基于肌肉生理信號的操縱舒適性評價

扈 靜 錢佩倫 劉明周 張 淼 鄭 達

合肥工業大學機械工程學院，合肥，230009

0 引言

操縱舒適性是機電工程與人因工程交叉的前沿課題[1-2]。人機交互過程操縱舒適性是指操縱者在一定時間內傳遞操縱指令給操縱對象并改變其運行狀態的過程中，系統反映出的適應操縱者生理與心理特征的程度進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，長時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，左腳踩踏在離合器踏板怠速位置，這一系列重復、單調、且持續時間較長的動作將帶來直接的負面影響，駕駛員腿部感到疲勞酸痛，長期作業易導致腿部肌肉不適。

但是目前對操縱舒適性的研究大多是單純從操作對象的機構原理，直接針對操縱機構的動力學特征制定標準參數用以對比評價操縱舒適性，即在人機交互中多從“機”的角度思考，而忽略了“人”這一重要因素[8-9]。少數從操縱者角度對舒適性進行測評的，則以主觀評價方法制定舒適性評級標準[10-11]，一定程度上缺乏客觀性。

操縱者在人機交互過程中的肢體肌肉活動(如肌肉的發力與受力)是影響操縱舒適性和疲勞感的直接原因，而肌電信號可以在一定的程度上反映肌肉收縮功能的變化，在人機工程學研究領域有良好的應用價值，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表征肢體肌肉受力，用生理信號這一客觀特征參數，主客觀結合，定量描述舒適性這一主觀評價。以普通型轎車中應用較為廣泛的離合踏板操縱為例，充分考慮“人”的因素，采集人體生理信號特征參數，對人機交互操縱過程中腿部的主要肌肉的肌電信號進行測量，運用正則化徑向神經網絡，對離合踏板操縱舒適性進行客觀評價。

1 選取肌肉生理信號特征參數

操縱舒適性的影響因素多與人體發力和受力有關，相應的，所構建的操縱舒適性評價模型也與人體局部受力特征相聯系。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(surface electromyography, sEMG)。對sEMG的處理一般分為時域分析(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)，本文采用時域分析中的均方根值對sEMG進行處理，均方根值的計算公式為

(1)

式中，R為肌電信號均方根值；s為表面肌電信號。

定義計算的每個記錄時間T=0.2 s，通過積分計算，可以根據一段時間的肌肉生理信號值表征肌肉舒適性和疲勞程度[14]。本文選取人機交互操縱全過程主要操縱肌肉的生理信號均方根值的最大值作為評價指標。

2 操縱舒適性主觀評價

人機交互操縱舒適性的主觀評價是操縱者在人機交互操縱過程中，依據操縱感知強度對操縱舒適性進行評價。操縱感知強度I包括，操縱者全身整體操縱感知強度I1和交互過程中與機器接觸的局部肢體感知強度I2。

針對操縱舒適性的主觀測評，本文采用傳統的心理學量表——李克特量表，建立7點量表[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遞增。被試者根據自己的主觀感受，對人機交互操縱舒適性按照量表語意進行評價，并在量表相應位置上打分。

圖1 操縱舒適性主觀評價量表Fig.1 Subjective evaluation scale of handling comfort

在人機交互操縱過程中，對操縱舒適性進行評價，構建操縱感知強度模型I，根據上述量表，相應地得到整體操縱感知強度I1、局部肢體感知強度I2兩項評分結果。對I1、I2評分賦權：

I=ρ1I1+ρ2I2

(2)

其中,ρ1、ρ2為權重系數，ρ1+ρ2=1，權重系數通過大量實驗數據歸一化得到。

3 駕駛者操縱舒適性映射模型

首先，基于人工神經網絡，依據操縱者肌肉生理信號，用客觀參數構建駕駛舒適性評價模型。然后，利用大量的樣本集對模型進行不斷的訓練、驗證及優化，使該模型趨近最優。在此基礎上，依據該模型的映射關系，從大量的樣本集中統計出某一類動作的操縱舒適性等級對應的人體生理信號特征參數。

在不同的人機交互操縱過程中，利用正則化RBF網絡構建操縱者肌肉生理信號特征參數與操縱舒適性綜合評價結果的映射模型，如圖2所示。然后，依據人體生理信號特征參數對駕駛舒適性進行較為定量客觀的評價。

圖2 正則化RBF網絡Fig.2 Regularization RBF network

圖2中，X=(x1，x2，…，xN)為輸入向量；隱節點j的激活函數(基函數)φj(X)(j=1，2，…，P)為Gauss函數；W為輸入權值矩陣；wjk(k=1,2,…，l)為隱層第j個節點與輸出層第k個節點間的突觸權值；Y=(y1，y2，…，yl)為網絡輸出；輸出層神經元采用線性激活函數。

