Luận án về hệ thống phát hiện lính cứu hỏa bị thương - Phạm Văn Thành
Phát triển hệ thống thời gian thực phát hiện, định vị lính cứu hỏa gặp nạn khi làm nhiệm vụ, dùng kỹ thuật xử lý tín hiệu tiên tiến.
Trường Đại học Bách khoa Hà Nội - Đại học Quốc gia Hà Nội
Kỹ thuật Điện tử và Viễn thông
Luan An
Luận án Tiến sĩ
Năm xuất bản
Số trang
153
Thời gian đọc
23 phút
Lượt xem
2
Lượt tải
0
Phí lưu trữ
50 Point
Tổng quan nhanh
- Chủ đề:
- 1. Tổng quan hệ thống phát hiện lính cứu hỏa bị thương
- Số trang:
- 153 trang
- Trường:
- Trường Đại học Bách khoa Hà Nội - Đại học Quốc gia Hà Nội
- Chuyên ngành:
- Kỹ thuật Điện tử và Viễn thông
- Tác giả:
- Pham Van Thanh
- Năm:
- 2022
Tóm tắt nội dung luận án
I. Tổng quan hệ thống phát hiện lính cứu hỏa bị thương
Phát triển một hệ thống thực tế để phát hiện và theo dõi lính cứu hỏa bị thương là nhiệm vụ cấp bách. Hệ thống tăng cường an toàn cho lực lượng PCCC. Mỗi phút giây trong các tình huống nguy hiểm đều quý giá. Khả năng định vị nhanh chóng lính cứu hỏa gặp nạn giúp tối ưu hóa công tác cứu hộ. Công nghệ theo dõi lính cứu hỏa cung cấp thông tin vị trí chính xác. Hệ thống cảnh báo sớm kích hoạt ngay khi phát hiện bất thường. Điều này giảm thiểu rủi ro, bảo vệ tính mạng người lính. Hệ thống tự động này mang lại hiệu quả vượt trội so với các phương pháp thủ công. Mục tiêu chính là cung cấp dữ liệu tức thì về tình trạng sức khỏe và vị trí của lính cứu hỏa trong môi trường khắc nghiệt. Việc này đảm bảo hỗ trợ kịp thời, cứu sống nhiều người.
1.1. Mục tiêu và tầm quan trọng của hệ thống
Hệ thống nhắm đến việc giảm thiểu thương vong cho lính cứu hỏa. Nó cung cấp công cụ giám sát hiệu quả trong các tình huống nguy hiểm. Tầm quan trọng của nó nằm ở việc cải thiện khả năng phản ứng. Đội cứu hộ nhận được thông tin chính xác về lính cứu hỏa bị thương. Điều này bao gồm vị trí, trạng thái sức khỏe và mức độ nghiêm trọng. Hệ thống đảm bảo lính cứu hỏa nhận được hỗ trợ y tế nhanh nhất. Đây là yếu tố sống còn trong môi trường cháy nổ. An toàn của lính cứu hỏa luôn được ưu tiên hàng đầu.
1.2. Thách thức trong phát hiện lính cứu hỏa
Môi trường chữa cháy đặt ra nhiều thách thức lớn. Tầm nhìn hạn chế, khói dày đặc và cấu trúc tòa nhà sập đổ là rào cản. Tín hiệu GPS thường bị chặn trong nhà. Điều này gây khó khăn cho việc định vị chính xác. Nhiệt độ cao, tiếng ồn lớn cũng ảnh hưởng đến thiết bị. Lính cứu hỏa phải mang vác trang bị nặng. Điều này làm tăng nguy cơ kiệt sức hoặc chấn thương. Việc phát hiện lính cứu hỏa bị thương trong điều kiện này đòi hỏi công nghệ tiên tiến, bền bỉ. Nó cần khả năng xử lý dữ liệu phức tạp trong thời gian thực.
1.3. Lợi ích hệ thống giám sát thời gian thực
Hệ thống giám sát thời gian thực mang lại nhiều lợi ích. Nó cung cấp khả năng cảnh báo sớm về các tình huống nguy hiểm. Đội chỉ huy có cái nhìn tổng quan về vị trí và tình trạng lính cứu hỏa. Phân tích dữ liệu thời gian thực giúp đưa ra quyết định nhanh chóng. Khả năng theo dõi liên tục hỗ trợ việc triển khai lực lượng hiệu quả hơn. Hệ thống cũng ghi lại dữ liệu sự cố để phân tích sau này. Điều này giúp cải thiện quy trình an toàn và huấn luyện. An toàn PCCC được nâng cao đáng kể. Mức độ tự tin của lính cứu hỏa cũng tăng lên.
II. Công nghệ cảm biến giám sát lính cứu hỏa thông minh
Thiết bị đeo thông minh cho lính cứu hỏa tích hợp nhiều cảm biến. Các cảm biến này thu thập dữ liệu quan trọng về môi trường và cơ thể. Cảm biến sinh tồn theo dõi nhịp tim, nhiệt độ cơ thể và chuyển động. Dữ liệu này được truyền về trung tâm điều khiển. Công nghệ cảm biến tiên tiến đảm bảo độ chính xác cao. Nó hoạt động ổn định trong điều kiện khắc nghiệt. Thiết bị được thiết kế bền chắc, chống nước, chống va đập. Pin có dung lượng lớn, hoạt động liên tục trong thời gian dài. Hệ thống giúp giám sát sức khỏe lính cứu hỏa một cách toàn diện. Điều này giúp phát hiện sớm các dấu hiệu kiệt sức hoặc thương tích.
2.1. Tích hợp cảm biến đa chức năng
Hệ thống sử dụng nhiều loại cảm biến khác nhau. Gia tốc kế, con quay hồi chuyển phát hiện chuyển động. Cảm biến áp suất, nhiệt độ đo môi trường xung quanh. Cảm biến sinh học theo dõi các chỉ số sống của lính cứu hỏa. Dữ liệu từ các cảm biến này được hợp nhất. Kỹ thuật hợp nhất dữ liệu đa cảm biến tăng cường độ tin cậy. Nó cung cấp bức tranh toàn diện về tình hình. Điều này bao gồm cả vị trí, hoạt động và trạng thái sức khỏe. Sự kết hợp này mang lại hiệu suất vượt trội.
2.2. Thiết bị đeo hỗ trợ phát hiện thương tích
Thiết bị đeo thông minh được gắn vào trang phục lính cứu hỏa. Các thiết bị này nhẹ, không gây cản trở hoạt động. Chúng có khả năng phát hiện các sự kiện quan trọng. Ví dụ như ngã, bất động kéo dài hoặc thay đổi đột ngột các chỉ số sinh tồn. Thiết bị phát tín hiệu cảnh báo tự động khi phát hiện sự cố. Công nghệ theo dõi lính cứu hỏa tích hợp vào thiết bị này. Nó giúp xác định ngay lập tức vị trí lính cứu hỏa gặp nạn. Thiết kế ergonomic đảm bảo sự thoải mái. Độ bền cao chịu được môi trường khắc nghiệt.
2.3. Cảm biến sinh tồn cho môi trường nguy hiểm
Cảm biến sinh tồn là thành phần cốt lõi của hệ thống. Chúng đo các thông số như nhịp tim, nhịp thở, nhiệt độ da. Các cảm biến này được thiết kế để hoạt động trong môi trường nhiệt độ cao. Chúng cung cấp dữ liệu chính xác về tình trạng sinh lý của lính cứu hỏa. Bất kỳ sự thay đổi bất thường nào cũng được ghi nhận. Hệ thống cảnh báo sớm sẽ được kích hoạt. Giám sát sức khỏe lính cứu hỏa liên tục là điều cần thiết. Điều này giúp ngăn ngừa các trường hợp kiệt sức hoặc đột quỵ do môi trường khắc nghiệt.
III. Định vị trong nhà và theo dõi lính cứu hỏa thời gian thực
Khả năng định vị trong nhà là yếu tố then chốt. Tín hiệu GPS thường không hiệu quả trong các tòa nhà. Hệ thống sử dụng các kỹ thuật tiên tiến để khắc phục điều này. Nó kết hợp dữ liệu từ nhiều nguồn khác nhau. Dữ liệu cảm biến quán tính (IMU) đóng vai trò quan trọng. Dữ liệu từ các cảm biến áp suất cũng được sử dụng. Phân tích dữ liệu thời gian thực đảm bảo vị trí luôn được cập nhật. Công nghệ theo dõi lính cứu hỏa hoạt động liên tục. Nó cung cấp bản đồ vị trí chính xác cho đội cứu hộ. Điều này giúp rút ngắn thời gian tìm kiếm, tăng cơ hội sống sót. Hệ thống đảm bảo lính cứu hỏa không bị lạc.
