姿态因子F4中的权重；
X8为机械强度，h1为所述机械强度在所述心脏活动因子F1中的权重，h2为所述机械强度在所述身体活动因子F2中的权重，h3为所述机械强度在所述呼吸活动因子F3中的权重，h4为所述机械强度在所述身体姿态因子F4中的权重；
X9为训练强度，i1为所述训练强度在所述心脏活动因子F1中的权重，i2为所述训练强度在所述身体活动因子F2中的权重，i3为所述训练强度在所述呼吸活动因子F3中的权重，i4为所述训练强度在所述身体姿态因子F4中的权重；
X10为行走步数，j1为所述行走步数在所述心脏活动因子F1中的权重，j2为所述行走步数在所述身体活动因子F2中的权重，j3为所述行走步数在所述呼吸活动因子F3中的权重，j4为所述行走步数在所述身体姿态因子F4中的权重；
X11为生理负荷，k1为所述生理负荷在所述心脏活动因子F1中的权重，k2为所述生理负荷在所述身体活动因子F2中的权重，k3为所述生理负荷在所述呼吸活动因子F3中的权重，k4为所述生理负荷在所述身体姿态因子F4中的权重；
X12为机械负荷，l1为所述机械负荷在所述心脏活动因子F1中的权重，l2为所述机械负荷在所述身体活动因子F2中的权重，l3为所述机械负荷在所述呼吸活动因子F3中的权重，l4为所述机械负荷在所述身体姿态因子F4中的权重；
X13为训练负荷，m1为所述训练负荷在所述心脏活动因子F1中的权重，m2为所述训练负荷在所述身体活动因子F2中的权重，m3为所述训练负荷在所述呼吸活动因子F3中的权重，m4为所述训练负荷在所述身体姿态因子F4中的权重。
9.根据权利要求8所述的核电厂操作员工作负荷评估方法，其特征在于，所述工作负荷主成分在所述工作负荷评估中的权重模型为：
F＝AF1+BF2+CF3+DF4；
其中，F为工作负荷评估值，A为心脏活动因子F1在工作负荷评估值F中的权重，B身体活动因子F2在工作负荷评估值F中的权重，C为呼吸活动因子F3在工作负荷评估值F中的权重，D为身体姿态因子F4在工作负荷评估值F中的权重。
10.一种核电厂操作员工作负荷评估系统，其特征在于，包括：
生理指标模块，用于采集与工作负荷相关的操作员生理指标数据；
因子得分计算模块，用于根据所述生理指标分别在工作负荷主成分中的权重模型，获得当前所述生理指标数据对应的工作负荷主成分因子得分；
工作负荷评估模块，用于根据所述工作负荷主成分在工作负荷评估中的权重模型，获得所述工作负荷主成分因子得分下的工作负荷评估值。
11.根据权利要求10所述的核电厂操作员工作负荷评估系统，其特征在于，所述生理指标包括：心率、心率变异性、呼吸频率、呼吸波幅、活动状态、倾斜度、生理强度、机械强度、训练强度、行走步数、生理负荷、机械负荷以及训练负荷。
12.根据权利要求10所述的核电厂操作员工作负荷评估系统，其特征在于，所述生理指标模块包括：
采集模块，用于采集操作员的多个生理指标数据；
提取模块，用于预设平均工作负荷，根据Spearman相关性分析法，提取所述多个生理指标中与平均工作负荷相关的生理指标。
13.根据权利要求10所述的核电厂操作员工作负荷评估系统，其特征在于，所述系统还包括：
标准化处理模块，用于采用归一化方法对所述生理指标数据进行标准化处理。
14.根据权利要求10所述的核电厂操作员工作负荷评估系统，其特征在于，所述系统还包括：第一预构建模块，用于预构建所述生理指标分别在工作负荷主成分中的权重模型；
所述第一预构建模块包括：
主成分分析模块，用于根据主成分分析法，提取所述生理指标中所表示的信息主成分，获得多个主成分因子；
工作负荷主成分模块，用于计算多个所述主成分因子的特征值，选择特征值大于1的所述主成分因子，得到工作负荷主成分因子；
得分系数计算模块，用于根据主成分分析法，计算所述工作负荷主成分因子在各预设生理指标数据中的得分系数，并作为所述生理指标分别在所述工作负荷主成分中的权重。
15.根据权利要求14所述的核电厂操作员工作负荷评估系统，其特征在于，所述第一预构建模块还包括：
校验模块，用于通过KMO检验和Bartlett检验，判断获得适合进行主成分分析的生理指标。
16.根据权利要求14所述的核电厂操作员工作负荷评估系统，其特征在于，所述系统还包括：第二预构建模块，预构建所述工作负荷主成分在所述工作负荷评估中的权重模型；
所述第二预构建模块包括：
旋转模块，用于对所述工作负荷主成分因子进行旋转；
方差计算模块，用于计算所述工作负荷主成分因子的方差贡献率以及累计方差贡献率，将方差贡献率与累计方差贡献率之比作为所述工作负荷主成分在所述工作负荷评估中的权重。
17.根据权利要求14所述的核电厂操作员工作负荷评估系统，其特征在于，所述工作负荷主成分因子包括：心脏活动因子F1、身体活动因子F2、呼吸活动因子F3以及身体姿态因子F4；
所述生理指标分别在工作负荷主成分中的权重模型，包括：
F1＝a1X1+b1X2+c1X3+d1X4+e1X5+f1X6+g1X7+h1X8+i1X9+j1X10+k1X11+l1X12+m1X13；
