来源：期刊VIP网 时间：
作者：田水承;任治鹏;毛俊睿;
单位：西安科技大学安全科学与工程学院;西安科技大学安全与应急管理研究所;
摘要：为精准识别矿工疲劳程度，减少因疲劳引发的煤矿人因事故，提出了一种基于遗传算法(GA)优化最小二乘支持向量机(LSSVM)的矿工疲劳程度识别模型。首先，通过疲劳诱发试验采集矿工心电数据，利用Friedman检验优选矿工疲劳程度的特征指标；然后，采用主成分分析法对选取的特征指标进行降维处理，建立表征矿工疲劳程度的特征集；在此基础上，利用遗传算法优化最小二乘支持向量机的关键参数，构建矿工疲劳程度识别模型。结果表明：选取的矿工疲劳程度特征指标能够有效反映矿工的疲劳程度；相较GA-SVM和LSSVM模型，融合GA-LSSVM模型可显著提高矿工疲劳程度的识别准确率(平均识别准确率为96.87%)。构建的矿工疲劳程度识别模型可较为高效地识别矿工的疲劳程度，对煤矿人因事故的防控具有一定的现实指导意义。
关键词：矿工;;疲劳识别;;心电信号;;最小二乘支持向量机;;遗传算法
基金资助：国家自然科学基金面上项目(51874237);国家自然科学基金重点项目(U1904210)
