0 引言
随着网络技术和嵌入式技术的发展，围绕井下人员安全的各种产品相继被研究开发出来，其中包括井下人员定位跟踪系统和井下人员生命体征监测系统。井下人员定位跟踪系统实现了对井下人员的实时定位，但定位精度有待提高[1]；煤矿井下人员生命体征监测系统能够测量井下人员生命体征综合参数，但其主要功能是生命体征数据的检测和传输[2]。研究新的定位跟踪精度高、具有人身安全监测、报警和危险提示等综合功能的煤矿井下人员安全可穿戴装置，对于提高煤矿安全技术水平，更好地保障人员安全具有重要价值[3]。
本文结合WiFi无线通信技术、接收信号强度指示(Received Signal Strength Indicater, RSSI)测距技术[4]、计步技术等，设计了一种集井下人员精确定位、异常动作监测及心率监测于一体的煤矿井下人员安全可穿戴装置。该装置利用RSSI测距和步距计算模型对井下人员进行定位，以提高定位精度；利用三轴加速度传感器进行步距估算和异常动作监测，利用心率传感器监测人员的生命体征状况。
1 可穿戴装置的功能
(1) 定位功能。采用WiFi模块，利用RSSI测距和步距计算相结合的方法进行井下人员精确定位[5-6]。
(2) 监测功能。井下情况复杂，井下人员的安全健康状态需要时刻监测，因此，在装置中加入心率传感器模块，随时监测状态并传回数据。同时利用三轴加速度传感器进行井下人员站立、摔倒、躺下姿态监测[7-8]。
(3) 报警功能。井下工作环境差，由于光线不足、路面不平，存在井下人员容易摔倒、误入危险区无法自救的问题，此时井下人员需要向地面发送求救信号。因此，装置中设计了报警按键，用于向总站发送求救信号，同时触发警报声。为防止误触，装置中设计了求救取消键。
(4) 提醒功能。瓦斯浓度是影响井下安全的重要因素之一，除此之外，井下地势地形也会威胁到井下工作人员的生命安全。因此，装置中设计了提醒功能，在遇到危险时可及时发出警报，提醒井下人员朝着安全方向撤退。
2 装置硬件设计
可穿戴装置分为心率监测模块和跟踪定位装置2个部分，其结构如图1所示。
(a) 心率监测模块
(b) 跟踪定位装置
图1 心率监测模块和跟踪定位装置结构
Fig.1 Structure of heart rate monitoring module and tracking and positioning device
心率监测模块：将心率传感器、蓝牙主模块和锂电池集合在以微处理器MSP430AFE252为核心的电路板上，井下人员可戴在手腕上。心率传感器采用光电容积脉搏波(Photo Plethysmo Graphy, PPG)方式测量，内置绿色发光二极管。采用绿色发光二极管是基于信噪比的考虑，绿光可以获得较大的波动幅度，从而掩盖掉噪声的影响。蓝牙主模块用于将心率数据传回蓝牙从模块，然后显示在液晶显示屏上。
跟踪定位装置：将WiFi模块、三轴加速度传感器、液晶显示屏、4×4矩阵键盘、蓝牙从模块、充电电路和锂电池集合在以单片机MSP430F147IPM为核心的电路板上，井下人员可戴在腰上。三轴加速度传感器实时检测井下人员的工作姿势，由于人在不同姿势时重心不一样，所以戴在腰上可以较准确地判断井下人员是否摔倒或者躺下。充电电路和锂电池为该装置供电。
由于目前血压传感器技术不是特别成熟，若采用绑带式血压计测血压容易影响井下人员的舒适度。待技术较成熟时，可考虑加入血压传感器，进一步保障井下人员安全。
3 装置软件设计
煤矿井下人员安全可穿戴装置的核心部分是软件，软件在Linux系统下选用C语言开发。
3.1 人员定位软件设计
经典RSSI测距模型[9]为
式中：R表示与基站距离为d时接收端接收到的信号强度； A为无线收发节点相距1m时接收节点接收到的无线信号强度值；n为路径损耗指数。
在煤矿井下，单纯基于RSSI测距的定位算法有一定误差。为了将误差减到最小，本文对经典RSSI测距模型进行改进，提出一种将RSSI测距和步距计算方法相结合的测距模型。步距计算方法即井下人员与基站的距离等于步数与步距的乘积。
跟踪定位装置到基站的距离与RSSI值的关系如图2所示[10-11]。由图2可知，跟踪定位装置到基站的距离在10m以内时，RSSI值变化较明显，可以根据RSSI值得出距离；当距离大于10m时，RSSI值随距离变化不明显，采用RSSI测距会导致定位误差。因此，当距离小于10m时，采用RSSI测距；当距离大于10m时，通过步距计算方法实现测距。
距离的确定：将距离基站10m处测得的RSSI值作为阈值，当煤矿井下人员处于一定位置时，跟踪定位装置扫描附近的基站，将接收到的RSSI最大值与RSSI阈值进行比较。如果RSSI值大于阈值，表明该人员与基站的距离小于10m；如果RSSI值小于阈值，表明该人员与基站的距离大于10m。
图2 距离与RSSI值的关系
Fig.2Relation between distance and RSSI
人员定位软件流程如图3所示。
图3 人员定位软件流程
Fig.3Flow of personnel positioning software
通过测试可知，人的步距误差为几厘米，在相距100m的WiFi基站之间利用RSSI测距和步距计算方法相结合的模型进行测距，可将定位误差缩小到1m以内，从而实现煤矿井下人员精确定位。
3.2 摔倒或躺下检测软件设计
由于人正常走路、躺下、摔倒时三轴加速度不一样，所以可以利用该数据判断井下人员的姿势，一旦检测到人员躺下或摔倒，及时进行报警提醒，以将危害降至最小[12]。有时候可能由于误碰导致报警，可人为取消报警。
跟踪定位装置不断采集三轴加速度传感器的数据，并通过数据处理得到合加速度。设人正常走路时的合加速度为阈值加速度a1，将实时采集到的合加速度与a1进行比较，若大于a1，则判定该井下人员摔倒，装置报警，并采取急救措施。设人正常躺下时的合加速度为阈值加速度a2，将实时采集到的合加速度与a2进行比较，如果合加速度接近或者等于a2，则判定该井下人员躺下，装置报警，提醒井下人员立刻起立，正常工作。
摔倒或躺下检测软件流程如图4所示。
图4 摔倒或躺下检测软件流程
Fig.4 Flow of falling or lying down test software
3.3 心率监测软件设计