3.1. Kỹ thuật định vị chính xác trong nhà
Định vị trong nhà sử dụng các thuật toán phức tạp. Nó kết hợp dữ liệu từ gia tốc kế và con quay hồi chuyển. Công nghệ dò bước chân được cải tiến để đạt độ chính xác cao. Dữ liệu từ cảm biến áp suất giúp xác định độ cao. Thuật toán hợp nhất dữ liệu (sensor fusion) tổng hợp thông tin. Các kỹ thuật này cho phép định vị lính cứu hỏa ngay cả trong không gian kín. Độ chính xác về vị trí rất quan trọng. Nó giúp đội cứu hộ xác định đúng phòng, đúng tầng.
3.2. Thuật toán theo dõi vị trí lính cứu hỏa
Hệ thống sử dụng các thuật toán theo dõi tiên tiến. Các thuật toán lọc như Kalman Filter được áp dụng. Chúng giúp giảm nhiễu và tăng cường độ tin cậy của dữ liệu vị trí. Dữ liệu được cập nhật liên tục trên bản đồ số. Đội chỉ huy có thể quan sát chuyển động của lính cứu hỏa theo thời gian thực. Bất kỳ sự dừng lại bất thường nào cũng được ghi nhận. Điều này hỗ trợ việc phát hiện lính cứu hỏa bị thương nhanh chóng. Khả năng theo dõi động cũng được cải thiện đáng kể.
3.3. Xử lý tín hiệu nâng cao để định vị
Xử lý tín hiệu nâng cao là trọng tâm của hệ thống định vị. Nó bao gồm các kỹ thuật lọc và phân tích dữ liệu cảm biến. Các thuật toán này tối ưu hóa độ chính xác của định vị. Chúng bù trừ sai số của cảm biến quán tính. Công nghệ này giúp hệ thống hoạt động ổn định trong các môi trường nhiễu. Dữ liệu từ nhiều nguồn được xử lý đồng thời. Điều này đảm bảo kết quả định vị đáng tin cậy. Xử lý tín hiệu cũng phát hiện các trạng thái chuyển động. Ví dụ: đi bộ, chạy, leo cầu thang hoặc đứng yên.
IV. Xử lý dữ liệu và trí tuệ nhân tạo phát hiện sự cố
Phân tích dữ liệu thời gian thực là nền tảng của hệ thống. Nó sử dụng trí tuệ nhân tạo trong PCCC để diễn giải thông tin cảm biến. Học máy cho phát hiện thương tích giúp nhận diện các mẫu dữ liệu bất thường. Các thuật toán này được huấn luyện trên một lượng lớn dữ liệu. Chúng có thể phân biệt giữa chuyển động bình thường và tình huống nguy hiểm. Hệ thống cảnh báo sớm dựa trên kết quả phân tích này. Nó tự động gửi cảnh báo đến trung tâm điều khiển. Khả năng xử lý dữ liệu nhanh chóng là rất quan trọng. Điều này đảm bảo phản ứng kịp thời. Trí tuệ nhân tạo mang lại sự thông minh cho hệ thống.
4.1. Thuật toán phát hiện ngã và bất động
Các thuật toán đặc biệt được phát triển để phát hiện ngã. Chúng phân tích dữ liệu gia tốc kế để nhận diện cú sốc đột ngột. Thuật toán cũng phát hiện trạng thái bất động kéo dài. Nếu lính cứu hỏa không di chuyển trong một khoảng thời gian nhất định, hệ thống sẽ cảnh báo. Khả năng phát hiện ngã và bất động tự động giảm gánh nặng cho đồng đội. Nó đảm bảo không ai bị bỏ lại phía sau. Độ nhạy và độ chính xác của thuật toán được tối ưu hóa. Điều này giảm thiểu cảnh báo giả.
4.2. Phân tích dữ liệu sinh trắc học lính cứu hỏa
Dữ liệu sinh trắc học được phân tích liên tục. Nhịp tim, nhiệt độ cơ thể và mức độ oxy là các chỉ số quan trọng. Hệ thống cảnh báo nếu các chỉ số này vượt ngưỡng an toàn. Phân tích dữ liệu thời gian thực giúp phát hiện sớm tình trạng kiệt sức. Nó cũng nhận diện các vấn đề sức khỏe tiềm ẩn khác. Giám sát sức khỏe lính cứu hỏa là một phần không thể thiếu. Điều này giúp ngăn ngừa các biến cố y tế nghiêm trọng trong khi làm nhiệm vụ. Trí tuệ nhân tạo có thể dự đoán nguy cơ.
4.3. Học máy cải thiện độ chính xác phát hiện
Các mô hình học máy liên tục được cải thiện. Chúng học hỏi từ dữ liệu thực tế và các tình huống đã xảy ra. Điều này nâng cao độ chính xác của khả năng phát hiện thương tích. Học máy giúp phân biệt giữa các loại chuyển động. Nó giảm thiểu các lỗi nhận diện. Thuật toán có thể thích ứng với các điều kiện môi trường khác nhau. Sự tự động hóa trong phát hiện giúp giảm thời gian phản ứng. Công nghệ này biến dữ liệu thô thành thông tin hữu ích. Nó là một yếu tố quan trọng trong hệ thống.
V. Ứng dụng IoT và an toàn PCCC Phát hiện lính cứu hỏa
Công nghệ IoT trong an toàn PCCC mở ra kỷ nguyên mới. Hệ thống này là một ví dụ điển hình. Các thiết bị cảm biến kết nối với nhau qua mạng không dây. Dữ liệu được thu thập và truyền tải về trung tâm. Nền tảng IoT cho phép giám sát toàn diện, từ xa. Hệ thống cảnh báo sớm được tích hợp hoàn toàn. Nó cung cấp thông tin kịp thời cho đội chỉ huy. Khả năng tương tác giữa các thiết bị khác nhau được tăng cường. Ứng dụng IoT giúp tối ưu hóa nguồn lực. Nó cũng cải thiện hiệu quả của các hoạt động cứu hỏa. An toàn lính cứu hỏa được đặt lên hàng đầu. Đây là một bước tiến lớn trong công nghệ PCCC.
5.1. Tích hợp IoT cho giám sát toàn diện
IoT cho phép tích hợp nhiều thiết bị và hệ thống. Thiết bị đeo thông minh, cảm biến môi trường, trạm gốc truyền dữ liệu. Tất cả hoạt động như một mạng lưới liền mạch. Giám sát toàn diện cung cấp cái nhìn 360 độ. Nó bao gồm vị trí, tình trạng sức khỏe và các mối nguy hiểm xung quanh. Công nghệ theo dõi lính cứu hỏa là một phần của mạng lưới IoT này. Điều này giúp tối ưu hóa khả năng phản ứng. Nó cũng cải thiện việc quản lý sự cố. Hệ thống trở nên mạnh mẽ hơn.
5.2. Cảnh báo sớm hỗ trợ ra quyết định
Hệ thống cảnh báo sớm là tính năng cốt lõi. Khi phát hiện lính cứu hỏa bị thương hoặc gặp nguy hiểm, nó gửi thông báo ngay lập tức. Thông tin này được hiển thị rõ ràng trên giao diện người dùng. Đội chỉ huy có thể đánh giá tình hình nhanh chóng. Điều này hỗ trợ việc ra quyết định kịp thời và chính xác. Các cảnh báo có thể được tùy chỉnh. Nó bao gồm mức độ ưu tiên và loại sự cố. Khả năng phản ứng nhanh giúp cứu người. Nó ngăn chặn các tình huống xấu hơn.
5.3. Phát triển bền vững an toàn lính cứu hỏa
Công nghệ này góp phần vào sự phát triển bền vững của an toàn PCCC. Nó giảm thiểu rủi ro cho lính cứu hỏa. Đồng thời, nó tăng cường hiệu quả hoạt động. Dữ liệu thu thập được có thể dùng để cải thiện quy trình. Nó cũng hỗ trợ việc huấn luyện. Việc liên tục nâng cấp hệ thống dựa trên phản hồi thực tế. Điều này đảm bảo công nghệ luôn đi đầu. Cam kết bảo vệ lính cứu hỏa là mục tiêu cuối cùng. Hệ thống là công cụ thiết yếu cho lực lượng này.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (153 trang)Nội dung chính
Tổng quan về luận án
Môi trường chữa cháy và cứu nạn cứu hộ trong các công trình kiến trúc phức hợp tiềm ẩn những hiểm họa đặc biệt nghiêm trọng đối với tính mạng của chiến sĩ chữa cháy. Thống kê từ Hiệp hội Phòng cháy Chữa cháy Quốc gia Hoa Kỳ (NFPA) chỉ ra rằng trong năm 2015 đã có 68.085 chiến sĩ bị thương và 64 người hy sinh khi đang làm nhiệm vụ, trong đó thương tích xảy ra trực tiếp tại hiện trường đám cháy (fire ground) chiếm tỷ lệ cao nhất với 29.130 trường hợp, tương đương khoảng 43% tổng số vụ tai nạn. Tại Việt Nam, số lượng vụ cháy ghi nhận hàng năm ở mức rất cao, đơn cử năm 2014 xảy ra 2.357 vụ và năm 2015 là 2.792 vụ. Thực trạng khốc liệt này đặt ra yêu cầu cấp thiết về việc phát triển các hệ thống hỗ trợ giám sát, cảnh báo thương tích và định vị chiến sĩ theo thời gian thực nhằm tối ưu hóa công tác chỉ huy và rút ngắn thời gian cứu hộ.
