文摘

行业领先4.0是第四次工业革命将传统工厂转变为智能工厂由物联网(物联网)。为了帮助智能工厂员工,介绍了可操作的,蓝牙低能量(bie)可穿戴的提案旨在提高工作条件和产业效率4.0场景。我们开发了两个创新算法可操作的关注权力意识的主要支持属性走向成功:低频运动描述算法(LoMoCA)和自适应心率算法(AHRA)。新颖的实验进行了使用操作来确定其可操作性,可靠性和寿命。结果在实验演示如何操作使人机协作闭环性能和确保nonharmful嵌入工人工作条件的节能算法。操作将使数字化智能工厂,扮演一个重要角色在新兴可穿戴革命出现在接下来的几年里对智能生产系统。

1。介绍

第四次工业革命出现了改变当前的行业模型和引入数字化传统工厂提高生产速度,促进合作。这个新兴的革命是众所周知的行业4.0 [1]。4.0属性关注物联网(物联网)2)应用于工业系统为了互连对象,机器,和人类智能工厂。协作任务鼓励通过提高生产速度和最小化成本。这是通过引入cyberphysical系统(CPS) (3),视为嵌入的传感器来收集数据和执行认知算法通过互联网。

可持续发展是最大的担忧之一这个紧急模式。几年后,工厂将被浸到物联网生态系统组成的异构网络,这是节能方案的原因是强制性的,以避免额外的能源浪费。不仅环保而且还鼓励社会可持续发展面临的最大挑战行业4.0。新的CPS将转变为以人为中心的架构关注员工以确保安全,健康,舒适对最佳的工作条件和生产速度。

最近扩散的全球成功的可穿戴的市场是一个关键指标的基础上,嵌入的传感器和致动器,使智能设备的发展。一方面,技术,如蓝牙低能量(bie)带头的物联网标准化由于环保的必要性和更灵活的选择。特别是bie是主要由于最近收养的一个新兴产业转型BLE-mesh拓扑中,广播能力将发挥重要的作用。另一方面,加速器设置的开始新的物联网革命使手控系统,使一个更好的人和机器之间的交互。这些设备生成大量的数据将被处理和过滤中提取特定的信息,这是一个全球性挑战广泛称为“大数据”。

可操作的介绍了以4.0工业面临的主要挑战。这BLE-based原型的工作频带旨在使数字化智能工厂和提高工作条件浸泡员工CPS,考虑人类保健服务的工人。

它由一个模块化的可穿戴的工业环境中,提高了安全性,能够预测有害的情况下,甚至工作事故。这种低功耗可穿戴将积极影响工业范式由于其广泛的新颖应用工业物联网(IIoT)。被集中在运动描述技术和心率测量,可操作的使用学习技能跟踪运营商为了提高产业价值链从节能的角度来看。

本文的新颖在于引入自适应算法专门为可操作的发展,起着关键作用在传入的工业模式的适用性。此外,实验在这个调查允许根据用户可操作的性能的技术评估,成功率,能源消耗与承诺的结果。本文的其余部分组织如下:部分2突出了相关工作。部分3描述了可操作的,专注于硬件部分3.1和详细算法开发的部分3.2(LoMoCA)和3.3(AHRA)。部分4介绍了实验并讨论了结果。最终,节5这项研究提供了显著的结论并提出了未来的工作。

2。相关的工作

基于重力感应的衣物是专门用来保持跟踪信息的个人活动和他们的能源消耗。商业衣物的数量(通常腕带标识为聪明的乐队)在去年增加了。关于学术和研究工作,他们可以在不同的主题分类:医疗和康复、运动识别,老年人,运动,定位,和工作。

关于医疗方面,获得一个完整的系统,以避免医院感染提出了(4),使用传感器和腕带配备感应器。以类似的方式,其他聪明的乐队也提出了肌肉运动识别和生理信号(5],帕金森病检测[6和帮助阻塞性睡眠呼吸暂停患者7]。此外,基于重力感应设备广泛用于康复应用程序(8]。

