CN117133108A - 基于安全衣的高压试验预警方法、装置、设备和存储介质 - Google Patents
基于安全衣的高压试验预警方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117133108A CN117133108A CN202311201040.8A CN202311201040A CN117133108A CN 117133108 A CN117133108 A CN 117133108A CN 202311201040 A CN202311201040 A CN 202311201040A CN 117133108 A CN117133108 A CN 117133108A
- Authority
- CN
- China
- Prior art keywords
- value
- biological index
- monitoring value
- monitoring
- environmental parameter
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 181
- 230000007613 environmental effect Effects 0.000 claims abstract description 80
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 22
- 239000000090 biomarker Substances 0.000 claims description 21
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 12
- 239000008280 blood Substances 0.000 claims description 12
- 210000004369 blood Anatomy 0.000 claims description 12
- 230000036772 blood pressure Effects 0.000 claims description 12
- 229910052760 oxygen Inorganic materials 0.000 claims description 12
- 239000001301 oxygen Substances 0.000 claims description 12
- 230000006698 induction Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 208000008445 altitude sickness Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 231100000075 skin burn Toxicity 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请涉及高海拔条件下的高压试验技术领域，提供一种基于安全衣的高压试验预警方法、装置、设备和存储介质，通过预警消息的方式提醒作业人员，保证作业人员的安全。本申请中，基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型；每组训练数据包括：作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值及历史生物指标监测值；基于安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型；根据作业环境预测模型，得到环境参数预测值；将环境参数预测值输入生物指标预测模型，得到生物指标预测值；根据生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。
Description
技术领域
本申请涉及高海拔条件下的高压试验技术领域，特别是涉及一种基于安全衣的高压试验预警方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
在高海拔条件下进行高压试验时，作业人员容易受到高海拔低氧、紫外线辐射、气压变化、温湿度变化、风速变化等不利环境的影响，导致高原反应、皮肤灼伤、心跳加速、呼吸不畅、血压升高、血氧含量下降等问题，对作业人员的身体健康和生命安全构成威胁。
因此，有必要提供一种高压试验预警方法，以保障作业人员的安全。
发明内容
基于此，有必要针对上述技术问题，提供一种基于安全衣的高压试验预警方法、装置、计算机设备、存储介质和计算机程序产品。
本申请提供一种基于安全衣的高压试验预警方法，所述方法包括：
基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型；每组训练数据包括：所述作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值以及所述作业人员的历史生物指标监测值；
基于所述安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型；
根据所述作业环境预测模型，得到环境参数预测值；
将所述环境参数预测值输入所述生物指标预测模型，得到生物指标预测值；
根据所述生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。
在一个实施例中，根据所述生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息，包括：
若所述生物指标预测值不在所述安全范围内，则发出高海拔条件下的高压试验的预警消息；
若所述生物指标预测值在所述安全范围内，则不发出高海拔条件下的高压试验的预警消息。
在一个实施例中，在若所述生物指标预测值在所述安全范围内，则不发出高海拔条件下的高压试验的预警消息之后，所述方法还包括：
在所述作业人员穿着所述安全衣进行高海拔条件下的高压试验时，根据所述安全衣，得到当前作业环境的当前环境参数监测值以及所述作业人员的当前生物指标监测值；