Khoảng trống nghiên cứu (research gap) trọng tâm nằm ở sự bất cập của các công nghệ hiện hữu khi áp dụng vào bối cảnh hỏa hoạn thực tế. Thiết bị cảnh báo an toàn cá nhân PASS (Personal Alert Safety System) do Bộ An ninh Nội địa Hoa Kỳ phát triển chỉ phát âm thanh cảnh báo 95 dB khi chiến sĩ bất động. Tuy nhiên, tại các vụ hỏa hoạn lớn như vụ cháy kho lạnh Worcester (bang Massachusetts khiến 6 chiến sĩ hy sinh) hay trung tâm Charleston Sofa Super Store (bang South Carolina khiến 9 chiến sĩ thiệt mạng), âm thanh còi hú bị triệt tiêu hoàn toàn bởi tiếng gầm của ngọn lửa, tiếng sụp đổ cấu kiện và tiếng vận hành của động cơ máy bơm. Ngược lại, các hệ thống định vị dựa trên cơ sở hạ tầng lắp đặt sẵn (pre-installed infrastructures) như Wi-Fi Access Points, Ultra-Wideband (UWB) hay Bluetooth Low Energy (BLE) gần như bị vô hiệu hóa hoặc phá hủy bởi nhiệt độ cao và ngọn lửa. Trong khi đó, các phương pháp thị giác máy tính (Kinect, camera quang học) mất hoàn toàn khả năng quan sát trong môi trường khói đặc dày đặc (zero-visibility).
Để giải quyết triệt để các rào cản trên, luận án xác lập hệ thống câu hỏi nghiên cứu và giả thuyết khoa học chặt chẽ:
- Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để phát hiện chính xác các trạng thái ngã và mất khả năng hoạt động thể chất (loss of physical performance) của chiến sĩ trong các tư thế vận động đặc thù (bò, trườn, di chuyển hẹp) mà không gây báo động giả từ các hoạt động thường nhật (ADLs)?
- Câu hỏi nghiên cứu 2 (RQ2): Bằng cơ chế nào có thể triệt tiêu sai số trôi dạt tích lũy (drift and cumulative errors) của cảm biến quán tính giá thành thấp (low-cost IMU) để ước lượng số bước, chiều dài bước và góc chuyển hướng với độ chính xác cao mà không cần cơ sở hạ tầng ngoại vi?
- Câu hỏi nghiên cứu 3 (RQ3): Làm thế nào để tích hợp tối ưu dữ liệu khí độc Carbon Monoxide (CO) và áp suất khí quyển nhằm tối ưu hóa thời gian sử dụng bình khí thở độc lập (SCBA) và xác định độ cao tầng nhà?
- Giả thuyết khoa học 1 ($H_1$): Việc kết hợp ngưỡng động gia tốc RMS với biến thiên áp suất khí quyển và góc tư thế ($\theta$, pitch, roll) sẽ phân biệt tuyệt đối giữa tai nạn sụp đổ/ngã với việc di chuyển bằng thang máy.
- Giả thuyết khoa học 2 ($H_2$): Thuật toán đếm bước dựa trên 4 đặc trưng thích nghi (khoảng cách đỉnh cực tiểu, độ nổi bật đỉnh cực tiểu, ngưỡng động phân đoạn và loại bỏ rung lắc) kết hợp mô hình chiều dài bước tự thích nghi theo chiều cao ($K$-factor) sẽ giảm thiểu sai số tích lũy của quỹ đạo PDR xuống dưới 3%.
Khung lý thuyết của công trình được xây dựng trên nền tảng Lý thuyết Định vị Người đi bộ theo Quán tính (Pedestrian Dead Reckoning - PDR), Lý thuyết Hợp nhất Dữ liệu Đa cảm biến (Multi-Sensor Data Fusion - MSDF) và Hình thái học Toán học (Mathematical Morphology) trong xử lý bản đồ không gian. Phạm vi nghiên cứu bao gồm việc thiết kế phần cứng di động đeo trên người thu thập dữ liệu với tần số lấy mẫu 50 Hz, truyền thông không dây nRF24L01 về trạm chỉ huy, thử nghiệm trên tập dữ liệu thực nghiệm gồm các tình huống di chuyển phức tạp (16 đến 500 bước chân) và kiểm chứng chéo trên các tập dữ liệu công cộng quốc tế uy tín.
Literature Review và Positioning
Bản đồ nghiên cứu thế giới về phát hiện thương tích và định vị trong nhà ghi nhận sự phân nhánh rõ nét qua các thời kỳ phát triển công nghệ:
[Tiếp cận Cũ: Camera/Kinect] ---> [Hạn chế: Mù khói, che khuất, vi phạm riêng tư]
[Tiếp cận Hạ tầng: UWB/Wi-Fi] ---> [Hạn chế: Bị nhiệt phá hủy, chi phí cao, kém cơ động]
[Tiếp cận Cảm biến Rời rạc] ---> [Hạn chế: Sai số trôi dạt lớn, báo động giả cao]
|
V
[HỆ THỐNG ĐỀ XUẤT CỦA LUẬN ÁN]
* Hợp nhất Đa cảm biến: IMU 9-DOF + Barometer BMP180 + MQ7 CO Sensor
* Triệt tiêu sai số bằng Bộ lọc Kalman đơn giản + Hiệu chuẩn Magcal
* Thuật toán Cây quyết định thời gian thực (Real-time Decision Tree)
* Đối sánh Bản đồ Hình thái học (Erosion/Dilation/Flood Fill)
Dòng nghiên cứu phát hiện ngã qua xử lý ảnh và camera đo chiều sâu (Diraco et al., Rougier et al., Mastorakis & Makris) cho thấy hiệu quả cao trong điều kiện phòng thí nghiệm nhưng thất bại hoàn toàn trong môi trường hỏa hoạn do khói đen, lửa chớp và tầm nhìn bị triệt tiêu. Các nghiên cứu ứng dụng cảm biến đeo trên điện thoại thông minh (smartphone-based) hoặc đồng hồ thông minh (smartwatch/wristband) của Albert et al. và Abbate et al. bộc lộ hạn chế lớn: chuyển động đánh tay tự nhiên liên tục gây ra tỷ lệ dương tính giả (false positive) cực cao, đồng thời độ nhạy của các dòng vi cơ điện tử tích hợp không đồng đều.
Trong hướng nghiên cứu hợp nhất cảm biến, công trình tiêu biểu của Paola Pierleoni et al. (2015) đã kết hợp IMU gắn thắt lưng với cảm biến áp suất khí quyển để nhận diện 4 pha ngã: va chạm (Impact), hậu quả (Aftermath), tư thế (Posture) và biến thiên độ cao (Altitude variation). Tuy nhiên, mô hình của Pierleoni et al. bộc lộ nhược điểm chí mạng: độ chính xác suy giảm nghiêm trọng khi đối tượng thực hiện các thao tác vận động bò trườn dưới sàn gầm thấp hoặc khi có sự thay đổi đột ngột của áp suất khí quyển do đối lưu nhiệt trong đám cháy. Dự án Proetex (Curone et al., Paradiso et al.) đã tích hợp đa cảm biến sinh lý và khí độc trên áo bảo hộ chữa cháy truyền dữ liệu qua Wi-Fi, nhưng thuật toán phát hiện ngã còn quá đơn giản, dẫn đến việc bỏ sót các tai nạn xảy ra khi chiến sĩ đang trong trạng thái bò hoặc cúi người di chuyển.
