[发明专利]对城市排水管网井下作业人员风险监测的设备及监测方法在审
申请号: | 202210697625.2 | 申请日: | 2022-06-20 |
公开(公告)号: | CN115054212A | 公开(公告)日: | 2022-09-16 |
发明(设计)人: | 骆汉宾;刘文黎;唐冰;吴俊豪;周星宇 | 申请(专利权)人: | 华中科技大学 |
主分类号: | A61B5/0205 | 分类号: | A61B5/0205;A61B5/321;A61B5/33;A61B5/332;A61B5/11;A61B5/1455;G01N33/00 |
代理公司: | 华中科技大学专利中心 42201 | 代理人: | 李晓飞 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 城市 排水 管网 井下 作业 人员 风险 监测 设备 方法 | ||
本发明公开了一种对城市排水管网井下作业人员风险监测的设备及监测方法,属于监测设备技术领域。本发明通过将有害气体浓度及非周期性波动生物计量指标等能够立刻反馈的及时信号直接反馈给作业人员,使作业人员及时采取相应的避险措施,无需将信号传递至地面上的主控制平台,避免了信号在管道内及地面上之间的信号传输延迟及衰减;针对作业人员的周期性波动的生物计量指标、运动状态数据及作业环境的图像数据,则通过边缘计算模块上传至主控制平台,主控制平台通过分析这些数据在一段时间内的趋势,将相应的趋势信息下发指令至作业人员,使作业人员做出相应的避险措施,本发明提升了对城市排水管网井下作业人员的风险监测的准确度。
技术领域
本发明属于监测设备技术领域,更具体地,涉及一种用于城市排水管网井下作业人员风险监测的可穿戴设备及监测方法。
背景技术
排水管网是城市重要基础设施,目前管网运维作业中,不论是检测、清淤还是修复,都是以人工下井作业为主,而排水管网因其长期受污水侵蚀,加之淤泥淤积、空间狭小、气体流通不畅等问题,给作业人员的安全风险带来了极大挑战。对管道内有害气体浓度以及作业人员生理特征情况进行监测,可以有效预防有害气体对工人身体健康造成损伤,突发紧急情况时也可以方便地面作业人员实施救援。
但目前的市面上的气体监测设备体积庞大,移动性差,无法跟随工人实时移动,更做不到对每个个体进行单独准确地安全与生理监测。
随着传感器技术、物联网技术、边缘计算技术的不断发展,智能可穿戴设备快速发展。可穿戴设备可以通过嵌入各种生物传感器、运动传感器、气体检测传感器,来监测环境中的气体浓度和人体的生理特征指标,其微型化和便携化的特点可以很好地满足对于安全与生理个体监测的要求。
但是,由于在排水管道内信号强度比较弱,并且管道内的淤泥等障碍物信号也会有衰减作用,进一步削弱信号强度。现有技术中的可穿戴设备常采用蓝牙、ZigBee等传输方式直接将前端采集的信息传输至后端平台进行数据处理,再给出相应的指令传递至作业人员,不论是前端采集的信息传递至后端平台,还是后端平台下发相应的指令至作业人员均存在较大的信号延迟,对城市排水管网井下作业人员的风险监测不够准确。
发明内容
针对现有技术的缺陷和改进需求,本发明提供了一种对城市排水管网井下作业人员风险监测的设备及监测方法,其目的在于提升对城市排水管网井下作业人员风险监测的准确度。
为实现上述目的,按照本发明的一个方面,提供了一种对城市排水管网井下作业人员风险监测的设备,包括:信号采集模块、边缘计算模块、网络通讯模块及主控制平台,所述信号采集模块通过所述网络通讯模块与所述边缘计算模块连接,所述边缘计算模块还通过所述网络通讯模块与所述主控制平台连接;
所述信号采集模块用于采集作业环境中的有害气体浓度数据及图像数据,还用于采集作业人员的周期性波动生物计量指标、非周期性波动生物计量指标及运动状态数据;
所述边缘计算模块用于将所述有害气体浓度数据及非周期性波动生物计量指标与设定的安全阈值进行比对,判断是否在设定的安全阈值范围内,若不在设定的安全阈值范围内,发出预警信息给作业人员;并将所述图像数据、周期性波动生物计量指标及运动状态数据上传至所述主控制平台;
所述主控制平台用于分析所述图像数据、周期性波动生物计量指标及运动状态数据在一段时间内的趋势,预测作业环境及作业人员的安全状态,并根据预测结果下发指令至作业人员。
进一步地,所述信号采集模块包括有害气体监测单元、生理特征监测单元、姿态监测单元、图像采集单元;
所述有害气体监测单元用于采集作业环境中有害气体浓度数据;
所述生理特征监测单元用于采集作业人员的周期性波动生物计量指标及非周期性波动生物计量指标;
所述姿态监测单元,用于采集作业人员的运动状态数据;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210697625.2/2.html,转载请声明来源钻瓜专利网。