权利要求
1.一种地下矿山巷道掘进设备的运行状态评估方法，其特征在于，所述方法包括：
在掘进设备工作的情况下，获取所述掘进设备的设备运行参数、所述掘进设备所处地下矿山的地质参数、所述掘进设备掘进方向上的视频以及所述掘进设备内操作人员的生理参数和操作集合;
基于所述设备运行参数、所述地质参数以及所述视频，确定所述掘进设备的环境作用运行状态，所述环境作用运行状态用于表示在外部环境作用下所述掘进设备的运行情况;
基于所述设备运行参数、所述生理参数以及所述操作集合，确定所述掘进设备的人机作用状态，所述人机作用状态用于表示所述操作人员和所述掘进设备之间的相互作用情况;
基于所述掘进设备的所述环境作用运行状态和所述人机作用状态，确定所述掘进设备的设备运行状态。
2.根据权利要求1所述的方法，其特征在于，所述视频包括环境视频和掘进组件视频，所述基于所述设备运行参数、所述地质参数以及所述视频，确定所述掘进设备的环境作用运行状态，包括：
基于所述设备运行参数以及所述地质参数，确定所述掘进设备的岩体作用运行信息;
基于所述设备运行参数和所述掘进组件视频，确定所述掘进设备的掘进组件状态信息，所述掘进组件视频用于记录所述掘进设备的掘进组件的工作情况;
基于所述地质参数以及所述环境视频，确定所述掘进设备的掘进效果信息，所述环境视频用于记录所述掘进设备在巷道内的掘进情况;
基于所述岩体作用运行信息、所述掘进组件状态信息以及所述掘进效果信息，确定所述掘进设备的环境作用运行状态。
3.根据权利要求2所述的方法，其特征在于，所述设备运行参数包括温度参数集合、振动参数集合以及所述掘进组件的工作参数，所述基于所述设备运行参数以及所述地质参数，确定所述掘进设备的岩体作用运行信息，包括：
基于所述温度参数集合、所述地质参数以及所述工作参数，确定所述掘进设备的工作温度运行信息，所述温度参数集合包括所述掘进组件的工作温度以及所述掘进设备的发动机的工作温度;
基于所述振动参数集合、所述地质参数以及所述工作参数，确定所述掘进设备的工作振动运行信息，所述振动参数集合包括所述掘进组件的振动参数以及所述发动机的振动参数;
基于所述工作温度运行信息以及所述工作振动运行信息，确定所述掘进设备的岩体作用运行信息。
4.根据权利要求2所述的方法，其特征在于，所述设备运行参数包括所述掘进组件的工作参数和应变参数集合，所述基于所述设备运行参数和所述掘进组件视频，确定所述掘进设备的掘进组件状态信息，包括：
对所述掘进组件视频进行视频识别，得到所述掘进组件的组件表面状态和组件连接状态，所述组件表面状态用于表示所述掘进组件的表面情况;
基于所述工作参数、所述应变参数集合、所述组件表面状态和所述组件连接状态，确定所述掘进设备的掘进组件状态信息，所述应变参数集合包括所述掘进组件上多个位置的应变。
5.根据权利要求2所述的方法，其特征在于，所述地质参数包括岩体硬度、岩体密度以及岩体孔隙率，所述基于所述地质参数以及所述环境视频，确定所述掘进设备的掘进效果信息，包括：
对所述环境视频进行视频识别，得到所述掘进设备掘进方向上破碎岩体的岩体尺寸和岩体形状;
基于所述岩体硬度、所述岩体孔隙率以及所述岩体尺寸，确定所述破碎岩体的尺寸破碎效果信息;
基于所述岩体密度和所述岩体形状，确定所述破碎岩体的形状破碎效果信息;
基于所述尺寸破碎效果信息和所述形状破碎效果信息，确定所述掘进设备的掘进效果信息。
6.根据权利要求1所述的方法，其特征在于，所述基于所述设备运行参数、所述生理参数以及所述操作集合，确定所述掘进设备的人机作用状态，包括：
基于所述设备运行参数和所述生理参数，确定所述掘进设备内操作人员的生理状态信息;
基于所述生理状态信息和所述操作集合，确定所述操作人员的操作状态信息，所述操作状态信息用于表示所述操作人员对所执行操作的可控程度;
基于所述设备运行参数和所述操作集合，确定所述掘进设备的操作匹配信息;
基于所述生理状态信息、所述操作状态信息和所述操作匹配信息，确定所述掘进设备的人机作用状态。
7.根据权利要求6所述的方法，其特征在于，所述设备运行参数包括舱内环境参数，所述基于所述设备运行参数和所述生理参数，确定所述掘进设备内操作人员的生理状态信息，包括：
基于所述舱内环境参数，确定所述掘进设备的人员舱的环境描述信息，所述舱内环境参数包括所述人员舱内的舱内振动数据、舱内温度、舱内压力以及舱内气体含量;
基于所述环境描述信息和所述生理参数，确定所述操作人员的生理状态信息。
8.根据权利要求6所述的方法，其特征在于，所述设备运行参数包括所述掘进设备的移动参数和所述掘进组件的工作参数，所述操作集合包括移动操作集合和掘进操作集合，所述基于所述设备运行参数和所述操作集合，确定所述掘进设备的操作匹配信息，包括：
基于所述移动参数和所述移动操作集合，确定所述掘进设备的移动操作匹配信息，所述移动操作匹配信息用于表示移动操作与移动参数之间的匹配情况，所述移动操作用于控制所述掘进设备进行移动;
基于所述工作参数和所述掘进操作集合，确定所述掘进设备的掘进操作匹配信息，所述掘进操作匹配信息用于表示掘进操作与工作参数之间的匹配情况，所述掘进操作用于控制所述掘进组件;
基于所述移动操作匹配信息和所述掘进操作匹配信息，确定所述掘进设备的操作匹配信息。
9.根据权利要求6所述的方法，其特征在于，所述基于所述生理状态信息和所述操作集合，确定所述操作人员的操作状态信息，包括：
基于所述生理状态信息和所述操作人员的参考生理状态信息，确定所述操作人员的生理异常程度，所述参考生理状态信息是基于所述设备运行参数和所述操作人员的参考生理参数确定的，所述参考生理参数为所述操作人员在使用所述掘进设备时的平均生理参数;
基于所述操作集合和所述操作人员的操作模式，确定所述操作人员的操作异常程度，所述操作模式用于表示所述操作人员的操作习惯;
基于所述操作人员的生理异常程度和操作异常程度，确定所述操作人员的操作状态信息。
10.根据权利要求6所述的方法，其特征在于，所述基于所述生理状态信息、所述操作状态信息和所述操作匹配信息，确定所述掘进设备的人机作用状态，包括：
基于所述生理状态信息以及所述操作状态信息，确定所述操作人员的人员状态;
基于所述操作匹配信息，确定所述掘进设备的操作状态;
基于所述人员状态和所述操作状态，确定所述掘进设备的人机作用状态。
说明书
技术领域
[0001]本申请涉及计算机技术领域，特别涉及一种地下矿山巷道掘进设备的运行状态评估方法。
背景技术
[0002]在地下矿山巷道掘进作业中，传统的设备运行状态评估方式是人工检查。操作人员凭借经验和简单的检测工具，如扳手、卡尺等，定期对掘进设备进行检查。例如，查看设备外观是否有损坏、零部件是否松动等。
[0003]但是，人工检查依赖通常是滞后的，也即是，操作人员只能在掘进设备工作完成后再进行检查，而难以在掘进设备工作过程中及时对掘进设备的运行状态进行评估，可能存在安全隐患。
发明内容
[0004]本申请实施例提供了一种地下矿山巷道掘进设备的运行状态评估方法，能够在掘进设备工作过程中进行运行状态评估，及时发现掘进设备的异常，提高使用掘进设备进行作业时的安全性，技术方案如下：
一方面，提供了一种地下矿山巷道掘进设备的运行状态评估方法，所述方法包括：
在掘进设备工作的情况下，获取所述掘进设备的设备运行参数、所述掘进设备所处地下矿山的地质参数、所述掘进设备掘进方向上的视频以及所述掘进设备内操作人员的生理参数和操作集合;
基于所述设备运行参数、所述地质参数以及所述视频，确定所述掘进设备的环境作用运行状态，所述环境作用运行状态用于表示在外部环境作用下所述掘进设备的运行情况;
基于所述设备运行参数、所述生理参数以及所述操作集合，确定所述掘进设备的人机作用状态，所述人机作用状态用于表示所述操作人员和所述掘进设备之间的相互作用情况;
基于所述掘进设备的所述环境作用运行状态和所述人机作用状态，确定所述掘进设备的设备运行状态。
[0005]一方面，提供了一种地下矿山巷道掘进设备的运行状态评估装置，所述装置包括：
获取模块，用于在掘进设备工作的情况下，获取所述掘进设备的设备运行参数、所述掘进设备所处地下矿山的地质参数、所述掘进设备掘进方向上的视频以及所述掘进设备内操作人员的生理参数和操作集合;
环境作用运行状态确定模块，用于基于所述设备运行参数、所述地质参数以及所述视频，确定所述掘进设备的环境作用运行状态，所述环境作用运行状态用于表示在外部环境作用下所述掘进设备的运行情况;
人机作用状态确定模块，用于基于所述设备运行参数、所述生理参数以及所述操作集合，确定所述掘进设备的人机作用状态，所述人机作用状态用于表示所述操作人员和所述掘进设备之间的相互作用情况;