Về định vị trong nhà (Indoor Positioning), các mô hình cổ điển như Weinberg (2002) ước lượng chiều dài bước dựa trên biên độ dao động thẳng đứng của hông ($Step_Length = k \cdot \sqrt[4]{a_{max} - a_{min}}$), hay mô hình của Gu-Min Jeong dựa trên tần số bước chân, đều giả định người đi bộ ở tư thế thẳng đứng bình thường. Khi chiến sĩ di chuyển biến tốc, trườn bò hoặc bước ngắt quãng, sai số tích lũy từ các mô hình này tăng theo hàm mũ.
Luận án của nghiên cứu sinh Phạm Văn Thanh định vị vững chắc trong khoảng trống học thuật bằng cách đề xuất một kiến trúc hợp nhất cảm biến độc lập hạ tầng ngoại vi (infrastructure-free), kết hợp cảm biến 9 bậc tự do (3-DOF gia tốc kế, 3-DOF con quay hồi chuyển, 3-DOF từ kế), cảm biến áp suất BMP180 và cảm biến khí MQ7. Điểm đột phá là việc xây dựng cây quyết định tính toán nhẹ (low-computational complexity) xử lý trực tiếp trên vi điều khiển theo thời gian thực, khắc phục triệt để điểm yếu trôi dạt cảm biến và phân biệt chính xác các hoạt động chữa cháy chuyên biệt so với hai nghiên cứu quốc tế của Pierleoni et al. và Weinberg.
Đóng góp lý thuyết và khung phân tích
Đóng góp cho lý thuyết
Luận án mở rộng Lý thuyết Động học Chuyển động Người đi bộ (Kinematic Pedestrian Dead Reckoning Theory) và Lý thuyết Hợp nhất Thông tin Cảm biến (Sensor Data Fusion Paradigm) qua các luận điểm khoa học có căn cứ thực nghiệm:
- Mở rộng mô hình động học chuyển động phức hợp: Luận án chứng minh rằng trong môi trường cứu hỏa, gia tốc trọng trường phân rã trên hệ trục tọa độ cục bộ không tuân theo các quy luật bước đi tuần hoàn chuẩn (harmonic walking patterns). Bằng việc bổ sung tham số góc nghiêng $\theta$ (góc giữa trục $A_y$ và vector trọng trường) cùng vector vận tốc thẳng đứng $v$, luận án mở rộng ranh giới lý thuyết nhận diện trạng thái tĩnh/động trong điều kiện vận động phi tuyến tính (bò, trườn, khom lưng).
- Thiết lập mô hình suy giảm tín hiệu từ trường định hướng: Thay vì dựa vào cả 3 trục từ trường vốn dễ bị nhiễu do góc nghiêng cơ thể, luận án đưa ra mệnh đề lý thuyết: khi thiết bị đặt trong túi quần, trục $A_y$ và $M_y$ duy trì tính song song tương đối với trọng trường Trái Đất; do đó sự biến thiên định hướng chuyển động ngang được phản ánh tối ưu nhất thông qua tương quan chéo giữa hai trục $M_x$ và $M_z$.
- Mô hình hóa động học phơi nhiễm độc chất kết hợp định vị: Tích hợp lý thuyết tích lũy Carboxyhemoglobin (COHb) vào hệ thống PDR, biến hệ thống định vị thông thường thành mô hình Cyber-Physical cảnh báo đa ngưỡng bảo vệ tính mạng sinh học.
+--------------------------------------------------------------------------------+
| HỆ THỐNG HỢP NHẤT ĐA CẢM BIẾN |
+--------------------------------------------------------------------------------+
|
+------------------------------+------------------------------+
| |
V V
+-------------------------------+ +-------------------------------+
| MODULE PHÁT HIỆN THƯƠNG TÍCH | | MODULE ĐỊNH VỊ VÀ THEO DÕI |
+-------------------------------+ +-------------------------------+
| * Ngưỡng LFT, UFT, t_FE | | * Lọc thông thấp & 4 Đặc trưng|
| * Góc nghiêng Theta, Roll, Pitch | * Chiều dài bước tự thích nghi|
| * Tích phân Vận tốc dọc (v) | | * Hướng rẽ qua Mx, Mz |
| * Áp suất khí quyển BMP180 | | * Tầng cao qua Áp suất BMP180 |
| * Nồng độ khí CO (MQ7) | | * Đối sánh Bản đồ Không gian |
+-------------------------------+ +-------------------------------+
| |
+------------------------------+------------------------------+
|
V
+--------------------------------------------------------------------------------+
| TRẠM CHỈ HUY TRUYỀN THÔNG THỜI GIAN THỰC |
+--------------------------------------------------------------------------------+
Khung phân tích độc đáo
Khung phân tích của luận án tích hợp liên ngành giữa Kỹ thuật Xử lý Tín hiệu Số, Khoa học Cảm biến và Xử lý Ảnh Hình thái học, bao gồm 3 tầng liên kết:
-
Tầng xử lý tín hiệu và loại bỏ sai số cảm biến (Signal Conditioning Layer):
- Triệt tiêu sai số hệ thống của gia tốc kế thông qua hiệu chuẩn hệ số tỷ lệ $K$ và độ lệch Offset: $$A_i = a_i - Offset_i \quad (i \in {x, y, z})$$
- Gia tốc tổng hợp Root Mean Square (RMS) chuẩn hóa theo $g = 9.81\text{ m/s}^2$: $$Acc = \frac{\sqrt{A_x^2 + A_y^2 + A_z^2}}{9.81}$$
- Khử sai số ngẫu nhiên bằng Bộ lọc Kalman đơn giản (Simple Kalman Filter) với độ phức tạp tính toán tối thiểu: $$\hat{X}k = \hat{X}{k-1}; \quad P_k = P_{k-1} + Q$$ $$K_k = \frac{P_k}{P_k + R}; \quad \hat{X}_k = \hat{X}_k + K_k(Z_k - \hat{X}_k); \quad P_k = (1 - K_k)P_k$$
- Hiệu chuẩn sai số từ trường bằng giải thuật khớp elip (ellipsoid fitting) qua hàm
magcaltrong MATLAB 2019b.
-
Tầng nhận diện sự kiện và ước lượng động học (Event & Kinematics Layer):
- Thuật toán cây quyết định đa tham số xác định pha ngã: rơi tự do ($Acc < LFT$), va chạm ($Acc > UFT$) trong khoảng thời gian $t_{FE} > t_{threshold}$.
- Nhận diện mất khả năng vận động (Loss of Physical Performance) bằng tích phân gia tốc và biến thiên độ cao: $$H_k = 44330 \times \left(1 - \left(\frac{P_k}{P_0}\right)^{0.190295}\right)$$
- Thuật toán đếm bước 4 đặc trưng: Khoảng cách đỉnh tối thiểu ($d$), Độ nổi bật đỉnh tối thiểu (Prominence), Ngưỡng động trung bình phân đoạn ($Aver_p$) và Ngưỡng loại bỏ rung lắc ($Th_p$).
-
Tầng ràng buộc không gian và đối sánh bản đồ (Map Matching Layer):
- Đơn giản hóa sơ đồ mặt bằng bằng phép co (Erosion: $A \ominus B$) và phép giãn (Dilation: $A \oplus B$) hình thái học với phần tử cấu trúc $7 \times 7$ (giữ tường chịu lực) và $4 \times 4$ (giữ cầu thang, cửa sổ).
- Tự động xác định quy mô tỷ lệ bản đồ thực nghiệm qua thuật toán loang vùng (Flood Fill Algorithm).
Phương pháp nghiên cứu tiên tiến
Thiết kế nghiên cứu
Nghiên cứu được thiết kế theo trường phái Thực chứng luận (Positivism), kết hợp chặt chẽ giữa mô hình hóa toán học, mô phỏng thuật toán trên MATLAB và thử nghiệm thực địa trên phần cứng nhúng thời gian thực. Hệ thống gồm hai phân hệ độc lập: thiết bị phát di động (Transmitter) nhỏ gọn đặt trong túi quần chiến sĩ chữa cháy và trạm thu chỉ huy (Receiver Base Station) kết nối máy tính hiển thị giao diện tác chiến.
+-----------------------------------------------------------------------------------+
| THIẾT BỊ PHÁT DI ĐỘNG (GẮN TRÊN NGƯỜI) |
| [IMU 9-DOF] + [BMP180] + [MQ7] ---> [MCU Xử lý Thuật toán] ---> [nRF24L01 (2.4GHz)]|
+-----------------------------------------------------------------------------------+
|
(Sóng vô tuyến RF)
V
+-----------------------------------------------------------------------------------+
| TRẠM CHỈ HUY NGOẠI VI (BASE STATION) |
| [nRF24L01 Thu] ---> [Máy tính/Laptop Giao diện Tác chiến & Đối sánh Bản đồ] |
+-----------------------------------------------------------------------------------+
Tần số lấy mẫu toàn hệ thống được thiết lập chính xác tại $50\text{ Hz}$ ($T = 20\text{ ms}$). Đây là tần số tối ưu hóa dựa trên phổ mật độ công suất (PSD) của các hoạt động thể chất cường độ cao, vừa đảm bảo ghi nhận trọn vẹn các đỉnh va chạm xung kích ngắn hạn, vừa bảo toàn năng lượng pin cho vi điều khiển hoạt động bền bỉ.
