基于肌肉生理信號(hào)的操縱舒適性評(píng)價(jià)

扈 靜 錢佩倫 劉明周 張 淼 鄭 達(dá)

合肥工業(yè)大學(xué)機(jī)械工程學(xué)院，合肥，230009

0 引言

操縱舒適性是機(jī)電工程與人因工程交叉的前沿課題[1-2]。人機(jī)交互過程操縱舒適性是指操縱者在一定時(shí)間內(nèi)傳遞操縱指令給操縱對(duì)象并改變其運(yùn)行狀態(tài)的過程中，系統(tǒng)反映出的適應(yīng)操縱者生理與心理特征的程度進(jìn)而使操縱者能夠安全、健康、高效工作的能力[3-6]。在日常駕駛操縱過程中，與上肢操縱相比，長(zhǎng)時(shí)間的下肢操縱更容易造成不舒適感知[7]。尤其是在等待紅綠燈和跟車緩慢行駛時(shí)，左腳踩踏在離合器踏板怠速位置，這一系列重復(fù)、單調(diào)、且持續(xù)時(shí)間較長(zhǎng)的動(dòng)作將帶來直接的負(fù)面影響，駕駛員腿部感到疲勞酸痛，長(zhǎng)期作業(yè)易導(dǎo)致腿部肌肉不適。

但是目前對(duì)操縱舒適性的研究大多是單純從操作對(duì)象的機(jī)構(gòu)原理，直接針對(duì)操縱機(jī)構(gòu)的動(dòng)力學(xué)特征制定標(biāo)準(zhǔn)參數(shù)用以對(duì)比評(píng)價(jià)操縱舒適性，即在人機(jī)交互中多從“機(jī)”的角度思考，而忽略了“人”這一重要因素[8-9]。少數(shù)從操縱者角度對(duì)舒適性進(jìn)行測(cè)評(píng)的，則以主觀評(píng)價(jià)方法制定舒適性評(píng)級(jí)標(biāo)準(zhǔn)[10-11]，一定程度上缺乏客觀性。

操縱者在人機(jī)交互過程中的肢體肌肉活動(dòng)(如肌肉的發(fā)力與受力)是影響操縱舒適性和疲勞感的直接原因，而肌電信號(hào)可以在一定的程度上反映肌肉收縮功能的變化，在人機(jī)工程學(xué)研究領(lǐng)域有良好的應(yīng)用價(jià)值，可以較為客觀地表征操縱過程中操縱者肌肉的疲勞和舒適性[12-13]。本文采用肌肉生理信號(hào)表征肢體肌肉受力，用生理信號(hào)這一客觀特征參數(shù)，主客觀結(jié)合，定量描述舒適性這一主觀評(píng)價(jià)。以普通型轎車中應(yīng)用較為廣泛的離合踏板操縱為例，充分考慮“人”的因素，采集人體生理信號(hào)特征參數(shù)，對(duì)人機(jī)交互操縱過程中腿部的主要肌肉的肌電信號(hào)進(jìn)行測(cè)量，運(yùn)用正則化徑向神經(jīng)網(wǎng)絡(luò)，對(duì)離合踏板操縱舒適性進(jìn)行客觀評(píng)價(jià)。

1 選取肌肉生理信號(hào)特征參數(shù)

操縱舒適性的影響因素多與人體發(fā)力和受力有關(guān)，相應(yīng)的，所構(gòu)建的操縱舒適性評(píng)價(jià)模型也與人體局部受力特征相聯(lián)系。不同肌肉在操作過程中所受的肌肉力不同，人體所消耗的能量不同，感受到的疲勞程度和舒適性也不盡相同。人機(jī)交互操縱過程中，同步采集操縱過程中的主要受力肌肉表面肌電信號(hào)(surface electromyography, sEMG)。對(duì)sEMG的處理一般分為時(shí)域分析(如肌電積分值、均方根值RMS)和頻域分析(如平均功率頻率、中值頻率)，本文采用時(shí)域分析中的均方根值對(duì)sEMG進(jìn)行處理，均方根值的計(jì)算公式為

(1)

