本發明涉及人工智能的人員監管，具體涉及基于人工智能的電力工程現場人員監管系統及方法。

背景技術：

1、隨著物聯網技術、傳感器技術和人工智能技術的不斷進步，傳統的人員監管方式逐漸被現代化的智能監管系統所替代。智能監管系統通過集成位置追蹤、健康監測、環境變化監測等多種傳感器，能夠實時獲取施工人員的位置信息、健康狀態以及所處的環境條件，為施工現場的安全管理提供重要數據支撐。然而，在高風險環境下，如變電站、高壓電力線路附近，智能設備的穩定性和可靠性常常受到電磁干擾的影響，導致信號傳輸不穩定，進而影響實時監測的準確性和應急響應的及時性。

2、現有技術存在以下不足：

3、現有智能安全帽在電力工程現場應用中存在的電磁兼容性不足的問題，具體而言，現有的智能安全帽往往未能充分考慮到電力工程環境中復雜且高強度的電磁干擾，這可能導致設備在實際使用中出現微處理器運算錯誤、無線通信模塊連接不穩定或數據傳輸中斷等故障，進而影響到工人的安全監測和個人防護功能的有效性。為彌補這一不足，通過精確模擬實際工作條件下的電磁環境，對智能安全帽進行嚴格的電磁兼容性測試和性能評估，確保其能夠在強電磁輻射條件下保持穩定可靠的運行，從而提升電力工程現場的安全管理水平和工作效率。

技術實現思路

1、本發明的目的在于提供基于人工智能的電力工程現場人員監管系統及方法，以解決上述背景中問題。

2、本發明的目的可以通過以下技術方案實現：

3、基于人工智能的電力工程現場人員監管方法，包括以下步驟：

4、s1：根據電力工程現場的電磁環境特性，確定測試的電磁頻率范圍和電磁強度級別，以模擬實際電磁干擾情況；

5、設計電磁屏蔽室，確保電磁干擾情況可調；

6、s2：將智能安全帽置于電磁屏蔽室內，逐步增加電磁場強度，實時記錄智能安全帽的響應數據，對實時響應數據進行分析，評估智能安全帽的數據傳輸的穩定性；

7、其中，所述響應數據包括：工作頻率和信號強度，信號強度為智能安全帽接收或發送無線信號的強度；

8、s3：根據評估結果，將智能安全帽劃分為合格智能安全帽與不合格智能安全帽，采用合格安全帽對電力工程現場人員進行監管，通過實時監測工人的位置、健康狀況和環境變化，預測電力工程現場是否存在風險；

9、s4：根據預測結果，對電力工程現場的施工風險級別進行劃分，根據風險級別，對現場人員進行監管，并采取預警響應機制，對不同級別風險進行對應預警。

10、作為本發明進一步的方案：所述對實時響應數據進行分析，具體包括：

11、將智能安全帽置于電磁屏蔽室內，逐步增加電磁場強度，實時記錄智能安全帽的響應數據，包括工作頻率和信號強度；

12、按照電磁場強度級別獲取智能安全帽的工作頻率，根據工作頻率的波動情況，計算工作頻率異常指數，根據工作頻率異常指數評估智能安全帽在電磁干擾下的頻率穩定性；

13、按照電磁場強度級別獲取智能安全帽的信號強度，根據信號強度的波動情況，計算信號強度異常指數，根據信號強度異常指數評估智能安全帽在電磁干擾下的信號穩定性。

14、作為本發明進一步的方案：所述工作頻率異常指數的獲取過程為：

15、實時采集智能安全帽的工作頻率數據f(t)，將工作頻率數據，工作頻率數據，計算表達式為：

16、

17、式中，t表示工作頻率數據采集的時間點，f表示頻域中的頻率，n表示采集點的數量，n表示采集點的總數量，j表示虛數單位，e表示自然數底數對數，x(f)表示頻率f對應的復數幅度值，x(n)是時域信號表示第n個采集點的工作頻率f(t)；

