救護車載PAM擔架緩沖系統特性分析

孫大剛，高 蓬，2，宋 勇，梁培根，沈 毅

(1.太原科技大學 機械工程學院，太原 030024;2.長城汽車股份有限公司，河北 保定 071007)

路面不平度激勵為引起車輛振動的重要因素。對運送傷病員的救護車而言，平順性為重要指標。國外對救護車擔架緩沖隔振系統研究較早，如日本的主動控制床可實時控制擔架姿態，優化設計的懸架系統電流變液體阻尼器可有效減小病人的振動響應;德國Binz公司開發的擔架液壓空氣減振系統獲得推廣應用。張順心等［1－7］對救護車擔架減振裝置進行研究。本文通過建立氣動人工肌肉(Pneumatic Artificial Muscle，PAM)擔架隔振平臺，隔絕車廂傳遞到擔架的振動作用，該擔架經折疊后可快速剛性鎖定于平臺。擔架隔振平臺氣動人工肌肉安裝及車載擔架在救護車的布

圖1 PAM緩沖擔架及安裝位置Fig.1 Schematic diagram of PAM in buffer stretcher and stretcher in ambulance

氣動人工肌肉也稱氣動橡膠驅動器，為新拉伸型氣動執行元件，由一根橡皮管外包強力塑料網構成，充、放氣時可像人的肌肉徑向膨脹、軸向收縮，并產生軸向收縮拉力，可用其對振動進行控制。PAM緩沖機構具有結構簡單、重量輕、易于小型化，柔性、不損害操作對象，動作平滑、無相對摩擦運動部件、無泄漏及操作中產生熱、噪音小［9－12］等優點。由于構成PAM橡膠管與編織網間摩擦、橡膠管變形能及端部約束等影響，PAM工作特性參數如充氣壓力、工作負載及收縮比間為非線性，較難建立理想的描述PAM數學模型。考慮PAM控制的時變、非線性特點，本文將神經網絡PID控制用于隔振系統，分析其隔振效果。

1 PAM力學特性

理想情況下忽略套筒橡膠彈性及橡膠套筒與纖維網間摩擦力，PAM收縮力為

若考慮橡膠套筒的彈性收縮力，橡膠收縮力為

式中:ε=(D－D0)/D0為PAM徑向膨脹率;σ=(L0－L)/L0為PAM軸向收縮率。

橡膠套筒與纖維網間摩擦力為

式中:P為PAM充氣壓力;P0為環境壓力;D0為PAM初始直徑;D為PAM工作直徑;θ0為PAM初始的纖維與軸向夾角;θ為PAM工作的纖維與軸向夾角;L0為PAM初始長度;L為PAM工作長度;μ為纖維網與橡膠套筒間摩擦系數;E為PAM套筒橡膠彈性模量;tr為PAM橡膠套筒壁厚。

圖2 PAM纖維層幾何參數關系示意圖Fig.2 Relation schematic diagram of PAM fibrous layer geometric parameters

PAM工作過程各幾何參數變化示意見圖2。

綜合各式，得較完整的PAM靜態數學模型為

2 車載擔架振動模型建立

2.1 PAM 擔架緩沖減振機理

由于PAM僅在充氣時產生軸向拉力，放氣時無軸向伸張力，故本文采用在擔架平臺上下對稱布置形式。安裝于擔架臺的加速度傳感器實時測量擔架垂向加速度及俯仰角加速度變化，并將數據傳輸給控制系統;用智能控制分析數據變化，控制執行機構給PAM或充氣或放氣以產生主動控制力。床中部PAM產生的主動力F1(圖1(b)，下同)控制擔架垂向振動，床尾部PAM產生的主動力F2控制擔架俯仰角振動，通過F1，F2聯合作用可有效控制擔架振動。

2.2 人體垂直振動模型

人體為復雜系統。與坐姿、立姿相比，臥姿的病人與擔架接觸面積最大，振動從病人表面與擔架接觸面處直接傳入人體不同部位，用某一處響應不能完全代表全身振動、因此對病人身體各部位分段建模［14］。將人體振動模型簡化為多自由度集中參數模型，擬作為線性系統處理。采用ISO 5892－1981及GB/T 16440－1996的三自由度臥姿人體阻抗模型，見圖3。

