单兵智能头盔在消防救援中的探索与应用
2022-07-04彭坚王雪鹏赵丹华李博雅
彭坚，王雪鹏，赵丹华，李博雅
【院士专栏：国防装备设计与制造】
单兵智能头盔在消防救援中的探索与应用
彭坚，王雪鹏，赵丹华，李博雅
（湖南大学 设计艺术学院，长沙 410082）
在消防装备于高层建筑、地下建筑、大型商业综合体等复杂救援环境中无法满足信息感知和状态感知需求的背景下，探索和分析智能头盔当前在应急救援、军队作战、采矿安全等领域的应用研究现状，以期解决当前消防救援活动中环境视野差、协同效率低、救援人员健康状态无法保证等问题，提高消防救援装备的功能性和保障性，避免救援活动中可能发生的安全事故。人工智能、多设备协作、多模态感知等概念是智慧消防新的发展结合点，以消防救援装备的智能化、集成化趋势为基础，提出了利用增强现实技术满足视觉增强、信息协同、物体识别等信息感知需求，利用脑电监测技术满足人员健康状态监测、疲劳预警等状态感知需求。在城市快速发展的背景下，单兵智能头盔在消防救援领域的应用具有可靠性高、功能扩展性强、任务辅助效率高等优势，但同时面临功耗大、重量大、设备交互研究不足等挑战；适用于消防救援场景的单兵智能头盔有动态舒适性多目标优化、多通道类人感知和意图协同交互、系统故障诊断及容错控制等方面的设计研究趋势。
消防救援；智能装备；单兵头盔；增强现实；脑电信号监测
随着工业化、城市化的发展，新材料、新技术的应用，消防环境越来越复杂，消防队员出警的频率呈上升趋势，同时消防救援人员所面对的任务和场景难度不断增大，对消防队员的生命安全构成了极大的威胁[1]。在火灾救援中，消防队员处于高温、浓烟的复杂场景，在环境识别、路线选择等问题上存在严重的信息感知障碍。同时，指挥中心对救援人员的状态感知存在障碍，无法监测救援过程中的突发情况和消防队员的实时状态，以致消防员和指挥中心之间无法高效协同，并及时获得全面的灾情信息以辅助决策，使消防员在此过程中面临着极大的安全隐患。
消防救援装备作为消防队伍参与救援工作的主要工具，是成功、高效完成各项综合救援任务的关键因素，也是消防队员在执行紧急救援任务时保障自身安全的最后一道屏障[2]。当前的单兵消防头盔作为消防救援装备中的关键装备，在面对高层住宅、地下建筑、大型化工企业的火灾救援时已无法满足消防队员的实际需求。近年来，国际消防救援的概念发生了明显变化，智能控制、无人机集群、多维感知融合等颠覆性技术成为了智能消防新的发展结合点，消防救援装备的智能化趋势显著。
1 消防救援活动概述
随着国家综合性消防救援队伍组建和集体转制，原公安部消防局整体划入应急管理部，并更名为消防救援局[3]，其核心职能开始由“消防”转向“综合应急救援”，以往着重于火灾防范与灭火扑救，如今拓展了灾害和事故人员搜救与抢险救援活动等职能范围[4]。这在增加了消防人员任务难度和风险的同时，也暴露出救援过程中的诸多问题。
1）消防队员的救援装备无法满足当下的救援需求。目前大量的新型建筑、大型城市综合体、地下工程建成并投入使用，火灾现场的环境复杂、火势猛、过火面积大且极易产生立体火灾。虽然有MATOI[5]、Shrimp[6]、R-crank[7]、ACM-R7[8]等新型搜救机器人可以进行基础的火场勘察和预测，但面对复杂火情时，依然需要消防员深入火场进行勘察救援[9]，但目前消防员所配备的救援装备火场勘察能力弱、可靠性不佳、智能化程度较低、通信技术不成熟[10]，无法为消防员提供有效的支持。
2）对火源及危险物处理不及时[1]。如今的建筑结构多为钢框架结构，钢结构在火焰作用下5～10 min就会导致其应力发生改变，当温度达到600℃时，普通结构用钢材将丧失大部分的强度和刚度[11-12]，并发生轰燃现象[13]，因承重力瞬间下降而倒塌。同时大型建筑的电梯及各种管道可能形成抽风爆燃现象，使火头成风卷式快速上升蔓延[14]。因此，当前的城市火灾救援对消防员的要求极高，如果不能及时发现易爆燃物品并扑灭火源，极易导致大范围的财产损失和严重的安全威胁。
3）搜救效率低下。火灾现场常存在因浓烟、电器失灵而导致的能见度低下的问题，且在火灾现场可能有障碍物或坠落物体阻碍道路，影响消防员的行动速度，导致消防员延误灭火时机，无法及时发现并解救被困人员[15]。
4）对消防人员的实时状态了解不足。由于火灾现场的复杂性和不可预测性，消防人员在火场极易发生烟雾中毒、硬性损伤、高温昏迷等情况，指挥中心无法实时了解一线作战人员的身体状态[16]，因此出现了协同性差、指挥调度效率低下登问题。
由于城市火灾事故的突发性、不可预测性、环境复杂性等特点，救援行动可能会导致消防队员的伤亡。在天津港“8·12”爆炸事故中，有24名公安消防人员、75名天津港消防人员遇难[17]。根据《中国消防年鉴》统计，自2000年至2017年，消防救援事故造成220名消防员死亡，2013年以后消防救援的频率明显上升，且连续4年消防员牺牲人数超过10人，见图1。国际消防救援与服务协会（CTIF）的火灾统计中心统计表明，2016年世界平均每分钟发生3万起火灾，共发生18 000起火灾死亡事故[18]。消防救援人员在执行任务时处于高温、浓烟、缺氧的危险环境中[19]，由于视线受阻，消防员经常需要以墙壁为确认位置的标点，根据墙壁的走向在建筑内顺时针或逆时针搜索受困者，以防在浓雾中迷失[20]。
随着我国新型建筑物的数量不断增多，消防队员在救援过程中最主要的威胁来自两方面，其一，消防员在陌生的环境中对火场信息和危险物性质的不明确，即信息感知障碍；其二，消防员无法及时将救援过程中的身体状态反馈给指挥中心，无法形成高效的协调和调度指挥，即状态感知障碍。
2 研究现状
单兵头盔是消防员在执行消防救援任务时对头部、面部、颈部最直接有效的保护装备，主要用于抵抗外力冲击、热辐射、穿刺、有毒气体、化学腐蚀等伤害[21-22]。传统单兵消防头盔主要由帽壳、面罩、披肩、泡沫垫、十字缓震带、帽网、调节钮和颈托等构成。当前我国使用的单兵消防头盔主要是国内生产的RMK–LA型消防头盔，材料采用美国GE公司生产的PEI塑料粒子。部分经济发达地区和各省特勤大队会配备由美国MSA公司生产的F1型消防头盔，此头盔可以较好地保障消防队员在扑救火灾时的安全。其技术参数与材料质量均高于国家消防安全标准GA 44–2004的标准[21]，并采用了模块化的设计方法，满足了不同环境任务需求，但并未集成智能化组件。
图1 2000—2017年消防部队参与救援行动次数、牺牲人数数据统计
近年来单兵智能头盔的设计弥补了传统单兵头盔的不足，在满足其基本防护功能的前提下进行了舒适性和功能性改良。当前智能化装备对感知认知、智能控制和高效协同提出了更高的需求，路线规划[23]、环境感知[24]、应急通信协同[25]、视觉信息的图像处理[26]等技术越来越多地应用于现代军警装备中。
在军警领域中，美国的警用单兵头盔智能化起步较早，C–Thru[27]头盔是一款具有实时通信、紧急呼救、摄像等功能的消防头盔，并配有热成像设备，设备可以记录途经环境，并以信息和图像的形式显示在面罩上。
德国Held等[28]设计的Helon 360顶部安装有360°热成像摄像机，指挥中心能够获得火灾现场的实时图像和数据，以帮助消防员评估情况，消防员能够通过头盔的显示仪看到画面增强后的图像、指挥中心的建议和警告信息。此外，Helon 360还集成了多个传感器，用来收集氧气水平、心率等关键信息。