比对所述当前环境参数监测值与所述环境参数预测值之间的环境参数差异值，以及比对所述当前生物指标监测值与所述生物指标预测值之间的生物指标差异值；
根据所述环境参数差异值，确定是否对所述作业环境预测模型进行优化；
根据所述生物指标差异值，确定是否对所述生物指标预测模型进行优化。
在一个实施例中，根据所述环境参数差异值，确定是否对所述作业环境预测模型进行优化，包括：
若所述环境参数差异值未满足预设环境参数差异条件，则基于所述当前环境参数监测值，对所述作业环境预测模型进行优化。
在一个实施例中，根据所述生物指标差异值，确定是否对所述生物指标预测模型进行优化，包括：
若所述生物指标差异值未满足预设生物指标差异条件，则基于所述当前生物指标监测值，对所述生物指标预测模型进行优化。
在一个实施例中，在基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型之前，所述方法还包括：
通过所述安全衣的环境监测传感器，得到所述作业环境的温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值；
将所述温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值，作为所述作业环境的环境参数监测值。
在一个实施例中，在基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型之前，所述方法还包括：
通过所述安全衣的人体生物感应器，得到所述作业人员的心跳监测值、血压监测值以及血氧含量监测值；
将所述心跳监测值、血压监测值以及血氧含量监测值，作为所述作业人员的生物指标监测值。
本申请提供一种基于安全衣的高压试验预警装置，所述装置包括：
模型获取模块，用于基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型；每组训练数据包括：所述作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值以及所述作业人员的历史生物指标监测值；
所述模型获取模块，还用于基于所述安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型；
预测模块，用于根据所述作业环境预测模型，得到环境参数预测值；
所述预测模块，还用于将所述环境参数预测值输入所述生物指标预测模型，得到生物指标预测值；
预警模块，用于根据所述生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。
本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行上述方法。
本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行上述方法。
本申请提供一种计算机程序产品，其上存储有计算机程序，所述计算机程序被处理器执行上述方法。
上述基于安全衣的高压试验预警方法、装置、计算机设备、存储介质和计算机程序产品，基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型；每组训练数据包括：作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值以及作业人员的历史生物指标监测值；基于安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型；根据作业环境预测模型，得到环境参数预测值；将环境参数预测值输入生物指标预测模型，得到生物指标预测值；根据生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。本申请根据安全衣采集到的历史环境参数监测值以及历史生物指标监测值，构建生物指标预测模型；根据安全衣采集到的在时间上连续的若干个历史环境参数监测值，构建作业环境预测模型；通过生物指标预测模型和作业环境预测模型得到预警结果，从而保障作业人员的安全。
附图说明
图1为一个实施例中基于安全衣的高压试验预警方法的流程示意图；
图2为一个实施例中基于安全衣的高压试验预警方法的流程示意图；
图3为一个实施例中模型优化的流程示意图；
图4为一个实施例中基于安全衣的高压试验预警装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
本申请提供的基于安全衣的高压试验预警方法，包括图1示出的步骤，该方法包括的步骤可以由图2中的计算机设备执行，该计算机设备可以获取安全衣采集到的环境参数监测值和生物指标监测值。
步骤S101，基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型。
每组训练数据包括：作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值以及作业人员的历史生物指标监测值；例如，作业人员在上个月20号进行了高海拔条件下的高压试验，通过安全衣，可以得到上个月20号的作业环境的环境参数监测值以及作业人员进行高压试验时的生物指标监测值；该环境参数监测值和生物指标监测值属于历史的，所以可以称为历史环境参数监测值以及历史生物指标监测值。
进一步地，本申请提供的方法还包括：通过安全衣的环境监测传感器，得到作业环境的温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值；将温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值，作为作业环境的环境参数监测值。
本申请提供的安全衣设有环境监测传感器，环境监测传感器可以包括温度传感器、湿度传感器、气压传感器、紫外线传感器、风速传感器、感应电传感器等，能够实时监测作业环境的温度、湿度、气压、海拔高度、紫外线、风速、感应电等参数，环境监测传感器监测得到的以上数据，可以称为温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值，将以上监测值作为作业环境的环境参数监测值，由此可以得到单组训练数据里的历史环境参数监测值。