设备运行状态确定模块，用于基于所述掘进设备的所述环境作用运行状态和所述人机作用状态，确定所述掘进设备的设备运行状态。
[0006]一方面，提供了一种计算机设备，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条计算机程序，所述计算机程序由所述一个或多个处理器加载并执行以实现所述地下矿山巷道掘进设备的运行状态评估方法。
[0007]一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现所述地下矿山巷道掘进设备的运行状态评估方法。
[0008]一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括程序代码，该程序代码存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，使得该计算机设备执行上述地下矿山巷道掘进设备的运行状态评估方法。
[0009]通过本申请实施例提供的技术方案，在掘进设备工作的情况下，获取掘进设备的设备运行参数、所处地下矿山的地质参数、掘进方向上的视频以及掘进设备内操作人员的生理参数和操作集合。利用设备运行参数、地质参数以及该视频，确定掘进设备的环境作用运行状态，从而得到在外部环境作用下掘进设备的运行情况。利用设备运行参数、生理参数以及操作集合，确定掘进设备的人机作用状态，从而得到操作人员和掘进设备之间的相互作用情况。结合该环境作用运行状态和人机作用状态，确定掘进设备的设备运行状态，实现在工作过程中对掘进设备的设备运行状态的评估，及时发现掘进设备的异常，提高使用掘进设备进行作业时的安全性。
附图说明
[0010]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图;
图1是本申请实施例提供的一种地下矿山巷道掘进设备的运行状态评估方法的实施环境的示意图;
图2是本申请实施例提供的一种地下矿山巷道掘进设备的运行状态评估方法流程图;
图3是本申请实施例提供的另一种地下矿山巷道掘进设备的运行状态评估方法流程图;
图4是本申请实施例提供的一种地下矿山巷道掘进设备的运行状态评估装置的结构示意图;
图5是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0011]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式做进一步详细描述。
[0012]本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。
[0013]人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得较佳结果的理论、方法、技术及应用系统。
[0014]机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识子模型使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
[0015]地下矿山(metal and nonmetal underground mines)：是以平硐、斜井、斜坡道、竖井等作为出入口，深入地表以下，开采金属矿物、放射性矿物以及化工原料、建筑材料等的采矿场及其附属设施。
[0016]矿山巷道：矿山巷道是在地下开采矿山时，为了运输矿石、通风、排水、行人以及进行其他相关作业而开凿的各种通道和空间。
[0017]掘进设备：是指用于在地下进行巷道掘进作业的各种机械设备和工具的统称。这些设备的主要功能是破碎岩石、运输矿石和支护巷道，以确保掘进工作的安全和高效进行。
[0018]相关技术中，在使用掘进设备之前和之后会由检修人员对掘进设备的状态进行人工检修，提高掘进设备的安全性。但是，在掘进设备在巷道中掘进的过程中，操作人员通常是专注于掘进作业，难以注意到掘进设备运行状态的异常，导致使用掘进设备进行掘进时存在安全隐患。
[0019]采用本申请实施例提供的技术方案之后，能够在掘进设备在巷道中掘进的过程中评估掘进设备的运行状态，从而及时发现掘进设备的异常，提高使用掘进设备进行作业的安全性。
[0020]下面对本申请实施例的实施环境进行介绍，参见图1，实施环境包括数据处理设备101、设备控制器102以及多个传感器103。
[0021]数据处理设备101用于通过设备控制器102获取多个传感器103采集的数据，并对获取到的数据进行处理，得到掘进设备的运行状态。数据处理设备101通常设置在巷道的外部，以提高数据处理的稳定性。
[0022]设备控制器102用于对掘进设备进行控制，设备控制器102与多个传感器103电性连接，能够直接获取多个传感器103采集的数据。设备控制器102在获取到多个传感器103采集的数据之后，会将数据转发给数据处理设备101，由数据处理设备101来进行数据处理，这是由于设备控制器102的数据处理能力通常远远弱于专门的用来进行数据处理的数据处理设备101。在本申请实施例中，数据处理设备101和设备控制器102通过有线网络或无线网络的方式连接。
[0023]多个传感器103用于采集掘进设备运行时的相关数据，为本申请实施例提供的技术方案提供数据支撑。
[0024]下面对本申请实施例提供的技术方案的应用场景进行说明。本申请实施例提供的技术方案能够应用在掘进各类巷道的场景中，比如，能够应用在掘进探矿巷道、生产巷道、采准巷道中。本申请实施例提供的技术方案也能够应用在各类配置有上述设备控制器102以及多个传感器103的掘进设备中，也就是说，只要能够采集到本申请实施例提供的相关数据，就能够应用本申请实施例提供的技术方案来进行掘进设备的运行状态评估。
[0025]另外，应用本申请实施例提供的技术方案需要较强算力的数据处理设备，以便及时完成数据的处理。
[0026]下面对本申请实施例提供的地下矿山巷道掘进设备的运行状态评估方法进行说明。图2是本申请实施例提供的一种地下矿山巷道掘进设备的运行状态评估方法的流程图，参见图2，以执行主体为数据处理设备为例，方法包括下述步骤。
[0027]201、在掘进设备工作的情况下，数据处理设备获取该掘进设备的设备运行参数、该掘进设备所处地下矿山的地质参数、该掘进设备掘进方向上的视频以及该掘进设备内操作人员的生理参数和操作集合。
[0028]其中，掘进设备为用于在矿山中掘进巷道的设备，掘进设备包括掘进组件，掘进组件是指与岩体进行相互作用以破坏岩体的组件，比如，掘进组件为掘进头。掘进设备还包括人员舱，掘进设备的操作人员位于人员舱内，也即是操作人员在人员舱中操作该掘进设备。掘进设备的设备运行参数是在掘进设备工作时采集的参数，能够与其他参数共同用来确定掘进设备的设备运行状态。地质参数包括描述地质体(地下矿山中岩体)特征和性质的各种指标。掘进方向为掘进设备工作时的移动方向，在本申请实施例中，掘进方向上的视频包括环境视频和掘进组件视频，环境视频用于记录掘进方向上的环境情况，掘进组件视频用于记录掘进组件工作时的情况。操作人员的生理参数用于表示操作人员的生理状态，比如，生理参数包括体温、血压和血氧饱和度等。操作人员的操作集合用于表示操作人员的操作情况。
[0029]202、数据处理设备基于该设备运行参数、该地质参数以及该视频，确定该掘进设备的环境作用运行状态，该环境作用运行状态用于表示在外部环境作用下该掘进设备的运行情况。
[0030]其中，外部环境是指掘进方向上的岩体，在外部环境作用下是指岩体和掘进设备的掘进组件之间的相互作用。掘进设备在不同类型的岩体上进行掘进时，掘进组件与岩体之间的相互作用的效果有所差异。在一些实施例中，环境作用运行状态通过环境状态描述信息来进行表示，环境状态描述信息是通过文本或隐向量形式来对环境作用运行状态进行描述的信息。
[0031]203、数据处理设备基于该设备运行参数、该生理参数以及该操作集合，确定该掘进设备的人机作用状态，该人机作用状态用于表示该操作人员和该掘进设备之间的相互作用情况。
[0032]其中，操作人员在掘进设备中操作掘进设备时，操作人员的操作会对掘进设备的运行状态造成影响，相应地，由于掘进设备的功率较大，且振动强度较大，掘进设备对操作人员的影响也较大，在掘进设备的运行状态存在异常的情况下，对操作人员的影响也会发生变化，这种变化可以通过操作人员的生理状态来进行表示，因此通过确定操作人员的生理状态也能够反推掘进设备的设备运行状态。在一些实施例中，人机作用状态通过人机状态描述信息来进行表示，人机状态描述信息是通过文本或隐向量形式来对人机作用状态进行描述的信息。