式中，R為肌電信號(hào)均方根值；s為表面肌電信號(hào)。

定義計(jì)算的每個(gè)記錄時(shí)間T=0.2 s，通過積分計(jì)算，可以根據(jù)一段時(shí)間的肌肉生理信號(hào)值表征肌肉舒適性和疲勞程度[14]。本文選取人機(jī)交互操縱全過程主要操縱肌肉的生理信號(hào)均方根值的最大值作為評(píng)價(jià)指標(biāo)。

2 操縱舒適性主觀評(píng)價(jià)

人機(jī)交互操縱舒適性的主觀評(píng)價(jià)是操縱者在人機(jī)交互操縱過程中，依據(jù)操縱感知強(qiáng)度對(duì)操縱舒適性進(jìn)行評(píng)價(jià)。操縱感知強(qiáng)度I包括，操縱者全身整體操縱感知強(qiáng)度I1和交互過程中與機(jī)器接觸的局部肢體感知強(qiáng)度I2。

針對(duì)操縱舒適性的主觀測(cè)評(píng)，本文采用傳統(tǒng)的心理學(xué)量表——李克特量表，建立7點(diǎn)量表[15]，如圖1所示，線段右端代表了較高的舒適性水平，自左向右，操縱者的舒適性感受逐級(jí)遞增。被試者根據(jù)自己的主觀感受，對(duì)人機(jī)交互操縱舒適性按照量表語意進(jìn)行評(píng)價(jià)，并在量表相應(yīng)位置上打分。

圖1 操縱舒適性主觀評(píng)價(jià)量表Fig.1 Subjective evaluation scale of handling comfort

在人機(jī)交互操縱過程中，對(duì)操縱舒適性進(jìn)行評(píng)價(jià)，構(gòu)建操縱感知強(qiáng)度模型I，根據(jù)上述量表，相應(yīng)地得到整體操縱感知強(qiáng)度I1、局部肢體感知強(qiáng)度I2兩項(xiàng)評(píng)分結(jié)果。對(duì)I1、I2評(píng)分賦權(quán)：

I=ρ1I1+ρ2I2

(2)

其中,ρ1、ρ2為權(quán)重系數(shù)，ρ1+ρ2=1，權(quán)重系數(shù)通過大量實(shí)驗(yàn)數(shù)據(jù)歸一化得到。

3 駕駛者操縱舒適性映射模型

首先，基于人工神經(jīng)網(wǎng)絡(luò)，依據(jù)操縱者肌肉生理信號(hào)，用客觀參數(shù)構(gòu)建駕駛舒適性評(píng)價(jià)模型。然后，利用大量的樣本集對(duì)模型進(jìn)行不斷的訓(xùn)練、驗(yàn)證及優(yōu)化，使該模型趨近最優(yōu)。在此基礎(chǔ)上，依據(jù)該模型的映射關(guān)系，從大量的樣本集中統(tǒng)計(jì)出某一類動(dòng)作的操縱舒適性等級(jí)對(duì)應(yīng)的人體生理信號(hào)特征參數(shù)。

在不同的人機(jī)交互操縱過程中，利用正則化RBF網(wǎng)絡(luò)構(gòu)建操縱者肌肉生理信號(hào)特征參數(shù)與操縱舒適性綜合評(píng)價(jià)結(jié)果的映射模型，如圖2所示。然后，依據(jù)人體生理信號(hào)特征參數(shù)對(duì)駕駛舒適性進(jìn)行較為定量客觀的評(píng)價(jià)。

圖2 正則化RBF網(wǎng)絡(luò)Fig.2 Regularization RBF network

圖2中，X=(x1，x2，…，xN)為輸入向量；隱節(jié)點(diǎn)j的激活函數(shù)(基函數(shù))φj(X)(j=1，2，…，P)為Gauss函數(shù)；W為輸入權(quán)值矩陣；wjk(k=1,2,…，l)為隱層第j個(gè)節(jié)點(diǎn)與輸出層第k個(gè)節(jié)點(diǎn)間的突觸權(quán)值；Y=(y1，y2，…，yl)為網(wǎng)絡(luò)輸出；輸出層神經(jīng)元采用線性激活函數(shù)。