18、獲取頻譜中具有最大幅度的頻率，即智能安全帽的工作頻率，記為f0；

19、獲取頻譜中的頻譜的帶寬δf；

20、計算諧波能量，計算表達式為：

21、

22、式中，eh表示諧波能量，x(h*f0)表示頻率h*f0對應的幅度值，h表示諧波的階數，h表示最大諧波階數；

23、計算工作頻率的偏離程度，記為頻率偏差，計算表達式為：

24、

25、式中，δf(t)表示時間點t上的頻率偏差，f0(t)表示時間點t上的實際工作頻率，表示沒有電磁干擾情況下的理想工作頻率；

26、通過標準差計算公式，計算頻率偏差的標準差，記為σf；

27、將最大電磁場強度下的帶寬與最大電磁場強度下的帶寬進行差值計算，得到帶寬極差值，記為δfbw；

28、將諧波能量eh、頻率偏差的標準差σf和帶寬極差值δfbw進行標準化處理，計算工作頻率異常指數af。

29、作為本發明進一步的方案：所述信號強度異常指數的獲取過程為：

30、采集智能安全帽接收或發送的無線信號強度數據，記為s(t)；

31、通過小波變換將信號強度數據從時間域轉到時頻域，以時間域轉到時頻域，計算表達式為：

32、

33、式中，w(a,b)表示信號強度數據s(t)在尺度a和位置b下的局部特征，是小波函數，表示母小波在尺度a和位置b下的結果，a尺度參數，b表示位置參數；

34、通過計算小波變換的系數w(a,b)的標準差，用于反映信號強度數據的波動程度，對每個尺度下的信號強度數據的波動程度，即小波變換的系數w(a,b)的標準差，進行加權平均計算，得到小波變換的系數的綜合標準差；