姿态和运动识别是一个广泛的研究领域涉及设备基于加速度计。这个识别可以由这套[9甚至通过智能手机(10]。它使用加速度计来帮助老年人;在[11),作者提出了一个运动加速度计监测;在[12),一个方法提出了基于加速度计识别下降的平衡;最后,加速度计是用来检测一些预定义的动作(stand-to-sit和sit-to-stand)在年轻和年老的成年人13]。此外,在[14),作者设计并实现了一个嵌入式系统估计行人行走的位置。

最后,对于在工作场所使用的加速度计,大多数文章都集中在建筑行业加强安全工作。在[15),商业加速度计是用来测量树干弯曲和横向弯曲角在实验室条件;重复这个实验在实际施工环境(16]。这两项研究都专注于商业加速器使用收集的数据的分析。在[17),一种方法基于监督运动张量分解为建筑工人。在[18),作者使用手机的集成传感器活动识别的建筑工人。然而,其他研究的重点是不同的工人;例如,在[19),作者探索加速计的效用来决定时间坐在办公室职员。尽管使用加速度计已经评估了不同的专业人员,它没有考虑到工业环境的日期,它可以高度为4.0新产业。

3所示。可操作的:拟议的可穿戴

这次调查介绍了可穿戴旨在满足物联网在智能工厂的要求。的主要属性可穿戴的原型,可操作的,表中列出1。它是一个独立装置能够从个体学习行为模式,因此,提高他们的工作条件。虽然在这项工作提出了一种特定的硬件来实现一个可评价的可穿戴的,可操作的的主要贡献在于它的功能,因此,在提出的算法。

可操作的发展,建立了不同的层次结构,第一个行业4.0应用程序的可靠性和第二个可持续的业务。因此,正确的功能是优先对能源效率的冲突。可操作的背后的关键挑战是实现其功能的实现具有高度的可靠性在任何轻物联网设备。这承诺节省尽可能多的能量由于单片机工作频率降低,正是最微小的物联网设备,这是称赞与适当的传感器和通信管理模块。

硬件的技术描述用于实现的功能提供了可操作的部分3.1。低频运动的发展称为LoMoCA描述算法,本文的贡献,解决部分3.2。此外,一个可持续的算法能够适应每个工人的心率采样频率,AHRA,介绍了部分3.3。再次,本文的主要成果是基于提到的节能方法用于开发算法,使提出的功能是由轻量级的物联网设备通常与减少操作单片机频率。

3.1。硬件组件

本节描述硬件用于开发可操作的原型。核心系统控制器板具有一个集成的BLE无线电模块用来传输数据。使用的设备是LightBlue Bean (20.),一个低频的董事会,包括I2C和SPI接口结合多个I / O管脚。关于集成传感器,它集成了一个温度传感器和一个三轴加速度计。最后,低频微控制器,在8 MHz工作,负责管理所有部分。

尽管一个三轴加速度计集成在单片机平台,我们已经组建了一个惯性测量单元(IMU)。我们这新董事会,因为它包含有十个自由度:三轴加速度计,三轴陀螺仪,三轴磁强计和一个压力传感器。虽然在本文中,我们只使用加速度计和陀螺仪,它允许使用额外的传感器,可以用于进一步的调查。此外,脉冲传感器已经包含在我们的原型测量心率的运营商和识别有害的情况下。最终,作为原型的信封,我们设计了一个住房使用3 d打印技术,模仿形状如图1(一)和1 (b)。

的一个主要可操作的原型的属性是它的模块化,这就是功能开发的原因应该是在不同条件下进行测试。我们工作室进行了使用两种不同的可操作的设计(见图1)测试单独的两个算法开发。考虑到这些特点,可操作的是低频和低成本的结合原型板用于开发基于适应性算法,低功率运行,采样频率。