进一步地，本申请提供的方法还包括：通过安全衣的人体生物感应器，得到作业人员的心跳监测值、血压监测值以及血氧含量监测值；将心跳监测值、血压监测值以及血氧含量监测值，作为作业人员的生物指标监测值。
本申请提供的安全衣还可以设有人体生物感应器，人体生物感应器可以包括心电图传感器、血压传感器、血氧传感器等，能够实时监测作业人员的心跳、血压、血氧含量等生物指标，人体生物感应器监测得到的以上数据，可以称为心跳监测值、血压监测值以及血氧含量监测值，将以上监测值作为作业人员的生物指标监测值，由此可以得到单组训练数据里的历史生物指标监测值。
另外，安全衣采集到的以上各类监测值，还可以通过显示屏或者手机的应用程序等方式进行实时反馈给作业人员。
另外，安全衣可设有数据记录器，能够将各类传感器采集到的数据进行实时记录和存储。数据记录器可以使用内置存储器或外部存储设备，如闪存卡或云存储服务等，数据记录器可以具备足够的容量和稳定性，以支持长时间的高压试验。
在得到多组训练数据后，可以通过深度学习方式训练模型，得到生物指标预测模型。
步骤S102，基于安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型。
在时间上连续的若干个历史环境参数监测值，例如，上个月15至20号，每天的环境参数监测值。
本步骤中，在得到时间上连续的若干个历史环境参数监测值后，可以通过时间序列分析方法，构建出作业环境预测模型，用于预测未来的环境参数。
步骤S103，根据作业环境预测模型，得到环境参数预测值。
在得到作业环境预测模型后，可以通过该作业环境预测模型预测明天的环境参数，得到环境参数预测值。
步骤S104，将环境参数预测值输入生物指标预测模型，得到生物指标预测值。
在得到环境参数预测值后，可以将环境参数预测值输入生物指标预测模型，得到生物指标预测值。
步骤S105，根据生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。
具体地，若生物指标预测值不在安全范围内，则发出高海拔条件下的高压试验的预警消息；若生物指标预测值在安全范围内，则不发出高海拔条件下的高压试验的预警消息。预警消息可以通过声音警报、振动提醒或显示屏上的视觉提示等方式发出，及时提醒作业人员。
上述基于安全衣的高压试验预警方法中，根据安全衣采集到的历史环境参数监测值以及历史生物指标监测值，构建生物指标预测模型；根据安全衣采集到的在时间上连续的若干个历史环境参数监测值，构建作业环境预测模型；通过生物指标预测模型和作业环境预测模型得到预警结果，从而保障作业人员的安全。
在一个实施例中，在若生物指标预测值在安全范围内，则不发出高海拔条件下的高压试验的预警消息之后，本申请提供的方法还包括图3示出的步骤：步骤S301，在作业人员穿着安全衣进行高海拔条件下的高压试验时，根据安全衣，得到当前作业环境的当前环境参数监测值以及作业人员的当前生物指标监测值；步骤S302，比对当前环境参数监测值与环境参数预测值之间的环境参数差异值，以及比对当前生物指标监测值与生物指标预测值之间的生物指标差异值；步骤S303，根据环境参数差异值，确定是否对作业环境预测模型进行优化；步骤S304，根据生物指标差异值，确定是否对生物指标预测模型进行优化。
根据生物指标预测模型和作业环境预测模型，确定不发出预警消息后，作业人员在未收到预警消息的情况下，一般会按照原计划进行高海拔条件下的高压试验；在作业人员进行高压试验的过程中，安全衣实时采集当前作业环境的当前环境参数监测值以及作业人员的当前生物指标监测值。
计算机设备得到当前环境参数监测值和当前生物指标监测值之后，可以将当前环境参数监测值与环境参数预测值进行差异比对，得到环境参数差异值，根据环境参数差异值，判断环境参数预测值是否偏离当前环境参数监测值过多，以确定是否对作业环境预测模型进行优化。
计算机设备还可以将当前生物指标监测值与生物指标预测值进行差异比对，得到生物指标差异值，根据生物指标差异值，判断生物指标预测值是否偏离当前生物指标监测值过多，以确定是否对生物指标预测模型进行优化。
在一个实施例中，根据环境参数差异值，确定是否对作业环境预测模型进行优化，包括：若环境参数差异值未满足预设环境参数差异条件，则基于当前环境参数监测值，对作业环境预测模型进行优化。
示例性地，若环境参数差异值大于预设值，则确定环境参数预测值偏离当前环境参数监测值过多，环境参数差异值未满足预设环境参数差异条件，此时，可以根据当前环境参数监测值，对作业环境预测模型进行优化，从而提高作业环境预测模型的预测准确性。
在一个实施例中，根据生物指标差异值，确定是否对生物指标预测模型进行优化，包括：若生物指标差异值未满足预设生物指标差异条件，则基于当前生物指标监测值，对生物指标预测模型进行优化。
示例性地，若生物指标差异值大于预设值，则确定生物指标预测值偏离当前生物指标监测值过多，生物指标差异值未满足预设生物指标差异条件，此时，可以根据当前生物指标监测值，对生物指标预测模型进行优化，从而提高生物指标预测模型的预测准确性。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种基于安全衣的高压试验预警装置，包括：
模型获取模块401，用于基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型；每组训练数据包括：所述作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值以及所述作业人员的历史生物指标监测值；
所述模型获取模块401，还用于基于所述安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型；
预测模块402，用于根据所述作业环境预测模型，得到环境参数预测值；
所述预测模块402，还用于将所述环境参数预测值输入所述生物指标预测模型，得到生物指标预测值；
预警模块403，用于根据所述生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。
