文摘

作为一个先进的互动模式,手势被广泛用于人机交互(HCI)。提出了基于机械能量消耗的舒适度评价模型(梅伊)和机械效率(我)预测舒适的姿态。拟议的舒适度评价模型需要19肌肉和七自由度考虑数据的基础上的肌肉和关节,能够模拟梅伊和我的静态和动态手势。舒适的分数(CSs)可以因此正常化计算和分配不同的权重决定梅伊和我。相比传统的安慰预测方法测量的基础上,一方面,拟议的舒适度评价模型可以提供一个量化值舒适的姿态不使用肌电图(EMG)或其他测量设备;另一方面,从人体工程学的角度来看,结果提供一个直观的指标预测哪些行为有更高的风险的关节和肌肉疲劳或受伤。进行实验来验证该模型的有效性。根据比较结果中提出的舒适度评价模型,该模型基于关节活动度(ROM)和模型基于运动和手势的方法评估(MMGA),一个微小的区别可以发现由于动态手势的无知和相对运动特征的运动中动态手势。因此,考虑到感知效果的反馈和人机交互手势识别率,设计师可以实现更好的姿态优化设计利用的舒适度评价模型。

1。介绍

如今,作为一个先进的互动模式,人机交互的姿态已广泛应用,因为它是更自然,方便,和效率比传统的输入模式,如鼠标,键盘,手柄,等等。通过手势交互技术的应用,计算机翻译手势控制命令。特别是在视频游戏和智能手机领域,基于手势的交互模式取得巨大的成功凭借良好的用户体验。通过手势,用户可以操作的虚拟对象(1,2),获取远程目标(3,4),选择菜单(5- - - - - -7),输入文本,等。因此,手势交互吸引了广泛的研究兴趣,如生物力学建模、舒适度评价、动作设计、手势识别、手势控制的人机交互。因此,一方面,舒适的姿态估计中起着重要作用肌肉的负荷,以确保操作员的安全,防止受伤。另一方面,在动作设计,手势的工效学水平直接影响操作舒适,方便,和效率,和舒适的姿势导致运营商和肌肉之间的良好匹配,这样可以减少疲劳和工作时间可以延长。如今,舒适度评价手势设计吸引了来自学术界和产业界的关注。然而,当前的研究并不完全占人类姿态的复杂的现实。机械能作者提出一个基于模型,该模型考虑了静态和动态手势来帮助设计师的影响评估手势交互过程中舒适的姿态。首先,拟议的舒适度评价模型为设计人员提供了一个量化值舒适的手势不使用肌电图或其他测量设备;其次,从人体工程学的角度来看,拟议的舒适度评价模型的结果可以被视为一个直观的指标预测哪些行为有更高的关节和肌肉疲劳或受伤的风险,以减少运营商的疲劳和延长他们的工作时间。

2。相关的工作

手势交互的上下文中,安慰被定义为经营者的福祉水平当他/她与他/她的工作环境。然而,这个水平很难检测或测量,因为它是影响经营者的主观感受和个人判断(8]。目前,主要有四类问题的解决方案的舒适的评估:基于ROM(1)模型,(2)模型基于ROM和运动数据,(3)方法基于软件工具,和(4)测量基于设备或传感器。

舒适度评价模型基于ROM的关节,各种舒适度评价模型,如洁(9],RULA [10,11,班图语12],REBA [13,OCRA NERPA [14),UNE-EN 100514)等,开发,应用于人体工学设计(15- - - - - -20.在人机交互)。以上模型提供了半定量的指标,因为只考虑静态手势。然而,运营商的安慰总是随在任务执行过程中关节角的变化。因此,动态手势是另一个关键因素影响运营商的安慰。为了评估动态手势,目前的研究已经提出各种舒适度评价模型(21- - - - - -25]。Andreoni et al。22]目前MMGA模型的人体工学排名机动任务。模型来源于班图语由静态手势模型评估。Weede et al。23]介绍了技能评价标准和符合人体工程学的条件分配权重和比例。然而,缺乏生物力学信息标准。Keyvani et al。25用数字人体建模(DHM)工具来评估人体工程学风险。然而,这个工具是不能修改的。除此之外,软件工具(例如,杰克(16],CATIA [26]等)和测量设备或传感器(例如,EMG、动作捕捉、压力分布测量系统(27]等)开发测量舒适的姿态。