3.2。运动的描述

本节详细描述了算法的发展,允许OperaBLE-characterised运动。首先,有必要强调运动识别基于加速度计不是一个轻松的任务,因为他们提供原始加速度数据,必须正确地过滤和解释。例如,困难是注意到高而准确地分离重力的身体动作和手势,感觉到预计由加速度计数据的处理要求的算法需要详尽的处理和分析。

如前所述,这个调查的主要成就之一是运动识别系统开发使用采样频率10赫兹左右,低于10倍的小说研究中使用。这一事实提供了巨大的优势向更高效电池使用情况,突出显示在第二行最卓越贡献:(1)运动描述算法可以实现在一个广泛的设备,包括那些由低频微控制器不耗能很高的比高频计算平台(21]。因此,该算法所需的资源最小化处理原始加速度数据和识别特定的身体动作使其实现轻量级的和具有成本效益的设备,造成转向更可持续利用资源。(2)算法本身,除了能够实现成功描述每个运动的样本数量较低,因此需要较低的测量工作周期。Downsampling不是必不可少的节能的可操作的来源而是有助于最小化能量消耗通过加速度计数据的减少。(3)BLE技术进行通信的使用使优化能源消耗的通信模块。基本运动描述算法背后的想法是,当数据被收购不是感兴趣的可操作的(原始加速度数据预处理),任何信息传播处理阶段。祝福使是什么可能执行睡眠时间之间的数据传输与消费和可以忽略不计,因此预处理,提出了封装和通过祝福发送的数据量大大减少。

虽然传感器工作周期或祝福的减少传输设备的能源效率提高,同样,电池提供的储蓄是最显著的贡献减少单片机频率要求的算法。为了满足这种低频的可靠性挑战限制,我们建议增加不同数据源的数量分析。在每个空间方向,考虑到加速器提供数据的陀螺仪提供了一个共有6个自由度(自由度)。因此,我们获得更多数据来提高系统的可靠性,同时可以注意到由于低频低功耗单片机操作所需的设备,预计该算法实现。

3.2.1之上。LoMoCA:低频运动描述算法

本节扩展了我们的算法,程序由LoMoCA(见图中所示的流程图2包括代表阶段)。操作的算法分为两个部分,差异化的实现在可穿戴设备在nonwearable(预处理)和设备(加工)。

关于可穿戴设备,我们已经开发出一种优化代码保存电池维护设备在睡眠模式下虽然没有明显的运动是注意到在图可以看出2(1)的可操作的标识的开始一个新的运动,加速度计和陀螺仪的子程序获得的数据集成在乌兹别克斯坦伊斯兰运动并将它们存储在设备,直到结束的运动。这个运动开始事件触发的一个阈值,比较不断当前和以前的样本来验证如果差异大于1 m / s²(加速度)或1 rad / s(角速度)发生。确定每个运动的结束,设备进入待机模式而等待在第二个重要的加速度和角速度。如果没有运动被认为在这第二,数据收集过程被认为是完成了。

如前所述,运动数据的采集一直持续到前面的条件不再是满足。然后,检查设备有两个数据源:加速度计数据(3自由度)或加速度计和陀螺仪数据(6自由度)。使用6自由度考虑角速度和加速度数据,编码和发送到nonwearable设备相关时,见图2(2)。

处理nonwearable设备从数据接收事件。在分析阶段在图2(3)开始,可操作的检查操作的模式选择。之后,数据正确解码进行运动识别阶段。LoMoCA使用一个基于模式识别运动方法。由于它的灵活性,它允许引入新模式取决于什么样的行业或操作员执行的任务。在第一阶段,程序检查所有模式存储在一个nonwearable设备考虑和比较它们的所有运动。如果用户需要存储一个新的运动,操作将准备将其存储不需要重置自运动识别过程最近还考虑模式存储。

在这一点上,下一个为每个轴和分析过程进行了一次,因此,对于每个模式。最重要的阶段是所谓的正常化运动(确认图2(4))。为此,有必要参考动态时间扭曲(DTW)算法,由于LoMoCA是基于它来评估每个模式之间的相似和运动执行。这介绍了递归算法(22]目的是改进现有语音识别程序。如今被广泛使用,是基于比较两个时间序列的原则,而不是比较两个数据集根据欧几里得距离(取样)。所谓DTW计算距离矩阵(23)认为一双样品的比较属于时间序列以及相邻值以达到最小的路径,因此,最有效的两个时间序列的一致性。图书馆中使用应用DTW算法的实验可以在[访问24]。然而,因为我们注意到DTW的准确性并不足以达到一个适当的运动描述低频采样,我们开发了一个基于DTW的专有算法,发现几个问题在调查期间被解决。

为了进行正常化过程,轴的模式进行分类。这种分类决定了哪些轴是否相关的运动,然后,正常化以来扮演着重要的角色比较序列与DTW不是有用不同的振幅。关于正常化,为每个轴,如果加速度和角速度的幅度高于4米/秒²或4 rad / s,分别这个轴是正常使用的最大绝对值在整个样本。一旦收到的每个轴执行这个过程,该算法比较和正常运动模式之间的一致性。首先,如果模式的正常化和运动不匹配,该算法确定的运动并不配合模式。如果模式和运动不正常,该算法认为这个轴是运动和丢弃无关这最后的决定。相反,当同一轴模式和样本结果正常,样品被认为是一个明确的候选人匹配模式存储。当所有轴分析正常化,描述可以继续下一个阶段,动态限制的决心。

下一阶段(在图所示2(5)),动态限制决定的长度等参数根据不同的运动和模式。为此,实验研究是选择一个进行动态限制代表模式和样本之间的相似性。方程(1)显示实验设置的参数用于检查相似,阈值的调整在每个情况下根据每个运动的样本数量和模式被认为是()。可以观察到(1),限制达到一个恒定的值超过15个样本组成的数据集。然后,应用DTW正常化运动和获得一个相似的价值。如果所有相关轴在每一对运行模式建立的动态极限以下,一个潜在的兼容性被发现。

最终,当所有模式都检查(在图2(6)),执行全球相似性分析选择(从所有运动模式)最接近的匹配和运动特征。为此,微分获得的因素的总和(每个每个轴分析在整个一个模式)是考虑而产生的其他模式的总结。完成描述,LoMoCA选择最小的和更好的匹配模式移动,由于微分系数减少当相似度增加。

这项工作提供了实验讨论的优点和缺点使用只使用加速度计与陀螺仪加速度计组合,因为通常由陀螺仪要求更高的能量。然而,这一节的主要焦点在于使运动描述算法的实现与低频微控制器轻量级设备,导致节能方法。

LoMoCA是一个复杂的算法,因为大量的变量来进行管理。然而,因为它是使用几个过滤器实现精确调整,它不需要很高的计算能力。重要的是要强调LoMoCA是专为描述长时间运行和短时间运动,最后一个是一个挑战对于大多数现有的运动描述算法由于减少了样本的数量。可操作的最终用户是透明的,因此,理想克服现有技术数字化和nondigitalised用户之间的差距。这个想法后,系统能够实现学习新动作,没有需要修改软件或更改在描述算法,这是一个重要的可操作的属性。

3.3。幸福和安全的工人

以人为本的架构正在推动通过关注可持续发展的社会维度。除了运动的能力描述使用低频算法,可操作的负责保证nonharmful工厂工人工作环境,保证预防人类的损失。

可操作的发展身体嵌在区域网络(禁止)组成的认知的衣服。由于本文的重点是可操作的可穿戴,完整的禁令是由以前的研究框架(25]。

人类福祉,心率可操作的措施为了监控意想不到的变化对每个工人的参考价值建立在校准。我们在本工作介绍一个新的算法,优化了测量过程,因此,节能环保的衣物。AHRA的主要属性是它的能力,采样频率适应每个工人的状态检测不健康的条件可能会导致事故的发生。

3.3.1。心率AHRA:自适应算法

本节介绍我们的自适应心率测量算法,AHRA。因为一些现有算法实现高精度测量低能源效率为代价,我们开发了一个专有的算法能够适应采样频率通过执行灵活的睡觉时间,不影响测量结果的质量。

最初,该算法一分钟校准每个主体阶段,需要安静,坐在他或她来建立一个基线beat-per-minute (bpm)数据。校准每个每个工人只执行一次存储eepm日常使用的参考价值。算法识别电压峰值和达到数平均峰的时间在十秒的时间测量。图3显示了一个流程图的AHRA低级程序如校准或峰值决心是省略了。

根据图3,参考心率值获得随后数分析和使用,除非硬重置设备,额外的校准不会是必要的。默认的时间间隔测量是最初设置为30秒。如果最新的值不同于参考,AHRA会质疑是否有增加或减少。在减少的情况下,前面的间隔扩大通过一个线性方程(因子B (3))。因为心率的增加必须仔细分析,在这些情况下建立比例减少测量间隔时间根据达成的多项式方程实验(因素(2))。因素决定考虑固定采样时间间隔为特定的bpm增加;例如,49-second间隔定义为bpm值等于基值校准两秒钟的时间间隔为10 bpm定义时的区别。考虑到实验一组固定的间隔,方程(2)和(3)。此外,警告和警报状态中定义AHRA(对应参考bpm)中增加7%和14%。

4所示。实验评价和讨论

这部分地址的一组实验进行使用操作和评估每个算法的积极贡献。进行实验操作,计算董事会作为一个外部处理设备执行nonwearable LoMoCA算法。负载电流的测量来评估不同条件下的消费使用分流电阻和运算放大器,目的是达到设备寿命的比较。

在本部分中,分别定义了几个实验来评估每个算法和达到他们的主要弱点。部分4所示。1重点是LoMoCA,五个不同的动作定义找到奇点取决于飞机的数量和转动轴描述期间使用。部分4所示。2探索AHRA的性能,对两种算法,一个简短的实验基于能耗评估的适用性建议。

4.1。LoMoCA实验

本节定义了5个基线运动自从相关任务,检查尽可能多的变异和评估系统。表2显示一个图表包括有关轴在每种情况下,一个简化的轨迹表示。这些动作已经分为两组:第一个包括所谓的锤,阀门开度和组装(运动被认为是常见的工业任务测试算法增加了进步的困难),第二个包含数据请求和通知(提供支持,帮助运营商在日常工作)。所有动作都记录为短运动有一个低数量的样本,因此,阻碍描述过程。提供了详细解释如下:(我)锤:主要使用两个轴和只有一个旋转轴,1-2-3序列重复三次。(2)阀门开度:这个运动都使用了可操作的XY平面。它处理额外的困难,因为离心加速度产生的一种变体轴阻碍识别过程。1-2-3序列执行四次。(3)组装:由一个连接任务6轴相关(最复杂的运动),这是有用的检查LoMoCA精度区分类似的运动。正确的顺序是1-2-3。(iv)数据请求:是一种特殊的运动记录,允许运营商请求数据的机器使用一个简单的方法,三个水龙头在机器表面。它避免了使用屏幕,按钮,或复杂的设备。1-2-3序列重复三次。(v)通知:允许运营商发送紧急消息通知上级任何问题没有必要放弃手头的任务。它由移动的手在垂直位置(1 - 2序列),摇晃它两次(2-3-2序列重复两次)。

组装运动是一个典型的生产链的任务,必须以正确的顺序实现不同的操作。正确的操作顺序表表示2,并提供数据分析的角度LoMoCA,我们代表了角速率的样本三个运动重叠(见图4):组装模式,装配运动,错误的装配运动。所有的运动都有2 - 3秒的时间突出低频来描述。组装模式代表的模式存储在内存中使用该算法;一个正确的装配运动遵循正确的动作序列,错误的组装指的是执行的操作在一个错误的序列。

以下4.4.1。数量的模式影响

LoMoCA介绍了尽可能多的模式需要改进运动描述。因为有许多可能的方式执行运动,运动的时间越长越低相似性是感激。基线的想法包括增加了几个相同的运动模式。

第一个实验地址的数量的影响模式存储在描述的准确性。图5显示了一个统计的成功率(每种情况下使用3或6自由度)。的实验是基于10个随机序列5动作记录获得足够的样本。结果显示,只用加速度计导致错误的锤特征确定为数据请求(见图5)。在这种情况下,使用3自由度(加速度)并不足以区分类似的运动锤和数据请求。因此,我们得出的结论是,少量的轴结合几个样本运动相似,因此增加,使得LoMoCA选择最短的运动。因此,只使用加速度数据的问题削弱了准确性增加假阴性。

解决了这个问题通过添加陀螺仪数据源(6自由度使用3线性和旋转坐标轴)提供额外的信息,使LoMoCA根除虚假负面特征。然而,成功率模式条件的数量取决于每个运动的长度(即。,短的运动锤不需要大量的模式达到100%根据图5)。因此,高成功率的成就满足行业需求只能通过使用陀螺仪数据在这种情况下,存在低频提到的限制。

添加额外的自由度,包括陀螺仪有利于改善描述简单的运动,以牺牲更高的能源消耗。如前面所述,系统可靠性的关键优先为了使行业4.0中使用可操作的场景。因此,所需的额外的电力需求的陀螺仪是合理的达到一个适当的描述在短的运动。然而,根据最终应用程序的操作,使用3或6自由度是一个方面仔细考虑,根据这个实验的结果和能量的限制。

4.1.2。装配压力测试

这个实验的方法包括执行两次组装在所有可能的错误的序列组合(3-2-1、3-2-1等),考虑3和6自由度比较使用更多景深的影响在我们的算法。考虑到1-2-3序列是正确的(见表2),表3提供我们的结果组装压力测试,已经达到了显著的结论。

使用3自由度,正确的运动(1-2-3)序列是正确的重复为特征。然而,我们发现一个假阳性问题组装在4次错误地承认。因此,额外的3自由度明显改善结果,增加成功率从66.7%降至91.7%。这一事实使得使用LoMoCA为更复杂的行为的序列运动对流程的正常运行至关重要。这支持陀螺仪是必不可少的,根据最终应用程序,提高操作的性能。因此,只有在添加这三个额外的自由度的情况下需要确保可靠性,设备的消费将增加的陀螺仪数据源。

4.1.3。权力意识:LoMoCA

本节提供了一个可操作的分析关于能耗在LoMoCA(不同数量的景深不同的运动)。消费测量的采样频率为10赫兹,和源连接到可操作的是一个105 mAh电池。执行期间执行的实验参考运动(见表2);数值存储和消费曲线。

平均电流测量在描述阶段锤,阀门开度,组装运动实际上是常数,因为每个动作的持续时间对消费的影响大于执行的迭代次数(取决于类型的运动执行)。因此,我们的目标仍然是当前消费的决心在处理阶段的运动以及描述所需的时间间隔。

期间的消费曲线可操作的锤运动是如图6,是确定的阶段睡眠,运动,闲置。在此表示,可操作的特点正确地只使用3自由度的运动(加速度数据)。此外,它是保持睡眠状态特征(之前和之后运动阶段),提高识别的不同消费阶段,1秒闲置阶段,以确保运动数据采集已经完成。在的情况下阀门开度和组装运动,运动期间所花费的时间达到约3秒。因此,保持2秒的操作睡眠模式在这些情况下,睡眠时间恰逢一个工作周期的运动时间。

所花费的时间在运动本质上是一个相关的因素要考虑。6秒的测量时间间隔定义在这个实验中,最多可操作的消耗(组装运动),0.011 mAh的能力。这意味着我们的原型将在这样的工作流程操作至少15.70小时在使用6自由度(最坏情况)。10.27小时的寿命得到电池的105 mAh容量除以平均消费10.22 mA(运动不断描述),这是最糟糕的情况。尽管这估计是基于实际测量,寿命达到理想。寿命衰减30%,设备仍将运行一个完整的工作日,没有能量限制。

除了每个动作的时间描述,这项工作提出了一套面向重点和决策过程的景深的数量被认为拯救尽可能多的能量。如前面所述,可操作的优先考虑的关键是为了满足可靠性的要求行业4.0。然而,可持续发展以及算法的一个重要方面,而能源消费存在的两个主要来源:设备的单片机的操作频率(这项工作集中)和传感器模块连接到设备。因为与之前的沟通管理并不冲突,我们突出在以下行两种选择探索关于消费来源可操作的:(1)高频微控制器的使用,这在很多情况下不需要添加陀螺仪数据为代价更高的全球消费的设备。根据使用的IMU的技术数据表,陀螺仪的消费明显高于消费的加速计,这是避免使用这些额外的自由度的原因可能导致更大的能源节约的传感器。这个选择是丢弃的关注单片机作为可操作的节能源,这是这项工作的目标,预计将提供更大的节省能源。(2)的实现与低频限制应用于单片机系统,添加在某些情况下的费用3提供的额外的自由度陀螺仪来满足可靠性要求。尽管传感器消费会增加,全球消费的单片机板可以大大减少,从而影响设备的整体效率。关注这个想法,这项工作提出了降低能耗的基础上实现的LoMoCA低频限制。

结果,由于实验强调的必要性添加陀螺仪数据简而言之运动等锤(满足可靠性要求),该算法是很容易适应开发最终的应用程序。因此,3自由度可以应用在有LoMoCA不需要陀螺仪数据成功地描述动作(例如,阀门开度,数据请求,或通知)和6自由度将用于情况描述的可靠性可能会受到低频的要求。总的来说,可持续性的提案是基于低频运行轻量级设备高度兼容LoMoCA添加或删除和增强的角速度测量根据必需品。

4.2。AHRA实验

本节着重于AHRA,自适应心率算法,测试测量的准确性提供了可操作的和原型的适应性不同工人和条件。

4.2.1。准备自适应测量心率算法

三个不同的工人们选择的第一个实验中,提取一个bpm的由测量在执行不同的任务。测量相比,存储和计算的描述时间和平均峰数字示波器。

在实验过程中,校准程序中定义AHRA是使用三个不同的测试人员,为每个主题的10倍。最终,他们被要求完成一个表单显示他们是否感到疲劳或放松。为每个组的百分比统计精度10测量已经在图表示7,在那里疲劳和放松类别是突出显示为每个操作符。

成功的准确率(见图7)显示之间的距离测量和真正的bpm价值。实验的结果被分为6组根据每个操作符的状态。最高的分散在操作员注意到1(放松),四分位范围从86%到100%的准确率。的统计表示放松操作员2状态清楚地表明,我们的算法具有良好的可重复性(见四分位数在图2和图37)。

AHRA适用于测量心率在不同条件和工人。重复的测量值正好与预期的场合,并在实验成功的平均准确率达到了96.16%。自可操作的主要目的是识别高风险的情况下,该算法是正确的和适当的检测有害变化通知附近的监管者。

4.2.2。权力意识:AHRA

本节描述一个实验基于一个节能的方法来量化的节能采样频率适应每个工人的状态。为此,一个特定的运营商受到分化情绪引发的外部代理。结果数据图所示8(一个),20分钟的时间间隔已经表示关注的最具代表性的属性AHRA(适应性)。图的一部分8 (b)包括获得的消费在测量心率可操作的备注可持续性。它可以注意到可操作的变成了睡眠模式每次测量后,调整睡眠间隔(根据(1)和(2))。

开始前测量心率(08:54点),操作员被要求校准可操作的定义一个参考bpm的价值。所示的测量是从08:55点获得的对事故发生点,time interval in which the test worker was performing a predefined task, and ten minutes after starting to store measurements (around 09:05 A.M.), an external agent provoked an unexpected situation. Consequently, the average bpm increased instantaneously and we could verify how the algorithm applied factor A (1)大幅减少睡觉的时间间隔。最终,这个话题恢复正常bpm价值和可操作的增强采样间隔保存尽可能多的能量(分点)。

根据这个实验,我们得出结论,可操作的的瞬时电流3 mA在放松的情况下,消费可以增加到7马当确定疲劳和工作压力。因此,可操作的实现可持续性的挑战,确保最低15小时的寿命(在nonharmful情况下35小时)。

5。结论和未来的工作

这项研究是出于最具挑战性目标的新兴工业模式,所谓的4.0产业,物联网技术将对智能工厂起着关键作用。为了提高工作条件和在工作中提高效率,本文介绍了我们factory-wearable原型,可操作的。这个提议将跟踪运营商智能工厂,避免事故在工作场所和识别有害的工作环境。

这项工作的主要成就是两种节能算法的引入,AHRA LoMoCA,已专门开发了在低成本和低功耗设备如可操作的。这些算法都是基于4.0灵活的方法来面对行业可持续性的挑战。一组实验分别进行了评估这些算法并验证的可靠性和寿命可操作的设备在一天的工作。

关于LoMoCA,我们得出结论,加速度计和陀螺仪(考虑一个对复杂的行为模式,简单的动作和三个)符合最好的配置实现96%的成功在平均情况下,以牺牲更大的能源消耗引起的陀螺仪。然而,这些额外的传感器的使用仅仅是合理的具体情况,如短或sequence-sensitive动作,这可能造成混乱的算法。因此,根据最终应用程序的运动特征,需要更高的能源需求不妥协的可靠性对于工业应用程序,这是一个关键的优先任务。

可操作的足够灵活,能够准确描述任何使用低频运动,使其使用轻量级设备导致了更好的利用资源和提高能源效率。acceleration-based系统开发许可数据请求操作利用机器表面,避免使用屏幕,或复杂的接口。它使运营商发送迁移型上司通知立即在紧急情况下,这对防止事故发生在工作中至关重要。

关于幸福在智能工厂空间,三个工人被选为评估AHRA在不同的州。成功的测量提出了平均准确率96.16%使用可操作的对测量提供的数字示波器,使操作工人识别有害条件如压力或疲劳。此外,由于AHRA的适应性行为,平均电流消耗在心率测量最小(大约3 mA),而低频运行LoMoCA允许操作达到10.27小时寿命在最糟糕的情况下使用105 mAh的恒定的运动描述和电池容量。

未来的工作包括重新设计的原型,以减少其规模,提高运营商的舒适。目前正在开发更多的算法为模块化操作和跟踪运营商确保周围环境的安全。因为BLE技术丰富了可伸缩性和为大规模应用提供了可能性,保佑网状网络被部署在评估一个完整的BLE-based CPS的时刻。成果是有前途的,值得进一步的研究来评估真正的产业4.0环境中的鲁棒性和提高生产力。

数据可用性

的数据支持本研究的发现可以从相应的作者,迭戈Hortelano在合理的请求。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持的西班牙Ministerio de Eduacion文化y驱逐下授予tin2015 - 66972 c5 - 2 r (MINECO /菲德尔)和tin2015 - 65845 c3 - 2 r和大学+ D +我恰拉计划与欧洲社会基金。