[0033]204、数据处理设备基于该掘进设备的该环境作用运行状态和该人机作用状态，确定该掘进设备的设备运行状态。
[0034]其中，设备运行状态用于表示掘进设备的运行情况，通过该设备运行状态能够判断该掘进设备运行时是否存在异常。在一些实施例中，设备运行状态通过设备运行状态描述信息来进行表示，设备运行状态描述信息是通过文本或隐向量形式来对设备运行状态进行描述的信息。
[0035]通过本申请实施例提供的技术方案，在掘进设备工作的情况下，获取掘进设备的设备运行参数、所处地下矿山的地质参数、掘进方向上的视频以及掘进设备内操作人员的生理参数和操作集合。利用设备运行参数、地质参数以及该视频，确定掘进设备的环境作用运行状态，从而得到在外部环境作用下掘进设备的运行情况。利用设备运行参数、生理参数以及操作集合，确定掘进设备的人机作用状态，从而得到操作人员和掘进设备之间的相互作用情况。结合该环境作用运行状态和人机作用状态，确定掘进设备的设备运行状态，实现在工作过程中对掘进设备的设备运行状态的评估，及时发现掘进设备的异常，提高使用掘进设备进行作业时的安全性。
[0036]上述步骤201-204是对本申请实施例提供的地下矿山巷道掘进设备的运行状态评估方法的简单介绍，下面将结合一些例子，对本申请实施例提供的地下矿山巷道掘进设备的运行状态评估方法进行更加清楚的说明，参见图3，以执行主体为数据处理设备为例，方法包括下述步骤。
[0037]301、在掘进设备工作的情况下，数据处理设备获取该掘进设备的设备运行参数、该掘进设备所处地下矿山的地质参数、该掘进设备掘进方向上的视频以及该掘进设备内操作人员的生理参数和操作集合。
[0038]其中，掘进设备为用于在矿山中掘进巷道的设备，掘进设备包括掘进组件，掘进组件是指与岩体进行相互作用以破坏岩体的组件，比如，掘进组件为掘进头，掘进组件通过转动来与破坏岩体，本申请实施例对于掘进组件的形状和尺寸不做限定。掘进设备还包括人员舱，掘进设备的操作人员位于人员舱内，也即是操作人员在人员舱中操作该掘进设备。掘进设备的设备运行参数是在掘进设备工作时采集的参数，能够与其他参数共同用来确定掘进设备的设备运行状态。地质参数包括描述地质体(地下矿山中岩体)特征和性质的各种指标，在一些实施例中，地质参数包括岩体硬度、岩体密度以及岩体孔隙率。掘进方向为掘进设备工作时的移动方向，在本申请实施例中，掘进方向上的视频包括环境视频和掘进组件视频，环境视频用于记录掘进方向上的环境情况，掘进组件视频用于记录掘进组件工作时的情况。操作人员的生理参数用于表示操作人员的生理状态，比如，生理参数包括体温、血压和血氧饱和度等。操作人员的操作集合用于表示操作人员的操作情况。另外，数据处理设备未设置在掘进设备内，这是由于掘进设备工作时的振动较大，可能会影响数据处理设备的正常工作，采用本申请实施例提供的技术方案的运算量较大，掘进设备的设备控制器又不能满足算力需求，因此由设备控制器将采集的数据发送给外部的数据处理设备，由数据处理设备来进行数据处理。
[0039]在一种可能的实施方式中，在掘进设备工作的情况下，数据处理设备从掘进设备的设备控制器获取该掘进设备的设备运行参数、掘进方向上的视频以及操作人员的生理参数和操作集合。数据处理设备从存储介质中获取该掘进设备所处地下矿山的地质参数。
[0040]其中，掘进设备上设置有多个传感器，多个传感器中的设备运行传感器用于采集该掘进设备的设备运行参数，多个传感器中视觉传感器用于采集掘进方向上的视频，多个传感器均与设备控制器连接，能够将采集的数据发送给掘进设备。操作人员对掘进设备的操作是通过设备控制器来执行的，因此设备控制器能够直接获取操作人员的操作数据。另外，掘进设备的人员舱中配置有生理参数传感器，生理参数传感器需要操作人员主动佩戴，在检测到操作人员未佩戴生理参数传感器的情况下，掘进设备无法启动，从而保证数据采集的完整性。
[0041]在一些实施例中，设备运行参数包括温度参数集合、振动参数集合、掘进组件的工作参数、应变参数集合、移动参数以及人员舱的舱内环境参数。温度参数集合包括掘进设备上多个组件的温度，比如，温度参数集合包括掘进组件的工作温度以及发动机的工作温度，工作温度通过温度传感器来采集，发动机用于驱动该掘进设备进行移动以及用于驱动该掘进组件进行转动。振动参数集合包括掘进组件的振动参数以及发动机的振动参数，振动参数用于表示振动情况，振动参数通过振动传感器采集。工作参数包括转速以及扭矩，通过转速传感器和扭矩传感器分别采集。应变参数集合包括掘进组件上多个位置的应变，用于表示掘进组件上多个位置的形变程度，应变通过应变传感器采集。移动参数包括掘进设备的移动速度和移动方向，通过移动传感器来采集。舱内环境参数包括人员舱内的舱内振动数据、舱内温度、舱内压力以及舱内气体含量，通过振动传感器、温度传感器、气压传感器和气体含量传感器来采集。
[0042]在一些实施例中，掘进方向上的视频包括环境视频和掘进组件视频，环境视频用于记录所述掘进设备在巷道内的掘进情况，掘进组件视频用于记录掘进设备的掘进组件的工作情况。
[0043]在一些实施例中，生理参数包括体温、血压和血氧饱和度等，通过可佩戴式生理参数传感器采集，比如，通过智能手环来采集。
[0044]302、数据处理设备基于该设备运行参数以及该地质参数，确定该掘进设备的岩体作用运行信息。
[0045]其中，岩体作用运行信息用于表示掘进设备在岩体作用下的运行情况，地质参数能够表示掘进设备所处地下矿山的地质情况，利用设备运行参数和地质参数能够反映掘进设备在岩体作用下的运行情况。在一些实施例中，岩体作用运行信息为文本或隐向量形式。
[0046]在一种可能的实施方式中，该设备运行参数包括温度参数集合、振动参数集合以及该掘进组件的工作参数，数据处理设备基于该温度参数集合、该地质参数以及该工作参数，确定该掘进设备的工作温度运行信息，该温度参数集合包括该掘进组件的工作温度以及该掘进设备的发动机的工作温度。数据处理设备基于该振动参数集合、该地质参数以及该工作参数，确定该掘进设备的工作振动运行信息，该振动参数集合包括该掘进组件的振动参数以及该发动机的振动参数。数据处理设备基于该工作温度运行信息以及该工作振动运行信息，确定该掘进设备的岩体作用运行信息。
[0047]其中，工作温度运行信息用于表示掘进组件以该工作参数与该地质参数的岩体进行相互作用时工作温度的合理程度;相应地，工作振动运行信息用于表示掘进组件以该工作参数与该地质参数的岩体进行相互作用时振动情况的合理程度。在一些实施例中，振动参数包括振动频率和振动强度。
[0048]在这种实施方式下，基于温度参数集合、地质参数和掘进组件的工作参数来确定掘进组件的工作温度运行信息，从而实现对掘进组件工作温度的合理程度的识别。基于振动参数集合、地质参数和工作参数来确定掘进组件的工作振动运行信息，从而实现对掘进组件的振动情况的合理程度识别。基于工作温度运行信息和工作振动运行信息来确定岩体作用运行信息，能够反映岩体对掘进组件工作所造成的影响。
[0049]为了对上述实施方式进行更加清楚地说明，下面将分为几个部分对上述实施方式进行说明。
[0050]第一部分、数据处理设备基于该温度参数集合、该地质参数以及该工作参数，确定该掘进组件的工作温度运行信息。
[0051]在一种可能的实施方式中，数据处理设备基于该地质参数以及该工作参数，确定该掘进组件的参考工作温度范围以及该发动机的参考工作温度范围。数据处理设备基于该掘进组件的参考工作温度范围和该掘进组件的工作温度，确定该掘进组件的组件温度运行信息。数据处理设备基于该发动机的参考工作温度范围和该掘进设备的发动机的工作温度，确定该发动机的发动机温度运行信息。数据处理设备基于该组件温度运行信息以及该发动机温度运行信息，确定该掘进设备的工作温度运行信息。
[0052]其中，该参考工作温度范围是正常情况下工作温度所处的温度范围，在发动机和掘进组件不变的情况下，掘进组件的工作参数、地质参数以及工作温度之间存在对应关系，之所以确定出的是参考工作温度范围而不是参考工作温度，是因为工作文本还可能受到空气散热以及水流等的影响，参考工作温度范围是考虑了其他因素对工作温度的影响。