总的来说,当前的舒适度评价研究提供宝贵的经验。然而,限制仍然存在于命题之前了。表1显示每个命题的优点和局限性。rom的模型评估基于静态手势舒适的姿态。舒适的姿势可以直接获得每个模型的计算结果,这是非常方便和设计师不需要许多专业技能,但动态手势和生物力学信息并不认为rom的模型。此外,该指标评估从rom的模型获得的安慰是不连续的,因此不能提供一个精确的定量值。罗和运动基于数据模型保留了ROM的模型的优点。此外,它需要考虑静态和动态手势,但模型是复杂的,这需要一定的专业技能。基于软件的方法和传感器方法可以为设计师提供精确的量化值,但他们的成本非常高,他们的应用程序也需要更多的专业技能。

先前的研究的优点和局限性进行分析后,作者提出一个舒适度评价模型的基础上,梅伊为手势实现更好的优化设计。作为一种重要的生物特征,研究了能量消耗人体工程学领域的研究人员。准确的肌肉能量消耗是至关重要的评估和分析舒适的手势。Umberger et al。28]目前的人类肌肉能量消耗模型预测的热能和机械能解放模拟肌肉收缩。然而,这个模型没有被应用于人体工程学分析。Kistemaker et al。29日)出现一个能量消耗模型,但模型的应用在舒适的手势是没有提到的研究。Battini et al。30.]运动能量系统适用于估计预测人体工程学的能量消耗水平。然而,本研究认为代谢能量消耗取决于性别,体重,负载体重,运动手臂的位置,速度,时间,等等,而不是肌肉收缩。王等人。31日]提出一种方法来减轻操作员的疲劳装配线基于代谢能量消耗。然而,模型只侧重于静态手势。

本文着重于舒适度评价模型的基础上,梅伊预测舒适的姿态。通过使用真正的肌肉骨骼数据和质量惯性特征,构造上肢的生物力学模型来模拟人类的手势和计算手势,我和梅伊的静态和动态手势的考虑。舒适的分数可以因此正常化计算和分配不同的权重决定梅伊和我,提供一个量化的和直观的指标来评估舒适的手势。最后,进行实验来验证该模型的有效性。下一节介绍了拟议的舒适度评价模型的细节。

3所示。舒适度评价模型

3.1。肌肉骨骼运动学建模

生物力学特征,人类应该考虑,模型能准确地模拟人类的手势。一个假设,采用该模型是上肢可以简化为multirigid身体铰链结构(32]。为了避免人体的复杂性,作者简化上肢的力学模型与三段七自由度。在图1的关节角模型表达 ,分别。F-E代表的弯曲伸缩接头,P-S代表pronation-supination联合,AD-AB代表adduction-abduction联合。

根据生物力学,附加不同的骨骼和肌肉控制骨骼关节周围的运动(33]。考虑到相关的生物力学信息,右上肢的肌肉,作者提出了一个基于人类的上肢肌肉骨骼模型上肢模型提出之前,由三个部分,16一个关节的肌肉,和三两个联合肌肉(图2)。模型显示肌肉和关节的运动之间的关系;因此,可以准确地模拟肌肉收缩和三维运动。表2显示相应的肌肉和关节的运动之间的关系。