在一个实施例中，预警模块403，还用于若所述生物指标预测值不在所述安全范围内，则发出高海拔条件下的高压试验的预警消息；若所述生物指标预测值在所述安全范围内，则不发出高海拔条件下的高压试验的预警消息。
在一个实施例中，所述装置还包括模型优化模块，用于在所述作业人员穿着所述安全衣进行高海拔条件下的高压试验时，根据所述安全衣，得到当前作业环境的当前环境参数监测值以及所述作业人员的当前生物指标监测值；比对所述当前环境参数监测值与所述环境参数预测值之间的环境参数差异值，以及比对所述当前生物指标监测值与所述生物指标预测值之间的生物指标差异值；根据所述环境参数差异值，确定是否对所述作业环境预测模型进行优化；根据所述生物指标差异值，确定是否对所述生物指标预测模型进行优化。
在一个实施例中，所述模型优化模块，还用于若所述环境参数差异值未满足预设环境参数差异条件，则基于所述当前环境参数监测值，对所述作业环境预测模型进行优化。
在一个实施例中，所述模型优化模块，还用于若所述生物指标差异值未满足预设生物指标差异条件，则基于所述当前生物指标监测值，对所述生物指标预测模型进行优化。
在一个实施例中，所述装置还包括数据采集模块，用于通过所述安全衣的环境监测传感器，得到所述作业环境的温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值；将所述温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值，作为所述作业环境的环境参数监测值。
在一个实施例中，数据采集模块，还用于通过所述安全衣的人体生物感应器，得到所述作业人员的心跳监测值、血压监测值以及血氧含量监测值；将所述心跳监测值、血压监测值以及血氧含量监测值，作为所述作业人员的生物指标监测值。
关于基于安全衣的高压试验预警装置的具体限定可以参见上文中对于基于安全衣的高压试验预警方法的限定，在此不再赘述。上述基于安全衣的高压试验预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于安全衣的高压试验预警数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备还包括输入输出接口，输入输出接口是处理器与外部设备之间交换信息的连接电路，它们通过总线与处理器相连，简称I/O接口。该计算机程序被处理器执行时以实现一种基于安全衣的高压试验预警方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述各个方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，其上存储有计算机程序，所述计算机程序被处理器执行上述各个方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上的实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于安全衣的高压试验预警方法，其特征在于，所述方法包括：
基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型；每组训练数据包括：所述作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值以及所述作业人员的历史生物指标监测值；
基于所述安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型；
根据所述作业环境预测模型，得到环境参数预测值；
将所述环境参数预测值输入所述生物指标预测模型，得到生物指标预测值；
根据所述生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。
2.根据权利要求1所述的方法，其特征在于，根据所述生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息，包括：
若所述生物指标预测值不在所述安全范围内，则发出高海拔条件下的高压试验的预警消息；
若所述生物指标预测值在所述安全范围内，则不发出高海拔条件下的高压试验的预警消息。
3.根据权利要求2所述的方法，其特征在于，在若所述生物指标预测值在所述安全范围内，则不发出高海拔条件下的高压试验的预警消息之后，所述方法还包括：
在所述作业人员穿着所述安全衣进行高海拔条件下的高压试验时，根据所述安全衣，得到当前作业环境的当前环境参数监测值以及所述作业人员的当前生物指标监测值；
比对所述当前环境参数监测值与所述环境参数预测值之间的环境参数差异值，以及比对所述当前生物指标监测值与所述生物指标预测值之间的生物指标差异值；
根据所述环境参数差异值，确定是否对所述作业环境预测模型进行优化；
根据所述生物指标差异值，确定是否对所述生物指标预测模型进行优化。
4.根据权利要求3所述的方法，其特征在于，根据所述环境参数差异值，确定是否对所述作业环境预测模型进行优化，包括：
若所述环境参数差异值未满足预设环境参数差异条件，则基于所述当前环境参数监测值，对所述作业环境预测模型进行优化。
5.根据权利要求3所述的方法，其特征在于，根据所述生物指标差异值，确定是否对所述生物指标预测模型进行优化，包括：
若所述生物指标差异值未满足预设生物指标差异条件，则基于所述当前生物指标监测值，对所述生物指标预测模型进行优化。
6.根据权利要求1所述的方法，其特征在于，在基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型之前，所述方法还包括：
通过所述安全衣的环境监测传感器，得到所述作业环境的温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值；
将所述温度监测值、湿度监测值、气压监测值、紫外线监测值、风速监测值以及感应电监测值，作为所述作业环境的环境参数监测值。
7.根据权利要求1所述的方法，其特征在于，在基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型之前，所述方法还包括：
通过所述安全衣的人体生物感应器，得到所述作业人员的心跳监测值、血压监测值以及血氧含量监测值；