F2＝a2X1+b2X2+c2X3+d2X4+e2X5+f2X6+g2X7+h2X8+i2X9+j2X10+k2X11+l2X12+m2X13；
F3＝a3X1+b3X2+c3X3+d3X4+e3X5+f3X6+g3X7+h3X8+i3X9+j3X10+k3X11+l3X12+m3X13；
F4＝a4X1+b4X2+c4X3+d4X4+e4X5+f4X6+g4X7+h4X8+i4X9+j4X10+k4X11+l4X12+m4X13；
其中，X1为心率值，a1为所述心率值在所述心脏活动因子F1中的权重，a2为所述心率值在所述身体活动因子F2中的权重，a3为所述心率值在所述呼吸活动因子F3中的权重，a4为所述心率值在所述身体姿态因子F4中的权重；
X2为心率变异性，b1为所述心率变异性在所述心脏活动因子F1中的权重，b2为所述心率变异性在所述身体活动因子F2中的权重，b3为所述心率变异性在所述呼吸活动因子F3中的权重，b4为所述心率变异性在所述身体姿态因子F4中的权重；
X3为呼吸频率，c1为所述呼吸频率在所述心脏活动因子F1中的权重，c2为所述呼吸频率在所述身体活动因子F2中的权重，c3为所述呼吸频率在所述呼吸活动因子F3中的权重，c4为所述呼吸频率在所述身体姿态因子F4中的权重；
X4为呼吸波幅，d1为所述呼吸波幅在所述心脏活动因子F1中的权重，d2为所述呼吸波幅在所述身体活动因子F2中的权重，d3为所述呼吸波幅在所述呼吸活动因子F3中的权重，d4为所述呼吸波幅在所述身体姿态因子F4中的权重；
X5为活动状态，e1为所述活动状态在所述心脏活动因子F1中的权重，e2为所述活动状态在所述身体活动因子F2中的权重，e3为所述活动状态在所述呼吸活动因子F3中的权重，e4为所述活动状态在所述身体姿态因子F4中的权重；
X6为倾斜度，f1为所述倾斜度在所述心脏活动因子F1中的权重，f2为所述倾斜度在所述身体活动因子F2中的权重，f3为所述倾斜度在所述呼吸活动因子F3中的权重，f4为所述倾斜度在所述身体姿态因子F4中的权重；
X7为生理强度，g1为所述生理强度在所述心脏活动因子F1中的权重，g2为所述生理强度在所述身体活动因子F2中的权重，g3为所述生理强度在所述呼吸活动因子F3中的权重，g4为所述生理强度在所述身体姿态因子F4中的权重；
X8为机械强度，h1为所述机械强度在所述心脏活动因子F1中的权重，h2为所述机械强度在所述身体活动因子F2中的权重，h3为所述机械强度在所述呼吸活动因子F3中的权重，h4为所述机械强度在所述身体姿态因子F4中的权重；
X9为训练强度，i1为所述训练强度在所述心脏活动因子F1中的权重，i2为所述训练强度在所述身体活动因子F2中的权重，i3为所述训练强度在所述呼吸活动因子F3中的权重，i4为所述训练强度在所述身体姿态因子F4中的权重；
X10为行走步数，j1为所述行走步数在所述心脏活动因子F1中的权重，j2为所述行走步数在所述身体活动因子F2中的权重，j3为所述行走步数在所述呼吸活动因子F3中的权重，j4为所述行走步数在所述身体姿态因子F4中的权重；
X11为生理负荷，k1为所述生理负荷在所述心脏活动因子F1中的权重，k2为所述生理负荷在所述身体活动因子F2中的权重，k3为所述生理负荷在所述呼吸活动因子F3中的权重，k4为所述生理负荷在所述身体姿态因子F4中的权重；
X12为机械负荷，l1为所述机械负荷在所述心脏活动因子F1中的权重，l2为所述机械负荷在所述身体活动因子F2中的权重，l3为所述机械负荷在所述呼吸活动因子F3中的权重，l4为所述机械负荷在所述身体姿态因子F4中的权重；
X13为训练负荷，m1为所述训练负荷在所述心脏活动因子F1中的权重，m2为所述训练负荷在所述身体活动因子F2中的权重，m3为所述训练负荷在所述呼吸活动因子F3中的权重，m4为所述训练负荷在所述身体姿态因子F4中的权重。
18.根据权利要求17所述的核电厂操作员工作负荷评估系统，其特征在于，所述工作负荷主成分在所述工作负荷评估中的权重模型为：
F＝AF1+BF2+CF3+DF4；
其中，F为工作负荷评估值，A为心脏活动因子F1在工作负荷评估值F中的权重，B身体活动因子F2在工作负荷评估值F中的权重，C为呼吸活动因子F3在工作负荷评估值F中的权重，D为身体姿态因子F4在工作负荷评估值F中的权重。
19.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9任一项所述的核电厂操作员工作负荷评估方法。