肌肉可以缩短生产同心收缩和延长产生偏心收缩。为了建立肌肉骨骼运动模型,肌肉和关节的运动学可以由以下公式计算: 在哪里的长度是19的肌肉,是七个关节的角度。求导公式(1),肌肉的收缩速度可以获得 在哪里和 ,分别是19肌肉的速度的矢量和矢量角速率的七个关节,分别代表了雅可比矩阵从关节空间到肌肉的空间。根据虚功原理,关节力矩可以表示为(34] 在哪里代表了关节力矩的向量生成的肌肉,代表向量肌肉的拉力,和是手臂的肌肉。根据运动学,雅可比矩阵等于手臂的肌肉。

3.2。生物力学建模

force-velocity的关系链接的肌肉的收缩速度改变其长度所产生的力量肌肉。肌肉的收缩速度的导数可以通过肌肉的长度在动态手势的动作。force-velocity关系可以被希尔的肌肉模型(35]:

因此,肌肉的拉力可以表示如下: 在哪里是肌肉的拉力的向量;是肌肉的收缩速度的矢量;是向量的最大等长力量;热收缩的是向量的系数;= ;和是向量的最大速度什么时候= 0。基于先前的研究的经验和成果36),经验常数可以计算如下:

根据-欧拉公式,关节扭矩是受到多种因素的影响,如惯性力、离心力、重力,肌肉力量,关节韧带的极限。应用于肢体的力量之间的关系和由此产生的动作的肢体部分可以由以下公式表示: 在哪里是关节力矩的向量;关节坐标的矢量,速度,加速度,分别;惯性矩阵和吗是一个向量的惯性力矩;科里奥利矩阵和吗是科里奥利扭矩的向量;是重力的向量;是手臂的肌肉,是向量的肌肉力量和的向量的肌肉力量;和是向量的韧带扭矩。不考虑摩擦的公式,因为他们太小相比,肌肉力量。

3.3。机械能量消耗

在经典力学中,工作是在距离施力。能量的变化等于物体上的工作对象。然而,在生物力学,利益不是总功率的主要话题或身体上的工作,但梅伊。人类运动的梅伊是一个有价值的参考,含有丰富的生物力学信息。在对称的运动,对身体总功为零,但梅伊不为零。一般来说,肌肉能量消耗由梅伊和散热。因为肌肉的功能主要是产生机械力,散热可以忽略在肌肉收缩和作者专注于纯粹的机械方法对人类的能量消耗。

联合运动(29日),关节的机械功率可以作为标量的乘积的总和计算关节力矩和角速度向量: 在哪里代表了关节的机械功率。可以计算关节的机械功之和的乘积的积分关节力矩和角速度的持续时间来 :

肌肉不会独自工作。关节运动是由肌肉控制的力量产生的受体激动剂和拮抗剂,积极的和消极的工作,分别。因此,梅伊可以计算积分的绝对值的和积极的和消极的关节: 在哪里和是关节力矩产生的受体激动剂和拮抗剂肌肉,分别。然而,该模型是有限的,无法解释静态手势,因为等于零的时候等于零。

因此,对于动态手势,梅伊是积分之和的绝对值之和的关节力矩和肌肉力量,而对于静态手势,梅伊是绝对值之和的乘积受体激动剂和拮抗剂的肌肉力量和持续时间39]。梅伊可以优化和由以下公式表示: 在哪里和是积极的和消极的关节力矩引起的惯性,重力,韧带和和是肌肉力量产生的受体激动剂和拮抗剂。

机械工作和梅伊之间的比例被称为机械效率,这是一个重要的指标来评估性能的运动人体工程学:

3.4。舒适的手势

舒适的定义是经营者的福祉水平时,他/她与他/她的工作环境。舒适的姿态可以极大地缓解疲劳,这样运营商可以延长工作时间。不同的关节角对应不同的手势,所以罗联合介绍表达安慰的先前的研究[14,15,22,37,38]。通常,罗分为三个层次:舒适的范围,那么舒适的范围,范围和不舒服,不同级别分配不同的舒适的分数。然而,罗更适合舒适的方法评价的静态手势,因为分数不够准确定量安慰的联合运动。为了获得更精确的定量舒适性指标,提出舒适度评价模型预测舒适的姿态梅伊的基础上同时静态和动态手势。

