【技术实现步骤摘要】
本专利技术涉及人机协作，尤其涉及一种基于脑电图信号的人机协作人员疲劳监测方法及装置。
技术介绍
1、评估和监测每个操作员的健康状况可以最大限度地提高操作员的绩效，并通过安排适当的操作任务减少对操作员的长期局部伤害，更是对安全的hrc系统的一种保证。
2、在hrc中，操作员主要负责机器人无法处理的高柔性、高认知难度的生产流程，这导致工人更容易精神疲劳。疲劳的操作员在生产过程中更容易出现不安全的行为和表现，导致产品质量缺陷甚至安全事故。因此，自动识别操作员的心理疲劳具有重要意义。然而，机器人的高速运动会使操作者感到紧张，对操作者的心理状态产生影响，从而导致心理疲劳识别困难。
3、脑电图(electroencephalogram，eeg)是检测精神疲劳最常用的方法之一，具有丰富的特征，其通过捕捉大脑神经生理活动信息进而直接反映大脑的神经活动。因此，可通过分析脑电图信号来评估操作人员的疲劳状态。但是eeg信号是一种复杂的生物信号，且eeg信号存在噪声、伪影等干扰，此外，不同个体的eeg信号存在差异，这都阻碍着操作人员疲劳...
【技术保护点】
1.一种基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，包括：
2.根据权利要求1所述的基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，所述通过可分离时间卷积网络和图卷积网络分别对目标数据进行特征提取，得到目标特征，包括：
3.根据权利要求1所述的基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，所述基于所述源域特征和所述目标域特征，确定疲劳监测模型的目标损失函数，包括：
4.根据权利要求3所述的基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，所述第一损失函数的表达式如下：
5.根据权利要求3所述的...
【技术特征摘要】
1.一种基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，包括：
2.根据权利要求1所述的基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，所述通过可分离时间卷积网络和图卷积网络分别对目标数据进行特征提取，得到目标特征，包括：
3.根据权利要求1所述的基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，所述基于所述源域特征和所述目标域特征，确定疲劳监测模型的目标损失函数，包括：
4.根据权利要求3所述的基于脑电图信号的人机协作人员疲劳监测方法，其特征在于，所述第一损失函数的表达式如下：
5.根据权利要求3所述的基于脑电图信号的人机协作人员疲劳监测方法，其特...
【专利技术属性】
技术研发人员：周勇，王阳辉，胡楷雄，李卫东，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。