在军用单兵智能头盔上，英国是该行业的领跑者， BAE系统公司去年推出的“打击者II”（Striker II）[29]头盔性价比甚至优于美军新型头盔。“打击者II”头盔已在皇家空军“台风”战斗机上接受了大规模测试，该头盔具备三大优势：一是采用先进的头部跟踪技术和强大的计算芯片，能精确定位佩戴者的头部方位，头盔显示屏显示图像与佩戴者目视方向几乎同步，可以有效消除现役头盔的图像延迟问题；二是内置微型数字式夜视相机，夜间执行任务或能见度较差时无需加装夜视仪，具备全天候作战能力；三是灵活性强，可与数字和模拟信号系统兼容，适配性更强。
美军F–35飞行头盔[30-31]结合了传感器套件、夜视技术、信息显示系统、基于头部运动的视线跟踪和瞄准软件，佩戴者可以在头盔面罩上看到空速、航向、高度、爬升率等关键信息，同时提供机舱外部实时影像、热成像影像和夜视影像等3种显示模式。为了保证视线跟踪系统的精确性，使用瞳孔测量仪将面罩上的光学组件对准瞳孔中心2 mm以内，以确保被投射的图像位于佩戴者的自然视野中，见图2。
美军与微软公司在集成视觉增强系统（IVAS）[32-33]的生产阶段达成了合作协议，IVAS使用微软公司的HoloLens混合现实技术，以及热成像、传感器、GPS技术和夜视功能来提高士兵的感知能力，并为他们提供关键的信息，帮助他们决策、训练和执行任务，见图3。这些设备将全息图像、3D地形图和指南针投射到佩戴者的头盔显示仪上，使其能够看到自己所在的位置和周围的事物。
在采矿、建筑、医疗、骑行安全等领域，智能安全头盔被用于事故预防、风险评估、救援请求、人员状态监测等。在采矿行业中，Qiang等[34]设计了一种采用Zigbee传输技术的智能头盔，用于分析矿山中的温度、湿度和甲烷含量等，有效降低了矿山开采过程中的事故风险。Nithya等[35]研究了一种用于监测采矿环境异常状况的智能头盔，通过传感器和集成组件进行危险预警，保障了矿井工人的安全。此外，智能头盔在建筑、火灾、矿井开采等环境下发挥了人员健康状态监测和安全保障的作用，可通过Zigbee技术向最近的工作人员发送警报，Kim等[36]将加速计集成于智能安全头盔中，用于监测工人是否正确佩戴了头盔。Li等[37]研究了基于IMU和EEG的工人疲劳监测安全头盔，监测和追踪工人的头部姿势和大脑活动，以防止和减少伤害或事故。Wang等[38]研究了带有IMU传感器的智能安全头盔和鞋子，用于保护建筑工人，避免他们从楼梯坠落，并在危险时发出紧急救援请求。Pirkl等[39]设计了一种用于建筑工地的可穿戴传感器系统，在智能头盔中集成了互联设备，可支持工作人员访问文档和数字信息。同时，头盔集成的红外相机能够实现环境温度扫描，用于热力管道泄露监测和安全预警。Lee等[40]在安全智能头盔的设计中集成了用于坠落分析的加速度传感器、火灾的一氧化碳传感器、气体泄漏分析和超声波传感器。智能头盔在医疗领域的应用主要集中于对身体状态的监测。Mohammed等[41]研发了一款用于减少人际互动的热成像智能头盔，将热成像技术集成到智能头盔中，并与物联网技术结合，实现实时监测筛选。Bisio等[42]提出了一种移动智能头盔，在急救医疗队到达时由患者佩戴，用于识别和检测脑卒中。Shahiduzzaman等[43]设计了一种基于安全智能头盔的云–网络–边缘架构，集成了可穿戴摄像头、加速度计、陀螺仪传感器等构件，用于跌倒监测和预防老年人日常活动中的安全风险。近年来，智能头盔在骑行安全领域的研究数量快速增长，主要针对启动控制、事故预防、救援请求、便捷性等方面。其中，启动控制和救援请求是相对热门的研究方向，Rasil等[44]基于力感应电阻器（FSR）和无刷直流风扇（BLDC）开发了一种检测骑手的头部姿态和摩托车速度的智能头盔，用于监测骑手行为，降低安全风险。Melcher等[45]基于欧盟资助的项目i–VITAL研究了一种摩托车eCall系统，将该系统集成于骑手的头盔中，利用传感器监测骑手的身体状态，并实时分析，以减少因疲劳、困倦和注意力不集中而可能发生的事故或健康危害。Mohanaroopa等[46]和Rao等[47]设计的骑行安全智能头盔能够实现酒精检测、紧急求助、实时定位等功能，并能够将驾驶员的头盔佩戴情况发送给紧急联系人。部分现有智能头盔研究对比见表1。
图2 美国F–35单兵智能飞行头盔
图3 美国配备IVAS HoloLens 2套件的单兵陆战智能头盔
通过对国内外单兵智能头盔研究现状的了解，可以发现目前安全智能头盔的设计研发正在走向智能化、数字化、集成化。目前，针对消防救援头盔的智能化设计研究较少，尤其在国内，消防搜救智能头盔的发展相对滞后，在该领域中用于辅助救援人员勘测、人体状态数据采集与监测、指挥系统与救援人员的信息协同方面的设计和研究还存在明显不足。
表1 部分现有智能头盔研究应用对比
Tab.1 Part of the existing smart helmet research application comparison
3 增强现实和脑电监测技术的应用
通过增强现实（Augmented Reality，AR）技术，头盔佩戴者可以通过手势、视觉、语音等方式与虚拟景象进行实时交互。AR技术可以在现实环境中投影3D图像，消防员可将现场情况远程传输至指挥中心，以3D成像技术还原现场，救援专家可根据立体场景远程布局工作，并对现场传回的图像进行跟踪，形成一种全景式的应用体验，进而获取全方位的信息，实时下达救援命令。
通过脑电技术，基于消防救援场景的多变化需求，在复杂多变环境下提升大脑活动监测的有效性。脑电技术正在逐渐提高测量的效度，通过主成分分析法（PCA）、独立成分分析法（ICA）等技术能够实现对大脑信号的动态捕捉[48]，可以及时反映个体在救援状态下的动态大脑活动规律与特征，同时也提高了在实施救援过程中个体大脑状态的反馈时效性，是预测消防员体能和健康程度的有效途径。
单兵消防头盔相关技术路线、方案及作用见图4。
图4 单兵消防头盔相关技术路线、方案及作用
3.1 增强现实技术的应用
如图5所示，根据增强现实系统的基础工作逻辑可知增强现实技术在单兵智能消防头盔中的应用方式主要为3个方面：光学叠加、全景观察和智能识别。
1）光学叠加。此技术为单兵智能消防头盔的功能保障，头盔佩戴者可直接通过光学玻璃面罩看到外部的真实环境。同时通过AR技术处理数据和图像使重要信息叠加在外部环境场景上[49]，如生命体征、路线、位置等，使2种信息互相补充，实现对现实世界的“增强”[50]。目前AR头戴式显示器常用的光学组合器主要有应用于Google Glass、ODG R8等产品的Birdbath结构[51]、自由曲面反射镜结构[52]、自由曲面棱镜结构[53]、阵列波导结构[54-55]、表面浮雕光栅结构[56]和全息光学元件结构[57-58]等6种。
2）全景观察。协同消防救援现场的无人机、相机等设备的协同来全面监测整体环境[59]，获取其拍摄的实时影像和鸟瞰视图。同时可实现多个智能终端的视野共享[60]，使消防员能够很大程度摆脱地面视野的限制，获得更准确的灾情信息，更快速地寻找到受困者的位置、降低长时间处于危险区域的安全隐患。此外，也可以通过观察云台或多相机图像拼接的方式来获取消防人员周围的全景环境[61]。
3）智能识别。AR技术辅助消防人员在消防救援行动中能将现实环境进行增强，或捕获危险物品、环境边缘等信息[62]，这些信号一方面被传输到信息处理模块中并以图像或符号的形式呈现，另一方面实时与指挥机构进行数据和图像传输[63]，帮助救援人员在灾害现场迅速判断受困人员的位置和地形状况，同时为指挥机构进行分析提供关键信息，最终指导救援活动。