模型不仅associates梅伊,还认为我舒适的影响因素。安慰分数设置0和10之间。得分越高表明更好的安慰。相对应的CS梅伊和我可以分开计算规范如下: 在哪里和代表着舒适得分和 ,分别。因此,后可以计算分配不同的权重决定两人成绩: 在哪里安慰分数和吗和权重对应吗和分开。

4所示。实验

梅伊的实验进行了模拟预测CS的人体上肢。实验过程如图3。首先,根据输入参数,上肢肌肉骨骼的运动生成的模型在关节空间和笛卡尔空间轨迹规划算法,分别。肌肉骨骼模型应用于模拟在静态和动态手势的动作。仿真后,生物力学模型用于计算梅伊和我。最后,CS的手势可以评估获得舒适的手势。

4.1。关节空间的方法

在关节空间,关节角的参数(例如, )是输入模型和轨迹生成的轨迹规划算法模拟人类的手势。所有的关节角躺在一个合理的范围内,满足联合限制。

如图4(a1),上肢的手势模型被用来表示从自然下垂状态移动到身体的上部。手势的轨迹是由不同的方向和振幅。在关节空间,自然下垂的状态被设置为初始位置,其关节角的参数 。身体的上半部分是一个通用的描述表明立场,其关节角的参数通过改变参数的关节角,上肢动作从初始位置到结束位置。如图4(a2),上肢模型模拟了手势,从左边移到右边的身体在不同的高度和距离。在关节空间,关节角的参数的初始位置和关节角的参数的结束位置 。关节角轨迹所代表的参数表3。关节角将被内插到五次多项式的连续轨迹。角速度和加速度的初始和结束位置设置为零的边界条件 。连续关节角,天使天使速度,加速度得到的轨迹规划算法。最后,在关节空间轨迹可以生成轨迹在笛卡尔空间的正运动学。

4.2。笛卡儿空间方法

在笛卡尔空间中,上肢模型是用来模拟笛卡尔的手势轨迹规划算法,和关节角可以通过逆运动学计算。关节角躺在一个合理的范围内,满足联合限制。

如图4(a3),上肢模型是用来代表人类的手势画圆圈在身体的前面。圈子里有不同的半径和圆心的距离,分别。仿真模型的输入参数(x(我),y, z, r(j),(x(我),y, z)是圆的协调中心。x(我),r(j)是两个变量r(j)代表半径。

如图4(a4),上肢模型是用来代表人类的手势画等边三角形在身体的前面。三角形有不同的长度和距离。仿真模型的输入参数(x(我),y,z,d(j),(x(我),y,z三角形的中心坐标。x(我),d(j)是两个变量d(j)代表三角形的边长。在笛卡尔空间轨迹规划算法的输入参数表4。

圆形轨迹,在笛卡尔空间轨迹的坐标计算通过使用循环功能。三角形在笛卡尔空间轨迹是线性的,可以通过五次多项式拟合。最后,笛卡尔轨迹可以用来创建联合使用逆运动学轨迹。

5。结果与讨论

5.1。结果

梅伊由机械能肌肉,运动能量,重力势能,能量消耗的韧带。创建上肢模型建立舒适的姿态之间的联系和梅伊的静态和动态手势。的工作姿态,梅伊,我为每个手势在实验中,计算结果如图所示4。

首先,每个实验的手势可以形成不同的轨迹,由四百年的轨迹与不同的参数。手势轨迹的可视化三维空间,如图4(a1) -4(a4)。在图4(a1)轨迹从底部到顶部由不同方向和高度可以通过改变关节角和 。在图4(a2)轨迹从左向右组成的不同高度和距离可以通过改变关节角和 。图4(a3)显示了得到的圆形轨迹通过改变圆半径r(j)和身体的距离圆圈的中心x(我)。图4(a3)显示三角形轨迹,通过改变三角形的边长d(j)和身体的距离中心的三角形x(我)。