Quy trình nghiên cứu rigorous
Quy trình thu thập và xử lý dữ liệu tuân thủ các giao thức kiểm soát nghiêm ngặt:
- Giao thức hiệu chuẩn cảm biến: Mọi cảm biến IMU trước khi đo đạc đều trải qua quy trình hiệu chuẩn đa vị trí 6 hướng tĩnh (six-position static test) để xác định tham số offset và hệ số tỷ lệ $K$. Cảm biến từ trường được xoay $360^\circ$ trong không gian 3 chiều để bù trừ hoàn toàn hiện tượng sắt cứng (hard-iron) và sắt mềm (soft-iron).
- Giao thức an toàn khí độc và độ cao: Cảm biến MQ7 được nung nhiệt định kỳ theo chu kỳ điện áp chuẩn của nhà sản xuất, hiệu chuẩn nồng độ từ 20 ppm đến 2000 ppm tương ứng với các ngưỡng nguy hiểm của OSHA và NFPA. Cảm biến áp suất BMP180 được lọc bù nhiệt và làm mượt bằng bộ lọc bổ sung (complementary filter) kết hợp Kalman.
- Tính hợp lệ và độ tin cậy: Độ tin cậy của thuật toán được đối sánh đa giác quan (triangulation): kiểm chứng giữa số bước đếm thực tế của người quan sát, dữ liệu video ghi hình đồng bộ và tọa độ phản hồi từ thuật toán.
Data và phân tích
Nghiên cứu sử dụng nguồn dữ liệu kép gồm dữ liệu thực nghiệm thu thập từ các tình nguyện viên tại Trường Đại học Phòng cháy Chữa cháy (UFPF) và các tập dữ liệu công cộng quốc tế chuẩn hóa:
| Đặc tính mẫu / Tham số | Tập dữ liệu thực nghiệm của Luận án | Tập dữ liệu công cộng quốc tế (SisFall / UR Fall) |
|---|---|---|
| Đối tượng tham gia | Tình nguyện viên thể lực tốt, chiến sĩ PCCC | Đa dạng lứa tuổi (người trẻ và người cao tuổi) |
| Các kịch bản thực hiện | Đi bộ nhanh, chậm, ngắt quãng, bò trườn ngã, thang máy, cầu thang | Rơi tự do, ngã khi đi bộ, ngã khi ngồi xuống ghế, ADLs |
| Tổng số bước đếm kiểm tra | 16 đến 500 bước / kịch bản (Tổng cộng > 2.000 bước) | Các chuỗi vận động ghi nhận liên tục theo thời gian |
| Nồng độ CO thử nghiệm | 20 ppm – 1.000 ppm trong buồng khói thực | Không tích hợp cảm biến khí độc |
| Biến số độ cao kiểm tra | Di chuyển thang máy từ Tầng 1 đến Tầng 7 | Thay đổi độ cao rơi đơn thuần |
Các chỉ số thống kê đánh giá hiệu năng thuật toán được tính toán tường minh: $$\text{Độ chính xác (Accuracy)} = \frac{TP + TN}{TP + TN + FP + FN} \times 100%$$ $$\text{Độ nhạy (Sensitivity)} = \frac{TP}{TP + FN} \times 100%$$ $$\text{Độ đặc hiệu (Specificity)} = \frac{TN}{TN + FP} \times 100%$$
Phát hiện đột phá và implications
Những phát hiện then chốt
- Phân định tuyệt đối giữa ngã và di chuyển thang máy bằng hợp nhất Áp suất - Gia tốc: Trong kịch bản thang máy di chuyển nhanh xuống dưới, gia tốc RMS giảm đột ngột tương tự pha rơi tự do của một cú ngã ($Acc < LFT$). Tuy nhiên, thuật toán của luận án ghi nhận biến thiên độ cao liên tục $\Delta H > 0$ đi kèm vận tốc dọc ổn định, triệt tiêu hoàn toàn 100% báo động giả mà các hệ thống cảm biến đơn lẻ của Pierleoni et al. thường mắc phải.
- Khắc phục hiện tượng đếm thừa và đếm thiếu bước chân nhờ Bộ 4 đặc trưng: Ở trạng thái bước đi chậm và ngắt quãng (Slow and Intermittent walking), các thuật toán dò đỉnh truyền thống mắc lỗi đếm thừa (over-counting) do các rung động phụ của cơ thể. Ngược lại, thuật toán dựa trên tính tương đồng chu kỳ (similarity) lại mắc lỗi đếm thiếu (under-counting). Thuật toán đề xuất giải quyết trọn vẹn cả hai nghịch lý này, duy trì sai số đếm bước dưới 1.2% trên 500 bước tự do.
- Mô hình chiều dài bước tự thích nghi theo chiều cao ($K$-factor): So sánh trực tiếp với mô hình kinh điển của Weinberg (2002) và Gu-Min Jeong, giải thuật thích nghi của luận án thích ứng tức thời với sự chuyển đổi trạng thái từ đi bộ ($Walking$) sang chạy ($Running$), giảm sai số ước lượng độ dài bước từ 8.4% xuống còn 2.1%.
- Nhận diện chuyển hướng chính xác qua biến thiên trục $M_x, M_z$ từ trường: Khi thiết bị đặt cố định trong túi quần, trục $M_y$ ổn định, sự dịch pha và hoán đổi cực trị giữa $M_x$ và $M_z$ cho phép nhận diện chính xác 100% các khúc rẽ $90^\circ$ và quay đầu $180^\circ$ trong hành lang hẹp mà không bị ảnh hưởng bởi hiện tượng khóa trục (gimbal lock).
- Cảnh báo nồng độ CO tối ưu hóa thời gian sử dụng bình khí SCBA: Dung tích bình khí thở nén SCBA tiêu chuẩn chỉ đáp ứng từ 30, 45 đến tối đa 60 phút làm việc cường độ cao. Thuật toán phát hiện nồng độ CO tự động phân loại mức an toàn ($< 35\text{ ppm}$) và nguy hiểm ($> 200\text{ ppm}$), giúp chỉ huy hiện trường ra lệnh đóng/mở van khí thở đúng thời điểm, kéo dài thời gian tác chiến hữu ích của chiến sĩ thêm 25–40%.
Implications đa chiều
- Đóng góp lý thuyết: Cung cấp mô hình toán học giải quyết hiện tượng bất định tín hiệu (signal uncertainty) trong hệ thống quán tính không có mốc tham chiếu ngoài (dead-reckoning without anchor nodes).
- Đổi mới phương pháp luận: Khẳng định tính ưu việt của phương pháp Cây quyết định kết hợp Tiền xử lý số hóa so với các mạng nơ-ron học sâu (Deep Learning) cồng kềnh, mở ra hướng phát triển giải thuật biên (Edge-AI) trên các hệ thống vi điều khiển cực thấp công suất.
- Ứng dụng thực tiễn: Tạo ra nguyên mẫu thiết bị bảo hộ thông minh sẵn sàng chuyển giao cho Cục Cảnh sát Phòng cháy Chữa cháy và Cứu nạn Cứu hộ, nâng cao tính tự động hóa trong quản lý tác chiến.
- Chính sách và tiêu chuẩn an toàn: Cung cấp cơ sở khoa học để sửa đổi, bổ sung các quy chuẩn kỹ thuật quốc gia về trang thiết bị an toàn cá nhân cho lực lượng chữa cháy tại Việt Nam.
Limitations và Future Research
Luận án thẳng thắn thừa nhận các giới hạn kỹ thuật mang tính thực tế:
- Giới hạn truyền thông vô tuyến: Module nRF24L01 hoạt động ở băng tần 2.4 GHz có độ suy hao tín hiệu cao khi truyền qua các kết cấu tường bê tông cốt thép dày, kim loại che chắn hoặc công trình ngầm sâu.
- Nhiễu từ trường cục bộ (Ferromagnetic disturbances): Môi trường công nghiệp có nhiều kết cấu thép lớn hoặc dây dẫn điện dòng cao có thể làm biến dạng trường từ Trái Đất cục bộ, ảnh hưởng tạm thời đến độ chính xác nhận diện góc rẽ.
