本發(fā)明涉及施工安全，具體為一種面向高危作業(yè)環(huán)境的ar智能安全帽輔助系統(tǒng)。

背景技術：

1、安全帽作為工業(yè)生產、建筑施工等高危作業(yè)場景中最基礎且關鍵的安全防護裝備，其功能正從傳統(tǒng)的被動防護向智能化、主動預警方向轉變。ar智能安全帽輔助系統(tǒng)作為該領域的前沿技術產物，旨在為建筑施工、礦山開采、高空作業(yè)等高危領域的工作人員，提供更加智能化、精準化的安全防護與作業(yè)輔助，成為推動安全防護裝備向智能化升級的重要方向。

2、然而，現(xiàn)有的安全帽在應對高危作業(yè)環(huán)境中的潛在風險時，存在諸多不足。例如，傳統(tǒng)安全帽僅依賴物理結構抵御沖擊，但在建筑施工現(xiàn)場，高空墜物、設備故障等安全隱患頻發(fā)，傳統(tǒng)安全帽僅能在事故發(fā)生時提供被動的物理防護，難以提前感知危險并發(fā)出預警。對于突發(fā)的物體墜落，作業(yè)人員往往因缺乏及時有效的提示，難以迅速做出正確的躲避反應，從而增加了受傷的風險。

技術實現(xiàn)思路

1、有鑒于現(xiàn)有技術中存在的上述問題，本技術提供了一種面向高危作業(yè)環(huán)境的ar智能安全帽輔助系統(tǒng)。

2、本公開實施例提供一種面向高危作業(yè)環(huán)境的ar智能安全帽輔助系統(tǒng)，包括：

3、采集模塊用于在安全帽中部署監(jiān)測設備，以獲取實時環(huán)境變化數(shù)據(jù)，經預處理，確定異常特征點；

4、分析模塊用于利用歷史數(shù)據(jù)和實時環(huán)境變化數(shù)據(jù)，對異常特征點進行概率分析，以生成指令信號；

5、反饋模塊用于當指令信號為預警指令時，生成最優(yōu)路徑，將最優(yōu)路徑通過頭戴式顯示器以ar虛擬箭頭形式疊加在工作人員視野中，進行躲避作業(yè)，并在躲避過程中，監(jiān)測實際沖擊，控制緩沖結構的完整性。

6、可選的，采集模塊包括：

7、獲取單元用于預先在安全帽頂部、側面及后部均部署傳感器組、攝像頭和頭戴式顯示器，以獲取實時環(huán)境變化數(shù)據(jù)，并將實時環(huán)境變化數(shù)據(jù)進行時空對齊，具體為：通過將各傳感器設備通過連接gps接收器，獲取統(tǒng)一的時間基準，完成時間同步作業(yè)，并通過使用激光掃描儀對高危作業(yè)環(huán)境現(xiàn)場進行掃描，獲取三維點云數(shù)據(jù)，通過對不同傳感器設備在同一空間位置采集到的點云數(shù)據(jù)進行匹配和對齊，完成空間配準作業(yè)。

8、可選的，采集模塊還包括：

9、處理單元用于采用中值濾波算法對實時環(huán)境變化數(shù)據(jù)去除異常值，并從處理后的實時環(huán)境變化數(shù)據(jù)中提取安全帽頂部物體的相對速度變化率、距離變化加速度、物體運動軌跡的曲率、軌跡方向突變角度、壓力波動幅度及壓力波動頻率，以生成實時特征集合；

10、識別單元用于基于歷史數(shù)據(jù)的統(tǒng)計學分析，繪制歷史數(shù)據(jù)的直方圖，并確定歷史數(shù)據(jù)的分布形狀，根據(jù)分布形狀，確定歷史數(shù)據(jù)所服從的模型類別，根據(jù)模型類別計算處理單元中提取出的各特征參數(shù)的正常分布區(qū)間，并將實時特征集合與正常分布區(qū)間進行對比，若實時特征集合中的特征點在正常分布區(qū)間以外，則將其標記為異常特征點，否則不作標記處理。

11、可選的，分析模塊包括：

12、條件分析單元用于基于歷史數(shù)據(jù)，將歷史數(shù)據(jù)中各特征參數(shù)作為節(jié)點，利用歷史數(shù)據(jù)訓練得到的條件概率表作為各節(jié)點間邊的權重，以構建貝葉斯網絡，并根據(jù)歷史數(shù)據(jù)，計算在物體發(fā)生墜落時觀測到的異常特征點出現(xiàn)的概率以及異常特征點在歷史數(shù)據(jù)中出現(xiàn)的頻率，并統(tǒng)計在沒有出現(xiàn)任何異常特征點時出現(xiàn)物體墜落事件的次數(shù)；當識別單元中出現(xiàn)異常特征點時，將相應異常特征點輸入貝葉斯網絡，依據(jù)概率推理來計算安全帽頂部物體墜落的一號概率值，一號概率值的獲取方式為：將在沒有出現(xiàn)任何異常特征點時出現(xiàn)物體墜落事件的次數(shù)除以歷史數(shù)據(jù)所涉及的總時間，得到沒有出現(xiàn)任何異常特征點時出現(xiàn)物體墜落事件的概率，將在物體發(fā)生墜落時觀測到的異常特征點出現(xiàn)的概率和沒有出現(xiàn)任何異常特征點時出現(xiàn)物體墜落事件的概率的乘積除以異常特征點在歷史數(shù)據(jù)中出現(xiàn)的頻率，得到一號概率值。