20.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-9任一项所述的核电厂操作员工作负荷评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011396055.0A CN112686495A (zh) | 2020-12-03 | 2020-12-03 | 核电厂操作员工作负荷评估方法、系统、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011396055.0A CN112686495A (zh) | 2020-12-03 | 2020-12-03 | 核电厂操作员工作负荷评估方法、系统、介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112686495A true CN112686495A (zh) | 2021-04-20 |
Family
ID=75445762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011396055.0A Pending CN112686495A (zh) | 2020-12-03 | 2020-12-03 | 核电厂操作员工作负荷评估方法、系统、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112686495A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113100769A (zh) * | 2021-04-21 | 2021-07-13 | 北京理工大学 | 基于生理指标的无人机操作人员工作状态评估方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102727223A (zh) * | 2012-06-18 | 2012-10-17 | 天津大学 | 基于多生理参数pca融合的脑力负荷测量方法 |
| CN106651020A (zh) * | 2016-12-16 | 2017-05-10 | 燕山大学 | 一种基于大数据简约的短期电力负荷预测方法 |
| CN109858178A (zh) * | 2019-02-26 | 2019-06-07 | 重庆交通大学 | 一种基于智能手环的营运车辆驾驶员疲劳预警方法 |
| CN111680913A (zh) * | 2020-06-08 | 2020-09-18 | 中国船舶工业综合技术经济研究院 | 一种舰员的超负荷工作检测方法及系统 |
-
2020
- 2020-12-03 CN CN202011396055.0A patent/CN112686495A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102727223A (zh) * | 2012-06-18 | 2012-10-17 | 天津大学 | 基于多生理参数pca融合的脑力负荷测量方法 |
| CN106651020A (zh) * | 2016-12-16 | 2017-05-10 | 燕山大学 | 一种基于大数据简约的短期电力负荷预测方法 |
| CN109858178A (zh) * | 2019-02-26 | 2019-06-07 | 重庆交通大学 | 一种基于智能手环的营运车辆驾驶员疲劳预警方法 |
| CN111680913A (zh) * | 2020-06-08 | 2020-09-18 | 中国船舶工业综合技术经济研究院 | 一种舰员的超负荷工作检测方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| E.J麦考密克等: "公共管理研究方法", 天津大学出版社, pages: 234 - 100 * |
| 王慧等: "主成分分析和因子分析的区别与联系及其应用", 第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会, pages 381 - 387 * |
| 耿赫等: "复杂系统中多人协同作业的团队工作负荷评价综述", 航天医学与医学工程, vol. 33, no. 5, pages 464 - 470 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113100769A (zh) * | 2021-04-21 | 2021-07-13 | 北京理工大学 | 基于生理指标的无人机操作人员工作状态评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Antwi-Afari et al. | Construction activity recognition and ergonomic risk assessment using a wearable insole pressure system | |