圖3 臥姿人體阻抗模型Fig.3 Impedance model of a supine human body

模型參數采用GB/T 16440－1996推薦值，見表1，其中1代表頭部，2代表臀部，3代表腿部。

表1 GB/T 16440－1996模型參數Tab.1 Model parameter of GB/T 16440 －1996

2.3 車輛－擔架－人體模型建立

振動環境下盡管車廂及擔架床會產生一定彈性變形，但擔架的海綿墊及枕頭的隔振作用仍較重要。因此將救護車廂及擔架床視為剛體，用線性彈簧阻尼模擬床墊及枕頭隔振效果。并設擔架系統為對稱于縱向平面的線性系統，建立車輛－擔架－人體振動1/2模型，見圖4。圖中m1，m2，m3為頭部、臀部及腿部質量，分別與圖 2 中 m'1，m'2，m'3相等;m4為擔架質量;m5為車身質量;m6，m7分別為前、后輪質量;j1，j2為擔架、車身轉動慣量;k1，k2，k3為頭部、臀部及腿部與擔架接觸處剛度，分別包括圖2中人體自身頭部、臀部腿部剛度與床墊剛度之和;k4，k5為擔架剛度;k6，k7為懸架剛度;k8，k9為輪胎剛度;c1，c2，c3為頭部、臀部及腿部與擔架接觸處阻尼，分別包括圖2中人體自身頭部、臀部、腿部阻尼與床墊阻尼之和;c4，c5為擔架阻尼;c6，c7為懸架阻尼;F1，F2為 PAM產生的主動控制力;q1，q2為路面激勵。

圖4 PAM擔架振動模型Fig.4 Vibration model of PAM stretcher

據模型得車輛－擔架－人體9自由度振動微分方程矩陣形式為

式中:M為質量矩陣;K為剛度矩陣;C為阻尼系數矩陣。

3 路面不平度模擬

采用英國汽車工業學會的標準路面譜ISOSCZ/WG4。該標準為研究路面不平度的重要參考［15－16］。

該標準中，路面功率譜密度函數S(Ω)為

式中:Ω為空間頻率，對不同等級路面不平度，S(Ω0)取不同值。

本文路面不平度樣本用三角級數疊加法生成，路面不平度樣本計算公式為

式中:θk為服從0～2π均勻分布的隨機項，可由此模擬不同等級路面不平度。

城市道路中的減速帶在增強車輛行駛安全性同時會給救護車平穩快速運送病人增加障礙，降低緊急送醫的及時性且使病人承受巨大顛簸。為此，本文構建單一型減速帶激勵動態模型［17－18］，與路面不平度結合研究救護車載擔架系統振動情況。

4 車載擔架仿真及分析

4.1 BP網絡PID控制

BP(Back Propagation)神經網絡為按誤差反向傳播算法訓練的多層前饋網絡，可據系統的運行狀態通過自學習及加權系數調整調節PID控制器參數控制系統振動。本文兩控制器均采用4－6－3型BP網絡結構，即輸入層4個神經元，隱含層6個，輸出層3個。

為提高病人的受振舒適性，設計兩個BP神經網絡PID控制器［19－22］，據擔架垂向加速度變化控制力 F1輸出;據擔架俯仰角加速度變化控制力F2輸出。經兩控制器聯合作用，可有效控制擔架的垂向、俯仰角振動。輸入層神經元4個，輸入元分別為

式中:x1為誤差量;x2為誤差變化;x3為x2變化;x4為控制器前一時刻輸出。

網絡輸入層輸入為

式中:M=4。

網絡隱含層輸入、輸出、激活函數為

式中:w(2)ij為隱含層加權系數;上標(1)、(2)、(3)分別代表輸入層、隱含層、輸出層。

網絡輸出層輸入、輸出、激活函數為

輸出層輸出節點為 PID 可調參數 kp，ki，kd，即

性能評價函數為

由于α-姜黃烯、α-姜烯和姜黃新酮等特征性共有峰對照品不易得，所以本實驗選用β-石竹烯（S峰）為參照物，依據國家頒布的《中藥注射劑指紋圖譜研究的技術要求》，通過采用不同批次黃絲郁金藥材樣品，建立對照指紋圖譜，根據對照指紋圖譜的特征以及其參照峰（β-石竹烯），確定了22個共有峰。其中23號色譜峰雖然在每批樣品中也都存在，而且含量約占黃絲郁金揮發油的50%，卻并不是18批樣品的共有峰，原因是23號色譜峰可能是由于芳基姜黃酮和姜黃酮未達到分離而共同形成的一個色譜峰，實驗中曾考察了不同色譜柱和不同升溫程序，但最終仍然未使之分離，如何優化實驗條件使之完全分離有待進一步研究。