輸入訓(xùn)練集中的樣本Xp=(r1(t)，r1(t)，…，rm(t))，rm(t)為操縱者人機(jī)交互過程中，第m塊肌肉表面肌電信號(hào)的均方根；對(duì)應(yīng)的期望輸出dp=Ip，Ip為人機(jī)交互操縱訓(xùn)練時(shí)，操縱者舒適性主觀評(píng)分，Ip=1，2，…，7。為確定網(wǎng)絡(luò)隱層到輸出層之間的p個(gè)權(quán)值，需要將訓(xùn)練集中的樣本逐一輸入，從而得到關(guān)于未知系數(shù)wp(p=1，2，…，P)的線性方程組：

(3)

令φip=φ(Xi-Xp)，其中i，p=1，2，…，P，則式(3)可以改寫為

(4)

令Φ為P×P階矩陣，W、d分別為系數(shù)向量和期望輸出向量，則式(4)可以寫成矩陣形式：

ΦW=d

(5)

若Φ為可逆矩陣，即可求解系數(shù)向量W：

W=Φ-1d

(6)

通過人機(jī)交互實(shí)驗(yàn)，對(duì)交互過程中操縱者肌肉生理信號(hào)特征參數(shù)進(jìn)行樣本數(shù)據(jù)采集。根據(jù)操縱舒適性主觀評(píng)價(jià)模型，主觀評(píng)價(jià)各個(gè)樣本集對(duì)應(yīng)的舒適度等級(jí)。將樣本數(shù)據(jù)分為訓(xùn)練集和測(cè)試集兩個(gè)部分，訓(xùn)練集樣本數(shù)據(jù)用于訓(xùn)練求解模型的系數(shù)向量W，將W代入測(cè)試集求解期望輸出dp，通過驗(yàn)證模型精度，使模型達(dá)到最優(yōu)。

4 實(shí)例分析

實(shí)驗(yàn)車輛為42款不同品牌不同型號(hào)的轎車，表面肌電信號(hào)數(shù)據(jù)通過全無線GPS表面肌電測(cè)試儀Trigno Mobile采集。該實(shí)驗(yàn)有10人參與，參與者全為男性，年齡在22～40歲之間，平均年齡為32.7歲，駕齡均在2年以上，且均沒有影響操縱功能的疾病，也沒有任何疼痛或心理因素等可能影響操縱舒適性的情況。在聽到開始的口令后，勻速將踏板踩到極限位置，停頓后勻速返回初始位置并停頓，重復(fù)以上動(dòng)作3次。

踏板操縱動(dòng)作主要涉及到腿部肌肉，然而腿部肌肉眾多，且不同肌肉在踏板操縱過程中的活動(dòng)性相差較大?，F(xiàn)有研究結(jié)果表明，在踏板操縱過程中，主要涉及到的腿部肌肉為大腿的股直肌(RF)、股內(nèi)側(cè)肌(VM)、股外側(cè)肌(VL)，小腿的半腱半膜肌(SM)、腓腸肌內(nèi)側(cè)(GM)和腓腸肌外側(cè)(GL)。因此，本文將主要肌肉研究對(duì)象集中于這6塊腿部肌肉。

通過正則化RBF網(wǎng)絡(luò)對(duì)實(shí)驗(yàn)測(cè)得的操縱者肌肉生理信號(hào)特征參數(shù)和主觀舒適度評(píng)分構(gòu)成的樣本進(jìn)行學(xué)習(xí)和訓(xùn)練。由于篇幅所限，省略具體評(píng)價(jià)過程，表1、表2所示為實(shí)驗(yàn)獲得的不同的汽車踏板操縱過程中基于肌肉生理肌電信號(hào)的綜合舒適度評(píng)價(jià)值。以表1作為操縱舒適性建模訓(xùn)練數(shù)據(jù)，以表2作為離合踏板操縱舒適性實(shí)驗(yàn)數(shù)據(jù)。

以肌肉生理信號(hào)參數(shù)特征值為模糊神經(jīng)網(wǎng)絡(luò)的輸入變量；以人機(jī)交互過程中，汽車踏板主觀操縱舒適性評(píng)價(jià)值作為輸出變量。訓(xùn)練樣本過程中，設(shè)定最大訓(xùn)練誤差為0.001，網(wǎng)絡(luò)學(xué)習(xí)率為0.4，訓(xùn)練次數(shù)為30。為了檢驗(yàn)正則化徑向神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的系統(tǒng)性能的好壞，通過MATLAB編程得到系統(tǒng)評(píng)價(jià)與主觀評(píng)價(jià)的比較結(jié)果與模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差，如圖3、圖4所示。模糊神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果見表3。