[0053]举例来说，数据处理设备将该地质参数以及该工作参数输入温度范围预测模型，通过该温度范围预测模型对该地质参数以及该工作参数进行特征提取，得到该地质参数对应的地质特征以及该工作参数对应的工作特征。数据处理设备通过该温度范围预测模型将该地质特征和该工作特征进行融合，得到工作温度预测特征。数据处理设备通过该温度范围预测模型，对该工作温度预测特征进行映射，得到该掘进组件的参考工作温度范围以及该发动机的参考工作温度范围。在该掘进组件的工作温度处于该掘进组件的参考工作温度范围的情况下，数据处理设备将该掘进组件的组件温度运行信息确定为第一组件温度运行信息，该第一组件温度运行信息用于表示该掘进组件的组件温度正常，也即是合理程度较高。在该掘进组件的工作温度未处于该掘进组件的参考工作温度范围的情况下，数据处理设备将该掘进组件的组件温度运行信息确定为第二组件温度运行信息，该第二组件温度运行信息用于表示该掘进组件的组件温度不正常，也即是合理程度较低。在该发动机的工作温度处于该发动机的参考工作温度范围的情况下，数据处理设备将该发动机的发动机温度运行信息确定为第一发动机温度运行信息，该第一发动机温度运行信息用于表示该发动机的发动机温度正常，也即是合理程度较高。在该发动机的工作温度未处于该发动机的参考工作温度范围的情况下，数据处理设备将该发动机的发动机温度运行信息确定为第二发动机温度运行信息，该第二发动机温度运行信息用于表示该发动机的发动机温度不正常，也即是合理程度较低。数据处理设备将该组件温度运行信息以及该发动机温度运行信息进行拼接，得到该掘进设备的工作温度运行信息。
[0054]其中，温度范围预测模型是一个回归模型，是基于多个样本地质参数、多个样本工作参数以及对应的标注参考温度范围训练得到的，本申请实施例对于该温度范围预测模型的结构和训练方式不做限定。
[0055]为了对上述举例提供的技术方案进行更加清楚地说明，下面对上述举例中通过该温度范围预测模型来得到两个参考工作温度范围的方式进行说明。
[0056]在一些实施例中，数据处理设备将该地质参数以及该工作参数输入温度范围预测模型，通过该温度范围预测模型对该地质参数以及该工作参数进行多次全连接，得到该地质参数对应的地质特征以及该工作参数对应的工作特征。数据处理设备通过该温度范围预测模型将该地质特征和该工作特征进行融合，得到工作温度预测特征。数据处理设备通过该温度范围预测模型的第一预测头，对该工作温度预测特征进行全连接和归一化，得到该掘进组件的参考工作温度范围。数据处理设备通过该温度范围预测模型的第二预测头，对该工作温度预测特征进行全连接和归一化，得到该发动机的参考工作温度范围。
[0057]其中，第一预测头用来预测掘进组件的参考工作温度范围，第二预测头用来预测发动机的参考工作温度范围，在对该温度范围预测模型进行训练时，会采用对应的标注参考温度范围来分别对第一预测头和第二预测头进行训练。
[0058]第二部分、数据处理设备基于该振动参数集合、该地质参数以及该工作参数，确定该掘进设备的工作振动运行信息。
[0059]在一种可能的实施方式中，数据处理设备基于该地质参数以及该工作参数，确定该掘进组件的参考振动参数范围以及该发动机的参考振动参数范围。数据处理设备基于该掘进组件的参考振动参数范围和该掘进组件的振动参数，确定该掘进组件的组件振动运行信息。数据处理设备基于该发动机的参考振动参数范围和该掘进设备的发动机的振动参数，确定该发动机的发动机振动运行信息。数据处理设备基于该组件振动运行信息以及该发动机振动运行信息，确定该掘进设备的工作振动运行信息。
[0060]其中，该参考振动参数范围是正常情况下振动参数所处的振动参数范围，比如，振动参数包括振动强度和振动频率，那么参考振动参数范围包括参考振动强度范围和参考振动频率范围。在发动机和掘进组件不变的情况下，掘进组件的工作参数、地质参数以及振动参数之间存在对应关系，之所以确定出的是参考振动参数范围而不是参考振动参数，是因为工作文本还可能受到掘进组件的工作角度等的影响，参考振动参数范围是考虑了其他因素对振动参数的影响。
[0061]举例来说，数据处理设备将该地质参数以及该工作参数输入振动参数范围预测模型，通过该振动参数范围预测模型对该地质参数以及该工作参数进行特征提取，得到该地质参数对应的地质特征以及该工作参数对应的工作特征。数据处理设备通过该振动参数范围预测模型将该地质特征和该工作特征进行融合，得到振动参数预测特征。数据处理设备通过该振动参数范围预测模型，对该振动参数预测特征进行映射，得到该掘进组件的参考振动参数范围以及该发动机的参考振动参数范围。在该掘进组件的振动参数处于该掘进组件的参考振动参数范围(振动强度处于参考振动强度范围，振动频率处于参考振动频率范围)的情况下，数据处理设备将该掘进组件的组件振动运行信息确定为第一组件振动运行信息，该第一组件振动运行信息用于表示该掘进组件的组件振动正常，也即是合理程度较高。在该掘进组件的振动参数未处于该掘进组件的参考振动参数范围(振动强度未处于参考振动强度范围，和/或，振动频率未处于参考振动频率范围)的情况下，数据处理设备将该掘进组件的组件振动运行信息确定为第二组件振动运行信息，该第二组件振动运行信息用于表示该掘进组件的组件振动不正常，也即是合理程度较低。在该发动机的振动参数处于该发动机的参考振动参数范围的情况下，数据处理设备将该发动机的发动机振动运行信息确定为第一发动机振动运行信息，该第一发动机振动运行信息用于表示该发动机的发动机振动正常，也即是合理程度较高。在该发动机的振动参数未处于该发动机的参考振动参数范围的情况下，数据处理设备将该发动机的发动机振动运行信息确定为第二发动机振动运行信息，该第二发动机振动运行信息用于表示该发动机的发动机振动不正常，也即是合理程度较低。数据处理设备将该组件振动运行信息以及该发动机振动运行信息进行拼接，得到该掘进设备的工作振动运行信息。
[0062]其中，振动参数范围预测模型是一个回归模型，是基于多个样本地质参数、多个样本工作参数以及对应的标注参考振动参数范围训练得到的，本申请实施例对于该振动参数范围预测模型的结构和训练方式不作限定。
[0063]为了对上述举例提供的技术方案进行更加清楚地说明，下面对上述举例中通过该振动参数范围预测模型来得到两个参考振动参数范围的方式进行说明。
[0064]在一些实施例中，数据处理设备将该地质参数以及该工作参数输入振动参数范围预测模型，通过该振动参数范围预测模型对该地质参数以及该工作参数进行多次全连接，得到该地质参数对应的地质特征以及该工作参数对应的工作特征。数据处理设备通过该振动参数范围预测模型将该地质特征和该工作特征进行融合，得到振动参数预测特征。数据处理设备通过该振动参数范围预测模型的第一预测头，对该振动参数预测特征进行全连接和归一化，得到该掘进组件的参考振动参数范围。数据处理设备通过该振动参数范围预测模型的第二预测头，对该振动参数预测特征进行全连接和归一化，得到该发动机的参考振动参数范围。
[0065]其中，第一预测头用来预测掘进组件的参考振动参数范围，第二预测头用来预测发动机的参考振动参数范围，在对该振动参数范围预测模型进行训练时，会采用对应的标注参考振动参数范围来分别对第一预测头和第二预测头进行训练。
[0066]第三部分、数据处理设备基于该工作温度运行信息以及该工作振动运行信息，确定该掘进设备的岩体作用运行信息。
[0067]在一种可能的实施方式中，数据处理设备将该工作温度运行信息以及该工作振动运行信息进行拼接，得到该掘进设备的岩体作用运行信息。
[0068]303、该视频包括环境视频和掘进组件视频，数据处理设备基于该设备运行参数和该掘进组件视频，确定该掘进设备的掘进组件状态信息，该掘进组件视频用于记录该掘进设备的掘进组件的工作情况。
[0069]其中，掘进组件的组件状态信息用于描述掘进组件的组件状态。
[0070]在一种可能的实施方式中，该设备运行参数包括该掘进组件的工作参数和应变参数集合，数据处理设备对该掘进组件视频进行视频识别，得到该掘进组件的组件表面状态和组件连接状态，该组件表面状态用于表示该掘进组件的表面情况。数据处理设备基于该工作参数、该应变参数集合、该组件表面状态和该组件连接状态，确定该掘进设备的掘进组件状态信息，该应变参数集合包括该掘进组件上多个位置的应变。
[0071]其中，组件表面状态用于表示掘进组件的表面情况，组件连接状态用于表示掘进组件中多个子组件之间的连接情况。
[0072]在这种实施方式下，通过对掘进组件视频进行视频识别，得到掘进组件的表面状态和组件连接状态。利用工作参数、应变参数集合、组件表面状态以及组件连接状态来确定掘进设备的掘进组件状态信息，掘进组件状态信息能够较为准确地反映掘进组件的组件状态。
[0073]为了对上述实施方式进行更加清楚地说明，下面分为几个部分对上述实施方式进行说明。
[0074]第一部分、数据处理设备对该掘进组件视频进行视频识别，得到该掘进组件的组件表面状态和组件连接状态。
[0075]在一种可能的实施方式中，数据处理设备将该掘进组件视频输入第一视频识别模型，通过该第一视频识别模型对该掘进组件视频进行特征提取，得到该掘进组件视频的第一视频特征。数据处理设备通过该第一视频识别模型，对该第一视频特征进行映射，得到该掘进组件的组件表面状态和组件连接状态。
[0076]举例来说，数据处理设备将该掘进组件视频输入第一视频识别模型，通过该第一视频识别模型对该掘进组件视频的多个视频帧进行卷积，得到各个视频帧的视频帧特征。数据处理设备通过该第一视频识别模型，基于注意力机制对多个视频帧的视频帧特征进行编码，得到该掘进组件视频对第一视频特征。数据处理设备通过该第一视频识别模型的第一分类头，对该第一视频特征进行全连接和归一化，得到该掘进组件的组件表面状态。数据处理设备通过该第一视频识别模型的第二分类头，对该第一视频特征进行全连接和归一化，得到该掘进组件的组件连接状态。
[0077]其中，该组件表面状态为多个候选表面状态中的一个，多个候选表面状态包括表面完好、表面轻微损伤、表面破损以及表面破裂等。组件连接状态为多个候选连接状态中的一个，多个候选连接状态包括连接完好、连接损伤以及连接断开等。相应地，确定组件表面状态和组件连接状态可以视作基于第一视频特征进行的分类。该第一视频识别模型不但具有视频识别能力，还具有多目标分类的能力，本申请实施例对于第一视频识别模型的结构和训练方式不做限定。
[0078]为了对上述举例中提供的技术方案进行更加清楚地说明，下面对上述举例中利用第一分类头来确定组件表面状态的方式进行说明。
[0079]在一些实施例中，数据处理设备通过该第一视频识别模型的第一分类头，对该第一视频特征进行全连接和归一化，得到该掘进组件的第一概率集合，该第一概率集合包括多个概率，一个概率对应于一个候选表面状态。数据处理设备将该第一概率集合中最高概率对应的候选表面状态，确定为该组件表面状态。
[0080]需要说明的是，上述举例中利用第二分类头来确定组件连接状态的方式与上述确定组件表面状态的方式属于同一发明构思，实现过程参见上述描述，在此不再赘述。
[0081]第二部分、数据处理设备基于该工作参数、该应变参数集合、该组件表面状态和该组件连接状态，确定该掘进设备的掘进组件状态信息，该应变参数集合包括该掘进组件上多个位置的应变。
[0082]在一种可能的实施方式中，数据处理设备基于该工作参数以及该应变参数集合，确定该掘进组件的工作应变信息。数据处理设备基于该表面状态以及该连接状态，确定该掘进组件的工作损伤信息。数据处理设备基于该工作应变信息和该工作损伤信息，确定该掘进设备的掘进组件状态信息。
[0083]其中，掘进组件在工作时必然会产生应变，结合工作参数和应变参数集合确定出的工作应变信息能够用来反应掘进组件的应变是否合理，也即是是否存在异常。表面状态以及连接状态能够从不同的维度来反映掘进组件的损伤情况，因此结合表面状态和连接状态确定出的工作损伤信息能够用来反映掘进组件的损伤情况。
[0084]举例来说，数据处理设备基于该应变参数集合中的多个应变，确定该掘进组件的形变程度。数据处理设备基于该形变程度和该工作参数，确定该掘进组件的工作应变信息。数据处理设备将该表面状态和该连接状态进行拼接，得到该掘进组件的工作损伤信息。数据处理设备将该工作应变信息和该工作损伤信息进行拼接，得到该掘进设备的掘进组件状态信息。
[0085]为了对上述举例提供的技术方案进行更加清楚的说明，下面对上述举例中数据处理设备基于该形变程度和该工作参数，确定该掘进组件的工作应变信息的方式进行说明。
[0086]在一些实施例中，数据处理设备将该形变程度和该工作参数属于应变信息确定模型，通过该应变信息确定模型，对该工作参数进行特征提取，得到该工作参数的工作参数特征。数据处理设备通过该应变信息确定模型，将该工作参数特征和该形变程度进行融合，得到工作应变信息确定特征。数据处理设备通过该应变信息确定模型，对该工作应变信息确定特征进行映射，得到该工作应变信息。
[0087]其中，该工作应变信息包括应变正常和应变异常。相应地，该应变信息确定模型为一个二分类模型，本申请实施例对于该应变信息确定模型的结构和训练方式不作限定。
[0088]304、数据处理设备基于该地质参数以及该环境视频，确定该掘进设备的掘进效果信息，该环境视频用于记录该掘进设备在巷道内的掘进情况。
[0089]其中，掘进效果信息用于表示掘进设备在地下矿山中的掘进效果。
[0090]在一种可能的实施方式中，该地质参数包括岩体硬度、岩体密度以及岩体孔隙率，数据处理设备对该环境视频进行视频识别，得到该掘进设备掘进方向上破碎岩体的岩体尺寸和岩体形状。数据处理设备基于该岩体硬度、该岩体孔隙率以及该岩体尺寸，确定该破碎岩体的尺寸破碎效果信息。数据处理设备基于该岩体密度和该岩体形状，确定该破碎岩体的形状破碎效果信息。数据处理设备基于该尺寸破碎效果信息和该形状破碎效果信息，确定该掘进设备的掘进效果信息。
[0091]其中，尺寸破碎效果信息用于描述掘进组件对岩体的尺寸破碎效果。形状破碎效果信息用于描述掘进组件对岩体的形状破碎效果。
[0092]在这种实施方式下，对环境视频进行视频识别，得到掘进设备掘进方向上破碎岩体的岩体尺寸和岩体形状。结合岩体硬度、岩体孔隙率以及岩体尺寸来确定破碎岩体的尺寸破碎效果信息。结合岩体密度和岩体形状，确定破碎岩体的形状破碎效果信息。结合破碎岩体的尺寸破碎效果信息和形状破碎效果信息来得到最终的掘进效果信息，掘进效果信息的准确性较高。
[0093]为了对上述实施方式进行更加清楚地说明，下面分为几个部分对上述实施方式进行说明。
[0094]第一部分、数据处理设备对该环境视频进行视频识别，得到该掘进设备掘进方向上破碎岩体的岩体尺寸和岩体形状。
[0095]数据处理设备将该环境视频输入第二视频识别模型，通过该第二视频识别模型对该环境视频进行特征提取，得到该环境视频的第二视频特征。数据处理设备通过该第二视频识别模型，对该第二视频特征进行映射，得到该掘进组件的岩体尺寸和岩体形状。
[0096]举例来说，数据处理设备将该环境视频输入第二视频识别模型，通过该第二视频识别模型对该环境视频的多个视频帧进行卷积，得到各个视频帧的视频帧特征。数据处理设备通过该第二视频识别模型，基于注意力机制对多个视频帧的视频帧特征进行编码，得到该环境视频的第二视频特征。数据处理设备通过该第二视频识别模型的第一分类头，对该第二视频特征进行全连接和归一化，得到该掘进组件的岩体尺寸。数据处理设备通过该第二视频识别模型的第二分类头，对该第二视频特征进行全连接和归一化，得到该掘进组件的岩体形状。
[0097]其中，该岩体尺寸为多个候选表面状态中的一个，多个候选表面状态包括表面完好、表面轻微损伤、表面破损以及表面破裂等。岩体形状为多个候选连接状态中的一个，多个候选连接状态包括连接完好、连接损伤以及连接断开等。相应地，确定岩体尺寸和岩体形状可以视作基于第二视频特征进行的分类。该第二视频识别模型不但具有视频识别能力，还具有多目标分类的能力，本申请实施例对于第二视频识别模型的结构和训练方式不做限定。
[0098]第二部分、数据处理设备基于该岩体硬度、该岩体孔隙率以及该岩体尺寸，确定该破碎岩体的尺寸破碎效果信息。
[0099]在一种可能的实施方式中，数据处理设备基于该岩体硬度以及该岩体孔隙率，确定该破碎岩体的参考岩体尺寸范围，该参考岩体尺寸范围包括多个参考岩体尺寸，一个参考岩体尺寸对应于一个参考尺寸破碎效果信息。数据处理设备将该参考岩体尺寸范围中与该岩体尺寸对应的参考尺寸破碎效果信息，确定为该破碎岩体的尺寸破碎效果信息。
[0100]其中，该多个参考岩体尺寸和对应的参考尺寸破碎效果信息由技术人员根据实际情况进行设置，本申请实施例对此不作限定。在一些实施例中，参考尺寸破碎效果信息为效果好、效果一般以及效果差。
[0101]第三部分、数据处理设备基于该岩体密度和该岩体形状，确定该破碎岩体的形状破碎效果信息。
[0102]在一种可能的实施方式中，数据处理设备基于该岩体密度，确定该破碎岩体的参考岩体形状集合，该参考岩体形状集合包括多个参考岩体形状，一个参考岩体形状对应于一个参考形状破碎效果信息。数据处理设备将该参考岩体形状集合中与该岩体形状对应的参考形状破碎效果信息，确定为该破碎岩体的形状破碎效果信息。
