一种煤矿井下采掘作业岗位人员身心状态诱发不

本发明涉及不安全行为预警模型系统，具体为一种煤矿井下采掘作业岗位人员身心状态诱发不安全行为预警模型系统。背景技术：1、ahp-熵权法是一种决策分析方法，它结合了主观赋权法和客观赋权法的优点，以弥补单一赋权法的不足。ahp-熵权法通过层次分析法计算出各个指标的权重，再结合熵权法计算出各个指标的客观权重，最终得出综合权重。这种方法既考虑了决策者的主观意愿，又考虑了指标数据的客观规律，使得权重更加客观。在ahp-熵权法中，层次分析法通过两两比较矩阵的方式，计算出各个指标的相对重要程度，从而得到主权权重；而熵权法则根据指标数据的离散程度，计算出各个指标的客观权重。将层次分析法和熵权法结合起来局可以得到综合权重。ahp-熵权法的应用范围广泛，可以用于多准则决策分析、资源分配、风险评估等多个领域。它具有简单易行、直观明了、精度高等优点。2、对比文件(公告号：cn117391457a)公开了本发明提供一种井下不同岗位人员违章行为的判断方法及系统，该方法包括：获取井下员工违章数据；获取井下目标区域内的历史人员行为隐患数据，以及进行文本挖掘与数据化处理，得到隐患时空规律及预测预警结果；通过在各个工种的不安全行为、设备指标不安全因素、环境指标不安全因素和管理指标不安全因素的关联性分析进行知识建模；提取知识图谱的知识要素；对知识要素进行知识融合处理；采用混合构建方法进行知识图谱构建；基于构建的知识图谱判断井下员工违章行为。本发明对井下员工违章领域知识建模，可以对矿井安全生产风险和违章行为进行动态诊断，对相关的事故苗头进行发现、预测和预警，做到防患于未然，以确保安全生产。3、对比文件(公告号：cn117325194a)公开了本发明提供了一种施工状态检测机器人，涉及施工建造管理技术领域。该施工状态检测机器人，其包括自适应巡航模块、人机交互模块、ai识别模块以及报警模块。自适应巡航模块用于控制按照预设路径自主行进。ai模块用于对施工作业环境状态以及施工人员的行为进行识别，且人机交互模块和报警模块均与ai识别模块通信。该施工状态检测机器人，可以在自适应巡航模块的控制下对预设路径各处进行检测，从而识别是否存在施工作业安全隐患以及施工人员不安全行为等，识别范围更大，同时在识别到施工作业安全隐患、施工人员不安全行为后通过人机交互模块以及报警模块实时纠正或进行预警，最终达到人的不安全行为以及物的不安全状态始终处于可控状态。4、发明人在实现本方案的过程中发现现有技术中存在如下问题没有得到良好的解决：5、现在的煤矿井下采掘作业岗位人员身心状态诱发不安全行为预警模型不完善，没有建立分级标准。技术实现思路1、本发明的目的在于提供一种煤矿井下采掘作业岗位人员身心状态诱发不安全行为预警模型系统，以解决上述背景技术中提出的现在的煤矿井下采掘作业岗位人员身心状态诱发不安全行为预警模型不完善，没有建立分级标准的问题。2、为实现上述目的，本发明提供如下技术方案：一种煤矿井下采掘作业岗位人员身心状态诱发不安全行为预警模型系统，包括：数据采集模块、行为识别模块、数据分析模块以及预警模块；3、通过分析煤矿井下采掘作业岗位人员身心状态一旦发现可能诱发不安全行为的因素或潜在风险，系统可以立即发出预警，提醒管理人员采取相应措施，避免事故的发生，通过自动对心电图、心率、心律及变异率、体温、无创血压、脉率、血氧饱和度、反应能力、心理评测进行处理和分析，大大减轻了人工观测的工作量，提高了工作效率，通过自动化识别，减少人为因素导致的误判和漏判，提高管理效率。4、优选的，所述数据采集模块，依托《煤矿员工身体状态监测关键技术研究及监测仪器设备开发项目》实际采集的12000例生理心理数据，采集其中的心电图、心率、心律及变异率、体温、无创血压、脉率、血氧饱和度、反应能力、心理评测数据，对采集的数据进行预处理并将数据传输到行为识别模块。5、优选的，所述行为识别模块，识别煤矿员工的生理心理数据的心电图、心率、心律及变异率、体温、无创血压、脉率、血氧饱和度、反应能力、心理评测，利用深度学习算法对煤矿员工的生理心理数据进行分类和识别，从中提取与不安全行为相关的特征。