在恶劣的工作条件下,金属粉尘、噪声、环境温度等环境参数直接影响生产工人的健康状况。当某些参数超过规定的安全值时可能会发生严重事故,如果对制造业工人的身体状况进行实时监测就可以提供更好、更及时的健康服务。因此,基于重要的生理参数（如心率、血压和体温）,环境状况和制造条件实施健康监测和危险评估是很重要的。最近,一些新兴技术如身体区域网络,云计算,智能服装,大数据,智能传感器等已广泛应用于健康监测和危险评估系统中,它们能准确评估危险环境下制造业工人的健康指标从而有效减少安全事故。模糊逻辑作为人工智能多传感器数据融合方法的其中一种,对信息的表达和处理更接近于人类的思维方式。本文选用两个不同健康状况的试验者在金属切割加工场景下基于模糊逻辑研究了两种数据融合方式（一种根据数据类别进行数据分类融合,另一种根据数据间的相关性进行数据交叉融合）得到的危险评估结果。首先收集不同试验者的生理数据和金属切割加工场景的环境数据和制造数据,再根据不同的数据融合方式建立对应的模糊规则库并对三大类数据来源（生理数据,环境数据和制造数据）进行数据融合,最后得到危险评估结果。首先搭建整个危险评估平台,其中包括数据收集,数据处理和和决策支持三个模块。数据收集来自各种不同的传感器和数据来源,包括人体穿戴式传感器,各种环境传感器和制造数据来源。为了建立案例研究所需要的数据集,除了从Physio Net数据库选取基本数据和心电信号数据,还利用环境传感器采集加工制造场景中的环境数据,呼吸信号则是根据傅里叶变换从心电信号中衍生出来的,剩下的数据都是根据参考文献在合理范围内模拟得到。然后将数据进行数据处理,其中对于从Physio Net数据库选取的心电信号和呼吸信号需要降噪滤波之后再进行特征提取得到心率数据和呼吸频率数据。最后根据参考文献得到的阈值将所有数据进行等级划分建立知识库,再根据参考文献中数据之间的相关性建立数据融合规则库,将前面得到的数据集输入规则库得到危险评估结果。对不同的数据融合方法和两种不同健康状况的试验者得到的结果分别进行结果对比分析。