35、計算電磁屏蔽效率的預期偏差，包括：將無電磁干擾時的信號強度與在電磁干擾下的信號強度進行差值計算，得到電磁屏蔽效率的預期偏差；

36、將綜合標準差與電磁屏蔽效率的預期偏差進行求和計算，得到信號強度異常指數as。

37、作為本發明進一步的方案：所述評估智能安全帽的數據傳輸的穩定性，具體包括：

38、將智能安全帽在電磁干擾下的頻率穩定性與智能安全帽在電磁干擾下的信號穩定性進行綜合分析，計算綜合系數，根據綜合系數判斷智能安全帽的數據傳輸的穩定性。

39、作為本發明進一步的方案：所述根據評估結果，將智能安全帽劃分為合格智能安全帽與不合格智能安全帽，具體包括：

40、將工作頻率異常指數af與信號強度異常指數as進行歸一化處理，計算得到綜合系數；

41、判斷每個智能安全帽的綜合系數是否大于等于預設閾值，若是，記為不合格安全帽，若否，記為合格安全帽。

42、作為本發明進一步的方案：所述采用合格安全帽對電力工程現場人員進行監管，計算風險系數，根據風險系數，預測電力工程現場是否存在風險，具體包括：

43、獲取工人的位置數據；

44、獲取工人的健康狀態數據包括：心率和體溫；

45、獲取工人所處的環境變化數據，包括：環境溫度和環境濕度；

46、將工人的位置數據健康狀態數據和所處的環境變化數據，構建特征向量，將所有特征向量建立特征矩陣x；

47、獲取歷史正常的工人的位置數據健康狀態數據和所處的環境變化數據作為訓練數據；

48、對訓練數據進行預處理，選擇梯度提升樹構建風險評估模型，計算風險系數；

49、將實時的工人的位置數據健康狀態數據和所處的環境變化數據作為輸入特征，將電力工程的風險系數作為模型的輸出項；

50、設定初始模型，通過均值初始化；

51、對于第m棵樹，計算每個訓練集的殘差；

52、訓練一棵新樹來擬合殘差；

53、訓練一棵新樹來擬合殘差；

54、通過迭代訓練多棵樹，直到達到最大樹數；

55、模型最終的輸出即為風險系數；

56、其中，所述風險系數的計算表達式為：

57、

58、式中，r(x)表示最終預測的風險系數，f0(x)表示初始預測值，tm(x)表示第m棵樹的輸出，η表示學習率。

59、作為本發明進一步的方案：所述根據預測結果，對電力工程現場的施工風險級別進行劃分，具體包括：

60、判斷風險系數大于等于預設閾值，若是，說明對應的電力工程工人存在著風險級別高，記為高風險，若否，說明對應的電力工程工人存在著風險級別低，記為低風險。

61、基于人工智能的電力工程現場人員監管系統，包括：

62、電磁環境模擬與測試模塊，所述電磁環境模擬與測試模塊通過模擬電力工程現場的電磁環境，確定需要測試的電磁頻率范圍和強度級別；設計并搭建電磁屏蔽室，確保電磁干擾可調，為智能安全帽的電磁兼容性測試提供標準化的環境；

63、智能安全帽響應數據采集與分析模塊，所述智能安全帽響應數據采集與分析模塊將智能安全帽置于電磁屏蔽室內，在不同電磁場強度下逐步增加干擾，實時采集智能安全帽的響應數據；通過分析智能安全帽的響應數據，評估智能安全帽在電磁干擾下的數據傳輸穩定性；

64、智能安全帽評估與人員監管模塊，所述將智能安全帽分為合格安全帽和不合格安全帽類別，對于合格的安全帽，應用于電力工程現場的人員監管，包括實時監測工人的位置、健康狀況和環境變化，基于數據分析預測電力工程現場是否存在潛在的風險；

65、風險預測與預警響應模塊，所述風險預測與預警響應模塊對電力工程現場的施工風險級別進行劃分；根據風險級別的不同，采取相應的人員監管措施，并通過預警響應機制進行風險預警和管理。

66、本發明的有益效果：

67、(1)本發明通過在電磁屏蔽室內進行智能安全帽的電磁干擾測試，利用高度可調的電磁場環境精確模擬實際電力工程現場可能遇到的電磁干擾情況；通過對智能安全帽在不同電磁場強度下的工作頻率和信號強度進行實時監測，并結合傅里葉變換、頻譜分析等先進技術，分析頻率波動和信號強度變化，計算出工作頻率異常指數與信號強度異常指數；這些指標能夠全面反映智能安全帽在高電磁干擾下的抗干擾能力和數據傳輸穩定性，從而為智能安全帽的電磁兼容性提供科學依據；在復雜電磁環境中，智能安全帽需要保持高效穩定的通信和數據傳輸能力，這對于保障電力工程現場人員的安全至關重要；本發明通過精確計算并對比工作頻率和信號強度的異常程度，確保智能安全帽在實際施工過程中能夠有效抑制外界電磁干擾，保證工人位置、健康狀況等關鍵數據的實時傳輸與處理；通過這種方式，不僅提升了智能安全帽的技術穩定性，也為電力工程現場的人員安全提供了強有力的技術保障，增強了設備的抗干擾性和可靠性，提升了整個電力施工現場的安全防護水平；

68、(2)本發明通過綜合實時監測電力工程現場工人的位置、健康狀況以及環境變化，運用梯度提升樹算法對多維度數據進行深度分析，從而計算出精準的風險系數；這一方法不僅能夠實時捕捉工人所處環境的變化，還能結合歷史數據建立高效的風險評估模型，針對不同的工作環境與工人健康狀況，動態預測施工過程中的風險級別；通過精確的風險預測，本發明實現了施工現場風險的全面掌控，為后續的安全決策提供了科學依據；借助此精準的風險評估系統，本發明能夠自動識別高風險級別，并根據風險系數動態調整人員監管策略，制定相應的安全管理方案；當系統檢測到潛在的危險或工人健康異常時，可立刻觸發預警響應機制，確保采取及時有效的應急措施，最大限度減少事故發生的可能性。