建模精度為

(10)

式中，Ip為測(cè)試數(shù)據(jù)中第p個(gè)人機(jī)交互過程汽車踏板操縱舒適性實(shí)測(cè)值；dp為測(cè)試數(shù)據(jù)中第p個(gè)由所建模型獲得的人機(jī)交互過程汽車踏板操縱舒適性預(yù)測(cè)值。

本文將各數(shù)據(jù)預(yù)測(cè)精度的平均值作為模型建模精度。由于正則化RBF網(wǎng)絡(luò)模型的精度取決于建模訓(xùn)練的數(shù)據(jù)，因此訓(xùn)練數(shù)據(jù)的正確性和覆蓋的范圍對(duì)模型精度產(chǎn)生直接的影響。

表1 舒適性評(píng)價(jià)建模的訓(xùn)練數(shù)據(jù)

表2 舒適性評(píng)價(jià)測(cè)試的實(shí)驗(yàn)數(shù)據(jù)

5 結(jié)語

從操縱者人機(jī)交互過程中肌肉生理信號(hào)角度出發(fā)，運(yùn)用主觀評(píng)價(jià)和正則化RBF網(wǎng)絡(luò)建立了操縱舒適性評(píng)價(jià)方法，將主觀評(píng)價(jià)和正則化RBF網(wǎng)絡(luò)有機(jī)地結(jié)合起來，應(yīng)用到典型人機(jī)交互過程汽車踏板操縱舒適性評(píng)價(jià)中。通過正則化RBF網(wǎng)絡(luò)對(duì)提取的肌肉生理信號(hào)特征參數(shù)和相應(yīng)的主觀評(píng)價(jià)參數(shù)構(gòu)成的樣本量進(jìn)行學(xué)習(xí)和訓(xùn)練，建立了人機(jī)交互過程汽車踏板操縱舒適性評(píng)價(jià)系統(tǒng)，克服了主觀評(píng)價(jià)的隨意性?；谡齽t化RBF網(wǎng)絡(luò)建立了肌肉生理信號(hào)特征參數(shù)與操縱舒適性主觀評(píng)價(jià)之間的映射模型，經(jīng)測(cè)試，該模型能夠較為準(zhǔn)確地測(cè)評(píng)人機(jī)交互過程踏板操縱舒適性。

圖3 舒適性評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)樣本訓(xùn)練誤差Fig.3 Error figure of training samples using comfort evaluation neural network

圖4 操縱舒適性評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)輸出結(jié)果Fig.4 Output graph using comfort evaluation neural network

序號(hào)實(shí)際值預(yù)測(cè)值絕對(duì)誤差相對(duì)誤差15．385．230．070．01326．396．650．350．05235．455．690．290．05146．676．380．220．03456．025．850．150．02666．566．880．380．05576．045．910．190．03286．486．450．050．00796．096．420．320．050106．326．060．240．039116．125．930．270．046126．296．460．160．025

[1] 劉明周，扈靜，李也倜，等.實(shí)體產(chǎn)品操縱舒適性定量測(cè)評(píng)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41(12)：205-209.

LIU Mingzhou，HU Jing，LI Yeti，et al. Quantitative Measurement and Evaluation of Entity Product Handling Comfort[J]. Transactions of the Chinese Society for Agricultural Machinery，2010，41(12)：205-209.

[2] KUMAR A，BHASKAR G，SINGH J K.Assessment of Controls Layout of Indian Tractors[J].Applied Ergonomics，2009，40(1)：91-102.

[3] 劉明周，張淼，扈靜，等.基于操縱力感知場(chǎng)的人機(jī)系統(tǒng)操縱舒適性度量方法研究[J].機(jī)械工程學(xué)報(bào)，2016，52(12)：192-198.

LIU Mingzhou，ZHANG Miao，HU Jing，et al.Research on the Method of Measuring the Handling Comfort of the Man-machine System Based on the Perception Field of Operating Forces[J]. Journal of Mechanical Engineering，2016，52(28): 192-198.

