基于LSTM边缘计算与随机森林雾决策的矿工状态监测设备

• 作者: 孟亦凡 张梅 李敬兆
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 低功耗广域网 长短时记忆网络 疲劳检测 边缘计算 雾决策
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 计算机应用
• 页码范围: 144-148
• 页数: 5页
• 分类号: TD727.12|TP212
• 字数: 4970字
• 语种: 中文
• DOI: 10.13436/j.mkjx.201811053

摘要

煤矿井下环境恶劣,劳动强度高,矿工身体负荷大,危险等级高,严重影响了矿工身体健康.为此,提出了一种基于长短时记忆网络(LSTM)边缘计算与随机森林雾决策的矿工状态监测设备.通过边缘感知节点对矿工体温、心率、血氧浓度等生理特征以及三轴加速度、姿态变化等运动状态信息进行检测,采用LSTM数据分析以判断、预测矿工状态,实现设备系统的边缘计算功能;通过区块链化的雾决策层并基于随机森林算法对矿工异常状态进行原因溯源分析;基于低功耗广域网(LPWAN)实现云雾之间的无线数据交互.该设备可实时掌握矿工的身体状况和工作状况,为矿工的身体健康和煤矿安全生产提供了保障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李敬兆	安徽理工大学电气与信息工程学院	154	567	12.0	17.0
2	张梅	安徽理工大学电气与信息工程学院	31	125	7.0	8.0
3	孟亦凡	安徽理工大学电气与信息工程学院	1	2	1.0	1.0