- Giới hạn giám sát sinh học tích hợp: Hệ thống hiện chưa tích hợp các kênh đo nhịp tim liên tục (ECG), nhiệt độ lõi cơ thể (core body temperature) và nồng độ oxy trong máu ($SpO_2$) do hạn chế kích thước phần cứng đeo.
- Điều kiện thử nghiệm môi trường: Các thử nghiệm thực địa mới chỉ dừng lại ở các bài diễn tập mô phỏng khói và đám cháy có kiểm soát, chưa thể đo đạc trong điều kiện nhiệt độ bùng cháy cực hạn (flashover $> 600^\circ\text{C}$).
Chương trình nghiên cứu tiếp theo xác định 5 hướng phát triển trọng tâm:
- Nâng cấp giao thức truyền thông không dây sang kiến trúc mạng mắt cáo Sub-GHz (LoRa Mesh hoặc Zigbee 915 MHz) có khả năng xuyên tường vượt trội và tự chuyển tiếp gói tin qua các nút chiến sĩ.
- Tích hợp công nghệ đo thị giác quán tính nhiệt (Thermal Visual-Inertial Odometry) để dung hợp dữ liệu khi di chuyển qua các khu vực có biến dạng từ trường nặng.
- Bổ sung các cảm biến sinh trắc học không xâm lấn giám sát chỉ số căng thẳng nhiệt (heat stress) và cảnh báo sốc nhiệt sớm.
- Mở rộng thuật toán đối sánh bản đồ 3D thời gian thực tự động tái tạo cấu trúc không gian khi công trình bị sụp đổ một phần.
- Nghiên cứu đóng gói phần cứng đạt chuẩn chống cháy nổ công nghiệp quốc tế (ATEX / IECEx Zone 0).
Tác động và ảnh hưởng
- Tác động học thuật: Các công trình công bố trích xuất từ luận án trên các tạp chí quốc tế ISI/Scopus uy tín (như Sensors MDPI, Arabian Journal for Science and Engineering, IEEE Conferences, IFMBE Proceedings) đã khẳng định năng lực nghiên cứu độc lập và mở rộng diễn đàn học thuật về an toàn lao động đặc biệt.
- Chuyển đổi công nghiệp an toàn: Kết quả nghiên cứu mở đường cho các doanh nghiệp sản xuất thiết bị bảo hộ lao động trong nước tự chủ công nghệ sản xuất thiết bị định vị chiến thuật mà không phụ thuộc vào các giải pháp nhập khẩu đắt đỏ từ phương Tây.
- Hiệu quả xã hội định lượng: Giảm thiểu thời gian tìm kiếm chiến sĩ bị nạn từ mức trung bình 15–30 phút xuống dưới 2 phút, gia tăng cơ hội sống sót của chiến sĩ bị ngất do ngạt khói lên hơn 80%, bảo toàn nguồn nhân lực cứu hỏa tinh nhuệ của quốc gia.
Đối tượng hưởng lợi
- Nghiên cứu sinh và Giới học thuật: Tiếp cận khung phương pháp luận kết hợp giữa xử lý tín hiệu số, lọc Kalman và hình thái học bản đồ trong việc xử lý tín hiệu phi tuần hoàn.
- Kỹ sư R&D Hệ thống Nhúng và IoT: Ứng dụng trực tiếp mã nguồn thuật toán cây quyết định tính toán nhẹ, tối ưu hóa bộ nhớ RAM/ROM trên các vi điều khiển cấp thấp.
- Chỉ huy Tác chiến Hiện trường (Incident Commanders): Nắm bắt trực quan sơ đồ vị trí, tầng cao và trạng thái sinh tồn của từng tổ trinh sát trên màn hình điều khiển trung tâm.
- Cơ quan Quản lý Nhà nước về PCCC: Sở hữu luận cứ khoa học thực chứng để xây dựng các gói thầu trang bị công nghệ cao phục vụ công tác an ninh trật tự xã hội.
Câu hỏi chuyên sâu
1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Định vị Người đi bộ theo Quán tính (PDR) trong điều kiện chuyển động phi quy ước (non-conventional kinematic conditions). Luận án đã phá vỡ giả định kinh điển về tính tuần hoàn thẳng đứng của bước chân người bằng cách xây dựng mô hình liên kết động học giữa vector gia tốc RMS, góc tư thế không gian ($\theta$, pitch, roll) và biến thiên áp suất khí quyển $H_k$. Mô hình này cho phép nhận diện chính xác các hành vi trườn, bò, ngã gục mà các hệ thống PDR truyền thống hoàn toàn bất lực.
2. Đổi mới phương pháp luận của luận án khi so sánh với hai nghiên cứu quốc tế tiêu biểu?
So với nghiên cứu của Paola Pierleoni et al. (2015), luận án đã khắc phục triệt để lỗi dương tính giả khi đối tượng đi thang máy hoặc bò sát sàn bằng cách bổ sung bộ lọc phân loại chuyển động kết hợp vận tốc dọc $v$. So với mô hình độ dài bước của Weinberg (2002), luận án đã thay thế hệ số tỷ lệ tĩnh bằng hàm thích nghi $K$-factor phụ thuộc chiều cao và vận tốc tức thời, giúp giảm sai số ước lượng quãng đường từ $8.4%$ xuống còn $2.1%$ trên các địa hình di chuyển hỗn hợp.
3. Phát hiện bất ngờ nhất trong quá trình phân tích thực nghiệm là gì?
Phát hiện bất ngờ nhất là hiện tượng "nhiễu giả bước chân" (false walking artifact) khi chiến sĩ chữa cháy đứng yên tại chỗ thao tác lăng phun nước hoặc cử động tay mạnh. Tín hiệu gia tốc ở thắt lưng có biên độ tương đương bước đi thật nhưng hoàn toàn thiếu tính tương đồng chu kỳ (periodicity and similarity). Việc áp dụng thuật toán 4 đặc trưng của luận án đã lọc bỏ $100%$ các bước đếm giả này mà không làm suy giảm độ nhạy của hệ thống khi chiến sĩ bước đi thật sự.
4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) không?
Có. Toàn bộ thông số phần cứng (tần số lấy mẫu 50 Hz, dải đo gia tốc $\pm 16g$, dải đo từ trường, ngưỡng áp suất BMP180, nồng độ MQ7), phương trình toán học trích xuất đặc trưng, ma trận lọc Kalman ($A=1, P=1, Q=0, R$), phần tử cấu trúc hình thái học ($7 \times 7$ và $4 \times 4$) cùng mã giả thuật toán (như thuật toán Flood Fill, Dilation/Erosion) đều được công bố chi tiết, cho phép các phòng thí nghiệm khác tái lập kết quả độc lập.
5. Lộ trình nghiên cứu 10 năm tiếp theo được vạch ra như thế nào?
Lộ trình 10 năm hướng tới việc xây dựng Hệ sinh thái Tác chiến Toàn diện (Total Tactical Ecosystem) gồm 3 giai đoạn:
- Giai đoạn 1 (1-3 năm): Tích hợp truyền thông LoRa Mesh Sub-GHz chống suy hao xuyên tường và đóng gói phần cứng chuẩn kháng lửa ATEX.
- Giai đoạn 2 (4-6 năm): Tích hợp cảm biến quang học nhiệt hồng ngoại và cảm biến sinh trắc học theo dõi nồng độ Carboxyhemoglobin trực tiếp trong máu theo thời gian thực.
- Giai đoạn 3 (7-10 năm): Ứng dụng trí tuệ nhân tạo biên tự động vẽ lại bản đồ không gian 3D biến dạng do sụp đổ công trình thông qua thuật toán tự định vị và lập bản đồ đồng thời (SLAM) phân tán đa tác tử.
Kết luận
- Phát triển thành công hệ thống phần cứng - phần mềm tích hợp đa cảm biến (IMU 9-DOF, Barometer BMP180, MQ7 Gas Sensor) hoạt động độc lập hoàn toàn với cơ sở hạ tầng ngoại vi, đáp ứng yêu cầu khắc nghiệt của hiện trường cháy.
- Đề xuất thuật toán phát hiện ngã và mất khả năng vận động đột phá với cây quyết định đa ngưỡng, đạt độ chính xác gần như tuyệt đối, loại bỏ hoàn toàn các báo động giả từ hoạt động đi thang máy và sinh hoạt thường nhật.
- Sáng tạo giải thuật đếm bước 4 đặc trưng và ước lượng chiều dài bước tự thích nghi ($K$-factor), duy trì sai số định vị tích lũy dưới $3%$ trên các lộ trình di chuyển phức hợp tự do.
- Xây dựng phương pháp định hướng chuyển động dựa trên tương quan từ trường $M_x, M_z$ kết hợp kỹ thuật xử lý bản đồ hình thái học (Erosion, Dilation, Flood Fill), tự động nắn chỉnh quỹ đạo chuyển động khớp với sơ đồ kiến trúc thực tế.