图5 增强现实系统基础工作逻辑[49]
基于增强现实单兵智能头盔的主要功能是在复杂的火灾现场能让消防队员及时了解火场的信息，保护消防队员的自身安全。如图6所示，增强现实技术主要通过头盔显示系统、感知系统和核心计算机系统实现以下功能。
1）画面增强功能[64]。火灾现场内部环境特点是高温、烟雾弥漫、遮蔽视线，而且在火灾现场有时会有障碍物或高空坠落的物体，给消防队员的前进带来了阻碍，通过AR技术扫描火场内部环境可以给消防队员提供正确的前进路线。
2）指挥中心与救援人员的信息协同及通信功能[60-65]。通过增强现实技术，在救援活动中及时把重要信息以可视化的方式传递给消防队员，在5G环境下利用毫米波频谱能为高吞吐量的信息交换需求提供解决方案[66]，以最高的效能实现指挥中心与救援人员之间的协同。
3）环境边缘检测功能[67]。火灾场景中的能见度有限，利用AR技术捕捉环境和物体的边缘，及时识别路面上和环境中的障碍物和危险物品，以保障消防员安全。
4）火灾事件记录功能。通过AR技术和成像设备可以对整个火灾事件进行全记录，包括时间、地点、火源、行动计划等，便于后续的复盘与调查。
图6 增强现实系统中的硬件模块
3.2 脑电监测技术的应用
脑电波(Electroencephalogram，EEG)是直接反应大脑活动状态的重要生物信息，是大脑内部大量椎体神经元电位变化的综合反映，人脑中1%～5%的神经元细胞分布于大脑皮层[68]。脑电装置可通过头皮表面的电极来采集并记录电位强度为纵轴、时间为横轴的脑电图，其频率通常有4个频段：(0.5～4 Hz)、(4～ 8 Hz)、(8～14 Hz)和(14～30 Hz)[69]。
人在进行思考、认知等思维活动时会激活大脑皮层的神经元，在长时间从事高强度认知活动后易产生脑疲劳[70]，尤其处于精神紧张状态下其疲劳程度更高。现代军事作业人群中脑力劳动的强度和比例逐步上升[71-72]，消防救援人员在执行任务时需要保持注意力高度集中、高警觉性并对突发情况迅速反应，会带来高强度的脑力活动消耗[73]。脑力疲劳的状态会严重影响消防作战人员的认知能力、警觉性和机动性能[74]，无法继续完成高强度工作。波和波的能量数据减少，或波和波的能量数据增加，可以说明人的疲劳程度增加[75-76]。事件相关电位（Event–related Potential, ERP）的主要成分包括P1、N1、P2、N2、P300、N400等[77]，P300与注意、辨认、决策等重要认知功能相关[78]，消防救援行动中，指挥机构可依据脑电信号预测可能的错误行动或决策。同时，利用脑电波对人员状态进行监测能够实现指挥中心与救援人员的协同功能，提高指挥中心调度的科学性和及时性。通过脑电和通信技术的介入，指挥中心可以实时监测到消防队员的身体状态和精神状态，及时反映消防员的安全问题，同时可以保证指挥中心与救援人员的高效调度与协同。
在可用于疲劳和认知能力检测的众多指标中，脑电信号被认为是最重要和最可靠的[79]。第一，脑电信号是反映作战人员精神状态或身体状态的直接指标[80]，眨眼频率等视频信号检测是因疲劳而导致的生理变化，为间接指标。第二，脑电信号的时间敏感度最强[81]。认知和机动性能疲劳的发生首先表现为大脑的状态变化，并且在疲劳发生之前就会开始变化[82]。第三，脑电信号的误报率低[79]。脑电信号直接反应大脑活动，抗干扰能力强，不易受到外界刺激的影响，能更加准确地识别消防救援人员的实时状态，在强光、异物等外界影响下均不容易导致误报。
如图7所示，EEG的采集模式逐渐演变为尺寸更小、便携性更强的柔性电子设备甚至单元化采集模块[83]，见表2。传统的固定式EEG设备大多是基于32、64导联的全脑区EEG或多通道EEG[84]，主要依靠有线数据采集，需要配备重量和体积较大的数据分析设备。集成于智能头盔中的便携式EEG设备主要利用无线数据传输的形式进行监测[85]，没有电脑、显示器、有线传输等外部设备的携带需求，能够实现小型化和轻量化。同时，可穿戴EEG设备的功能针对性更强，只需要在小范围内精确配置少量电极即可实时监测佩戴者的疲劳和认知状态[86]，并且在保证较小重量和体积的前提下能到较高的精度和灵敏度[84-85,87-88]，对智能头盔的轻量化设计影响较小，并已经在制造[37]、体育[89]、军事[90]等领域展开了应用。
图7 脑电监测设备的模式演变
表2 不同脑电监测设备组件对比
Tab.2 Comparison and summary of different EEG monitoring equipment components
如图8所示，美国消防局2020年的数据表明，精神压力过大和过度疲劳是导致消防员牺牲的最主要原因，牺牲人数占比接近40%[91]。
图8 2020年美国消防员牺牲原因及人数
针对此问题，EEG监测技术的应用能够从状态感知和高效调度两方面为消防救援活动提供有效帮助。
1）状态感知。单兵头盔的智能化发展为EEG监测技术的应用提供了数据平台支撑，搭载处理器的智能单兵头盔可通过蓝牙或无线信号实现与智能设备或后台的数据互传，满足指挥中心对作战人员的状态感知需求。
2）高效调度。救援人员在注意力高度集中的状态下不易察觉疲劳感，因此指挥中心可以对EEG信号进行数据处理和分析，及时、精准调离EEG监测数据明显异常的救援人员，实现对作战人员的高效指挥和精准调度，以此保障人员安全，降低任务风险。因此，以单兵智能头盔为载体的EEG实时监测设备的便捷化、轻量化研究和无线数据传输技术的发展，为实现作战人员的状态实时监测提供了有利条件，为满足复杂场景的状态感知和高效调度需求提供了有效途径，具有一定的应用价值和潜力。
4 单兵智能头盔在消防救援领域的研究展望
4.1 发展机遇及挑战
近年来，人工智能、多设备协作、多模态感知等新兴技术与智能头盔的融合对于解决消防救援领域的核心痛点有明显优势，如环境画面增强、边缘检测、紧急救援请求、多设备互联、人体健康状态监测等，但智能头盔的未来发展还存在众多挑战。智能头盔应用于消防救援领域的优势：智能头盔是一种智能、可靠、开发和运营成本相对较低的可穿戴设备；智能头盔作为一种可穿戴设备，能够实现事故检测，并在紧急情况下发起救援请求；智能头盔具有高度可扩展性，可根据需要通过添加或移除传感器用于其他应用，可实现模块化装配；智能头盔可以与无线通信技术相结合，以确保设备的始终在线连接。
可以从传感器中获取实时数据，并将其传输到云端进行大数据清洗和分析，为事故溯源和救援行动复盘提供了良好的条件。与此同时，消防救援智能头盔未来的发展也存在大量挑战：功耗和电池寿命，智能头盔依靠大量传感器和智能设备工作，但在救援场景中频繁充电或更换电池会影响其实用性；动态舒适度和可穿戴性，与传统安全头盔相比，智能头盔所集成的组件更多，因此头盔的舒适性和轻量化设计愈发重要；头盔组件耐用性，消防救援头盔的应用场景多在高温、多尘、多障碍物和存在坠落物体风险的复杂环境中，智能头盔通常有暴露在外的传感器和控制器，恶劣工况极易影响其可用性；设备交互效能，头盔的智能化发展不可避免地带来交互方式的改变，单通道交互可能无法满足恶劣工况下的交互需求，多模态交互的选择和对交互成本的控制可能是保障智能头盔工作效能的关键问题。
4.2 研究展望