[0103]其中，该多个参考岩体形状和对应的参考形状破碎效果信息由技术人员根据实际情况进行设置，本申请实施例对此不作限定。在一些实施例中，参考形状破碎效果信息为效果好、效果一般以及效果差。
[0104]第四部分、数据处理设备基于该尺寸破碎效果信息和该形状破碎效果信息，确定该掘进设备的掘进效果信息。
[0105]在一种可能的实施方式中，数据处理设备将该尺寸破碎效果信息和该形状破碎效果信息进行融合，得到该掘进设备的掘进效果信息。
[0106]305、数据处理设备基于该岩体作用运行信息、该掘进组件状态信息以及该掘进效果信息，确定该掘进设备的环境作用运行状态，该环境作用运行状态用于表示在外部环境作用下该掘进设备的运行情况。
[0107]其中，外部环境是指掘进方向上的岩体，在外部环境作用下是指岩体和掘进设备的掘进组件之间的相互作用。掘进设备在不同类型的岩体上进行掘进时，掘进组件与岩体之间的相互作用的效果有所差异。在一些实施例中，环境作用运行状态通过环境状态描述信息来进行表示，环境状态描述信息是通过文本或隐向量形式来对环境作用运行状态进行描述的信息。
[0108]在一种可能的实施方式中，数据处理设备对该岩体作用运行信息、该掘进组件状态信息以及该掘进效果信息进行拼接，得到第一运行状态确定信息。数据处理设备将该第一运行状态确定信息输入环境作用运行状态确定模型，通过该环境作用运行状态确定模型对该第一运行状态确定信息进行特征提取，得到第一运行状态确定特征。数据处理设备通过该环境作用运行状态确定模型，对该第一运行状态确定特征进行解码，得到该掘进设备的环境作用运行状态。
[0109]其中，该环境作用运行状态确定模型为一个回归模型，能够将第一运行状态确定信息映射为环境作用运行状态。
[0110]举例来说，数据处理设备对该岩体作用运行信息、该掘进组件状态信息以及该掘进效果信息进行拼接，得到第一运行状态确定信息。数据处理设备将该第一运行状态确定信息输入环境作用运行状态确定模型，通过该环境作用运行状态确定模型对该第一运行状态确定信息进行多次全连接，得到第一运行状态确定特征。数据处理设备通过该环境作用运行状态确定模型，基于注意力机制对该第一运行状态确定特征进行多轮迭代解码，得到该掘进设备的环境作用运行状态。
[0111]306、数据处理设备基于该设备运行参数和该生理参数，确定该掘进设备内操作人员的生理状态信息。
[0112]其中，生理状态信息用于描述操作人员的生理状态，生理状态信息是考虑了人员舱的舱内舱内环境和生理参数得到的，相较于仅考虑生理参数得到的生理状态信息，与实际情况更加匹配。
[0113]在一种可能的实施方式中，该设备运行参数包括舱内环境参数，数据处理设备基于该舱内环境参数，确定该掘进设备的人员舱的环境描述信息，该舱内环境参数包括该人员舱内的舱内振动数据、舱内温度、舱内舱内压力以及舱内气体含量。数据处理设备基于该环境描述信息和该生理参数，确定该操作人员的生理状态信息。
[0114]举例来说，数据处理设备将该舱内振动数据、舱内温度、舱内舱内压力以及舱内气体含量输入环境描述信息生成模型，通过该环境描述信息生成模型来对该舱内振动数据、舱内温度、舱内舱内压力以及舱内气体含量进行特征提取，得到舱内环境特征。数据处理设备通过该环境描述信息生成模型，对该舱内环境特征进行解码，得到该环境描述信息。数据处理设备将该环境描述信息和该生理参数输入生理状态信息确定模型，通过该生理状态信息确定模型对该环境描述信息和该生理参数进行特征提取，得到该环境描述信息的环境描述特征以及该生理参数的生理特征。数据处理设备通过该生理状态信息确定模型，将该环境描述特征以及该生理特征进行融合，得到环境生理特征。数据处理设备通过该生理状态信息确定模型，对该环境生理特征进行解码，得到该操作人员的生理状态信息。
[0115]为了对上述举例提供的实施方式进行更加清楚的说明，下面对上述举例中通过该生理状态信息确定模型，对该环境生理特征进行解码，得到该操作人员的生理状态信息的方式进行说明。
[0116]在一些实施例中，数据处理设备通过该生理状态确定模型，基于注意力机制对该环境生理特征进行多轮迭代解码，得到该操作人员的生理状态信息。
[0117]307、数据处理设备基于该生理状态信息和该操作集合，确定该操作人员的操作状态信息，该操作状态信息用于表示该操作人员对所执行操作的可控程度。
[0118]在一种可能的实施方式中，数据处理设备基于该生理状态信息和该操作人员的参考生理状态信息，确定该操作人员的生理异常程度，该参考生理状态信息是基于该设备运行参数和该操作人员的参考生理参数确定的，该参考生理参数为该操作人员在使用该掘进设备时的平均生理参数。数据处理设备基于该操作集合和该操作人员的操作模式，确定该操作人员的操作异常程度，该操作模式用于表示该操作人员的操作习惯。数据处理设备基于该操作人员的生理异常程度和操作异常程度，确定该操作人员的操作状态信息。
[0119]其中，参考生理状态信息可以视作操作人员的生理状态的基线，基于设备运行参数和参考生理参数来确定参考生理状态信息的方式与上述步骤306中确定生理状态信息的方式属于同一发明构思，实现过程不再赘述。操作模式用于表示操作人员的操作习惯，利用操作模式能够实现对操作人员的操作进行异常识别，也即是，在正常情况下，操作人员的操作习惯不会发生改变，一旦出现了违背操作习惯的操作，那么可能表示出现了异常情况。
[0120]为了对上述实施方式进行更加清楚地说明，下面分为几个部分对上述实施方式进行说明。
[0121]第一部分、数据处理设备基于该生理状态信息和该操作人员的参考生理状态信息，确定该操作人员的生理异常程度。
[0122]在一种可能的实施方式中，数据处理设备对该生理状态信息和该参考生理状态信息分别进行特征提取，得到该生理状态信息的生理状态特征以及该参考生理状态信息的参考生理状态特征。数据处理设备确定该生理状态特征以及参考生理状态特征之间的特征相似度，基于该特征相似度确定该操作人员的生理异常程度。
[0123]其中，该特征相似度与生理异常程度负相关，也即是，特征相似度越高，则生理异常程度越低;特征相似度越低，则生理异常程度越高。在一些实施例中，将该特征相似度的倒数确定为该生理异常程度。
[0124]第二部分、数据处理设备基于该操作集合和该操作人员的操作模式，确定该操作人员的操作异常程度。
[0125]其中，操作集合包括对掘进设备的多个操作，操作模式包括多组操作序列，一组操作序列包括多个操作，一组操作序列为操作人员常用的多个操作的组合，通过多组操作序列能够反映操作人员的操作习惯。
[0126]在一种可能的实施方式中，数据处理设备对该操作集合和该操作模式分别进行特征提取，得到该操作集合的操作特征以及该操作模式的操作模式特征。数据处理设备确定该操作特征以及操作模式特征之间的特征相似度，基于该特征相似度确定该操作人员的操作异常程度。
[0127]其中，该特征相似度与操作异常程度负相关，也即是，特征相似度越高，则操作异常程度越低;特征相似度越低，则操作异常程度越高。在一些实施例中，将该特征相似度的倒数确定为该操作异常程度。
[0128]第三部分、数据处理设备基于该操作人员的生理异常程度和操作异常程度，确定该操作人员的操作状态信息。
[0129]在一种可能的实施方式中，数据处理设备将该操作人员的生理异常程度和操作异常程度进行拼接，得到该操作人员的操作状态信息。
[0130]308、数据处理设备基于该设备运行参数和该操作集合，确定该掘进设备的操作匹配信息。
[0131]在一种可能的实施方式中，该设备运行参数包括该掘进设备的移动参数和该掘进组件的工作参数，该操作集合包括移动操作集合和掘进操作集合，数据处理设备基于该移动参数和该移动操作集合，确定该掘进设备的移动操作匹配信息，该移动操作匹配信息用于表示移动操作与移动参数之间的匹配情况，该移动操作用于控制该掘进设备进行移动。数据处理设备基于该工作参数和该掘进操作集合，确定该掘进设备的掘进操作匹配信息，该掘进操作匹配信息用于表示掘进操作与工作参数之间的匹配情况，该掘进操作用于控制该掘进组件。数据处理设备基于该移动操作匹配信息和该掘进操作匹配信息，确定该掘进设备的操作匹配信息。
[0132]其中，操作匹配信息用于反映掘进设备的运行情况与操作人员的操作之间的匹配程度，通常来说，匹配程度越高，则说明掘进设备的可控性较好，存在故障的概率较低;相应地，匹配程度越低，则说明掘进设备的可控性较差，存在故障的概率较高。