輸入訓練集中的樣本Xp=(r1(t)，r1(t)，…，rm(t))，rm(t)為操縱者人機交互過程中，第m塊肌肉表面肌電信號的均方根；對應的期望輸出dp=Ip，Ip為人機交互操縱訓練時，操縱者舒適性主觀評分，Ip=1，2，…，7。為確定網絡隱層到輸出層之間的p個權值，需要將訓練集中的樣本逐一輸入，從而得到關于未知系數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，即可求解系數向量W：

W=Φ-1d

(6)

通過人機交互實驗，對交互過程中操縱者肌肉生理信號特征參數進行樣本數據采集。根據操縱舒適性主觀評價模型，主觀評價各個樣本集對應的舒適度等級。將樣本數據分為訓練集和測試集兩個部分，訓練集樣本數據用于訓練求解模型的系數向量W，將W代入測試集求解期望輸出dp，通過驗證模型精度，使模型達到最優。

4 實例分析

實驗車輛為42款不同品牌不同型號的轎車，表面肌電信號數據通過全無線GPS表面肌電測試儀Trigno Mobile采集。該實驗有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，重復以上動作3次。

踏板操縱動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性相差較大?，F有研究結果表明，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)、股內側肌(VM)、股外側肌(VL)，小腿的半腱半膜肌(SM)、腓腸肌內側(GM)和腓腸肌外側(GL)。因此，本文將主要肌肉研究對象集中于這6塊腿部肌肉。

通過正則化RBF網絡對實驗測得的操縱者肌肉生理信號特征參數和主觀舒適度評分構成的樣本進行學習和訓練。由于篇幅所限，省略具體評價過程，表1、表2所示為實驗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的綜合舒適度評價值。以表1作為操縱舒適性建模訓練數據，以表2作為離合踏板操縱舒適性實驗數據。

以肌肉生理信號參數特征值為模糊神經網絡的輸入變量；以人機交互過程中，汽車踏板主觀操縱舒適性評價值作為輸出變量。訓練樣本過程中，設定最大訓練誤差為0.001，網絡學習率為0.4，訓練次數為30。為了檢驗正則化徑向神經網絡訓練得到的系統性能的好壞，通過MATLAB編程得到系統評價與主觀評價的比較結果與模糊神經網絡的訓練誤差，如圖3、圖4所示。模糊神經網絡測試結果見表3。

建模精度為

(10)

式中，Ip為測試數據中第p個人機交互過程汽車踏板操縱舒適性實測值；dp為測試數據中第p個由所建模型獲得的人機交互過程汽車踏板操縱舒適性預測值。

本文將各數據預測精度的平均值作為模型建模精度。由于正則化RBF網絡模型的精度取決于建模訓練的數據，因此訓練數據的正確性和覆蓋的范圍對模型精度產生直接的影響。

表1 舒適性評價建模的訓練數據

表2 舒適性評價測試的實驗數據

5 結語

從操縱者人機交互過程中肌肉生理信號角度出發，運用主觀評價和正則化RBF網絡建立了操縱舒適性評價方法，將主觀評價和正則化RBF網絡有機地結合起來，應用到典型人機交互過程汽車踏板操縱舒適性評價中。通過正則化RBF網絡對提取的肌肉生理信號特征參數和相應的主觀評價參數構成的樣本量進行學習和訓練，建立了人機交互過程汽車踏板操縱舒適性評價系統，克服了主觀評價的隨意性。基于正則化RBF網絡建立了肌肉生理信號特征參數與操縱舒適性主觀評價之間的映射模型，經測試，該模型能夠較為準確地測評人機交互過程踏板操縱舒適性。

圖3 舒適性評價神經網絡樣本訓練誤差Fig.3 Error figure of training samples using comfort evaluation neural network

圖4 操縱舒適性評價神經網絡輸出結果Fig.4 Output graph using comfort evaluation neural network

序號實際值預測值絕對誤差相對誤差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.實體產品操縱舒適性定量測評研究[J].農業機械學報，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.基于操縱力感知場的人機系統操縱舒適性度量方法研究[J].機械工程學報，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] 宗長富，麥莉，王德平，等.基于駕駛模擬器的駕駛員所偏好的轉向盤力矩特性研究[J].中國機械工程，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評方法[J].中國機械工程，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.基于模糊神經網絡的汽車變速桿操縱舒適性評價[J].中國機械工程，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，施國標，林逸.電動助力轉向的轉向感覺客觀綜合評價[J].機械工程學報，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.動態駕駛環境所致人體肌肉疲勞的生物信號實驗研究[J].工程設計學報，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.