| Owen et al. | Development of a criterion method to determine peak mechanical power output in a countermovement jump | |
| Ranavolo et al. | Surface electromyography for risk assessment in work activities designed using the “revised NIOSH lifting equation” | |
| EP2688468A1 (en) | Apparatus and method for measuring physiological signal quality | |
| EP2442710A1 (en) | Method and apparatus for obtaining and processing ballistocardiograph data | |
| WO2008011590A2 (en) | Lameness evaluation systems and methods | |
| CN112806977B (zh) | 基于多尺度融合网络的生理参数测量方法 | |
| WO2004069151A2 (en) | Method of cardiac risk assessment | |
| Chang et al. | High-precision real-time premature ventricular contraction (PVC) detection system based on wavelet transform | |
| CN112686495A (zh) | 核电厂操作员工作负荷评估方法、系统、介质及电子设备 | |
| Chen et al. | Edge2Analysis: a novel AIoT platform for atrial fibrillation recognition and detection | |
| Wu et al. | A multi-sensor fall detection system based on multivariate statistical process analysis | |
| CN100450434C (zh) | 诊断数据取得方法及诊断系统 | |
| Gospodinova et al. | Automatic analysis of ECG signals based on their fractal and multifractal properties | |
| Merrigan et al. | Countermovement jump force-time curve analyses: reliability and comparability across force plate systems | |
| CN117137479A (zh) | 一种便携式膝关节术后康复训练监测评估装置及方法 | |
| CN115579135A (zh) | 一种外骨骼助力效果评价方法以及装置 | |
| CN109394206A (zh) | 基于穿戴式心电信号中早搏信号的实时监测方法及其装置 | |
| Retory et al. | Gait monitoring and walk distance estimation with an accelerometer during 6-minute walk test | |
| Simjanoska et al. | Automated triage parameters estimation from ECG | |
| Castro et al. | Analysis of the electromechanical activity of the heart from synchronized ECG and PCG signals of subjects under stress | |
| Khandoker et al. | PD2i heart rate complexity measure can detect cardiac autonomic neuropathy: an alternative test to Ewing battery | |
| CN116313094B (zh) | 一种远程宠物治疗检测系统及方法 | |
| RU129680U1 (ru) | Система определения функционального состояния группы людей | |
| CN116211289B (zh) | 上肢运动异常的在线分析方法、装置、系统和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |