利用腦電技術評價核電廠操縱員疲勞度的可行性研究

李林峰，青 濤，向嘯晗，湯雅沁，符佳好，陳 錦

（1.蘇州熱工研究院有限公司，江蘇 蘇州 215000；2.湖南工學院，湖南 衡陽 421002）

電廠正常生產運作及保障核安全需要操縱員長時間的輪班工作。在長時間的工作后，操縱員難免進入疲勞狀態。操縱員的疲勞狀態會引發諸多的安全問題，疲勞狀態下，操縱員在日常生產、瞬態、事故情境下發生失誤的概率大大增加，不僅無法保證正常生產甚至會威脅到核安全。因此，對操縱員疲勞的量化和檢測具有重要意義。

接下來將對操縱員疲勞度的心理、生理狀態指標參數選取、腦電參數指標采集方法，操縱員疲勞度示例平臺搭建方法等內容進行介紹。

1 操縱員疲勞度心理、 生理狀態指標參數選取方法調研

時至今日，學界尚未對疲勞度的檢測提出一個統一的標準。如今已有的研究中主要基于以下幾種測量手段來測量人員的疲勞水平：①基于問卷調查的主觀檢測方法；②如眼跳運動、眼睛的閉合百分比等基于眼動的參數測量；③基于反應時間和集中程度開展的心理活動測試；④電相關的生理參數測量，如眼電（Electrooculogram，EOG）、腦電（electroencephalography，EEG）、心電（Electrocardiograph，ECG）、肌電（Electromyography，EMG）。

其中，以電生理作為基礎的疲勞檢測方法在各種方法中普遍具有較高的可靠性和準確度。在疲勞的影響下，電生理的信號，如EEG、ECG、EOG 和EMG 的改變可以發生在如眼動、凝視、眼瞼閉合程度等眼參數的變化之前。其中，基于EEG 的疲勞測量方法受到眾多研究者的青睞。

EEG 信號可以反映出人體各種功能水平，如推理、運動、視覺，以及認知層面的聽覺處理、決策、感知等。相比其他生理信號，EEG 信號能更直觀反映大腦自身的活動，并且在時間分辨率上也有更好的表現。基于EEG 的方法可以用更短的時間獲得更快的檢測速度，因此在眾多生理信號中，EEG 具有其優越性。國內外學者的相關研究發現，腦電不同頻段的能量變化與人體疲勞水平有關，并通過組合不同頻段的能量作為特征利用機器學習取得了較好的檢測效果。例如，對EEG 的4 種波段delta、theta、alpha、beta，有學者研究其相互比值作為特征，研究疲勞前、后的變化，數據顯示在疲勞狀態下delta、theta 較穩定，alpha 輕微減少，beta 則顯著減少，且所有慢波與快波的比值都增加，其中（θ+α）/β 增加最多，該規律可用于檢測疲勞。本研究將選用EEG 來評價操縱員的疲勞度。

2 操縱員疲勞度評價指標參數采集

2.1 實驗設計

設計36 h 睡眠剝奪實驗，從早上8 點開始實驗到第二天下午20：00，每2 h 采集一組數據，共采集到19 組數據。每組實驗包含閉眼、睜眼和精神運動警覺任務（Psychomotor Vigilance Task，PVT）等6 個任務，除PVT 實驗時長5 min 外，其他任務實驗均為3 min。實驗中被試靜坐在凳子上。在實驗開始時會在屏幕正中央出現一個固定的“十”字形，持續時間為2~10 s 的隨機時長；隨后轉換到計數器，要求被試盡快點擊空格鍵以停止計數，馬上再次轉換到“十”字形顯示即完成一次PVT 任務。

19 名健康操縱員作為被試參加了實驗，腦電采集設備為腦機所自主研發的可穿戴腦電采集裝置。采集導聯分別放置在FP1 和FP2 電極為干電極，參考和接地放在雙側乳突使用心電貼電極。開始采集信號時皮膚和電極間的接觸阻抗低于60 kΩ，其采樣率為1 000 Hz。

2.2 數據處理

對于每個被試PVT 的反映時間（Reaction Time，RT）數據進行預處理，部分遠大于2 s 的RT，應當作為噪聲刪除，因此刪除每組中大于2 s 的RT 數據，平均剩余的RT 作為該被試本組的RT。

對于原始EEG 信號，通常采用有限沖激響應濾波器（Finite Impulse Response，FIR）進行1~45 Hz 帶通濾波。由于干電極可能出現短時間的漂移偽跡，因此需要進行偽跡檢測后去除。使用時域閾值法進行檢測，當時域腦電信號的絕對值大于500 時判斷為偽跡，隨后進行去除。漂移偽跡去除后，對信號進行頻域變換，本研究使用Welch 周期圖法計算EEG 的功率譜密度（Power Spectral Density，PSD），又采用窗長5 s 的漢寧窗（Hanning），在其中交疊50%的數據。

2.3 特征值提取

特征提取時僅使用PVT 和模擬核電操縱任務的腦電信號。使用不同長度的時間窗（2、5、10 s），無數據交疊進行滑窗，得到一個分類樣本。隨后對分類樣本提取時域特征和頻域特征。頻域特征為4 個頻帶（delta：1~4 Hz，theta：5~7Hz，Alpha：8~12Hz，Beta：13~30Hz）的相對功率、頻率重心、頻率可變性[1]、約爾特參數（Hjorth Parameters，HP）[2]和分形維（Petrosian Fractal Dimension，PFD）[3]。

每名被試者得到了19 組的平均反應時間，根據反應時間取時間最長和最短各3 組作為清醒和疲勞的數據。最后，使用5 折交叉驗證的方式，隨機將每名被試的數據分為訓練集和測試集，用測試集的結果進行評估。

2.4 分類模型

決策樹是很常見的一種機器學習方法，可用于分類和回歸[4]。以二分類為例，每個決策樹依據其特征評價標準（如基尼指數、信息熵等）來選擇最優特征作為樹根，基于選擇的特征將樣本分為2 份作為樹葉，隨后不斷重復此前的同樣操作將樣本再次分為2 份，伴隨著劃分次數的不斷增加，樹葉中包含的樣本則不斷減少，達到設定的標準時停止。最后，將樹葉中最多的一類樣本量作為該樹葉的分類標記。測試時根據之前的準則把樣本分到其中的一個樹葉中，樣本屬于哪一類由樹葉的分類標記決定。

隨機森林是一種由多個決策樹組成的集成模型[5]。多個決策樹投票決定分類結果。隨機森林包含2 種隨機：一種隨機是隨機抽取特征，首先假設數據特征維度為n，從中隨機采用無放回的抽取方式，抽取f個特征，則包含有Cfn種可能；第二種隨機是隨機抽取數據，假設數據有m個樣本，采用有放回的抽取方式從中隨機抽取m個，約有1/3 的數據沒有被抽到，沒抽到數據叫做袋外數據，由這些數據計算得到的錯誤率為袋外錯誤率，研究表明驗證集錯誤率與袋外錯誤率一致[6]。

2.5 實驗結果

平均反應時間隨實驗組數的變化情況，結果如圖1所示。隨著睡眠剝奪的時間增加，被試的反應時間呈現上升趨勢，隨后保持在較高的水平。

圖1 PVT 實驗的平均反應時間

根據反應時間，選擇第1 組數據作為清醒數據，第16 組數據作為疲勞數據，比較清醒和疲勞腦電信號的變化情況。PVT 實驗的功率譜估計如圖2 所示，相比于清醒疲勞時被試高頻成分增加。

圖2 PVT 任務，清醒和疲勞功率譜估計比較

2.6 清醒與疲勞分類

對PVT 的數據進行建模，最終測試集的結果如圖3所示。所有窗長情況下二分類正確率大于0.78。隨著窗長增加，分類正確率呈現上升趨勢，因為更長的數據包含更多的信息。同時，增加比值特征沒有增加分類正確率，所以實際上可以只使用基礎特征減少計算量。

圖3 PVT 任務在不同窗長時的二分類正確率

3 操縱員疲勞度評價平臺的開發

3.1 硬件選型

本研究從電極的數量上、電極的材料上、佩戴的方便程度和舒適性角度選取如圖4 所示的腦電頭環作為操縱員疲勞度評價的檢測硬件。

圖4 腦電數據檢測頭環

其中電擊數4 個、電極材料為銅鍍氯化銀+PTE、頭環重量72.5 g，頭環的設計考慮了人因工程原則，在結構設計、重量等方面優化用戶體驗。頭環的外觀似發箍，方便用戶佩戴，頭環后邊的扎帶保證不同頭圍用戶的完美兼容。頭環的總重量，不會給佩戴用戶帶來壓迫感。用戶佩戴頭環非常省時，前邊的記錄電極接觸到用戶的前額，兩側的參考與接地電極接觸用戶的耳后皮膚，無需進行阻抗調試。

3.2 疲勞狀態顯示平臺開發

本文在對提取的特征進行分類時，主要采用支持向量機（Support Vector Machines，SVM）算法。具體而言，采用基于SVM 的分類器來將操縱員的腦電信號分為疲勞狀態和非疲勞狀態2 類。在訓練分類器之前，需要準備一組標記好的數據集，該數據集由已知疲勞狀態和非疲勞狀態的腦電信號樣本組成。可以使用這些樣本來訓練分類器，并評估其性能。在分類器訓練過程中，采用了一些特征提取方法來提取相關的特征，這些特征可以幫助分類器更好地區分疲勞狀態和非疲勞狀態的腦電信號。具體而言，使用了傅里葉變換來提取時域和頻域特征，將信號分解成多個不同頻率的子帶，每個子帶包含不同的頻率信息，計算每個子帶的能量、方差和相關性等特征，將這些特征作為輸入向量，然后使用SVM 分類器來判斷操縱員的疲勞狀態。

將檢測到的操縱員疲勞狀態顯示在軟件界面上，如圖5 所示。該界面可以顯示操縱員的疲勞狀態和相應的預警信息，以便相關人員及時采取措施。

圖5 核電廠操縱員疲勞度檢測系統界面

本研究開發了一個專門的軟件界面，用于實時監測操縱員的疲勞狀態。該界面可以顯示操縱員的腦電信號和疲勞狀態，以及相應的預警信息。具體而言，該界面包括以下主要功能。

1）實時監測：該軟件可以實時對操縱員的腦電信號進行處理。

2）疲勞狀態識別：該界面可以根據操縱員的腦電信號，自動識別其疲勞狀態，并將其顯示在界面上。

4 結論

本文提取使用精神運動警覺任務和操縱員模擬核電操縱任務的腦電信號，得到了19 組操縱員的平均反應時間作為基礎數據。采用支持向量機算法對提取的腦電信號分為疲勞狀態和非疲勞狀態2 類特征分類，選用4 個電極數、銅鍍氯化銀+PTE 電極材料的頭環作為腦電數據獲取設備，便捷、準確地評估了核電廠操縱員疲勞度，結果證明，采用腦電技術評價操縱員疲勞程度是可行的。本文的研究對核電廠科學、客觀地開展操縱員工作狀態管理，保證正常安全生產乃至核安全具有參考價值。