智能化坐姿監測機器人控制系統的研究

孟彩茹，孫明揚，宋 京

（河北工程大學機械與裝備工程學院，河北 邯鄲 056038）

1 引言

如何保持正確的坐姿進行工作學習一直是一個比較熱門的話題。長時間以不正確的坐姿進行工作和學習會加大近視、駝背和脊柱側彎等疾病的發病幾率。由于長時間的工作和學習的原因，身體需要長時間的保持一種姿勢，導致頸肩部、四肢和腰部的肌肉造成一定損傷，從而患上了工作相關肌肉骨骼疾患（Workrelated musculoskeletal disorders，WMSDs）[1-2]。給患者在生理上和心理上造成不同程度的傷害。隨著智能化時代的到來，手機、平板電腦設備的普及，由于人們長時間的使用電子產品，此類疾病的發病幾率進一步增加。為了預防此類問題，坐姿監測設備因此產生，市場上此類產品眾多，但在監測效果差異明顯，并不能滿足不同人群的需要。文獻[3-4]中設計出了一種基于壓力傳感器的坐姿監測機器人，此類機器人都是通過監測不同坐姿下，人臀部的壓力變化作為坐姿識別的依據，但此類機器人只是完成了對坐姿的識別和監測。文獻[5]設計的坐姿矯正設備，此種坐姿矯正設備通過人頭部與身體的角度變化作為坐姿識別的主要依據。但此種設備主要針對預防近視的問題進行設計，并不能很好的進行坐姿監測。綜上所述，以上的坐姿監測設備只是完成某一部分的監測，并沒有對人坐姿、坐時時長和外部環境進行監測，監測效果具有一定的局限性。

通過對坐姿監測和預防近視駝背和WMSDs疾病的任務分析，設計出智能化的坐姿監測機器人，通過對不同坐姿下身體狀態進行分析，進而對出機器人進行主體結構設計。然后利用Arduino Mega 2560 單片機+薄膜壓力傳感器作為機器人的坐姿識別機構，通過分析不同坐姿的差異性，設計出可以進行坐姿識別和坐時長監測的機器人控制系統，方便用戶并通過實驗對坐姿識別的準確率進行驗證。在設計過程中，為控制系統設計出一款APP，方便用戶通過手機可以查看自身坐姿情況。

2 機器人結構設計

2.1 坐姿監測點的選擇

人的不正確坐姿總體分為“前傾、后仰、左傾和右傾”4類。4種坐姿下，人的上半身的與標準坐姿下具有明顯的差異性，即：前傾坐姿下，人頭部和前胸部分向前傾斜，由于人脊椎的特性，身體胸椎和腰椎處則向后偏移；后仰坐姿下，人身體主要向后偏移；左傾坐姿下，右肩膀高于左肩膀；右傾坐姿下，左肩膀高于右肩膀。綜上所示，坐姿監測機器人可以將不同坐姿下人體上半身作為坐姿識別的方法，利用薄膜壓力傳感器作為坐姿信息的采集設備。將人體上半身的“前胸處2點、后背處2點、左肩膀、右肩膀、胸椎和腰椎”共計8處作為坐姿信息的采集點，如圖1所示。

圖1 坐姿信息采集點Fig.1 Information Collection of Sitting Posture

2.2 結構設計

根據上述坐姿信息采集點的位置為基礎，以構型演繹法[6]為理論基礎，對機器人進行結構設計。由于不同人群的身體參數具有差異性，為了能使大量的人可以使用該機器人，可以根據文獻[7]中所列出的人體參數統計表為設計的依據，選取平均尺寸作為結構設計的基本尺寸，并且需要設計出可調節裝置，能夠使不同身材的人群經過調節即可使用。由于監測的8個點中，有2個位于人體前側，其余的4個位于身體后側。所以，將設計出一個大監測支架，用于監測人體后側；再設計2個小監測支架，用于監測人體的左右前胸2個監測點[8]。利用Solidworks軟件進行三維建模，如圖2所示。

圖2 坐姿監測機器人結構三維圖Fig.2 Three-Dimensional Diagram of Posture Monitoring Robot Structure

將大支架放置在椅子上，小支架固定在桌子上即可進行坐姿的監測，當坐姿改變時，通過觸發監測位置的傳感器，來對坐姿進行識別。為了適應不同身材的人群，在小支架、大支架和大支架橫桿處都進行了可調節設計，用戶可根據身材進行適當的調節，使監測效果更加明顯。

