基于模式識別的高校課桌椅安全人機工程學評價與設計

作者/邢浩然、周亮，安徽理工大學能源與安全學院

基于模式識別的高校課桌椅安全人機工程學評價與設計

作者/邢浩然、周亮，安徽理工大學能源與安全學院

為了對高校課桌椅安全人機匹配功能進行評價，在確立了8個評價指標的基礎上，通過建立改進的BP神經網絡模型對大樣本數據進行機器學習和模式識別。將模型應用到實際高校課桌椅評價中，利用安全人機工程學原則對有關參數進行了改進設計并進行了評價驗證。結果表明，模型具有較高的識別效率和準確度，證明了實際應用的可行性。

安全人機工程；課桌椅；模式識別；BP神經網絡；改進設計

引言

課桌椅作為學生日常使用最頻繁的學習用具，其設計是否符合安全人機工程學原理，是否具有良好的人機協調性能對學生的學習效率與身體健康都有著重要影響。研究表明[1,2]，學生長時間學習的過程中，課桌椅與學生人機匹配不當，會導致坐姿不良，引起學生疲勞，久而久之導致其脊柱變形，視力下降，對身體造成嚴重損害。

有調查顯示[3]，有80%以上的大學生對學校課桌椅不滿意，認為其設計存在問題，人機匹配性差。對高校課桌椅是否符合人機工程要求進行評價，結合評價結果對課桌椅進行改進設計，從而提高人機匹配性成為教育與家具行業亟需解決的問題。

目前對于高校課桌椅舒適性評價[4]多是出于主觀調查方法進行判斷，這種方法成本高、耗費時間長、結果差異性大、客觀性差。為了增強評價的客觀性和適用性，提高評價效率，本文采用人工神經網絡方法對高校課桌椅進行評價。

1. 現狀調查

對于高校課桌椅的設計，我國已經出臺了相應的規范，有研究學者也給出了符合人機工程學的設計要求。高等院校的課桌椅分為固定式和非固定式兩種，本文選擇非固定式課桌椅作為研究對象。對于課桌椅評價指標，還未形成統一的標準，參考其他辦公座椅、汽車座椅的評價指標，有學者[5,6]采用體壓分布、溫度分布、測試者人體結構參數等作為評價指標，有的[4]根據國家有關標準和基于人機工程學所計算出的功能尺寸進行評析。考慮到高校課桌椅的使用量大，使用人群范圍廣等特點，評價方法與評價指標選取要在操作上要經濟可行，適用面廣。而國家、行業等產品標準的制定，往往經過了大量的調查、實驗和計算，其對于產品設計參數的規定可以滿足使用者的相關需求。根據課桌椅有關標準[7,8]與課桌椅人體工程設計的研究成果，本文選取了桌面高h1、桌下凈空高h2，桌面深和桌下凈空深t1、桌下凈空寬b2、座面高h4、靠背上緣距座面高h5、座面有效深t4、座面寬b3等8個設計參數作為評價指標，設計參數具體見圖[7]1～3。

圖1 課桌尺寸

圖2 整體翻蓋式課桌尺寸

圖3 課椅尺寸

對于所選的8個設計參數指標，每個參數具體取值范圍都是在對人體生理尺寸研究的基礎上給出的。考慮到全國高校師生規模龐大，實際設計過程中人體靜態尺寸與動態尺寸的選取需要考慮到適用度的問題，即設計產品在尺寸上能滿足多少人的使用要求，通常以適合使用的人數占使用者群體百分比表示。產品的設計目標與用途的不同，人體尺寸的百分位和適用度的選取也不同。同時考慮到在實際使用過程中，人的可能動作、著裝等所需要的設計裕度，即功能修正量（f?）和為了消除人的不舒適心理感受，或滿足其心理需求而附加必要心理空間尺寸，即心理修正量（p?）。設計時，產品最佳功能尺寸(oS)是在考慮這三者基礎上給出的，即：