- Thiết lập cơ chế giám sát nồng độ khí CO thời gian thực, tạo tiền đề khoa học cho việc quản trị tối ưu nguồn khí nén sinh tồn SCBA trong tác chiến chữa cháy.
- Mở ra các hướng nghiên cứu liên ngành chuyên sâu về định vị chiến thuật trong môi trường khắc nghiệt, đóng góp thiết thực vào sự nghiệp bảo vệ an ninh quốc gia và an toàn tính mạng con người.
Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộVIETNAM NATIONAL UNIVERSITY HA NOI UNIVERSITY OF ENGINEERING AND TECHNOLOGY PHAM VAN THANH DEVELOPMENT OF REAL-TIME SYSTEMS TO DETECT AND TRACK ON-DUTY INJURED FIREFIGHTERS USING ADVANCED SIGNAL PROCESSING TECHNIQUES DOCTORAL THESIS IN ELECCTRONICS AND TELECOMMUNICATIONS ENGINEERING Ha Noi - 2022 VIETNAM NATIONAL UNIVERSITY HA NOI PHAM VAN THANH DEVELOPMENT OF REAL-TIME SYSTEMS TO DETECT AND TRACK ON-DUTY INJURED FIREFIGHTERS USING ADVANCED SIGNAL PROCESSING TECHNIQUES Major: Electronic Engineering Code: 9 52 02 03.01 DOCTORAL THESIS IN ELECCTRONICS AND TELECOMMUNICATIONS ENGINEERING Supervised by: Assoc. Tran Duc Tan Ha Noi - 2022 DECLARATION “T hereby declare that the work contained in this thesis is of my own, and it has been written by myself under the supervison of Professor Tran Duc Tan at Faculty of Electrical and Electronic Engineering, Phenikaa University, Hanoi, Vietnam during the period from September 2017 to August 2021. The thesis has not been previously submitted for a degree or diploma at this or any other higher education institution. I have duly acknowledged all the sources of information which have been used in the thesis.
The thesis content has been partly published in my list of publications as below: 1. Pham Van Thanh, Tuan Khai Nguyen, Duc Anh Nguyen, Nhu Dinh Dang, Huu Tue Huynh, Duc-Tan Tran*, “Adaptive Step Length Estimation Support Indoor Positioning System using Low-Cost Inertial Measurement Units’”’, 2020 IEEE Eighth International Conference on Communications and Electronics, pp. Pham Van Thanh, Le Quang Bon, Nguyen Duc Anh, Dang Nhu Dinh, Huynh Huu Tue, Tran Duc Tan, “Mulfi-Sensor Data Fusion in A Real-Time Support System for On-Duty Firefighters", Sensors 2019 (ISSN: 1424-8220 — SCIE). Van Thanh Pham, Duc Anh Nguyen, Nhu Dinh Dang, Hong Hai Pham, Van An Tran, Kumbesan Sandrasegaran and Duc-Tan Tran, “Highly Accurate Step Counting at Various Walking Speeds Using Low-Cost Inertial Measurement Unit Support Indoor Positioning System ”, Sensors.
Pham Van Thanh, Duc-Tan Tran, Dinh-Chinh Nguyen, Nguyen Duc Anh, Dang Nhu Dinh, S. El-Rabaie and Kumbesan Sandrasegaran, “Development of a Real-time, Simple and High-Accurate Fall Detection System for Elderly Using 3- DOF Accelerometers”, Arabian Journal for Science and Engineering. Pham Van Thanh, Anh-Dao Nguyen Thi, Quynh Tran Thi Thuy, Dung Chu Thi Phuong, Viet Ho Mau and Duc-Tan Tran, “A Novel Step Counter Supporting For Indoor Positioning Based On Inertial Measurement Unit”, 7th international conference on Integrated Circuit, Design, and Verification ICDV), IEEE, pp. Nguyen Van Duong, Pham Van Thanh, Tran Van An, Nguyen Tuan Khai, Duong Thi Thuy Hang, Hoang The Hop and Tran Duc Tan, “Elevator Motion States Recognition Using Barometer Support Indoor Positioning System”, The 7th International Conference in Vietnam on the Development of Biomedical Engineering, IFMBE Proceedings, Springer, pp.
The Hop Hoang, Van Thanh Pham, Thuy Quynh Tran Thi, Huu An Nguyen, Tuan Khai Nguyen and Tan Tran-Duc, “Xdy đựng hệ thong xác định độ cao bên trong nhà và công trình sử dụng đa cảm biến áp suất”, Hội nghị Quốc gia lần thứ XXI về Điện tử, Truyền thông và Công nghệ Thông tin (The 21st National Conference on Electronics, Communications and Information Technology), 2018, pp. Ha Noi, I6" January, 2022 Author ACKNOWLEDGEMENT I would like to express my sincere thanks to my advisor Assoc. Tran Duc Tan, Faculty of Electrical and Electronic Engineering, Phenikaa University for the guidance and support throughout the completion of my thesis. My thanks go to all lecturers and people in Faculaty of Electronics and Telecommunications, Universisty of Engineering and Technology, Viet Nam National University Hanoi for their teaching and useful help.
I give my special thanks to leaders, colleagues and Mr. Tran Van An at University of Fire Prevention and Fighting for their help, guidance and financial support in the entire thesis completion process. I am grateful to all people in MEMS lab as well as my students in Universisty of Engineering and Technology, Vietnam National University Hanoi and University of Fire Prevention and Fighting for their contribution. I would also like to greatly thank the Vingroup Innovation Foundation (VINIF) - Vingroup Big Data Institute (VinBigdata) for their grant support and encouragement, which help me overcome financial problems and difficulties.
Last but the most important, I would like to thank my parents, my brother, my sister-in-law because their comfort and support are the power for me going to success. “This work was supported by the Domestic Master/ PhD Scholarship Programme of Vingroup Innovation Foundation”. Ha Noi, 16" January, 2022 CONTENTS 0 0)60500 10117. 4 LIST OF ABBREVIATIONS.LnH* HS HH HH HH TH HH key 7 LIST OF FIGURES.-- Ánh HH HH nọ TT HH Hà HH nh nh n 12 INTRODUCCTTON.
The purpose Of th€S1S. -- - c1 TH TH HH ng 19 3. Objectives and Scope of the 'TH€S1S. Scientific significance and Contributions of the Thesis.
G0 HT HH Ti hệt 23 CHAPTER 1. OVERVIEW OF THE RESEARCH. HH HT HH HH HH HH, 25 1. Related Studies on Injured DetectIOIi.
Related Studies on Indoor Positioning. The challenges in study on injury detection and indoor positioning. SYSTEM DESCRIPTION, SENSOR ERRORS ELIMINATION AND MAP PROCESSING. -- G1 TH Họ Họ ng 31 2.
Sensors Errors ElimInatiO.-- ---- s + xxx vn ng ng iệt 33 2. The 3-DOF AccelerOImef€T. The Magnetic S€nSOF. S123 SH HH ng net 35 2.
Map PTOC€SSITE.- -- G1 HH HH ni 38 2. HH HH HH HT HH HH HH nh gà 43 "“ hoam a. DEVELOPMENT OF A METHOD TO DETECT INJURED FIREEIGHITTERS. Fall Detection Method.
so HH ng Hết 46 3. Fall Detection Module. Post-fall Recognition Module. The Posture Recognition EstimatiOn.
_ The Vertical Velocity EstimatiOn. Injury Detection for On-Duty Firefighters. | The Proposed Fall Detection Algorithm for FEirefighter. The Proposed Loss of Physical Performance Detection Algorithm for 2i 0.
The CO Detection Algorithm. Result and IDDISCUSSIOH. HH HH nh ệt 61 3. The Experimental ResuÏ(§.
Fall Detection ResuÏtS. Loss of Physical Performance Detection. The High CO Level Alerting Algorithm. The Comparison on the Experimental Data.
The Comparison on Public Datasets .- --- 5+ 5<<<<<<se+sss 71 Kha. DEVELOPMENT OF A METHOD TO TRACK ON- DUTY INJURED FIREFIGHTERS. The Step Counting Method.-- ---c s11 1v vn vn kg kg rưy 80 4. Step Length ESfImafIOT.
_ The Proposed Method. Results and DISCuSSIOH. Turning Time and Direction ESfImafIOT. Turning Time Estimation.
Turning Direction Estimation. Vertical Position Estimation. G1 HH HH tp 124 CHAPTER 5. INDOOR FIREFIGHTER POSITIONING AND TRACKING USING MULTI-SENSOR DATA FUSION AND MAP MATCHING ALGOIRITHM.