随着综合性消防救援队伍组建和集体转制，我国消防应急救援领域与原来相比出现了较大的变化，如今消防队伍要处置各类灾害事故和社会救援救助任务，包括火灾救援、地震救援、水域救援、危险品处置等[2]。随着救援领域的拓展与救援难度的增大，消防头盔的设计也应当随之发展。文中基于单兵消防头盔的应用特点和未来发展的机遇与挑战，以提高消防救援装备的功能性、可靠性和人机性为目标，提出了单兵消防头盔发展的3个设计研究方向（动态舒适性多目标优化研究，多通道类人感知和意图协同交互研究，系统故障诊断及容错控制研究）以实现单兵智能头盔的体验重构、效能增益和效用优化。单兵消防头盔发展展望的具体内容见图9。
1）动态舒适性多目标优化研究。单兵智能头盔的多模块集成属性使其本身重量较大，因此对材质、结构、压力分布[92]等轻量化设计的要求更高，相关设计研究和评价指标体系研究[93]的需求迫切。一般而言，质量超过1.5 kg的头盔佩戴2 h以上会产生明显不适[94]，因此在设计中要充分考虑头盔的人机友好性和舒适性影响因子，包括外形设计、色彩装饰、纹理搭配等心理因子，以及重量、头顶压力分布、通风散热、内衬摩擦粗糙感等体感因子。此外，可通过逆向动力学建模综合分析头盔的舒适性[95]。项德海等[96]研究发现，防暴类头盔的舒适性主要取决于头盔的通风散热性能和内衬体感。此外，消防救援队伍所面对的救援场景和种类繁多，在不同的救援场景中对装备的功能需要也有所不同，消防头盔所集成的功能性构件应当实现模块化、易拆装，把整个头盔的功能依据环境的需要，分解成多个小、独立、相互作用的组件[97]，针对不同的灾情事故现场配备不同的功能模块，以实现消防救援装备的专业化、系列化。
图9 单兵消防头盔研究展望
2）多通道类人感知和意图协同交互研究。对消防救援人员而言，单兵智能头盔应当具有交互友好性，在装备智能化和集成化趋势的推动下，单兵智能头盔的辅助和救援功能更丰富的同时操作也更加复杂。因此，多通道的交互输入和反馈可能被应用于智能头盔交互，以整合单一模态交互的优势[48]，实现多种输入方式的优势互补[98-100]。如何合理定义交互逻辑、选择适当的交互来满足复杂系统的交互效能，进而提高救援人员的交互效率和装备在复杂工况下的交互可用性[101]是亟待研究解决的问题。此外，单兵智能头盔通过传感器协同和信息处理，实现多通道信息融合，增强机器感官，建立具有更高人机自然度和拟人化程度的多模态交互系统。同时，智能系统可以全方位、立体、综合地感知人的交互意图，形成对用户操作的全面认知，进而实现人机高效协同。
3）系统故障诊断及容错控制研究。高温、多尘的复杂工况容易导致单兵智能头盔的传感器模块、光学显示模块和设备交互模块等关键组件发生故障，可能导致设备失效。安全性和可靠性是衡量现代工业系统性能指标的关键因素，因此对系统故障诊断和容错控制技术的研究是单兵智能头盔发展的重要保障[102]。单兵智能头盔的故障预测可采用基于解析模型、信号处理或知识的方法[103]，发现设备与正常状态不同的特性差异，找出故障的特性描述并进一步分析故障产生的原因、部位和程度[104]。容错控制能够保证在设备系统故障时依靠自身能力来保持系统连续正确地执行其程序和输入输出功能[105]，提高系统的容错性与实时性，保障救援装备的安全性和可靠性。
5 结语
由于国家综合性消防救援队伍组建和集体转制，从“消防”到“综合应急救援”的转变拓展了其职能范围，同时，城市建设高速发展所带来的复杂建筑环境进一步增加了消防救援作业的难度，传统救援装备已无法满足现代救援的需要，因此装备的智能化和集成化趋势显著。从智能化装备的发展来看，增强现实技术和脑电监测技术的应用能够有效提升消防员在执行救援任务时的效率和安全性，尤其是在高层建筑、大型商业综合体等复杂的城市环境下。单兵智能头盔在消防救援领域的研究和应用是实现智慧消防的重要一环，也是我国消防救援装备智能化、集成化发展的重要途径。
[1] 王培贤. 基于AR技术的消防头盔设计研究[D]. 石家庄: 河北科技大学, 2019.
WANG Pei-xian. Research on Fire Helmet Design Based on AR Technology[D]. Shijiazhuang: Hebei University of Science and Technology, 2019.
[2] 商德民, 阮桢, 张磊, 等. 消防应急救援装备技术现状和发展趋势[J]. 中国消防, 2021(2): 62-65.
SHANG De-min, RUAN Zhen, ZHANG Lei, et al. Present Situation and Development Trend of Emergency Rescue Equipment Technology[J]. China Fire, 2021(2): 62-65.
[3] 曹海峰. 新时期加快推进我国消防救援队伍体系建设的思考[J]. 行政管理改革, 2019(8): 72-80.
CAO Hai-feng. Reflections on Promoting the Fire Rescue System Construction of China in New Era[J]. Administration Reform, 2019(8): 72-80.
[4] 梁宙. 公安消防部队移交应急管理部正式告别“铁打的营盘流水的兵”时代[EB/OL]. (2018-10-10)[2022- 06-13]. https://www.jiemian.com/article/2527260.html.
The Public Security Fire Brigade Was Handed Over to the Ministry of Emergency Management to Officially Bid Farewell to the Era of "iron-beaten Battalions and Flowing Water Soldiers"[EB/OL]. (2018-10-10)[2022- 06-13]. https://www.jiemian.com/article/2527260.html.
[5] KAMEGAWA T, YAMASAKI T, MATSUNO F. Evaluation of Snake-Like Rescue Robot “KOHGA” for Usability of Remote Control[C]// IEEE International Safety, Security and Rescue Rototics. Kobe: IEEE, 2005: 25-30.
[6] SIEGWART R, LAMON P, ESTIER T, et al. Innovative Design for Wheeled Locomotion in Rough Terrain[J]. Robotics and Autonomous Systems, 2002, 40(2/3): 151- 162.
[7] YAMADA S, HIROSE S, ENDO G, et al. R-Crank: Amphibious all terrain mobile robot[C]// 2016 IEEE/ RSJ International Conference on Intelligent Robots and Systems (IROS). Daejeon: IEEE, 2016: 1067-1072.
