安全帽智能控制方法、装置、设备及存储介质与

本技术涉及安全防护设备，尤其涉及一种安全帽智能控制方法、装置、设备及存储介质。背景技术：1、随着工业安全标准的不断提高，对于工作人员在复杂环境中的安全防护需求也日益增强。传统的安全帽主要提供物理防护，但在监测工作人员状态、预防潜在危险以及事故响应等方面存在明显不足。2、随着物联网、传感器技术以及人工智能的快速发展，急需为安全帽赋予了更多的智能化功能，从而实现对工作人员更全面的保护。技术实现思路1、本技术的主要目的在于提供一种安全帽智能控制方法及装置，旨在通过集成先进的传感器技术、无线通信技术和智能算法，实现对工作人员头部运动和姿态的实时监测与精确分析。通过准确判断工作人员的安全状态，及时触发相应的安全防护措施，以最大程度地降低工作人员在复杂工作环境中可能遭遇的摔倒、跌落等安全风险。同时，本发明还致力于通过数据收集与分析，不断优化安全防护策略，提升系统的智能化水平和适应性，从而为工作人员提供更为全面、高效的安全保障。2、为实现上述目的，本技术提供如下技术方案：3、一种安全帽智能控制方法，包括：4、在安全帽上配置多个传感器节点，每个节点包含三轴加速度计和陀螺仪，用于分别测量x轴、y轴、z轴上的加速度数据和角速度数据；5、利用无线传输协议，实时传送各传感器节点测量的数据至数据处理单元；6、对接收到的数据进行时间同步处理，确保数据的时间一致性；7、通过卡尔曼滤波算法，将时间同步后的数据进行融合，得到姿态角数据，所述姿态角数据包括横滚角数据、俯仰角数据和偏航角数据；8、根据所述融合后的姿态角数据和所述加速度数据，通过式(1)计算合成加速度向量值；9、10、其中，ax为x轴的加速度数据，ay为y轴的加速度数据，az为z轴的加速度数据，为合成加速度向量值；11、基于所述所述姿态角数据和所述合成加速度向量值，生成所述加速度向量；12、设定摔倒触发阈值和正常活动阈值，当合成加速度向量超过设定的摔倒触发向量阈值，且结合姿态角数据及其变化率判断符合摔倒特征时，判定为摔倒事件，并触发相应的安全防护措施；13、记录并分析所有触发事件的数据，以优化安全防护策略。14、作为本技术的进一步改进，所述多个传感器节点的布置包括：15、使用3d扫描仪对佩戴者的头部进行全方位扫描，确保捕捉到头部的完整形状；16、获取到佩戴者头部的三维数字模型并生成头型数据，根据头型数据的特征初步确定传感器节点的布局区域，所述头型数据的特征包括头围、头高、头宽参数；17、对初步确定的布局区域进行细化分析，考虑传感器节点之间的相对位置、覆盖范围以及信号传输等因素，以确定最佳的布局位置；18、根据佩戴者的使用习惯信息，对所述最佳布局位置进行微调，以确保传感器节点能够更好地捕捉到关键的运动数据和姿态变化。19、作为本技术的进一步改进，包括：20、预处理所述加速度数据和角速度数据以剔除异常值，21、提取预处理后的所述加速度数据和角速度数据的特征参数，所述特征参数包括加速度的峰值、谷值、变化率以及角速度的变化趋势；22、根据提取的特征参数，利用模式识别算法对摔倒事件进行识别，其中，所述模式识别算法包括支持向量机算法；23、若识别结果为摔倒事件，则结合佩戴者的历史运动数据和当前环境信息，对所述摔倒事件进行确认；24、在确认摔倒事件后，根据预设的安全防护策略，触发相应的安全防护措施，所述安全防护措施包括激活气囊系统、发送求救信号或通知预设的紧急联系人。25、作为本技术的进一步改进，包括：26、设定用于判定进入自由落体状态的加速度阈值以及确认跌落事件的加速度变化率阈值；27、持续监测各传感器节点的加速度数据；28、判断所述加速度数据是否满足进入自由落体状态条件，所述自由落体状态条件包括所有轴向的加速度值是否同时趋近于零；29、若判定符合所述自由落体状态条件，检测所述加速度数据的变化率；30、若检测到所述合成加速度向量在预设单位检测时间内加速度超过预设检测值，且加速度数据的变化率超过所述预设的跌落事件加速度变化率阈值，则确认为跌落事件。