[0133]在这种实施方式下，利用移动参数和移动操作集合来确定移动操作匹配信息，利用工作参数和掘进操作集合来确定掘进操作匹配信息。结合移动操作匹配信息和掘进操作匹配信息能够确定操作匹配信息，从而确定操作匹配信息，从而实现操作与掘进设备运行情况之间匹配程度的确定。
[0134]为了对上述实施方式进行更加清楚地说明，下面将分为几个部分对上述实施方式进行说明。
[0135]第一部分、数据处理设备基于该移动参数和该移动操作集合，确定该掘进设备的移动操作匹配信息。
[0136]其中，移动参数包括移动速度和移动方向，移动操作集合包括多个移动操作，移动操作用于控制掘进设备的移动速度和移动方向。
[0137]在一种可能的实施方式中，数据处理设备基于该移动操作集合，确定该掘进设备的参考移动参数，该参考移动参数与该移动操作集合相对应。数据处理设备基于该参考移动参数和该移动参数，确定该掘进设备的移动操作匹配信息。
[0138]其中，该参考移动参数为对该掘进设备执行该移动操作集合后的期望移动参数。
[0139]在这种实施方式下，利用移动操作集合来确定掘进设备的参考移动参数。利用该参考移动参数和该移动参数来确定移动操作匹配信息，移动操作匹配信息的准确性较高。
[0140]举例来说，数据处理设备将该移动操作集合输入移动参数预测模型，通过该移动参数预测模型对该移动操作集合进行特征提取，得到该移动操作集合的操作集合特征。数据处理设备通过该移动参数预测模型，对该操作集合特征进行映射，得到该参考移动参数。数据处理设备基于该参考移动参数和该移动参数之间的差异信息，确定该移动操作匹配信息。
[0141]其中，该差异信息用于表示参考移动参数与该移动参数之间的差异程度，该移动操作匹配信息用于表示移动操作集合与移动参数之间的匹配程度，通常来说，差异程度与匹配程度负相关，也即是，差异程度越高，则匹配程度越低;差异程度越低，则匹配程度越高。该移动参数确定模型是一个回归模型，是基于多个样本移动操作集合和各个样本移动操作集合对应的标注移动参数进行多轮训练得到的，本申请实施例对于该移动参数确定模型的结构和训练方式不做限定。
[0142]第二部分、数据处理设备基于该工作参数和该掘进操作集合，确定该掘进设备的掘进操作匹配信息。
[0143]其中，工作参数包括转速和扭矩，掘进操作集合包括多个掘进操作，掘进操作用于控制掘进组件的转速和扭矩。
[0144]在一种可能的实施方式中，数据处理设备基于该掘进操作集合，确定该掘进组件的参考工作参数，该参考工作参数与该掘进操作集合相对应。数据处理设备基于该参考工作参数和该工作参数，确定该掘进组件的掘进操作匹配信息。
[0145]其中，该参考工作参数为对该掘进组件执行该掘进操作集合后的期望工作参数。
[0146]在这种实施方式下，利用掘进操作集合来确定掘进组件的参考工作参数。利用该参考工作参数和该工作参数来确定掘进操作匹配信息，掘进操作匹配信息的准确性较高。
[0147]举例来说，数据处理设备将该掘进操作集合输入工作参数预测模型，通过该工作参数预测模型对该掘进操作集合进行特征提取，得到该掘进操作集合的操作集合特征。数据处理设备通过该工作参数预测模型，对该操作集合特征进行映射，得到该参考工作参数。数据处理设备基于该参考工作参数和该工作参数之间的差异信息，确定该掘进操作匹配信息。
[0148]其中，该差异信息用于表示参考工作参数与该工作参数之间的差异程度，该掘进操作匹配信息用于表示掘进操作集合与工作参数之间的匹配程度，通常来说，差异程度与匹配程度负相关，也即是，差异程度越高，则匹配程度越低;差异程度越低，则匹配程度越高。该工作参数确定模型是一个回归模型，是基于多个样本掘进操作集合和各个样本掘进操作集合对应的标注工作参数进行多轮训练得到的，本申请实施例对于该工作参数确定模型的结构和训练方式不作限定。
[0149]第三部分、数据处理设备基于该移动操作匹配信息和该掘进操作匹配信息，确定该掘进设备的操作匹配信息。
[0150]在一种可能的实施方式中，数据处理设备将该移动操作匹配信息和该掘进操作匹配信息进行拼接，得到该掘进设备的操作匹配信息。
[0151]309、数据处理设备基于该生理状态信息、该操作状态信息和该操作匹配信息，确定该掘进设备的人机作用状态，该人机作用状态用于表示该操作人员和该掘进设备之间的相互作用情况。
[0152]其中，操作人员在掘进设备中操作掘进设备时，操作人员的操作会对掘进设备的运行状态造成影响，相应地，由于掘进设备的功率较大，且振动强度较大，掘进设备对操作人员的影响也较大，在掘进设备的运行状态存在异常的情况下，对操作人员的影响也会发生变化，这种变化可以通过操作人员的生理状态来进行表示，因此通过确定操作人员的生理状态也能够反推掘进设备的设备运行状态。在一些实施例中，人机作用状态通过人机状态描述信息来进行表示，人机状态描述信息是通过文本或隐向量形式来对人机作用状态进行描述的信息。
[0153]在一种可能的实施方式中，数据处理设备基于该生理状态信息以及该操作状态信息，确定该操作人员的人员状态。数据处理设备基于该操作匹配信息，确定该掘进设备的操作状态。数据处理设备基于该人员状态和该操作状态，确定该掘进设备的人机作用状态。
[0154]其中，人员状态用于表示操作人员在掘进设备的影响下的状态，比如，人员状态包括正常、轻微异常以及异常等。操作状态用于表示对操作的响应状态。比如，操作状态包括响应及时、响应延迟以及响应异常等。
[0155]举例来说，数据处理设备将该生理状态信息以及该操作状态信息进行拼接，得到人员状态确定信息。数据处理设备将该人员状态确定信息输入人员状态确定模型，通过该人员状态确定模型对该人员状态确定信息进行特征提取，得到人员状态确定特征。数据处理设备通过该人员状态确定模型，对该人员状态确定特征进行解码，得到该操作人员的人员状态。数据处理设备将该操作匹配信息输入操作状态确定模型，通过该操作状态确定模型对该操作匹配信息进行特征提取，得到操作状态确定特征。数据处理设备通过该操作状态确定模型，对该操作状态确定特征进行解码，得到该掘进设备的操作状态。数据处理设备将该人员状态和该操作状态进行拼接，得到该掘进设备的人机作用状态。
[0156]310、数据处理设备基于该掘进设备的该环境作用运行状态和该人机作用状态，确定该掘进设备的设备运行状态。
[0157]其中，设备运行状态用于表示掘进设备的运行情况，通过该设备运行状态能够判断该掘进设备运行时是否存在异常。在一些实施例中，设备运行状态通过设备运行状态描述信息来进行表示，设备运行状态描述信息是通过文本或隐向量形式来对设备运行状态进行描述的信息。
[0158]在一种可能的实施方式中，数据处理设备将该掘进设备的该环境作用运行状态和该人机作用状态进行拼接，得到该掘进设备的设备运行状态。
[0159]在一些实施例中，在设备运行状态符合预设条件的情况下，表示掘进设备运行时不存在异常;在设备运行状态不符合预设条件的情况下，表示掘进设备运行时存在异常，该预设条件由技术人员根据实际情况进行设置，本申请实施例对此不作限定。
[0160]上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
[0161]通过本申请实施例提供的技术方案，在掘进设备工作的情况下，获取掘进设备的设备运行参数、所处地下矿山的地质参数、掘进方向上的视频以及掘进设备内操作人员的生理参数和操作集合。利用设备运行参数、地质参数以及该视频，确定掘进设备的环境作用运行状态，从而得到在外部环境作用下掘进设备的运行情况。利用设备运行参数、生理参数以及操作集合，确定掘进设备的人机作用状态，从而得到操作人员和掘进设备之间的相互作用情况。结合该环境作用运行状态和人机作用状态，确定掘进设备的设备运行状态，实现在工作过程中对掘进设备的设备运行状态的评估，及时发现掘进设备的异常，提高使用掘进设备进行作业时的安全性。
[0162]图4是本申请实施例提供的一种地下矿山巷道掘进设备的运行状态评估装置的结构示意图，参见图4，装置包括：获取模块401、环境作用运行状态确定模块402、人机作用状态确定模块403以及设备运行状态确定模块404。
[0163]获取模块401，用于在掘进设备工作的情况下，获取该掘进设备的设备运行参数、该掘进设备所处地下矿山的地质参数、该掘进设备掘进方向上的视频以及该掘进设备内操作人员的生理参数和操作集合。
[0164]环境作用运行状态确定模块402，用于基于该设备运行参数、该地质参数以及该视频，确定该掘进设备的环境作用运行状态，该环境作用运行状态用于表示在外部环境作用下该掘进设备的运行情况。