按梯度下降法修正網絡權系數，得

4.2 控制系統框圖

據神經網絡算法，建立車載擔架緩沖控制系統框圖，見圖5。此處可代表對擔架垂向加速度的控制系統，俯仰角加速度的控制系統同理可得。

圖5 BP網絡PID控制系統Fig.5 BP neural network PID control system

4.3 仿真系統設計與分析

選Festo公司MAS－20－N300－AA－MCHK型氣動肌肉作為車載擔架緩沖系統所用PAM機構。主要參數為 l0=0.3 m，D0=0.02 m，θ0=20°，最大工作載荷為1500 N(滿足擔架減振所需的力)，最大收縮率為額定長度的25%。仿真用某型車載擔架各參數見表2。

表2 仿真參數Tab.2 Simulation parameters

用Matlab/simulink建立系統振動模型，并與Matlab神經網絡工具箱的兩個神經網絡PID控制器結合，對救護車54 km/h在D級路面上行駛及18 km/h在B級路面行駛，并經減速帶進行仿真。兩種情況的病人頭部、臀部、腿部加速度變化曲線對比見圖6、圖7，仿真結果見表3。

圖6 D級路面下頭、臀、腿加速度對比Fig.6 Acceleration comparison of head、buttock and leg on D level pavement condition

圖7 B級路面過減速帶頭、臀、腿加速度對比Fig.7 Acceleration comparison of head、buttock and leg on B level pavement with speed control hump condition

表3 仿真結果Tab.3 Simulation results

4.4 仿真結果分析

對比圖5、圖6及表3可知，所選兩種工況的病人頭部垂直振動加速度振幅最大值分別減小49.68%及49.67%，最小值分別減小59.81%及71.65%，標準差分別減小47.76%及49.09%;病人臀部垂直振動加速度最大值分別減小52.47%及38.82%，最小值分別減小55.86%及 63.05%，標準差分別減小 42.39%及47.89%;病人腿部垂直振動加速度最大值分別減小44.08%及49.25%，最小值分別減小51.98%及71.18%，標準差分別減小34.80%及43.65%。

在對車載擔架垂向、俯仰角加速度控制基礎上，以病人頭部、臀部及腿部加速度大小為指標進行加裝PAM前后對比。顯然，擔架的振動得到控制后人體各部位振動隨之減小;尤其過減速帶瞬時，加裝PAM后加速度明顯下降，從而能緩沖病人身體各部位所受瞬時沖擊、提高病人舒適度。而對病人進行分段建模，便觀察病人身體各部位振動，可針對性對某些部位進行防護。

因此，PAM擔架隔振平臺的運用，可有效降低病人身體各部位振動加速度，提高病人舒適度。

5 結論

(1)將PAM用于救護車載擔架隔振平臺，建立擔架振動力學模型，并用BP神經網絡PID控制及simulink仿真分析。結果表明，PAM擔架緩沖系統可有效緩沖人體不同部位所受振動沖擊、提高病人臥姿的舒適性。

(2)車載擔架建模中，將人體分段建模可分析其不同部位的振動情況，對振動劇烈部位可進行特殊處理，具有一定實際意義。PAM以其良好的動態特性及動作平滑、柔性好、體積小巧等優點，可作為高品質車載擔架緩沖系統執行器。

［1］徐新喜.急救車生物污染防護技術與擔架支架減振性能優化研究［D］.天津:天津大學機械工程學院，2008.

［2］Bruzzone L E，Molfino R M.Special-purpose parallel robot for active suspension of ambulance stretchers［J］.International Journal of Robotics and Automation，2003，18(3):121－130.

［3］孫景工，任旭東，高振海，等.一種應用于救護車輛的磁流變減振器的實驗研究［J］.機床與液壓，2007，35(3):54－55.SUN Jing-gong，REN Xu-dong，GAO Zhen-hai，et al.Experimental study of a magnetorheological fluid shock absorber in ambulance［J］. Hydromechatronics Engineering， 2007，35(3):54－55.

［4］Ono T，Inooka H.Actively-controlled beds for ambulances［J］.International Journal of Automation and Computing，2009，6(1):1－6.

［5］祁建城，李若新，劉志國，等.救護車擔架系統振動的阻尼主動控制研究［J］.振動工程學報，1998，11(2):241－244.QI Jian-cheng，LI Ruo-xin，LIU Zhi-guo，et al.Study on active vibration control for ambulance stretcher system based on sky-hook damper theory［J］.Journal of Vibration Engineering，1998，11(2):241－244.