[8] OHASHI T, YAMADA H, HIROSE S. Loop Forming Snake-like Robot Acm-r7 and Its Serpenoid Oval Control[C]// 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems. Taipei: IEEE, 2010: 413-418.
[9] 李小亚. 基于人工智能的数据融合技术在火灾探测中的应用研究[D]. 广州: 广东工业大学, 2005.
LI Xiao-ya. Application Specific Research on Fire Detection Based on Data Fusion of Artificial Intellgence[D]. Guangzhou: Guangdong University of Technology, 2005.
[10] 董炳艳, 张自强, 徐兰军, 等. 智能应急救援装备研究现状与发展趋势[J]. 机械工程学报, 2020, 56(11): 1-25.
DONG Bing-yan, ZHANG Zi-qiang, XU Lan-jun, et al. Research Status and Development Trend of Intelligent Emergency Rescue Equipment[J]. Journal of Mechanical Engineering, 2020, 56(11): 1-25.
[11] 崔璟. 火灾后大跨空间结构受力性能评估方法研究及应用[D]. 南京: 东南大学, 2016.
CUI Jing. Research and Application on Mechanical Behavior and Evulation Method of Post-Fire Spatial Structure[D]. Nanjing: Southeast University, 2016.
[12] 中华人民共和国住房和城乡建设部. 建筑设计防火规范: GB 50016—2014[S]. 北京: 中国计划出版社, 2014.
Ministry of Housing and Urban-Rural Development of the People's Republic of China. Code for Fire Protection Design of Buildings: GB 50016—2014[S]. Beijing: China Planning Press, 2014.
[13] 王远. 大型建筑火灾蔓延模拟研究[D]. 北京: 北京建筑工程学院, 2012.
WANG Yuan. Study on the Simulation of Fire Spread of Large-Scale Building[D]. Beijing: Beijing University of Civil Engineering and Architecture, 2012.
[14] 刘义祥, 李宁. 建筑结构对火灾蔓延路线的影响[J]. 消防技术与产品信息, 2002(10): 11-14.
LIU Yi-xiang, LI Ning. Influence of Building Structure on Fire Spreading Route[J]. Fire Technique and Products Information, 2002(10): 11-14.
[15] 张玉涛, 马婷, 林姣, 等. 2007—2016年全国重特大火灾事故分析及时空分布规律[J]. 西安科技大学学报, 2017, 37(6): 829-836.
ZHANG Yu-tao, MA Ting, LIN Jiao, et al. Analysis of Fire Incidents and Characteristics of Spatio-Temporal Distributions for Serious Fires from 2007 to 2016 in China[J]. Journal of Xi'an University of Science and Technology, 2017, 37(6): 829-836.
[16] 乔文生, 徐小力, 谷玉海, 等. 特殊作业现场及人员状态监测指挥系统[J]. 设备管理与维修, 2018(13): 51-53.
QIAO Wen-sheng, XU Xiao-li, GU Yu-hai, et al. Special Operation Site and Personnel Status Monitoring Command System[J]. Plant Maintenance Engineering, 2018(13): 51-53.
[17] 国家安全生产监督管理总局. 天津港“8·12”瑞海公司危险品仓库特别重大火灾爆炸事故调查报告[R]. 北京: 中华人民共和国应急管理部, 2017.
State Administration of Work Safety. Investigation Report on Special Major Fire and Explosion Accidents in Dangerous Goods Warehouse of "August 12" Ruihai Company of Tianjin Port[R]. Beijing: Emergency Management Department of the People's Republic of China, 2017.
[18] BRUSHLINSKY N, AHRENS M, SOKOLOV S, et al. World fire statistics[J]. Center of fire statistics-2006- Report, 2016(1): 10.
[19] QIU Y, BURKE A, PATEL M, et al. Smart Firefighting Technologies in Urban China[D]. Worcester: Worcester Polytechnic Institute (WPI), 2018.
[20] RAMIREZ L, DYRKS T, GERWINSKI J, et al. Landmarke: An Ad Hoc Deployable Ubicomp Infrastructure to Support Indoor Navigation of Firefighters[J]. Personal and Ubiquitous Computing, 2012, 16(8): 1025-1038.
[21] 董佳恺, 贾玉杰, 唐乐. 消防头盔的研究进展和消防部门的实际应用[J]. 科学技术创新, 2020(16): 194-196.
DONG Jia-kai, JIA Yu-jie, TANG Le. Research Progress of Fire Helmet and Practical Application of Fire Department[J]. Scientific and Technological Innovation, 2020(16): 194-196.
[22] 张艳明, 邱冠雄. 头盔——单兵防护的重要装备[J]. 中国个体防护装备, 2003(6): 24-26.
ZHANG Yan-ming, QIU Guan-xiong. Helmet-an Important Equipment for Individual Protection[J]. China Personal Protection Equipment, 2003(6): 24-26.
[23] CHOU J S, CHENG Min-yuan, HSIEH Y M, et al. Optimal Path Planning in Real Time for Dynamic Building Fire Rescue Operations Using Wireless Sensors and Visual Guidance[J]. Automation in Construction, 2019, 99(1): 1-17.
[24] BAUM E, HARPER M, ALICEA R, et al. Sound identification for fire-fighting mobile robots[C]// 2018 Second IEEE International Conference on Robotic Computing. Laguna Hills: IEEE, 2018: 79-86.
[25] IAPICHINO G, BONNET C, DEL RIO HERRERO O, et al. A Mobile Ad-hoc Satellite and Wireless Mesh Networking Ap-proach for Public Safety Communications[C]// 2008 10th International Workshop on Signal Processing for Space Communications. Rhodes: IEEE, 2008: 1-6.
[26] YANG X, MA M, LI W, et al. Intelligent Visual Enhancement System[C]// Journal of Physics: Conference Series. Daqing: IOP Publishing, 2019: 1-6.
[27] HACIOMEROGLU O. C-Thru; Smoke Diving Helmet [EB/OL]. (2013-01-08) [2022-06-13]. https://www.behance. net/gallery/6579685/C-Thru-Smoke-Diving-Helmet.
[28] HELD B, ALJUNEIDI S, PHAM V, et al. Helon 360: A Smart Firefighters' Helmet Integrated Augmented Reality and 360° Thermal Image Data Streaming [EB/OL]. (2019-09)[2022-06-12]. https://www.researchgate.net/ profile/Saja-Aljuneidi/publication/341764419_Helon_360_A_smart_firefighters'_helmet_Integrated_Augmented_ Reality_and_360_Thermal_Image_Data_Streaming/links/ 5ed284e4299bf1c67d277f86/Helon-360-A-smart-firefighters- helmet-Integrated-Augmented-Reality-and-360-Thermal- Image-Data-Streaming.pdf.
[29] CAMERON A, HOBSON R. Head-up, Eyes-out in Day and at Night: Striker Hmd, Evolu-tion or Revolution? [C]// Degraded Visual Environments: Enhanced, Synthetic, and External Vision Solutions 2016, Baltimore: SPIE, 2016: 98390W.
[30] SCHRADIN R. The F-35 Helmet – a Modern Marvel That Creates a Unique Maintenance Challenge [EB/OL]. (2022-06-08)[2022-06-12]. https://govdesignhub.com/ 2022/06/08/the-f-35-helmet-a-modern-marvel-that-creates-a-unique-maintenance-challenge/.
[31] SWARTS P. F-35 Helmet Costs $400,000—4 Times that of Predecessor[EB/OL]. (2016-10-26) [2022-06-12]. https://www.airforcetimes.com/news/your-air-force/2015/10/26/f-35-helmet-costs-400000-4-times-that-of-predecessor/.