式中Sα為第α百分位的人體尺寸。

標準中所給的尺寸是滿足人的最基本需求的尺寸，根據所選功能修正量和心理修正量的不同及設計和制造時存在的允許誤差，課桌椅設計參數具體取值存在著一定的冗余，但總體上位于一定的取值范圍內。對于每個評價指標，設計參數位于此范圍內的數據可以認為其具有良好的人機匹配性能，舒適性較好。為了對高校課桌椅人機協調性進行準確的評價，本文將各參數的取值范圍內的不同值作為輸入，構建BP神經網絡進行機器學習，結合具體調查實例，利用訓練好的BP神經網絡對其進行評價并進行改進設計。

2. 基于BP神經網絡評價模型的建立

2.1 BP神經網絡原理

BP（Back Propagation）網絡是目前應用最廣泛的神經網絡之一，其是一種按誤差反向傳播算法訓練的多層前饋網絡。按一定方式對樣本輸入與輸出進行學習，通過網絡實際輸出與樣本實際輸出誤差的反向傳播不斷調整網絡的權值或閾值，首先調整隱含層與輸出層之間的權值，繼續調整輸入層與隱含層之間的權值，使得整個神經網絡的誤差平方和最小，即

式中W是模型所有參數向量，f為神經網絡通過非線性逼近求解的隱函數。

典型的 BP 神經網絡模型結構為三層，包括輸入層（input layer）、隱含層（hidden layer）、輸出層（output layer），每一層又由若干獨立神經元構成。BP 網絡算法具有較強的非線性映射能力，研究表明[9]，三層 BP 神經網絡理論上能夠逼近任意的有理連續函數，其在模式識別問題中應用廣泛。

2.2 BP神經網絡的改進

BP神經網絡存在易陷入局部極小和存在收斂速度慢等問題，將附加動量法和自適應學習速率法[10]引入神經網絡對其進行改進以解決BP神經網絡的缺陷。

2.2.1 附加動量法

附加動量法是在誤差反向傳播基礎上，在每一個權值的變化上加上一項正比于權值的變化量，來確定新的權值，即：

式中k為訓練次數，cm為動量因子，η為學習速率，?f( w( k))為誤差函數梯度。

通過此方法可以防止最后一次權值變化量為0，可使神經網絡從局部極小值中跳出。

2.2.2 自適應學習速率法

自適應學習速率法是學習速率根據誤差的變化而自適應調整，增加收斂速度以提高網絡的穩定性。過程可表示為：

2.2 神經網絡結構的構建

對高校課桌椅評價的神經網絡模型由三層結構構成，前面所選的8個設計參數作為輸入層神經元，根據輸入層神經元的個數，確定隱含層神經元個數為15個，輸出為二輸出，即桌椅是否符合規范要求，構建BP神經網絡，如圖4。

圖4 神經網絡結構圖

2.3 訓練樣本的產生

對所選8個設計參數指標，符合規范的每個設計參數指標都有一定范圍的取值區間。在各個參數的取值區間內，利用隨機函數對每個參數各生成300組符合數據要求的數據和300組不符合設計規范要求的數據，符合標準的輸出用“01”表示，不符合的輸出用“10”表示，將這5400個數據作為神經網絡的訓練樣本。

2.4 神經網絡的訓練與建立

將訓練樣本輸入所建立的神經網絡模型，在對數據進行歸一化處理后，選取70%為訓練樣本，15%為驗證樣本，15%為測試樣本，對神經網絡進行訓練，訓練結果如圖5所示。從圖中可以看出對所選樣本的分類準確率達到了99.6%，神經網絡達到了滿意的訓練效果。

3. 實例分析

3.1 對高校課桌椅人機評價

通過對安徽某高校教室非固定式桌椅的實地測量，得到的尺寸設計參數如表1所示。

表1 課桌椅設計參數實測尺寸

圖5 訓練分類結果

將此8個數值作為輸入，利用已建立的神經網絡模型對其進行仿真預測。神經網絡的輸出結果為“10”，即所測的課桌椅不滿足安全人機工程學的要求，需要對其進行改進設計。將所測的數據與實際標準進行比較，結合對學生舒適性調查，人機匹配性差，可見此神經網絡模型對實際問題進行了較好的識別。