［6］Murata Y，Maemori K I.Optimum design of ER dampers for ambulances［J］.JSME International Journal Series C，1999，42(4):838－846.

［7］王猛.基于ADAMS的急救車擔架支架減振特性仿真分析與優化研究［D］.北京:中國人民解放軍軍事醫學科學院，2009.

［8］王龍輝，金英子，朱紅亮，等.七自由度氣動人工肌肉機械手臂的設計及研究［J］.浙江理工大學學報，2012，29(1):74－78.WANG Long-hui，JIN Ying-zi，ZHU Hong-liang，et al.Design and research of seven degrees of freedom robotic arm driven by pneumatic artificial muscle［J］.Journal of Zhejiang Sci-Tech.University，2012，29(1):74 －78.

［9］陶國良，謝建蔚，周洪.氣動人工肌肉的發展趨勢與研究現狀［J］.機械工程學報，2009，45(10):75－83.TAO Guo-liang，XIE Jian-wei，ZHOU Hong.Research achievements and development trends of pneumatic artificial muscles［J］.Journal of Mechanical Engineering，2009，45(10):75－83.

［10］Ahn K K，Anh H P H.Design and implementation of an adaptive recurrent neural networks(ARNN)controller of the pneumatic artificial muscle(PAM)manipulator［J］.Mechatronics，2009，19(6):816 －828.

［11］Thanh T U，Ahn K K.Nonlinear PID control to improve the control performance of 2 axes pneumatic artificial muscle manipulator using neural network［J］.Mechatronics，2006，16(9):577－587.

［12］隋立明，王祖溫，包鋼.氣動肌肉與生物肌肉的力學特性對比研究［J］.機床與液壓，2004，6:22－24.SUI Li-ming，WANG Zu-wen，BAO Gang.A comparison of mechanical properties of pneumatic muscle with biological muscle［J］.Hydromechatronics Engineering，2004，6:22－24.

［13］楊鋼，李寶仁，傅曉云.氣動人工肌肉系統動態特性研究［J］.中國機械工程，2006，17(12):1294－1298.YANG Gang，LIBao-ren，FU Xiao-yun.Research on dynamic characteristics of a pneumatic muscle actuator［J］.China Mechanical Engineering，2006，17(12):1294－1298.

［14］湯小紅，楊岳，彭波.鐵路臥鋪客車人體振動舒適性建模與仿真［J］.振動與沖擊，2010，29(5):157－161.TANG Xiao-hong，YANG Yue，PENG Bo.Modeling and simulation of vibration comfort of human body in a railway sleeper carriage［J］.Journal of Vibration and Shock，2010，29(5):157－161.

［15］夏均忠，馬宗坡，白云川，等.路面不平度激勵模型研究現狀［J］.噪聲與振動控制，2012，32(5):1－5.XIA Jun-zhong，MA Zong-po，BAI Yun-chuan.State of research on model for road roughness excitation［J］.Noise and Vibration Control，2012，32(5):1 －5.

［16］Sandra A K，Rao V R V，Sarkar A K.Road roughness modeling with clustered data using ANN approach［J］.International Journal of Civil＆ Structural Engineering，2013，4(1):20－35.

［17］鄭劍.減速帶激勵下非線性汽車懸架系統動力學特性研究［D］.重慶:重慶大學，2010.

［18］Khorshid E，Alkalby F，Kamal H.Measurement of wholebody vibration exposure from speed control humps［J］.Journal of Sound and Vibration，2007，304(3):640－659.

［19］王春華，唐焱.車輛主動懸架的BP神經網絡自適應 PID控制［J］.計算機仿真，2009，26(5):274－277.WANG Chun-hua，TANG Yan.Self-adaptive PID control based on Neural Network for active suspension vehicle［J］.Computer Simulation，2009，26(5):274 －277.

［20］周德勝.神經網絡PID在網絡控制系統中的設計和仿真［D］.大連:大連理工大學，2013.

［21］王修勇，宋璨，陳政清，等.磁流變阻尼器的性能試驗與神經網絡建模［J］.振動與沖擊，2009，28(4):42－46.WANG Xiu-yong，SONG Can，CHEN Zheng-qing，et al.Test of a MR damper and its modeling using neural network［J］.Journal of Vibration and Shock，2009，28(4):42－46.

［22］Chen S，Zhang L.Optimization Tuning of PID parameters about PID controller based on BP neural network［J］.Computer Simulation，2010，10:44:171－173.