[32] SITER B. Soldiers Test New Ivas Technology, Capabilities with Hand-on Exercises[EB/OL]. (2019-12-20)[2022- 06-12]. https://www.army.mil/article/230034/soldiers_test_ new_ivas_technology_capabilities_with_hand_on_exercises.
[33] U.S. Army Program Executive Office, Project Manager Integrated Visual Augmentation System (IVAS) [EB/ OL]. (2022-02-19)[2022-06-13]. https://www.peosoldier. amy.mil/Program-Offices/Project-Manager-Integrated-Visual-Augmentation-System/.
[34] KATARA A, DANDALE A, CHORE A, et al. Zig-bee Based Intelligent Helmet for Coal Miners[C]// 2015 Fifth International Conference on Communication Systems and Network Technologies. Gwalior: IEEE, 2015: 433-435.
[35] MAITY T, MUKHERJEE M. Rescue and Protection System for Underground Mine Workers Based on Zigbee[J]. Int. J. Recent Res. Asp, 2018, 4(4): 194-197.
[36] KIM S H, WANG C, MIN Se-dong, et al. Safety Helmet Wearing Management System for Construction Workers Using Three-Axis Accelerometer Sensor[J]. Applied Sciences, 2018, 8(12): 2400.
[37] LI Ping, MEZIANE R, OTIS M J D, et al. A Smart Safety Helmet using IMU and EEG sensors for worker fatigue detection[C]// 2014 IEEE International Symposium on Robotic and Sensors Environments (ROSE) Proceedings. Timisoara, Romania: IEEE, 2014: 55-60.
[38] WANG C, KIM Y, KIM D G, et al. Smart Helmet and Insole Sensors for Near Fall Incidence Recognition During Descent of Stairs[J]. Applied Sciences, 2020, 10(7): 2262.
[39] PIRKL G, HEVESI P, AMARISLANOV O, et al. Smart Helmet for Construction Site Documentation and Work Support[C]// UbiComp '16: Proceedings of the 2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct. New York: ACM, 2016: 349-352.
[40] LEE A, MOON J Y, MIN S D, et al. Safety Analysis System using Smart Helmet[C]// Proceedings on the International Conference on Internet Computing (ICOMP). The Steering Committee of The World Congress in Computer Science, Computer Engineering and Applied Computing (World Comp), Las Vegas: CSREA Press, 2019: 102-107.
[41] MOHAMMED M N, SYAMSUDIN H, ALZUBAIDI S, et al. Novel COVID-19 Detection and Diagnosis System Using IOT Based Smart Helmet[J]. International Journal of Psychosocial Rehabilitation, 2020, 24(7): 2296-2303.
[42] BISIO I, FEDELI A, LAVAGETTO F, et al. Mobile smart helmet for brain stroke early detection through neural network-based signals analysis[C]// GLOBECOM 2017-2017 IEEE Global Communications Conference. Singapore City: IEEE, 2017: 1-6.
[43] SHAHIDUZZAMAN K M, HEI Xiao-jun, GUO C, et al. Enhancing Fall Detection for Elderly with Smart Helmet in a Cloud-network-edge Architecture[C]// 2019 IEEE International Conference on Consumer Electronics - Taiwan. Yilan: IEEE, 2019: 1-2.
[44] MOHD RASLI M K A, MADZHI N K, JOHARI J. Smart helmet with sensors for accident prevention[C]// 2013 International Conference on Electrical, Electronics and System Engineering (ICEESE). Kuala Lumpur: IEEE, 2013: 21-26.
[45] MELCHER V, DIEDERICHS F, MAESTRE R, et al. Smart Vital Signs and Accident Monitoring System for Mo-torcyclists Embedded in Helmets and Garments for Ad-vanced Ecall Emergency Assistance and Health Analysis Monitoring[J]. Procedia Manufacturing, 2015, 3(1): 3208-3213.
[46] MOHANAROOPA D Y, SOUJANYA N, VAISHNAVI V S, et al. An IOT Based Smart Helmet for Accident Detection and Notification[J]. J Interdiscip Cycle Res, 2020(7): 1-7.
[47] RAO P K, SAI P T, KUMAR N V, et al. Design and Implementation of Smart helmet Using IoT[C]// International Conference of Advance Research & Innovation (ICARI), New Delhi: SSNR, 2020: 323-325.
[48] 孙瀚. 基于多模态生物电信号人机交互技术研究[D]. 南京: 东南大学, 2019.
SUN Han. Research of Human-Computer Interaction Technology Based on Multi-Modal Biopotentials[D]. Nanjing: Southeast University, 2019.
[49] 张天, 牛海涛, 侯曾, 等. 增强现实技术在军事装备中的应用[C]// 第十四届全国信号和智能信息处理与应用学术会议论文集. 北京: 《计算机工程与应用》杂志出版社, 2021: 328-333.
ZHANG Tian, NIU Hai-tao, HOU Ceng, et al. Application of Augmented Reality Technology in Military Equipment[C]// Proceedings of the 14th National Conference on Signal and Intelligent Information Processing and Application, Beijing: Journal of Computer Engineering and Applications Press, 2021: 328-333.
[50] 胡天宇, 张权福, 沈永捷, 等. 增强现实技术综述[J]. 电脑知识与技术, 2017, 13(34): 194-196.
HU Tian-yu, ZHANG Quan-fu, SHEN Yong-jie, et al. Overview of Augmented Reality Technology[J]. Computer Knowledge and Technology, 2017, 13(34): 194-196.
[51] COLBURN M. Fundamental Challenges in Augmented Reality Display Tech-nology[C]// 2020 IEEE International Electron Devices Meeting. San Francisco: IEEE, 2020: 1-4.
[52] WU Reng-mao, DING Zhang-hao, CHEN Yi-xing. Design of Optical See-through Head-mounted Display Sys-tems Using Freeform Optics[C]// SPIE/COS Photonics Asia. Proc SPIE 11185, Optical Design and Testing IX, Hangzhou: SPIE, 2019: 64-69.
[53] RUI Cong-shan, ZENG Chun-mei, HU Tian-tian, et al. Design of a Head-mounted Display with Freeform Mir-rors[C]// Current Developments in Lens Design and Optical Engineering XX. International Society for Optics and Photonics, San Diego: SPIE, 2019: 1110402.
[54] WANG Qi-wei, CHENG De-wen, HOU Qi-chao, et al. Design of an Ultra-Thin, Wide-Angle, Stray-Light-Free Near-Eye Display with a Dual-Layer Geometrical Waveguide[J]. Optics Express, 2020, 28(23): 35376-35394.
[55] GU Luo, CHENG De-wen, WANG Qi-wei, et al. Design of a Two-Dimensional Stray-Light-Free Geometrical Waveguide Head-up Display[J]. Applied Optics, 2018, 57(31): 9246-9256.
[56] KRESS B C. Optical Waveguide Combiners for Ar Headsets: Features and Limitations[C]// Proc SPIE 11062, Digital Optical Technologies 2019. Munich: SPIE, 2019: 75-100.
[57] ZHOU Peng-cheng, LI Yan, LIU Shu-xin, et al. Compact Design for Optical-See-through Holographic Displays Employing Holographic Optical Elements[J]. Optics Express, 2018, 26(18): 22866-22876.
[58] LIN Wen-kai, MATOBA O, LIN B S, et al. Astigmatism Correction and Quality Optimization of Computer- Generated Holograms for Holographic Waveguide Displays[J]. Optics Express, 2020, 28(4): 5519-5527.
[59] HITCHCOCK A, SUNG K. Multi-View Augmented Reality with a Drone[C]// VRST '18: Proceedings of the 24th ACM Symposium on Virtual Reality Software and Technology. New York: ACM, 2018: 1-2.