[4] COOK P A.Stable Control of Vehicle Convoys for Safety and Comfort[J].IEEE Transactions on Automatic Control，2007，52(3)：526-531.

[5] FINNERAN A，O’SULLIVAN L.Force，Posture and Repetition Induced Discomfort as a Mediator in Self-paced Cycle Time[J].International Journal of Industrial Ergonomics，2010，40(3)：257-266.

[6] BLANCHARD R A，MYERS A M.Examination of Driving Comfort and Self-regulatory Practices in Older Adults Using In-vehicle Devices to Assess Natural Driving Patterns[J].Accident， Analysis and Prevention，2010，42(4)：1213-9.

[7] WANG X，BRETON-GADEGBEKU B L，BOUZON L. Biomechanical Evaluation of the Comfort of Automobile Clutch Pedal Operation[J]. International Journal of Industrial Ergonomics，2004，34(3)：209-221.

[8] 宗長(zhǎng)富，麥莉，王德平，等.基于駕駛模擬器的駕駛員所偏好的轉(zhuǎn)向盤力矩特性研究[J].中國(guó)機(jī)械工程，2007，18(8)：1001-1005.

ZONG Changfu，MAI Li，WANG Deping，et al.Study on Steering Effort Preference of Drivers Based on Driving Simulator[J].China Mechanical Engineering，2007，18(8)：1001-1005.

[9] 劉明周，張淼，扈靜，等.汽車換擋桿操縱力反饋舒適度測(cè)評(píng)方法[J].中國(guó)機(jī)械工程，2016，27(15)：2100-2106.

LIU Mingzhou，ZHANG Miao，HU Jing，et al.Evaluation Method of Handling Force Feedback Comfort of Vehicle Gear Lever [J].China Mechanical Engineering，2016，27(15)：2100-2106.

[10] 劉明周，阿地蘭木·斯塔洪，扈靜，等.基于模糊神經(jīng)網(wǎng)絡(luò)的汽車變速桿操縱舒適性評(píng)價(jià)[J].中國(guó)機(jī)械工程，2016，27(17)：2402-2407.

LIU Mingzhou，ADILANMU Sitahong，HU Jing，et al. Evaluation Method for Handling Comfort of Vehicle Gear Shift Lever Based on Fuzzy Neural Network[J].China Mechanical Engineering，2016，27(17)：2402-2407.

[11] 張昕，施國(guó)標(biāo)，林逸.電動(dòng)助力轉(zhuǎn)向的轉(zhuǎn)向感覺客觀綜合評(píng)價(jià)[J].機(jī)械工程學(xué)報(bào)，2009，45(6)：171-175.

ZHANG Xin，SHI Guobiao，LIN Yi.Objective Evaluation of Electric Power Steering Feel[J]. Journal of Mechanical Engineering，2009，45(6)：171-175.

[12] 張鄂，畢朝瑞，王冠華，等.動(dòng)態(tài)駕駛環(huán)境所致人體肌肉疲勞的生物信號(hào)實(shí)驗(yàn)研究[J].工程設(shè)計(jì)學(xué)報(bào)，2010，17(4)：246-252.

ZHANG E, BI Chaorui, WANG Guanhua et al. Experimental Research on Biological Signal of Muscle Fatigue under Dynamic Driving Environment[J]. Journal of Engineering Design，2010，17(4)：246-252.

[13] GRUJICIC M，PANDURANGAN B，XIE X，et al. Musculoskeletal Computational Analysis of the Influence of Car-seat Design/Adjustments on Long-distance Driving Fatigue[J]. International Journal of Industrial Ergonomics，2010，40(3)：345-355.

[14] LIU Y H，RYOUHEI H，TAKAHIRO M，et al.Function of Shoulder Muscles of Driver in Vehicle Steering Maneuver[J].Science China Technological Sciences，2012，55(12)：3445-3454.

[15] KUIJT-EVERS L F M，VINK P，LOOZE M P D.Comfort Predictors for Different Kinds of Hand Tools: Differences and Similarities[J].International Journal of Industrial Ergonomics，2007，37(1) ：73-84.