[0165]人机作用状态确定模块403，用于基于该设备运行参数、该生理参数以及该操作集合，确定该掘进设备的人机作用状态，该人机作用状态用于表示该操作人员和该掘进设备之间的相互作用情况。
[0166]设备运行状态确定模块404，用于基于该掘进设备的该环境作用运行状态和该人机作用状态，确定该掘进设备的设备运行状态。
[0167]在一种可能的实施方式中，该视频包括环境视频和掘进组件视频，该环境作用运行状态确定模块402，用于基于该设备运行参数以及该地质参数，确定该掘进设备的岩体作用运行信息。基于该设备运行参数和该掘进组件视频，确定该掘进设备的掘进组件状态信息，该掘进组件视频用于记录该掘进设备的掘进组件的工作情况。基于该地质参数以及该环境视频，确定该掘进设备的掘进效果信息，该环境视频用于记录该掘进设备在巷道内的掘进情况。基于该岩体作用运行信息、该掘进组件状态信息以及该掘进效果信息，确定该掘进设备的环境作用运行状态。
[0168]在一种可能的实施方式中，该设备运行参数包括温度参数集合、振动参数集合以及该掘进组件的工作参数，该环境作用运行状态确定模块402，用于基于该温度参数集合、该地质参数以及该工作参数，确定该掘进设备的工作温度运行信息，该温度参数集合包括该掘进组件的工作温度以及该掘进设备的发动机的工作温度。基于该振动参数集合、该地质参数以及该工作参数，确定该掘进设备的工作振动运行信息，该振动参数集合包括该掘进组件的振动参数以及该发动机的振动参数。基于该工作温度运行信息以及该工作振动运行信息，确定该掘进设备的岩体作用运行信息。
[0169]在一种可能的实施方式中，该设备运行参数包括该掘进组件的工作参数和应变参数集合，该环境作用运行状态确定模块402，用于对该掘进组件视频进行视频识别，得到该掘进组件的组件表面状态和组件连接状态，该组件表面状态用于表示该掘进组件的表面情况。基于该工作参数、该应变参数集合、该组件表面状态和该组件连接状态，确定该掘进设备的掘进组件状态信息，该应变参数集合包括该掘进组件上多个位置的应变。
[0170]在一种可能的实施方式中，该地质参数包括岩体硬度、岩体密度以及岩体孔隙率，该环境作用运行状态确定模块402，用于对该环境视频进行视频识别，得到该掘进设备掘进方向上破碎岩体的岩体尺寸和岩体形状。基于该岩体硬度、该岩体孔隙率以及该岩体尺寸，确定该破碎岩体的尺寸破碎效果信息。基于该岩体密度和该岩体形状，确定该破碎岩体的形状破碎效果信息。基于该尺寸破碎效果信息和该形状破碎效果信息，确定该掘进设备的掘进效果信息。
[0171]在一种可能的实施方式中，该人机作用状态确定模块403，用于基于该设备运行参数和该生理参数，确定该掘进设备内操作人员的生理状态信息。基于该生理状态信息和该操作集合，确定该操作人员的操作状态信息，该操作状态信息用于表示该操作人员对所执行操作的可控程度。基于该设备运行参数和该操作集合，确定该掘进设备的操作匹配信息。基于该生理状态信息、该操作状态信息和该操作匹配信息，确定该掘进设备的人机作用状态。
[0172]在一种可能的实施方式中，该设备运行参数包括舱内环境参数，该人机作用状态确定模块403，用于基于该舱内环境参数，确定该掘进设备的人员舱的环境描述信息，该舱内环境参数包括该人员舱内的舱内振动数据、舱内温度、舱内压力以及舱内气体含量。基于该环境描述信息和该生理参数，确定该操作人员的生理状态信息。
[0173]在一种可能的实施方式中，该设备运行参数包括该掘进设备的移动参数和该掘进组件的工作参数，该操作集合包括移动操作集合和掘进操作集合，该人机作用状态确定模块403，用于基于该移动参数和该移动操作集合，确定该掘进设备的移动操作匹配信息，该移动操作匹配信息用于表示移动操作与移动参数之间的匹配情况，该移动操作用于控制该掘进设备进行移动。基于该工作参数和该掘进操作集合，确定该掘进设备的掘进操作匹配信息，该掘进操作匹配信息用于表示掘进操作与工作参数之间的匹配情况，该掘进操作用于控制该掘进组件。基于该移动操作匹配信息和该掘进操作匹配信息，确定该掘进设备的操作匹配信息。
[0174]在一种可能的实施方式中，该人机作用状态确定模块403，用于基于该生理状态信息和该操作人员的参考生理状态信息，确定该操作人员的生理异常程度，该参考生理状态信息是基于该设备运行参数和该操作人员的参考生理参数确定的，该参考生理参数为该操作人员在使用该掘进设备时的平均生理参数。基于该操作集合和该操作人员的操作模式，确定该操作人员的操作异常程度，该操作模式用于表示该操作人员的操作习惯。基于该操作人员的生理异常程度和操作异常程度，确定该操作人员的操作状态信息。
[0175]在一种可能的实施方式中，该人机作用状态确定模块403，用于基于该生理状态信息以及该操作状态信息，确定该操作人员的人员状态。基于该操作匹配信息，确定该掘进设备的操作状态。基于该人员状态和该操作状态，确定该掘进设备的人机作用状态。
[0176]需要说明的是：上述实施例提供的地下矿山巷道掘进设备的运行状态评估装置在评估掘进设备的运行状态时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的人员结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的地下矿山巷道掘进设备的运行状态评估装置与地下矿山巷道掘进设备的运行状态评估方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0177]通过本申请实施例提供的技术方案，在掘进设备工作的情况下，获取掘进设备的设备运行参数、所处地下矿山的地质参数、掘进方向上的视频以及掘进设备内操作人员的生理参数和操作集合。利用设备运行参数、地质参数以及该视频，确定掘进设备的环境作用运行状态，从而得到在外部环境作用下掘进设备的运行情况。利用设备运行参数、生理参数以及操作集合，确定掘进设备的人机作用状态，从而得到操作人员和掘进设备之间的相互作用情况。结合该环境作用运行状态和人机作用状态，确定掘进设备的设备运行状态，实现在工作过程中对掘进设备的设备运行状态的评估，及时发现掘进设备的异常，提高使用掘进设备进行作业时的安全性。
[0178]图5是本申请实施例提供的一种计算机设备的结构示意图，该计算机设备可实现为上述数据处理设备，该计算机设备500可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器(Central Processing Units，CPU)501和一个或多个的存储器502，其中，所述一个或多个存储器502中存储有至少一条计算机程序，所述至少一条计算机程序由所述一个或多个处理器501加载并执行以实现上述各个方法实施例提供的方法。当然，该计算机设备500还可以具有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备500还可以包括其他用于实现设备功能的部件，在此不作赘述。
[0179]在示例性实施例中，还提供了一种计算机可读存储介质，例如包括计算机程序的存储器，上述计算机程序可由处理器执行以完成上述实施例中的地下矿山巷道掘进设备的运行状态评估方法。例如，该计算机可读存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘 (Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光参数存储设备等。
[0180]在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括程序代码，该程序代码存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，使得该计算机设备执行上述地下矿山巷道掘进设备的运行状态评估方法。
[0181]在一些实施例中，本申请实施例所涉及的计算机程序可被部署在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行，分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。
[0182]本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0183]上述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
说明书附图(5)