6、优选的，所述数据分析模块，将人员心率、体温、反应能力作为一级影响因素，将心电图、心律及变异率、无创血压、脉率、血氧饱和度、心理评测作为二级影响因素构建因素集ui，将心电图、心律及变异率、无创血压、脉率、血氧饱和度、心理评测可能导致的结果构建综合评估的评估集vi，通过层次分析法确定各个不安全特征因素的权重ωi，根据因素集ui的心电图、心律及变异率、无创血压、脉率、血氧饱和度、心理评测对评估集vi各个元素的隶属度，建立模糊评估矩阵ri，进而得到一级模糊评估指标bi；将各个一级影响因素的一级模糊评估指标bi作为单元素评估集，建立二级模糊评估指标矩阵r，通过层次分析法获取各个一级影响因素的权重集ω，计算出二级模糊评估指标b，通过设置评分集合s，计算获得各一级影响因素的综合参数值以及卷烟仓库的综合参数值。7、优选的，所述预警模块预先设定预警阈值当各一级影响因素的综合参数值超过一定阈值时触发预警，或者当煤矿井下采掘作业岗位人员身心状态的综合参数值超过一定阈值时触发预警，预警模块根据预警阈值和紧急程度，采取相应的措施；8、将人员心率、体温、反应能力作为一级影响因素，标记为i，且i∈{1,2,3}；9、将人员心电图、心律及变异率、无创血压、脉率、血氧饱和度、心理评测因素作为二级影响因素，构建集合记为ui＝{u1,u2,…,un}，其中，un表示为影响仓库安全的第n个因素；10、将人员心电图、心律及变异率、无创血压、脉率、血氧饱和度、心理评测因素可能导致的结果构建综合评估的评估集，记为vi＝{v1,v2,…,vn}，其中，vn表示为不安全特征因素的第n个结果；11、通过层次分析法确定人员心电图、心律及变异率、无创血压、脉率、血氧饱和度、心理评测因素的权重，记为ωi＝{ω1,ω2,…,ωn}，其中，ωn表示为第n个二级因素的权重；12、根据因素集ui的二级因素对评估集vi各个元素的隶属度，对每个二级进行模糊评价，并以m个二级因素的评估集为行建立评估矩阵，即模糊评估矩阵ri：13、14、其中，为模糊评估矩阵的行数，n为模糊评估矩阵的列数；15、确定模糊评估矩阵ri和不安全特征因素权重ωi后，通过对各个二级集ui进行模糊评估得到一级模糊评估指标bi：16、17、上述公式可记为bi＝{bi1,bi2,…,bin}，bin表示为第i个一级影响因素，其一级模糊评估指标的第n个元素；18、关于因素集u的二级因素对评估集v各个元素的隶属度的分析步骤包括：从收集的不安全行为数据中提取与二级因素相关的特征；对每个二级因素，建立相应的隶属度函数；将提取出的每个特征因素的值代入相应的隶属度函数中，计算出每个特征因素的隶属度；19、将各个一级影响因素的一级模糊评估指标bi作为单元素评估集，建立二级模糊评估指标矩阵r：20、21、其中，bin表示为第i个一级影响因素，其一级模糊评估指标的第n个元素。22、通过层次分析法获取各个一级影响因素的权重集，记为ω＝{ω1,ω2,…,ωi}，其中，ωi表示第i个一级影响因素的权重；将二级模糊评估指标矩阵r和权重集ω代入公式中，计算出二级模糊评估指标b：[0033]b＝ω*r，计算公式参上；23、设置评分集合s，集合s中元素的个数与评估集vi相对应，取值范围为[0,100]，且元素的取值间隔相等；通过一级模糊评估指标bi和二级模糊评估指标b分别与评分集合进行计算，获取各一级影响因素的综合参数值以及卷烟仓库的综合参数值，计算公式如下：24、25、其中，f表示为煤矿井下采掘作业岗位人员身心状态的综合参数值，fi表示为各一级影响因素的综合参数值；26、预先设定预警阈值，当各一级影响因素的综合参数值超过一定阈值时触发预警，或者当煤矿井下采掘作业岗位人员身心状态的综合参数值超过一定阈值时触发预警；27、预警模块根据预警阈值和紧急程度，采取相应的措施，包括发出警报、发送通知给相关人员；对预警结果进行记录，并将分析结果反馈给仓库管理人员和其他相关部门，以便制定更有效的安全管理策略。28、与现有技术相比，本发明的有益效果是：29、通过建立完善的预警模型，可以将煤矿井下采掘作业岗位人员身心状态进行考量，综合分析，建立分级标准，提高对煤矿井下采掘作业岗位人员不安全行为的预警概率。