3 控制系統的硬件設計

根據坐姿監測機器人機構設計的模型對機器人控制系統進行硬件設計。針對目前市場上產品存在的不足，坐姿監測機器人主要由3部分監測模塊組成，分別對“坐姿監測、坐時監測和光照環境監測”。使坐姿監測機器人在滿足坐姿監測主功能的前提下，還需要對用戶的坐時時間以及所處位置的光照環境進行監測，其工作原理，如圖3所示。

圖3 坐姿監測機器人工作原理圖Fig.3 Working Principle Diagram of Posture Monitoring Robot

坐姿監測機器人的坐姿監測部分主要由8個IMS-C20A型薄膜壓力傳感器和信號轉換模塊組成，分別安裝在坐姿監測支架上。信號轉換模塊主要作用是將傳感器信號轉化為電壓信號，方便接收的信息進行編譯；坐時監測模塊主要由RFP型柔性壓力傳感器構成，該部分組要的作用是對用戶的坐時時長進行監控；光照環境監測模塊主要由光敏傳感器模塊組成，用于監測所處位置的環境是否滿足工作要求。控制系統除了監測模塊以外，還需要相應的反饋模塊對用戶進行反饋，使其知道自身的坐姿情況。

為了方便用戶檢查傳感器是否正常工作，每個壓力傳感器都會對應一個LED，用戶可以根據在觸發傳感器的前提下，LED是否亮起作為判定依據，作為使用前檢查不可缺少的部分。

對于坐姿監測模塊，由于需要對4種坐姿進行監測，同時在工作過程中不能及時的通過手機APP進行查看。采用4個蜂鳴器模塊作為反饋裝置，通過聲音來提醒用戶坐姿是否標準。坐時時長部分除了在手機APP上有相應的顯示以外，還可以對坐時時長進行設定，當時間超過設定的時間時，可以通過蜂鳴器進行提示，使用戶知道應暫停當前工作，適當運動。

為了與坐姿監測部分進行區分，此部分需選擇無緣的蜂鳴器模塊，設定出特殊頻率的聲音，方便用戶進行區分。為了使用戶通過手機APP接收到自身的坐姿情況，需要使用Wi-Fi模塊作為無線通信的主要部分。綜上所述，坐姿監測機器人的控制系統各元件所需要的單片機引腳數目，如表1所示。

表1 控制系統所需引腳數目的統計表Tab.1 A Statistical Table of the Mumber of Pins Required for the Control System

單片機作為控制系統的重要部分，是使控制系統實現功能的關鍵。本設計采用Arduino系列單片機作為系統的主控單元。此系列單片機具有兼容型高，開發與編程簡單的優點，非常適合作為機器人控制系統的主要元件[9]。

根據表1 中所需的數字引腳和模擬引腳數量的統計，選擇Arduino Mega 2560型單片機符合要求。為了防止因接線不正確所導致元件損壞的情況發生，根據上段中對控制系統各部分模塊設計利用Frizting軟件進行虛擬裝配[10]，當虛擬裝配結果顯示“無接線錯誤”時，則表示該裝配方案符合電路設計的基本要求。坐姿監測機器人的控制系統虛擬裝配圖，如圖4所示。

圖4 坐姿監測機器人的控制系統虛擬裝配圖Fig.4 Virtual Assembly Diagram of Control System of Sitting Posture Monitoring Robot

4 控制系統的軟件設計

4.1 單片機控制程序的設計

根據前文中的控制系統硬件設計方案為基礎，為實現包含“坐姿監測、坐時時長監測和光照環境監測”三部分的功能，通過Arduino IDE 軟件為單片機編譯下位機控制代碼。首先要對將電路中各部分元件所選擇的引腳通過軟件進行定義，其偽代碼如下所示：

將各部分元件定義完成之后，根據Wi-Fi模塊設定的波特率進行設定，通過查閱得知所用的Wi-Fi 模塊的波特率為115200，所以設定整個下位機程序的波特為115200。在前期定義程序完成之后，需要在主函數中用代碼編譯，在本系統中需要對傳感器模擬輸入值、LED燈的亮滅和坐姿監測蜂鳴器的響止進行編譯，其偽代碼如下所示：

由于坐姿監測部分和坐時時長監測部分的延時時間不同，將兩部分寫入同一主函數下會導致系統不能正常工作。為解決此類問題，采用“多線程庫”的設計方案，此法可以將兩個不同延時的代碼可以在一個主函數中獨立工作[11]。本設計采用“Scoop多線程庫”來實現此功能，其框架為：

