基于D-S证据理论的矿工精神状态融合评估算法

摘要

针对矿工异常精神状态导致生产事故问题,在处理脑电信号的多域特征基础上,提出一种基于D-S证据理论的矿工精神状态融合评估算法。在采用矿区环境模拟装置模拟矿工的工作环境的基础上,采集被试者脑电信号,构建数据集,并进行数据预处理与精神状态标定;提取脑电信号的时域、频域和空间域特征并对精神状态进行分类,同时通过主成分分析和特征可视化2种方法对特征降维;基于单一域子模型分类结果,采用D-S证据理论融合3个子模型的各类别精神状态概率输出,进而提高评估精度。结果表明:融合评估算法精度达到90.50%,具有较高的准确性。相比于单一域子模型分类结果,该融合算法评估效果更好,为煤矿企业评估矿工精神状态和研究智慧矿山领域提供更加可靠的依据。