[60] ZENG Wen-xian, LI Wei, GUO Zhao-kun. Rapid Genera¬tion of Full View Image Based on Mul-ti-camera[C]// Proc SPIE 10615, Ninth International Conference on Graphic and Image Processing (ICGIP 2017), Qingdao: 2018: 1013-1018.
[61] MARKS S, WHITE D. Multi-device Collaboration in Virtual Environments[C]// Proceedings of the 2020 4th International Conference on Virtual and Augmented Reality Simulations. Sydney NSW Australia. New York: ACM, 2020: 35-38.
[62] LIU Lu-yang, LI Hong-yu, GRUTESER M. Edge Assisted Real-Time Object Detection for Mobile Augmented Reality[C]// MobiCom '19: The 25th Annual International Conference on Mobile Computing and Networking. New York: ACM, 2019: 1-16.
[63] LI Xiang, TIAN Yuan, ZHANG Fu-yao, et al. Object Detection in the Context of Mobile Augmented Reality [C]// 2020 IEEE International Symposium on Mixed and Augmented Reality. Porto de Galinhas: IEEE, 2020: 156-163.
[64] HU Chun-jia, ZHAI Guang-tao, LI Duo. An Augmented- Reality night vision enhancement application for see- through glasses[C]// 2015 IEEE International Conference on Multimedia & Expo Workshops. Turin: IEEE, 2015: 1-6.
[65] RAN Xu-kan, SLOCUM C, GORLATOVA M, et al. ShareAR: Communication-Efficient Multi-User Mobile Augmented Reality[C]// HotNets '19: Proceedings of the 18th ACM Workshop on Hot Topics in Networks. New York: ACM, 2019: 109-116.
[66] SIRIWARDHANA Y, PORAMBAGE P, LIYANAGE M, et al. A Survey on Mobile Augmented Reality with 5G Mobile Edge Computing: Architectures, Applications, and Technical Aspects[J]. IEEE Communications Surveys & Tutorials, 2021, 23(2): 1160-1192.
[67] KIM J, JUN H. Implementation of image processing and augmented reality programs for smart mobile device [C]// Proceedings of 2011 6th International Forum on Strategic Technology. Harbin: IEEE, 2011: 1070-1073.
[68] TELEŃCZUK B, BAKER S N, KEMPTER R, et al. Correlates of a Single Cortical Action Potential in the Epidural EEG[J]. NeuroImage, 2015, 109: 357-367.
[69] 聂民昆, 张瑞, 张政, 等. 脑电波信号提取的研究[J]. 计算机产品与流通, 2019(5): 95.
NIE Min-kun, ZHANG Rui, ZHANG Zheng, et al. Study on EEG Signal Extraction[J]. Computer Products and Circulation, 2019(5): 95.
[70] 张齐昌. 基于深度学习算法的生理刺激脑电信号分析[D]. 北京: 北方工业大学, 2021.
ZHANG Qi-chang. Physiological Stimulation EEG Signal Analysis Based on Deep Learning Algorithm[D]. Beijing: North China University of Technology, 2021.
[71] GUIDO R M, STAHLMAN S, YING Sai-xia. Fatigue and Related Comorbidities, Active Component, U S Armed Forces, 2007-2016[J]. MSMR, 2017, 24(12): 23-33.
[72] TAYLOR M K, PADILLA G A, HERNÁNDEZ L M. Anabolic Hormone Profiles in Elite Military Men: Robust Associations with Age, Stress, and Fatigue[J]. Steroids, 2017, 124: 18-22.
[73] 邱健, 赵显超, 程金湘, 等. 健康青年男性脑力疲劳模型构建以及基于节律类型的分析[J]. 中风与神经疾病杂志, 2019, 36(11): 1008-1012.
QIU Jian, ZHAO Xian-chao, CHENG Jin-xiang, et al. Construction of Mental Fatigue Model of Healthy Young Men and Analysis Based on Different Chronotype[J]. Journal of Apoplexy and Nervous Diseases, 2019, 36(11): 1008-1012.
[74] 阮亦, 顾伟, 凌昌全. 脑力疲劳测评方法的研究进展[J]. 第二军医大学学报, 2019, 40(1): 79-85.
RUAN Yi, GU Wei, LING Chang-quan. Assessment Methods of Mental Fatigue: An Update[J]. Academic Journal of Second Military Medical University, 2019, 40(1): 79-85.
[75] WANG Yu-long, YANG Guang-hong. H-Infinity Performance Optimization for Networked Control Systems with Limited Communication Channels[J]. Journal of Control Theory and Applications, 2010, 8(1): 99-104.
[76] 任彬, 任金龙, 潘韫杰, 等. 基于脑电疲劳监测的车辆避撞预测模型研究[J]. 高技术通讯, 2020, 30(7): 707-715.
REN Bin, REN Jin-long, PAN Yun-jie, et al. Research on Vehicle Collision Avoidance Prediction Model Based on EEG Fatigue Monitoring[J]. Chinese High Technology Letters, 2020, 30(7): 707-715.
[77] 魏景汉, 罗跃嘉. 事件相关电位原理与技术[M]. 北京: 科学出版社, 2010.
WEI Jing-han, LUO Yue-jia. Principle and Technique of Event-related Brain Potentials[M]. Beijing: Science Press, 2010.
[78] 杨程, 彭怡腾, 唐智川. 泛设计领域中的脑电研究现状与发展趋势[J]. 包装工程, 2020, 41(16): 64-75.
YANG Cheng, PENG Yi-teng, TANG Zhi-chuan. Research Status and Development Trend of EEG in Pan Design[J]. Packaging Engineering, 2020, 41(16): 64-75.
[79] KAR S, BHAGAT M, ROUTRAY A. EEG Signal Analysis for the Assessment and Quantification of Driver’s Fatigue[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2010, 13(5): 297-306.
[80] 金怡淳. 结合脑电信号(EEG)及虚拟现实技术(VR)的地下空间设计和反馈研究[D]. 北京: 北京交通大学, 2021.
JIN Yi-chun. Design and Feedback Research in Underground Space with EEG and Virtual Reality Technology[D]. Beijing: Beijing Jiaotong University, 2021.
[81] 马清宝, 王立晨, 段春玲. 脑电信号: 人员状态检测的最优指标[J]. 中国铁路, 2015(8): 94-95.
MA Qing-bao, WANG Li-chen, DUAN Chun-ling. Electroencephalogram: The Best Index of Personnel State Detection[J]. China Railway, 2015(8): 94-95.
[82] ÅKERSTEDT T, KNUTSSON A, WESTERHOLM P, et al. Mental Fatigue, Work and Sleep[J]. Journal of Psychosomatic Research, 2004, 57(5): 427-433.
[83] CASSON A J. Wearable EEG and beyond[J]. Biomedical Engineering Letters, 2019, 9(1): 53-71.
[84] 何文佳. 基于前额单导联脑电信号的可穿戴疲劳驾驶监测系统[D]. 广州: 华南理工大学, 2020.
HE Wen-jia. Wearable Fatigue Driving Monitoring System Based on Forehead Single-Channel EEG[D]. Guangzhou: South China University of Technology, 2020.
[85] HE Jian, LIU Dong-dong, WAN Zhi-jiang, et al. A Noninvasive Real-time Driving Fatigue Detection Technology Based on Left Prefrontal Attention and Meditation EEG[C]// 2014 International Conference on Multisensor Fusion and Information Integration for Intelligent Systems (MFI). Beijing: IEEE, 2014: 1-6.