13、可選的，分析模塊還包括：

14、時序分析單元用于將歷史時段中連續(xù)時間窗口內的特征參數(shù)輸入長短期記憶網絡，長短期記憶網絡通過遺忘門、輸入門和輸出門捕捉安全帽頂部物體運動狀態(tài)的時序變化規(guī)律，并將異常特征點輸入長短期記憶網絡，以從輸出門輸出二號概率值。

15、可選的，分析模塊還包括：

16、融合單元用于采用d-s證據(jù)理論融合貝葉斯網絡和長短期記憶網絡的結果，以獲取墜落概率評估值，具體為：將貝葉斯網絡計算的一號概率值和長短期記憶網絡的二號概率值分別當作證據(jù)源，以獲取基于貝葉斯網絡計算結果所構建的基本概率分配值和基于長短期記憶網絡計算結果所構建的基本概率分配值，并結合證據(jù)源的所有可能結果集合，證據(jù)源的所有可能結果集合包括墜落和非墜落，使用d-s證據(jù)合成規(guī)則融合基于貝葉斯網絡計算結果所構建的基本概率分配值和基于長短期記憶網絡計算結果所構建的基本概率分配值，以獲取墜落概率評估值。

17、可選的，分析模塊還包括：

18、判定單元用于將墜落概率評估值與預先設定的評估閾值進行比對，生成指令信號；若墜落概率評估值超過評估閾值，則判定存在墜落趨勢，觸發(fā)預警指令和緩沖機制，否則判定未存在墜落趨勢。

19、可選的，反饋模塊包括：

20、提示單元用于接收預警指令，通過安全帽上安裝的攝像頭，確定佩戴安全帽的工作人員周圍的可通行路徑，若存在多組可通行路徑，則根據(jù)各可通行路徑中的路徑起伏度選擇最優(yōu)路徑，最優(yōu)路徑為最小路徑起伏度所對應的可通行路徑，并將最優(yōu)路徑通過頭戴式顯示器以ar虛擬箭頭形式疊加在工作人員視野中，同時通過語音提示引導工作人員躲避。

21、可選的，反饋模塊還包括：

22、沖擊與緩沖單元用于在躲避過程中，通過安全帽內部采用的光纖應變傳感器監(jiān)測塌陷情況，以獲取變形量，根據(jù)變形量判斷是否再次觸發(fā)緩沖機制，若變形量超過預設形變閾值，則觸發(fā)緩沖層，緩沖層采用多級觸發(fā)機制，包含預充氣層和快速膨脹層，預充氣層在判定存在墜落趨勢時已部分充氣，當再次觸發(fā)緩沖機制時，快速膨脹層在50毫秒內完成充氣，形成完整的緩沖結構，吸收沖擊能量。

23、本發(fā)明的有益效果：本系統(tǒng)利用貝葉斯網絡結合歷史數(shù)據(jù)進行概率推理，lstm網絡挖掘時序特征，再通過d-s證據(jù)理論融合，能夠更精準地識別物體墜落趨勢，提前發(fā)出預警，為作業(yè)人員爭取寶貴的避險時間。同時，系統(tǒng)的動態(tài)決策機制使得緩沖機制的觸發(fā)更加合理，在降低安全事故發(fā)生率的同時，減少了不必要的資源浪費，為高危作業(yè)安全防護提供了科學、高效的解決方案。反饋模塊通過優(yōu)化路徑規(guī)劃與動態(tài)緩沖控制，提升了高危作業(yè)人員在面對墜落風險時的應急響應能力與安全防護水平。在路徑規(guī)劃方面，提示單元基于攝像頭識別周圍可通行路徑，并利用激光高度計獲取的距離數(shù)據(jù)計算各路徑起伏度，精準選擇最小起伏度的最優(yōu)路徑，以ar虛擬箭頭和語音提示引導作業(yè)人員快速、安全撤離。例如在施工現(xiàn)場，當預警指令觸發(fā)后，作業(yè)人員可在復雜環(huán)境中迅速獲取清晰的逃生指引，避免因慌亂選擇崎嶇、障礙多的路徑而延誤逃生時機，降低被墜落物體擊中的風險。在沖擊防護層面，沖擊與緩沖單元憑借光纖應變傳感器實時監(jiān)測安全帽塌陷變形量，結合多級觸發(fā)緩沖機制，實現(xiàn)對沖擊力的高效化解。當檢測到變形量超過預設閾值，預充氣層與快速膨脹層協(xié)同作用，快速形成完整緩沖結構，有效吸收沖擊能量，減少頭部受到的沖擊力，相比傳統(tǒng)安全帽被動防護模式，增強了對作業(yè)人員的保護效果。