31、作为本技术的进一步改进，包括：32、在安全帽内部或外部设置边缘计算单元；33、所述边缘计算单元接收并处理传感器节点的数据；34、根据预设的安全防护算法，边缘计算单元实时分析数据并判断当前的安全状态；35、当检测到潜在的安全风险时，所述边缘计算单元调整安全帽的防护设置。36、作为本技术的进一步改进，包括：37、接收并分析所述各传感器节点的实时数据，识别出异常数据模式，所述异常数据模式与预设的安全风险模式库进行匹配；38、根据匹配结果，确定潜在的安全风险类型及等级；39、选择与确定的安全风险类型及等级相对应的防护策略，所述防护策略存储在边缘计算单元的本地策略库中；40、执行选定的防护策略，通过控制安全帽内部的执行机构，所述执行机构包括气囊、减震装置，进行实时调整，以提供针对性的保护；41、在执行防护策略的同时，将安全风险信息及已执行的防护策略发送至远程监控中心。42、作为本技术的进一步改进，包括：43、在边缘计算单元中集成机器学习模块，用于对历史数据进行分析和学习；44、收集并记录每次触发安全防护措施时的相关数据，包括传感器读数、环境信息、执行的防护策略及效果；45、利用机器学习模块对收集的数据进行训练，以识别新的安全风险模式，并优化现有的防护策略；46、将学习和优化后的结果更新至本地策略库和安全风险模式库，以提高未来对安全风险的识别和防护能力；47、定期将边缘计算单元的学习和优化成果同步至远程服务器，以便在多个安全帽之间共享最新的安全防护策略。48、为实现上述目的，本技术还提供了如下技术方案：49、一种安全帽智能控制装置，其应用于如上述一种安全帽智能控制方法，包括：50、传感器节点模块，用于在安全帽上配置多个传感器节点，每个节点包含三轴加速度计和陀螺仪，用于分别测量x轴、y轴、z轴上的加速度数据和角速度数据；51、数据传输模块，用于利用无线传输协议，实时传送各传感器节点测量的数据至数据处理单元；52、数据处理单元，用于对接收到的数据进行时间同步处理，确保数据的时间一致性，通过卡尔曼滤波算法，将时间同步后的数据进行融合，得到姿态角数据，所述姿态角数据包括横滚角数据、俯仰角数据和偏航角数据；53、加速度向量计算模块，用于根据所述融合后的姿态角数据和所述加速度数据，通过式(1)计算合成加速度向量值；54、55、其中，ax为x轴的加速度数据，ay为y轴的加速度数据，az为z轴的加速度数据，为合成加速度向量值；56、加速度向量生成模块，用于基于所述所述姿态角数据和所述合成加速度向量值，生成所述加速度向量；57、摔倒检测模块，用于设定摔倒触发阈值和正常活动阈值，当合成加速度向量超过设定的摔倒触发向量阈值，且结合姿态角数据及其变化率判断符合摔倒特征时，判定为摔倒事件，并触发相应的安全防护措施；58、安全防护策略模块，用于记录并分析所有触发事件的数据，以优化安全防护策略。59、为实现上述目的，本技术还提供了如下技术方案：60、一种电子设备，包括处理器、以及与所述处理器耦接的存储器，所述存储器存储有可被所述处理器执行的程序指令；所述处理器执行所述存储器存储的所述程序指令时实现如上述的安全帽智能控制方法。61、为实现上述目的，本技术还提供了如下技术方案：62、一种存储介质，所述存储介质内存储有程序指令，所述程序指令被处理器执行时实现能够实现如上述的安全帽智能控制方法。63、本技术通过通过集成多个传感器节点和先进的数据处理算法，实现了对佩戴者头部运动和姿态的全面、实时监测，能够准确识别危险事件并触发相应的安全防护措施。这不仅显著增强了安全防护能力，降低了安全风险，还通过个性化的安全防护策略和持续学习优化能力，提供了更加精准、有效的保护。此外，本发明还具有广泛的适用性和可扩展性，可广泛应用于多个领域，为工作人员提供全面的头部保护，同时与其他安全管理系统或设备集成，形成更完善的安全防护体系。