本发明涉及人机共融，尤其涉及一种混合不确定性下人机共融风险控制方法及系统。
背景技术：
1、随着智能制造和工业自动化的发展，复杂环境下的人机共融需求不断增加。在传统的制造和生产过程中，机器人通常在结构化环境中执行预先设定的任务，而人类则负责复杂、灵活和非结构化的工作。然而，这种分工方式存在诸多局限性：机器人缺乏应对动态变化环境的能力，而人类则无法长时间执行重复性任务，从而影响生产效率和质量。
2、现有的人机共融系统多依赖于单一模态的数据输入，如图像或文本，无法充分利用多模态数据的互补优势，导致环境感知和决策反馈的准确性和实时性不足。此外，现有系统中的人机交互模式往往缺乏对混合不确定性的综合分析，导致对作业人员行为意图的理解不够精准，从而影响了人机共融的自然性和高效性。
技术实现思路
1、有鉴于此，有必要提供一种混合不确定性下人机共融风险控制方法，用以解决现有技术的上述缺陷。
2、为了解决上述问题，第一方面，本发明实施例提供一种混合不确定性下人机共融风险控制方法，包括：
3、采集人机协作的状态监测数据以及作业环境的环境数据；其中，所述状态监测数据包括作业人员的心理状态数据和生理状态数据，以及机器人状态监测数据；
4、基于预设的机器人认知机制，构建的人机混合决策动态反馈模型；
5、将所述状态监测数据与环境数据融合，基于融合后的数据，利用模糊综合评价法进行风险评估；根据风险评估结果，通过所述人机混合决策动态反馈模型对作业流程进行动态调整。
6、优选的，所述采集人机协作的状态监测数据，包括：
7、通过问卷调查或心理评估工具，采集作业人员的心理状态数据；
8、通过作业人员佩戴的可穿戴设备，实时采集作业人员的生理状态数据；其中，所述可穿戴设备包括智能手表和智能手环，所述生理状态数据包括心率、体温和皮电反应；
9、通过机器人搭载的传感器，采集机器人状态监测数据；其中，机器人搭载的传感器包括速度传感器和姿态传感器，所述机器人状态监测数据包括机器人的位置信息和速度信息。
10、优选的，所述预设的机器人认知机制，包括：
11、机器人接收到作业人员的行为刺激后，进行认知处理；认知处理流程包括：
12、利用姿态检测算法检测作业人员的空间特征，假设在时间t时刻检测到的关键点坐标为qt：
13、qt＝{(x1，y1，z1)，(x2，y2，z2)，...，(xn，yn，zn)}；
14、式中，(xi，yi，zi)表示第i个关键点的三维坐标，n为关键点的总数；
15、通过时空图卷积网络提取作业行为的时空特征，时间t的特征ht的表达式为：
16、
17、式中，a为图的邻接矩阵，d为度矩阵，wk为第k层的权重矩阵，σ为激活函数；
18、基于所述空间特征和时间特征，识别作业人员的行为意图；
19、it＝f(ht)；
20、式中，it为在时间t的行为意图，f为行为意图理解函数；
21、根据作业人员的行为意图，预测作业人员后续时刻的关键点坐标
22、
23、式中，为作业人员在t+1时刻的关键点坐标，g为关键点预测函数。
24、优选的，所述基于预设的机器人认知机制，构建的人机混合决策动态反馈模型，包括：
25、构建双“刺激-认知-反馈”闭环的人机混合决策动态反馈模型，所述人机混合决策动态反馈模型包括人机正向传递过程和机-人负向传递过程；其中：
26、a.人机正向传递过程：
27、刺激：作业人员根据任务需求，对机器人提供刺激。
28、认知：机器人接收作业人员的行为刺激后，通过内置的传感器、算法以及预设的机器人认知机制，进行认知处理；
29、反馈：机器人根据认知处理结果，调整机器人行为，并反馈给作业人员。
30、b.机-人负向传递过程：
31、刺激：机器人根据环境和任务需求，对作业人员提供协作行为刺激；其中，协作行为包括语音提示和视觉指引。
32、认知：机器人的协作行为通过混合增强现实技术，结合作业人员佩戴的可穿戴设备，转化为作业人员能够理解认知的协作行为。
33、反馈：作业人员接收到作为行为刺激后，进行认知处理，调整下一步行为，作业人员的行为被机器人感知形成闭环。
34、优选的，将所述状态监测数据与环境数据融合，基于融合后的数据，利用模糊综合评价法进行风险评估，包括：
35、将所述状态监测数据与环境数据融合，得到融合后的数据；
36、dt＝f(st，et)
37、式中，dt表示融合后的数据，st表示状态监测数据，et表示环境数据，f为数据融合函数；
38、对融合后的数据dt的进行分析，识别风险源；
39、利用模糊综合评价法对识别的风险源进行风险评估，确定风险的严重程度。
40、第二方面，本发明实施例提供一种混合不确定性下人机共融风险控制系统，包括：
41、数据采集模块，用于采集人机协作的状态监测数据以及作业环境的环境数据；其中，所述状态监测数据包括作业人员的心理状态数据和生理状态数据，以及机器人状态监测数据；
42、模型构建模块，用于基于预设的机器人认知机制，构建的人机混合决策动态反馈模型；
43、风险控制模块，用于将所述状态监测数据与环境数据融合，基于融合后的数据，利用模糊综合评价法进行风险评估；根据风险评估结果，通过所述人机混合决策动态反馈模型对作业流程进行动态调整。
44、第三方面，本发明还提供了一种电子设备，包括存储器和处理器，其中，
45、所述存储器，用于存储程序；
46、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如本发明第一方面实施例所述的混合不确定性下人机共融风险控制方法中的步骤。
47、第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现如本发明第一方面实施例所述的混合不确定性下人机共融风险控制方法中的步骤。
48、本发明提供的混合不确定性下人机共融风险控制方法及系统，将人机协作的状态监测数据与环境数据进行多模态融合，实现对混合不确定性的统一表征；构建双“刺激-认知-反馈”闭环的人机混合决策动态反馈模型，刻画人机混合决策中的动态反馈机制，实现对混合不确定性下人机混合决策影响因素及其作用过程的描述，提高了协作机器人在复杂环境中的感知能力和与作业人员的交互能力。基于融合后的数据，利用模糊综合评价法进行风险评估；根据风险评估结果，通过构建的人机混合决策动态反馈模型对作业流程进行动态调整，实现对人机共融风险的有效控制，增强人机协同作业的安全性。
1.一种混合不确定性下人机共融风险控制方法，其特征在于，包括：
2.根据权利要求1所述的混合不确定性下人机共融风险控制方法，其特征在于，所述采集人机协作的状态监测数据，包括：
3.根据权利要求2所述的混合不确定性下人机共融风险控制方法，其特征在于，所述预设的机器人认知机制，包括：
4.根据权利要求3所述的混合不确定性下人机共融风险控制方法，其特征在于，所述基于预设的机器人认知机制，构建的人机混合决策动态反馈模型，包括：
5.根据权利要求1所述的混合不确定性下人机共融风险控制方法，其特征在于，将所述状态监测数据与环境数据融合，基于融合后的数据，利用模糊综合评价法进行风险评估，包括：
6.一种混合不确定性下人机共融风险控制系统，其特征在于，包括：
7.一种电子设备，
8.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现上述权利要求1至5中任意一项所述的混合不确定性下人机共融风险控制方法中的步骤。