数据4(b1) -4(b4)显示的工作姿态,分别,结果还揭示了手势的分布规律的工作沿着不同的轨迹。数据4(c1) -4(c4)揭示了梅伊分布规律的手势不同的轨迹。数据4(d1) -4(d4)的分布规律揭示我沿着不同的轨迹。的坐标x和y对应的输入参数和坐标z对应的值的手势,梅伊和我不同的颜色。在数据4(c3),4(d3),4(c4)4(d4),黑色区域表示单数的位置,肌肉力量太大,超过限制关节的。

梅伊和我含有丰富的生物力学信息,因此,他们可以用来预测人体工程学的手势。CS计算基于梅伊和我探讨舒适的手势。如图5CS是0和10之间。更高的分数表明更好的安慰。黑色区域是演示的奇异位置不利人体工程学的水平。

5.2。比较

为更好的理解之间的差异舒适度评价模型基于ROM, MMGA,梅伊,比较结果如图6- - - - - -8。三个关节角选择演示的差异。

弯曲伸缩接头的ROM上臂分为三个部分。根据仿真结果得到的模型基于罗,罗从0°35°是舒适,罗从35°- 90°不太舒适,罗从90°- 150°是不舒服,这是由蓝色虚线图表示6。黑色的曲线在图6代表着舒适的姿态从0°- 150°通过提出的评价模型。模型基于MMGA人体工学排名提供了一个量化值,并为每个关节舒适指标计算通过样条拟合班图语的安慰来自排名方法沿着关节的ROM。比较结果表明两个模型之间的一致性和差异的基础上,与那些基于ROM和梅伊MMGA。更高的CS的姿态坐落在舒适的范围,而手势CS位于较低不舒服。

在图7上臂的ROM abduction-adduction联合分为三部分从−55°- 90°。−5°25°的ROM是舒适,罗从20°−−5°,从25°到60°不太舒适,和罗从60°- 90°是不舒服。曲线之间的细微差别,可以找到代表安慰分数和三舒适度得到模型基于ROM。

图8显示了比较的前臂弯曲伸缩接头分为三部分从0°- 140°。罗从80°- 110°是舒适,罗从0°- 80°和110°- 115°不太舒适,罗从115°- 140°是不舒服。尽管CS从模型获得的总趋势的基础上,梅伊保持符合基于ROM和MMGA舒适度,舒适度评价模型之间的差异基于ROM, MMGA,梅伊也可以发现在图8(例如,最高的姿态CS不位于关节的舒适范围)。差异的原因在ROM中,MMAG,梅伊将在以下部分中讨论。

5.3。讨论

这篇论文的目的是开发一个舒适度评价模型预测舒适的姿态,认为静态和动态手势。惯性力、离心力、重力、肌肉力量,和韧带联合的限制因素视为影响舒适的手势。结果可以预测的风险提供一个有效的支持对关节和肌肉疲劳和损伤。

如数据所示4(b1),4(c1)4(d1)和数字4(b2),4(c2)4(d2)之间的关系的工作姿态,梅伊,我关节角的显示。肩膀的弯曲伸缩接头的工作有更多的影响比Abduction-Adduction手势和梅伊关节,但不如Abduction-Adduction联合对我的影响。数据4(b3),4(c3),4(d3)和数字4(b4),4(c4)4(d4)分布之间的关系的工作姿态,梅伊和我的距离x,边长度d和半径r。距离有影响的工作姿态和梅伊比长度和半径,但对我的影响小于长度和半径。黑色区域代表导致关节损伤或肌肉疲劳的手势,因为肌肉的力量太大,联合超过限制的。结果帮助设计师理解时上肢运动的生物力学特性。此外,研究结果提供了一个定量和直观的指标预测哪些行为有更高的风险的关节和肌肉疲劳或受伤。