将所述心跳监测值、血压监测值以及血氧含量监测值，作为所述作业人员的生物指标监测值。
8.一种基于安全衣的高压试验预警装置，其特征在于，所述装置包括：
模型获取模块，用于基于作业人员穿着的安全衣得到的多组训练数据，得到生物指标预测模型；每组训练数据包括：所述作业人员在高海拔条件下的高压试验的作业环境时的历史环境参数监测值以及所述作业人员的历史生物指标监测值；
所述模型获取模块，还用于基于所述安全衣得到的在时间上连续的若干个历史环境参数监测值，得到作业环境预测模型；
预测模块，用于根据所述作业环境预测模型，得到环境参数预测值；
所述预测模块，还用于将所述环境参数预测值输入所述生物指标预测模型，得到生物指标预测值；
预警模块，用于根据所述生物指标预测值是否在安全范围内，确定是否发出高海拔条件下的高压试验的预警消息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，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权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311201040.8A CN117133108A (zh) | 2023-09-15 | 2023-09-15 | 基于安全衣的高压试验预警方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311201040.8A CN117133108A (zh) | 2023-09-15 | 2023-09-15 | 基于安全衣的高压试验预警方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117133108A true CN117133108A (zh) | 2023-11-28 |
Family
ID=88856426
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311201040.8A Pending CN117133108A (zh) | 2023-09-15 | 2023-09-15 | 基于安全衣的高压试验预警方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117133108A (zh) |
-
2023
- 2023-09-15 CN CN202311201040.8A patent/CN117133108A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11003178B2 (en) | Facility diagnosis device, facility diagnosis method, and facility diagnosis program | |
| KR20150029240A (ko) | 에너지 관리 시스템의 데이터 관리 장치 및 방법 | |
| CN108627794B (zh) | 一种基于深度学习的智能化仪表检测方法 | |
| CN111681770A (zh) | 异常目标的智能检测方法、装置、计算机设备及存储介质 | |
| CN113670434B (zh) | 变电站设备声音异常识别方法、装置和计算机设备 | |
| CN110211343B (zh) | 实验室管理方法、系统、计算机设备和存储介质 | |
| RU2747454C1 (ru) | Способ и средство для наблюдения состояния устройства в обрабатывающей промышленности и носитель | |
| CN103198230A (zh) | 人-机界面检测方法及系统 | |
| CN110046074B (zh) | 数据中心动力环境监测系统及监测方法 | |
| CN114254879A (zh) | 多传感器信息融合的电力设备安全诊断方法和装置 | |
| CN113760670A (zh) | 电缆接头异常预警方法、装置、电子设备和存储介质 | |
| US11946919B2 (en) | System for integrating multiple chemical sensor data to detect an unmeasured compound | |
| CN111240929A (zh) | 移动机房监管方法、装置、计算机设备及存储介质 | |
| CN117617921B (zh) | 基于物联网的智能血压监控系统及方法 | |
| CN112884199A (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
| CN112881818A (zh) | 电场强度测量方法、装置、计算机设备和存储介质 | |
| CN108696486A (zh) | 一种异常操作行为检测处理方法及装置 | |
| KR20240054633A (ko) | 가스 누출 조기 경보 방법, 서버 및 시스템 | |
| CN113538370A (zh) | 电网巡检方法、装置、计算机设备和存储介质 | |
| CN117535728B (zh) | 制氢电解槽工作状态监测方法、系统、设备及存储介质 | |
| JPWO2018221488A1 (ja) | ノウハウ情報処理システム、方法及び装置 | |
| CN117994955A (zh) | 水电机组温度报警模型建立和报警方法及装置 | |
| CN117133108A (zh) | 基于安全衣的高压试验预警方法、装置、设备和存储介质 | |
| CN117010197A (zh) | 基于数字孪生的设备检测方法及装置 | |
| US20230069342A1 (en) | Computer system and method of determining model switch timing |
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 |