3.2 人機工程學改進設計

根據神經網絡的分類識別結果，需要對課桌椅有關參數進行改進設計。通過與設計參數標準比較，可以得出桌下凈空高h2偏低，桌面深、桌面凈空深t1偏高，座面高h4偏大，座面有效深度t4偏大。結合安全人機工程學設計準則和公式（1）對上述參數進行改進設計。

3.2.1 桌下凈空高

合適的桌下凈空高能提供給學生舒適的容膝空間，保證一定的下肢活動范圍，根據標準[3]中規定，桌下凈空高應不小于600mm，而測量值僅為581mm。結合人機匹配的原則，利用人體測量學數據[11]，Sα為坐姿大腿厚、小腿加足高的男性第95百分位之和，其值為599mm，考慮到著裝等因素，功能修正量f?取20mm，心理修正量p?取30mm，所以容膝空間改進為649mm。

3.2.2 桌面深、桌面凈空深

課桌的深度為學生上肢手臂提供一定活動范圍，以成年男性前臂長第95百分位258mm和手長第95百分位196mm，再加上功能修正量15mm，心理修正量15mm來進行設計，其取值為484mm。

3.2.3 座面高

座面高度的設計為了避免壓迫腿部，維持坐姿時身體的穩定舒適。主要根據坐姿腘窩高和坐姿肘高的第95百分位進行設計，其值與標準中[7]給出的座面高410±10mm相似，所以應在原有的基礎上降低20mm。

3.2.4 座面有效深

座椅的深度設計應滿足臀部支撐、腰部與靠背支撐和小腿一定活動范圍，以人體尺寸坐深作為尺寸依據，取女性第5百分位數401mm。為滿足要求，將實際座面深度改進為400mm。

3.3 改進設計評價

將改進的設計參數和原始滿足要求的設計參數作為所建立的神經網絡模型的輸入，利用機器學習進行模式識別。模型輸出結果為“0 1”，說明改進設計符合標準的要求。

4. 結論

本研究選取了8個設計參數作為評價課桌椅人機協調性的指標，采用數值模擬方法，利用構造的大數據樣本對其進行評價，提高了評價結果的準確性。

通過構建BP神經網絡模型進行模式識別，結果表明識別準確率可達99.6%。

將模型應用到實際高校課桌椅評價中，得出評價結果不滿足標準要求。本文結合安全人機工程學和相關標準對課桌椅進行了改進設計，并用神經網絡模型進行了評價驗證。

此模型可進一步應用到大樣本數據的評價中，以提高評價的效率和客觀性，并為設計出符合安全人機工程學的產品提供改進方向。

＊ [1]李美琴,何濤,呂約芳.高校課桌椅的結構、配置和布局研究[J]. 中國教育技術裝備, 2015(2):1—4.

＊ [2]徐丹妮.中小學生課桌椅的設計研究與實踐[D]. 武漢:武漢理工大學, 2013.

＊ [3]田煒,馬廣韜.高校課桌椅的人性化設計研究[J]. 藝術與設計:理論版, 2010(10X):195—197.

＊ [4]牛美玲,張孟輝.基于安全人機工程學的高校課桌椅評析[J].統計與管理, 2016(8):132—133.

＊ [5]耿躍峰,王武,王紅玲.遺傳優化神經網絡的駕駛椅舒適度評價[J]. 機械設計與制造, 2009(11):204—206.

＊ [6]黃蒙.基于BP神經網絡的辦公椅舒適性評價方法研究[D].南京:南京林業大學, 2016.

＊ [7]GB/T 3976—2014學校課桌椅功能尺寸及要求[S]

＊ [8]GB/T 4071 課桌椅[S]

＊ [9]喬俊飛,韓紅桂.前饋神經網絡分析與設計[M].北京:科學出版社,2013.01.

＊ [10]Sun Y J, Shen Z, Miao C X, et al. Improved BP Neural Netwo rk for Transformer Fault Diagnosis[J]. International Journal of Mining Science and Technology, 2007, 17(1):138—142.