图5显示了舒适的分数与关节角之间的关系,距离,边长和半径。黑色区域代表的手势不宜工效学的水平。换句话说,手势在黑色区域应该避免手势交互,因为联合已经达到极限位置,因而导致关节损伤和肌肉疲劳。结果提供一个舒适的手势和定量指标预测的风险关节损伤和肌肉疲劳。

舒适度评价模型之间的比较基于ROM, MMGA,梅伊图所示6- - - - - -8。基于ROM的舒适度评价模型旨在静态手势的舒适度评价。舒适度评价模型基于MMGA打算通过样条拟合预测动态手势的安慰安慰行列的静态手势,但相对运动学特征在动态手势的动作,如手臂的重力和惯性,离心力,肌肉,关节和韧带的极限,不考虑。拟议的舒适度评价模型可以考虑静态和动态手势从梅伊的角度。舒适的弯曲伸缩仿真结果分数之间的一致性,基于ROM和上臂的MMGA图所示6。然而,abduction-adduction存在差异(或弯曲伸缩)仿真结果的CS和基于ROM和上臂的MMGA(或前臂)(数据7和8)。

差异可以发现虽然比较提出的舒适度评价模型基于模型基于ROM和MMGA梅伊。这种差异的一个主要原因是不同的建模原则应用于三种评估模型。模型基于ROM的安慰分数只考虑静态手势;然而,拟议的舒适度评价模型基于梅伊认为静态和动态手势的影响。换句话说,从模型中获得的安慰分数基于ROM代表静态姿势的舒适程度,而模型的安慰分数基于梅伊描述动态行为的舒适水平。至于模型基于MMGA,尽管它打算考虑动态手势,舒适的动态手势建立通过样条拟合静态手势,军衔的安慰和手臂的重力和惯性,离心力,肌肉力量,和韧带联合的极限运动中动态手势不考虑。

6。结论

本文提出了一种基于机械能量消耗肌肉骨骼生物力学模型和机械效率预测舒适的静态和动态手势。一方面,拟议的舒适度评价模型支持手势的定量安慰不使用肌电图或其他测量设备;另一方面,从人体工程学的角度来看,它提供了一个直观的指标预测哪些行为有更高的关节和肌肉疲劳或受伤的风险,从而降低运营商的疲劳,延长他们的工作时间。然后进行实验来验证该模型的有效性。比较结果表明两个模型之间的一致性和差异的基础上,与那些基于ROM和梅伊MMGA。差异的原因是无知的动态手势模型中基于ROM和运动学特征的无知在动态手势的运动模型中基于MMGA。

在未来,作者将采用统计方法,如统计显著性测试中,分析之间的差异提出了评价模型和基于ROM和MMGA。此外,手势的研究将应用于优化设计时考虑到反馈的感知效果和人机交互手势识别的速度,所以舒适、高效,可以实现人机友好的交互手势。

数据可用性

使用的数据来支持本研究的发现(上肢运动的轨迹规划)都包含在这篇文章(表3和4)。之前报道的数据相关关节的ROM是用来比较和这项研究的结果是可用的(doi:https://doi.org/10.1155/2015/896072)。之前的研究在相关地方引用的文本中引用(16]。之前报道的数据基于MMGA舒适度评价模型被用来比较和这项研究的结果可以在(doi:https://doi.org/10.1007/978 - 3 - 642 - 02809 - 0 - _62)。之前的研究在相关地方引用的文本中引用(22]。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持的关键研究和发展项目的中国陕西省自然科学基础研究计划(批准号2016 tzc-g-4-3),陕西省自然科学基础研究计划(批准号2017 jm5050),中国和中国国家自然科学基金(批准号51805437)。