基于RULA量表的可穿戴肌肉负荷强度评估系统设计与实现

作     者：周乐章 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：万波;张帆

授予年度：2023年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 0836[工学-生物工程] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：可穿戴设备 RULA 肌电信号 机器学习 卷积神经网络 

摘      要：可穿戴式设备具有便携性、智能化、实用性强等特点,被生活及工作中的各种场景下广泛使用,成为了现在高性能人机交互的重点选择对象。在日常生活中,智能手表、手环、眼镜已经逐渐被大众认可;而在专业领域,机械臂、可穿戴检测设备及识别系统也早已被各种研究机构及企业应用。人机交互过程中,当航天员、消防员、运动员等特殊职业人群,进行其专业领域中的各种交互动作时,若无法及时发现并有效地应对自身在训练、测试时的肌肉负荷与肌肉疲劳,可能会对交互体验和结果产生较大影响。 研究机构常用各种量表为不同动作的肌肉状态评估,其中传统的RULA(rapid upper limb assessment)量表虽然可以用来评估肌肉患病风险、疲劳及负荷程度,但其只能通过动作的姿态进行打分,缺少数据支持。本文针对这一问题进行研究,设计并实现一套基于RULA量表的可穿戴肌肉负荷强度评估系统。该系统通过可穿戴设备采集动作任务集中不同动作的肌电信号,并对数据进行处理后进行卷积神经网络分类识别,以此判断出不同的动作,进而匹配该动作肌肉负荷等级信息,让使用者高效地获得自身训练时肌肉负荷状况。 本文的主要研究内容分为: 1.设计肌电信号采集可穿戴设备。首先对可穿戴设备进行功能需求分析和可穿戴需求分析,以此选择制作可穿戴设备的器件。其次,设计、制作原理图、电路板并测试电路板,完成可采集8通道肌电信号及6轴惯性信号的可穿戴硬件设备。在设备的主控芯片中,通过滤波、积分预处理来消除噪声等影响因素,获得适合后续分析处理的数据,将数据通过串口传输至设计的上位机程序中,对数据可实现视化。 2.设计肌肉负荷动作集与构建肌肉负荷评估数据集。针对航天训练、出舱实际动作和公开肌电数据集中采用的动作,进行负荷评估动作集设计,对每个动作进行RULA评分,参考RULA量表对工作相关肌肉骨骼疾患风险的等级判断的方式,对不同动作进行肌肉负荷程度评级。设计完动作集后,采集十名测试者执行每个动作对应的肌电信号,生成肌肉负荷评估数据集。 3.设计基于卷积神经网络的肌肉负荷评估算法。对肌电信号进行活动段检测,时序信号得到动作开始时刻,并使每个动作长度一致,并通过数据重排实现传感器编号确定。考虑到可穿戴设备中配备8个肌电传感器,相当于构成了时间外的另一维度,因此将多通道的时序动作信号图像化,并使用短时傅里叶变换,使信号转化为既能表达频率特征,又包含时域特征的图像,以灰度图和STFT图像的形式分别输入,并使用相邻通道作为注意力机制加强特征,使用卷积神经网络进行分类,最终对测试集准确度可以达到96.0%。以此实现由可穿戴设备检测动作信号,再由卷积神经网络分类,最后转化为负荷等级的过程,帮助航天员等特殊人员训练时肌肉负荷程度的评估,以在实际应用中快速检测肌肉负荷状态。