• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
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

    孟亦凡李敬兆张梅

  • 单位

    安徽理工大学电气与信息工程学院

  • 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。
  • 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

  • 基金项目(Foundation)
    国家自然科学基金资助项目(61170060);重大创新平台及高校创新人才团队、矿山物联网研发团队(2017A053);安徽省学术和技术带头人学术科研活动资助(2015D046);安徽省高等学校优秀拔尖人才资助项目(gxbjZD2016044);
  • 相关文章
相关问题
立即提问

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联