由于坐時時長監測部分需要計時，所以需要滿足對坐時時間監測的同時，還需要定時監測用戶是否坐在椅子上，當坐在椅子上時，則繼續計時。當檢測到沒做到椅子上時，則跳出計時循環；當用戶坐時長超過半小時，激活蜂鳴器模塊，當用戶離開后，蜂鳴器停止響動，直到下一次用戶坐下時，再重新啟動計時循環。其計時循環功能執行代碼如下為：

當上述代碼進行編譯、檢測沒有錯誤后，將程序燒錄到單片機中，然后進行程序的功能驗證。在驗證中無明顯的邏輯錯誤及功能都實現時，表明下位機的控制程序設計成功。

4.2 手機APP的開發

為了使用戶能夠得知在工作期間內自己不正確坐姿的次數，以及在不正確坐姿中身體受力最大的部分，讓用戶有針對性的防護，基于安卓4.7版本，使用MVC框架為藍本為坐姿監測機器人開發一款專用的APP[12]。該APP 包括用于坐姿監測的8個壓力傳感器壓力值的顯示、不正確坐姿次數的統計、坐時時長的顯示和是否應該開燈4部分組成。使得用戶直觀的得知在使用過程中，用戶監測機器人所有功能的使用效果，軟件截圖，如圖5所示。

圖5 身高為160cm體重為90kg實驗者在“前傾坐姿”下APP收到信息截圖Fig.5 The 160cm and 90kg Experimenter Received a Screenshot of the Information from APP in the“Forward Sitting Position”

5 監測功能驗證實驗

為了驗證該設計方案是否滿足設計要求，需要進行必要的驗證實驗根據第2節設計的監測機器人的三維模型，選取相應的材料加工成實體，將機器人監測系統的硬件部分按設計進行安裝。并進行了坐姿監測實驗和坐時長監測實驗，如圖6所示。

圖6 坐姿監測機器人工作圖Fig.6 Working Diagram of Posture Monitoring Robot

選取身高在（160～180）cm、體重在（70～90）kg 的學生50 名作為機器人進行坐姿監測效果驗證的實驗樣本。讓每位同學先以標準坐姿坐在監測機器人的底座上，如圖6 所示。根據同學的身材進行簡單的調試，使8 個壓力傳感器都能監測到規定的位置。然后讓參加學生完成“前傾、后仰、左傾和右傾”4種坐姿。以在某種坐姿下能激活蜂鳴器為監測有效，由此將得到的實驗數據整理后得到坐姿監測機器人對4 種坐姿的識別準確率，如圖7所示。

圖7 坐姿監測機器人對4種坐姿識別準確率Fig.7 The Robot Can Recognize Four Kinds of Posture Accurately

對于坐時時長監測的準確率的問題，仍以上述的50名同學作為實驗樣本，將坐時長提醒時間設定為10min，需要同學完成以下3個驗證實驗：

（1）在10min內，同學可以以任意姿勢坐在機器人的底座上，驗證10min后蜂鳴器是否被激活；

（2）同學以任意姿勢坐在機器人的底座上6min時，起身離開機器人，驗證4分鐘后蜂鳴器是否還會繼續被激活；

（3）同學以任意姿勢坐在機器人的底座上6min時，起身30s再次坐下，驗證重新坐下后蜂鳴器被激活的時間。

將上述3組實驗的結果處理后，坐姿監測機器人對坐時時長監測準確率，如圖8所示。

圖8 坐姿監測機器人坐時時長監測準確率Fig.8 Accuracy of Sitting Time Monitoring for Sitting Posture Monitoring Robot

6 總結

（1）這里設計一款智能化坐姿監測機器人控制系統，將坐姿監測、坐時時長監測和光照環境監測三部分結合在一起，用戶可以通過手機APP可以得知自身坐姿情況。

（2）針對系統對坐姿識別準確率的問題，根據設計的虛擬樣機制作出了實體模型，選取50名同學作為實驗樣本，進行坐姿識別的驗證實驗。根據實驗結果表明，控制系統對4種坐姿的識別率均在92%以上，該監測機器人可以完成對4種坐姿實時監測的任務。

（3）針對系統對用戶坐時時長監測準確性的問題，通過實驗結果表明，無論用戶保持何種坐姿坐在監測機器人的底座上，超過設定的時間，蜂鳴器一定可以激活提醒；當用戶在監測中途起身后，坐時監測也隨之停止，當用戶重新坐下時，時長監測也重新開始計時。