Combining Data Fusion and Map Matching to Detect Indoor Position. The Scenarios T€S(Ing.-- Sn St HH ri, 126 5. 135 CONCLUSIONS AND FUTURE WOIRK. 65G cĂS se ĂSsSSesee 136 LIST OF PUBLICA TIONNS.0 0600080080906 138 THE RELATED PUBLICATIONS .0009 000800600906 141 LIST OF ABBREVIATIONS 3-DOF | Three Degrees Of Freedom | _ADLs| Activities ‘of Daily Living mm „CO _ “Carbon Monoxide 7777777777777.
_CO; - 'Carbon Dioxide 77mm _COHb|BloodCarboxyhemoglobin | -—FFT _ ‘FastFourier Transform mm GP |Global Positioning System CCé;SCsS ~ 1OS _ | iPhoneOperating System (Apple) = sti‘; ;CSCSTM*” cóPC Vinter-Integrated Circuit 777mm "IC. |IncidentCommander CC a IMU [Inerial Measurement Unit 00) ~ MEMS |Micro-Electro-Mechanical systems | ~ NFPA|National Fire Protection Association ị SỈOADs _ “On-Duty Activities T777. sócPAA _ “Piecewise Aggregate Approximation 77m SỐPASS _ ‘Personal Alert Safety System 7777777777777. _ ppm = |PartsPerMillions = 77C | aRMS _ “Root Mean Square nnn "0 receiver operating characteristic curve curve ị a SAX |S ymbolic Aggregate approximation 7777 _ SCBA|Self-Contained Breathing Apparatuses CS cócSpO; |SaturationofPeripheralOxygn | soSVM_ “Support Vector Machine ns wUFPE | University of Fire Prevention and Fighting =—=—Ss=~<CS SỐ|| AAAaAaaAaä vs U.
Occupational Safety and Health Administration Code of Federal | Regulations | _ Acc | Accuracy as —_FN - “False Negative 00s FP |FalsePositive = HHaaaaaäa _ Sen _ ‘Sensitivity T777. "TN - “HN Negative CỐ —_ TP ITRWPSHW LIST OF SYMBOLS AND THEIR MEANINGS SYMBOLS MEANINGS mm. Ô The Acceleration Of Gravity On The Surface Of The | Earth At Sea Level | |_——---------- nnn nnn nn ed The Accelerations Measure In Positive (a*) And| Negative (a~) Of Ax, Ay And Az Axes |_——-—-—--—- nnn nnn ed The Accelerations Measure In Positive (a*) And | Negative (a~) Of Ax, Ay And Az Axes After Multiple | With K Factor. ÔÔÔ The Root Mean Square (Rms) Of Acceleration Along | Ax, Ay, And Az Axes At Time t |~~~~~~~~~~~~~~~~~=~~~~~=~~~~~~~~~~=~~~~~~~~=~=~~~~~~~~=~=~=~~~~~==~=~=~===~====~=~=~=z========~=~=====================~===~e.ÌÔ Threshold Until It Exceeds The UFT Threshold.
LFT Lower Fall Threshold ị -~' UFT |UpprFalThehold | 6|The Angle Between Ay AndGravity tS v |Vertical Velocity | — | The Threshold To DistinguishBetween“The Rest And ehreshold The Active States | UnS. "The Upper Threshoid ~——=S*~<“<~*~*~<“<~S~S~S UeThe Upper Threshold to check the post-fall condition Ly The Lower Threshold to check the post fall condition ee The Theta Angle ~=~=~=~*SC*CS*~*~“C~<—S~S — YPRÍThe Yaw, Pitch,AndRoll Angles sts—S ~The UpperThreshold To Check“Loss” OF Physical: “mov Performance Condition | The Lower Threshold To“Check Loss OF Physical. “man Performance Condition | xaAattitudeC The Altitude Variations =S=SOS*~=C“—~*~=*~“—~*~*~‘—~s~s~*~S Ay 7 |[ThAtuteChngEe ~ Ef | The Minimal Number Of Samples tisị Mmxwwin_size — - ‘The WindowSie Ts The Average Time Period To Perform Each Step — Averp |The Average DynamicThresholding = - Th) | Fluctuated Value~=~SC*~C~<“<—s~<—S~S ' Den | The Difference Between Acc(j) And The Gravity ` Acceleration Tp The Time Range Between TwoNeighboringPeak "treakix, ANd tpeax, | The Time Of Peak(I+l)AndPeak() | 8 The Similarity Between Two Neighboring Peaks ””” Kg Kilogam i(ai‘“‘:OCOO!OOOO 10 E The Number Of The Estimated Steps T The Number Of Reference Steps 11 LIST OF FIGURES Figure 0. US firefighter injuries by type of duty during 2015 [45].
The block diagram of the proposed sySfem. The recorded data with and without using the simple Kalman filter. The Magnetic fields along Ax, Ay and Az before and after using the simple Kalman filter. The signal from the magnetic sensor before and after calibration.
The altitude signal comparison between with and without using the simple €1 0ï: 1. The position of CO sensor on the masK.---- «+ +sss++s<++sss++sss+ 38 Figure 2. The binary image of a floor used in experimental testing. The map simplification aÏgOr1thim.
The Erosion and Dilation operations [17] .-«---««++<<++see++es++ 41 Figure 2. The result of applying Erosion and Dilation with structuring element size of (7 7) 0i00‹ 0i i0. The result of applying Erosion and Dilation with structuring element size of (4 x 4) for keeping windows and S{21TS.- - c1 vn rey 42 Figure 2. The Map simplification achieved after using Erosion and Dilation OPCTALIONS 2277777.
The floor size detected after applying the flood fill algorithm. The unclosed floor Structure. The floor size detected after applying the dilation operation and flood FUN ANGOLA. The proposed fall detection algorIthm.-- --- «+ ++-ss+++se++seexsssss 47 Figure 3.
An example of a fall event and the UFT, LFT and tFE thresholds. The time cycle of 6 walking Steps .-- - 5 vs set 49 Figure 3. The different states of the user along three axes Ax, Ay and Àz. The values of acceleration, Velocity and Theta angle of a volunteer when transiting between activities: standing — walking — sitting — walking — lyIng.
The injury detection algorithm for firefiglhf€TS. The proposed fall detection algOr1thim. -- «<< £+se+se+sessesses 56 Figure 3. Firefighters move through the narrow paths or SpaC€S.
The proposed loss of physical performance detection algorithm. The high CO level alerting algOr1thim. 5 5s ss>+xesseese 60 Figure 3. The volunteer is carrying the support device in his trouser pocket in the crawling state viewed from a side (a) and from above (Đ).
(a) The RMS of acceleration of a fall forward from standing, first impact on knees; (b) the theta angle; (c) the pitch and roll angÌes. The loss of physical performance because of the accident (crawling then falling); (a) the RMS of accelerometer data; (b) the barometric data. The loss of physical performance because of moving up in an elevator; (a) the RMS of accelerometer data; (b) the barometric datfa. a) Testing and measuring the CO level in the fire; b) the measured CO MU 4.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Pham Van Thanh (2022). Hệ thống phát hiện lính cứu hỏa bị thương thực tế [Luận án tiến sĩ, Trường Đại học Bách khoa Hà Nội - Đại học Quốc gia Hà Nội]. LuanAn.net. https://luanan.net/y-hoc/y-hoc-lam-sang/he-thong-phat-hien-linh-cuu-hoa-bi-thuong-thuc-te
Câu hỏi thường gặp
Luận án "Hệ thống phát hiện lính cứu hỏa bị thương thực tế" nghiên cứu về vấn đề gì?
Phát triển hệ thống thời gian thực phát hiện, định vị lính cứu hỏa gặp nạn khi làm nhiệm vụ, dùng kỹ thuật xử lý tín hiệu tiên tiến.
Luận án "Hệ thống phát hiện lính cứu hỏa bị thương thực tế" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Bách khoa Hà Nội - Đại học Quốc gia Hà Nội. Năm bảo vệ: 2022.
Luận án "Hệ thống phát hiện lính cứu hỏa bị thương thực tế" thuộc chuyên ngành gì?
Luận án "Hệ thống phát hiện lính cứu hỏa bị thương thực tế" thuộc chuyên ngành Kỹ thuật Điện tử và Viễn thông. Danh mục: Y Học Lâm Sàng.
Luận án "Hệ thống phát hiện lính cứu hỏa bị thương thực tế" có bao nhiêu trang?
Luận án "Hệ thống phát hiện lính cứu hỏa bị thương thực tế" có 153 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Hệ thống phát hiện lính cứu hỏa bị thương thực tế" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.