[86] CASSON A J, YATES D C, SMITH S J M, et al. Wearable Electroencephalography[J]. IEEE Engineering in Medicine and Biology Magazine, 2010, 29(3): 44-56.
[87] LIN C T, CHANG C J, LIN B S, et al. A Real-Time Wireless Brain–Computer Interface System for Drowsiness Detection[J]. IEEE Transactions on Biomedical Circuits and Systems, 2010, 4(4): 214-222.
[88] WANG Yu-te, CHENG C K, HUANG K C, et al. Cell-phone based Drowsiness Monitoring and Management System[C]// 2012 IEEE Biomedical Circuits and Systems Conference (BioCAS). Hsinchu: IEEE, 2012: 200-203.
[89] VON ROSENBERG W, CHANWIMALUEANG T, GOVERDOVSKY V, et al. Smart Helmet: Wearable Multichannel ECG and EEG[J]. IEEE Journal of Translational Engineering in Health and Medicine, 2016, 4(1): 1-11.
[90] KIM Y S, CHOI J M, LEE H B, et al. Measurement of biomedical signals from helmet based system[C]// 2007 29th Annual International Conference of the Ieee En-gineering in Medicine and Biology Society. Lyon: IEEE, 2007: 359-362.
[91] U S Fire Administration. Firefighter Fatalities in the United States in 2020[R]. Emmitsburg: U.S. Fire Administration, 2022: 13-16.
[92] 徐莹, 赵鑫, 张露丹, 等. 飞行员头盔的压力舒适性研究[J]. 航天医学与医学工程, 2018, 31(4): 452-457.
XU Ying, ZHAO Xin, ZHANG Lu-dan, et al. Research on Pressure Comfort of Pilot's Helmet[J]. Space Medicine & Medical Engineering, 2018, 31(4): 452-457.
[93] 赵彦鹏, 刘何庆, 吴明磊, 等. 战斗机飞行员头戴装备轻型化评价指标研究[J]. 航天医学与医学工程, 2020, 33(3): 266-273.
ZHAO Yan-peng, LIU He-qing, WU Ming-lei, et al. Study on Evaluation Indexes for Lightening of Head Mounted Devices of Fighter Pilots[J]. Space Medicine & Medical Engineering, 2020, 33(3): 266-273.
[94] 杨洪泽, 李滨, 李博. 森林消防头盔的人机工程学分析[J]. 北京林业大学学报, 2011, 33(1): 159-162.
YANG Hong-ze, LI Bin, LI Bo. Ergonomic Analysis of Forest Fire Helmet[J]. Journal of Beijing Forestry University, 2011, 33(1): 159-162.
[95] 杨洋, 徐诚, 管小荣, 等. 基于逆向动力学的步兵头盔舒适性数值分析[J]. 兵工学报, 2015, 36(2): 321- 326.
YANG Yang, XU Cheng, GUAN Xiao-rong, et al. Numerical Analysis of Comfort of Military Helmets Based on Inverse Dynamics[J]. Acta Armamentarii, 2015, 36(2): 321-326.
[96] 项德海, 庄弘炜, 赵法栋. 武警防暴头盔舒适性的实证研究[J]. 工业卫生与职业病, 2014, 40(5): 323-326.
XIANG De-hai, ZHUANG Hong-wei, ZHAO Fa-dong. Empirical Study on the Comfortableness of CAPF's Riot Helmets[J]. Industrial Health and Occupational Diseases, 2014, 40(5): 323-326.
[97] 袁晓东. 模块化智能头盔的应用设计研究[J]. 包装工程, 2015, 36(22): 88-91.
YUAN Xiao-dong. The Application Design of Modular Intelligent Helmet[J]. Packaging Engineering, 2015, 36(22): 88-91.
[98] COHEN P R, DALRYMPLE M, MORAN D B, et al. Synergistic use of direct manipulation and natural language[C]// Proceedings of the Sigchi Conference on Human Factors in Computing Systems Wings for the Mind - Chi '89. New York: ACM Press, 1989: 227-233.
[99] OVIATT S. Advances in Robust Multimodal Interface Design[J]. IEEE Computer Graphics and Applications, 2003, 23(5): 62-68.
[100] OVIATT S, COULSTON R, LUNSFORD R. When do we Interact Multimodally? Cognitive Load and Multimodal Communication Patterns[C]// ICMI '04: Proceedings of the 6th International Conference on Multi-modal Interfaces. New York: ACM, 2004: 129-136.
[101] JÖST M, HÄUßLER J, MERDES M, et al. Multimodal Interaction for Pedestrians: An Evaluation Study[C]// IUI '05: Proceedings of the 10th international conference on Intelligent User Interfaces. New York: ACM, 2005: 59-66.
[102] 周东华, 刘洋, 何潇. 闭环系统故障诊断技术综述[J]. 自动化学报, 2013, 39(11): 1933-1943.
ZHOU Dong-hua, LIU Yang, HE Xiao. Review on Fault Diagnosis Techniques for Closed-Loop Systems[J]. Acta Automatica Sinica, 2013, 39(11): 1933-1943.
[103] FRANK P M. Fault Diagnosis in Dynamic Systems Using Analytical and Knowledge-Based Redundancy[J]. Automatica, 1990, 26(3): 459-474.
[104] 袁侃. 复杂系统的故障诊断及容错控制研究[D]. 南京: 南京航空航天大学, 2010.
YUAN Kan. Research on Fault Diagnosis and Fault-Tolerant Control of Complex Systems[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2010.
[105] ZHANG You-min, JIANG Jin. Bibliographical Review on Reconfigurable Fault-Tolerant Control Systems[J]. Annual Reviews in Control, 2008, 32(2): 229-252.
Exploration and Application of Individual Soldier Intelligent Helmet in Fire Rescue
PENG Jian, WANG Xue-peng, ZHAO Dan-hua, LI Bo-ya
(School of Design, Hunan University, Changsha 410082, China)
In the context of firefighting equipment in high-rise buildings, underground buildings, large commercial complexes and other complex rescue environments cannot meet the needs of information perception and state perception, explore and analyze the current application and research status of intelligent helmets in emergency rescue, military operations, mining safety and other fields, with a view to solving the problems of poor environmental vision, low efficiency of coordination, inability to guarantee the health status of rescuers, etc. in the current fire rescue activities to improve the functionality and supportability of fire rescue equipment and avoid possible safety accidents in rescue activities. Artificial intelligence, multi-device collaboration, multi-modal perception and other concepts as the new development combination point of intelligent firefighting, based on the trend of intelligence and integration of fire rescue equipment, put forward the use of augmented reality technology to meet the visual enhancement, information collaboration, object recognition and other information perception needs, and the use of EEG monitoring technology to meet the personnel health state monitoring, fatigue warning and other state perception needs. In the context of rapid urban development, the application of individual soldier intelligent helmets in the field of fire rescue has the advantages of high reliability, great functional scalability, and high efficiency of task assistance, but at the same time with challenges such as high power consumption, high weight, and insufficient research on device interaction; individual soldier intelligent helmets suitable for fire rescue scenarios have design research trends in dynamic comfort multi-objective optimization, multi-channel human-like perception and intent cooperative interaction, system fault diagnosis and fault-tolerant control.
fire rescue; intelligent equipment; individual soldier helmet; augmented reality; EEG signal monitoring
TP29；TB472
A
1001-3563(2022)12-0001-14
10.19554/j.cnki.1001-3563.2022.12.001
2022–01–12
国家社科艺术基金（20BG103）
彭坚（1986—），男，博士，助理教授，主要研究方向为单兵作战、装备复杂系统可诊断性设计与评价等。
赵丹华（1982—），女，教授，博士生导师，主要研究方向为设计研究的范式建构、交通工具设计。
责任编辑：陈作
