随着电力设备安装环境复杂度增加,作业人员进行电力设备维护、巡视等过程中存在人生安全隐患,为了提高作业人员安全保障,电力预警装置研发技术越来越多,但是报警距离受电压等级影响,且不同环境下电场分布不同,导致预警装置易发生误报、漏报的现象,针对电压等级识别技术进行研究,但是,电力设备安装环境不同,造成靠近带电体运动工况不同,影响电压等级识别准确率,因此,电力设备安装环境区分是必要的,由于电场分布中存在电场畸变,本文建立基于运动工况识别对电力设备环境进行区分的思想。由于靠近带电体的运动工况类型繁多,目前,本文仅针对输电线路下的爬塔工况、变电站环境中的水平工况与爬坡工况进行辨识研究;运动姿态信息是运动工况的特征信息,目前,针对运动姿态信息提取技术主要有图像采集及惯性传感器提取,图像采集具有使用范围受限、携带不便等缺点,惯性传感器提取信息存在数据单一、易受干扰等缺点,基于以上问题,本文提出基于多传感器的电力作业人员运动工况辨识技术研究;主要工作内容如下:(1)针对温度、光照、气流等因素影响气压传感器测量相对高度发生漂移问题,本文提出多源信息协同融合算法;利用加速度值与相对高度值协同融合,提取有效相对高度值,有效消除漂移问题;(2)为了准确辨识运动工况,本文首先提取有效特征参数,利用数学分析方法提取加速度值的均值与方差,对有效相对高度值进行拟合获取拟合参数;其次,基于均值、方差、拟合参数建立基于交叉验证改进的BP神经网络与SVM支持向量机两种分类模型;最后,融合作业人员头部、腰部、脚部的分类结果确定最终识别工况类型;(3)为了解决数据采集过程中传感器携带不便、数据接收困难等问题,本文利用AltiumDesigner软件、SolidWorks软件设计了数据采集终端,实现传感器便携、数据采集方便;(4)在线验证模型可行性时,为了实现有效信息可视化,本文利用MATLAB软件设计GUI界面,模型在线验证过程中,通过GUI界面快速看出工况识别结果、测试次数等信息。