处于健康状态的人的心率在一个固定范围之内，设定阈值心率HR1和HR2，HR1<HR2。如果实时监测到的心率数据在这个范围之内，表明该人员生命体征正常，否则，装置进行报警，并且提醒该井下人员休息。心率监测软件流程如图5所示。
图5 心率监测软件流程
Fig.5 Flow of heart rate monitoring software
4 测试验证
该装置在设计完成后进行了多组实验，包括人员定位测试，摔倒、躺下测试和心率测试。
选用实验室相对封闭的楼道进行模拟实验，对20个采样点进行定位测试，结果见表1。其中绝对误差表示实际位置与测量位置之间的直线距离。由测试结果可知，可穿戴装置的绝对误差在1 m以内。
采用三轴加速度传感器测量井下人员的加速度数据，通过阈值方法判断井下人员是否摔倒、躺下。在实验室进行50次模拟实验，结果见表2，可见测试正确率较高。
表1 人员定位测试数据
Table 1 Test data of personnel positioning
表2 摔倒或躺下测试数据
Table 2 Test data of falling or lying down
5 结语
介绍了煤矿井下人员安全可穿戴装置的功能及其软硬件设计。煤矿井下人员安全可穿戴装置集成了井下人员精确定位、人员摔倒或躺下检测、心率监测等功能，既能够全面获取人员运动信息和安全信息，也可以提醒作业人员停止异常动作。测试结果表明，该装置可以精确定位井下人员，判断井下人员是否摔倒、躺下，并对异常状态进行报警。
参考文献(References)：
[1] 郑召文,王刚,孙继平. 基于RFID技术的井下人员实时管理系统[J]. 煤矿安全,2006,37(6):65-68.
[2] 钱旭,韩英,王慧,等.基于ZigBee的煤矿井下生命体征检测仪[J].煤矿安全,2015,46(2):106-108.
QIAN Xu,HAN Ying,WANG Hui,et al. Design of life signs detector applied in coal mine based on ZigBee[J]. Safety in Coal Mines, 2015, 46(2): 106-108.
[3] 刘雷. 煤矿井下人员安全可穿戴装置研究[D].北京：中国矿业大学(北京),2017.
[4] 王琦.基于RSSI测距的室内定位技术[J].电子科技,2012,25(6):64-66.
WANG Qi. Research on an indoor positioning technology based on RSSI ranging[J].Electronic Science and Technology,2012,25(6):64-66.
[5] 徐登彩,周奇年,张振浩.基于RSSI测距算法改进的研究[J].工业控制计算机,2013,26(5):72-73.
[6] 李永新,赵振民,李雅莲.煤矿井下基于RSSI校正测距的WSN节点定位算法[J].黑龙江科技学院学报,2012,22(2):172-176.
LI Yongxin, ZHAO Zhenmin, LI Yalian. WSN node location algorithm based on RSSI correction ranging in underground coal mine[J].Journal of Heilongjiang Institute of Science and Technology, 2012,22(2):172-176.
[7] 徐闽燕.基于ZigBee的井下人员状态监测系统研究[J].电子世界,2012(21):119-120.
[8] 白羽.基于智能视频监控的入侵危险区域算法研究[J].科技创新与生产力,2014(11):45-47.
BAI Yu.Research on algorithm of intrusion dangerous region based on the intelligent video monitoring[J].Sci-tech Innovation and Productivity, 2014(11):45-47.
[9] 韩东升,杨维,刘洋,等.煤矿井下基于RSSI的加权质心定位算法[J].煤炭学报,2013,38(3):522-528.
HAN Dongsheng,YANG Wei,LIU Yang,et al. A weighted centroid localization algorithm based on received signal strength indicator for underground coal mine[J].Journal of China Coal Society, 2013,38(3):522-528.
[10] 万雪芬,杨义,周红伟,等.用于煤矿井下安全告警的智能腰带[J].电子测量技术,2014,37(9):98-103.
WAN Xuefen, YANG Yi, ZHOU Hongwei et al. Smart belt for coal mine safety[J].Electronic Measurement Technology,2014,37(9):98-103.
[11] 杨宁,田辉,张平,等.无线传感器网络拓扑结构研究[J].无线电工程,2006(2):11-13.
YANG Ning, TIAN Hui, ZHANG Ping,et al. Research on topological structure of wireless sensor network[J].Radio Engineering of China, 2006(2):11-13.
[12] 钱志鸿,王义君.面向物联网的无线传感器网络综述[J].电子与信息学报,2013,35(1):215-227.
QIAN Zhihong,WANG Yijun.Internet of things-oriented wireless sensor networks review[J]. Journal of Electronics & Information Technology, 2013,35(1):215-227.