kaiyun官方注册
您所在的位置: 首页> 测试测量> 设计应用> 基于生命体征监测与室内定位技术的消防员协助系统
基于生命体征监测与室内定位技术的消防员协助系统
2020年电子技术应用第12期
王圣哲,王 博,高鸣远,罗 亮
长春理工大学 光电工程学院,吉林 长春130000
摘要:现代科技发展带来高层建筑和复杂建筑结构增多,导致消防员很容易在火场内受到生命危险。针对消防人员进入复杂火场后的生命体征状态及室内定位问题,提出了一套完整的协助系统。提出使用LSTM神经网络预测消防人员的动作姿态,使用光电传感器监测消防员的心率血氧以及周边气体环境。同时,提出了一种基于超宽带通信定位与高精度惯性元件导航进行数据融合的室内消防员定位手段。最后,终端通过LoRa-170M无线系统上传给移动监测平台,利用LabVIEW软件完成了监测上位机,并通过实验验证了其可靠性及稳定程度。
中图分类号:TN98;TH7
文献标识码:A
DOI:10.16157/j.issn.0258-7998.200231
中文引用格式:王圣哲,王博,高鸣远,等. 基于生命体征监测与室内定位技术的消防员协助系统[J].电子技术应用,2020,46(12):72-77.
英文引用格式:Wang Shengzhe,Wang Bo,Gao Mingyuan,et al. Aid system for firefighter based on vital signal detection and indoor location system[J]. Application of Electronic Technique,2020,46(12):72-77.
Aid system for firefighter based on vital signal detection and indoor location system
Wang Shengzhe,Wang Bo,Gao Mingyuan,Luo Liang
School of Electro-Optical Engineering,Changchun University of Science and Technology,Changchun 130000,China
Abstract:Since the development of modern technology, the number of high buildings and complex structures keeps ascending, which leads to the vital hazard of firefighters. This paper proposes a complete aid system to duel with the issues on vital signal detection and indoor location for the firefighters. In this paper, LSTM Neural Network is employed to classified the attitude and movement of the firefighter, and particular photoelectric sensors are used to detect the heard rate,blood oxygen saturation and the gas surrounded. At the meantime, this paper proposes a indoor location system based on the data fusion of the Ultra-WideBand location and the inertial navigation. Finally data above are transmitted via LoRa-170M Network to the monitoring platform which is built up with the help of LabVIEW. At the end, experiments are designed to verify the ability and stability of the system.
Key words :firefighting rescue;vital signal detection;indoor location system;LSTM neural network;Ultra-WideBand technology

0 引言

据不完全统计,2006年~2016年,消防员灭火救援中发生伤亡事故90余起,造成消防员伤亡300余人,备受社会大众重视。从原因来看,我国消防人员在火场中主要死亡原因为建筑坍塌、中毒、爆炸及触电,平均死亡时间为十分钟[1-2]。这几种伤亡情况如在短时间内得到及时救援都可以使消防员存活率大大上升。

2014年,杨树峰等人设计并开发了一套消防人员生命体征监测系统,该系统能监测运动状态下消防员心率、呼吸率、体温、姿态的变化[3],但这套系统没有对定位系统进行设计,对于火场内失联的消防员起不到关键作用。同年,王庆辉、金烨等人使用433 MHz无线通信技术将消防员的实时姿态信息传给数据收集及传输平台[4],但是该系统测量的消防员体征数据不够丰富。2016年,刘晓军等人设计了一种消防员状态实时监测系统[5]。纵观之前的设计,它们都缺少对消防员的定位机制,并且只能返回体征数据,而不能根据原始的体征数据进行数据处理和危机状态判断。

本文提出一种基于LSTM神经网络的危机状态判断方法,并且提出了一种针对室内环境的融合定位方式。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003257




作者信息:

王圣哲,王 博,高鸣远,罗 亮

(长春理工大学 光电工程学院,吉林 长春130000)

此内容为AET网站原创,未经授权禁止转载。
Baidu
map