基于模式識別的高校課桌椅安全人機(jī)工程學(xué)評價(jià)與設(shè)計(jì)

作者/邢浩然、周亮，安徽理工大學(xué)能源與安全學(xué)院

基于模式識別的高校課桌椅安全人機(jī)工程學(xué)評價(jià)與設(shè)計(jì)

作者/邢浩然、周亮，安徽理工大學(xué)能源與安全學(xué)院

為了對高校課桌椅安全人機(jī)匹配功能進(jìn)行評價(jià)，在確立了8個(gè)評價(jià)指標(biāo)的基礎(chǔ)上，通過建立改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型對大樣本數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)和模式識別。將模型應(yīng)用到實(shí)際高校課桌椅評價(jià)中，利用安全人機(jī)工程學(xué)原則對有關(guān)參數(shù)進(jìn)行了改進(jìn)設(shè)計(jì)并進(jìn)行了評價(jià)驗(yàn)證。結(jié)果表明，模型具有較高的識別效率和準(zhǔn)確度，證明了實(shí)際應(yīng)用的可行性。

安全人機(jī)工程；課桌椅；模式識別；BP神經(jīng)網(wǎng)絡(luò)；改進(jìn)設(shè)計(jì)

引言

課桌椅作為學(xué)生日常使用最頻繁的學(xué)習(xí)用具，其設(shè)計(jì)是否符合安全人機(jī)工程學(xué)原理，是否具有良好的人機(jī)協(xié)調(diào)性能對學(xué)生的學(xué)習(xí)效率與身體健康都有著重要影響。研究表明[1,2]，學(xué)生長時(shí)間學(xué)習(xí)的過程中，課桌椅與學(xué)生人機(jī)匹配不當(dāng)，會導(dǎo)致坐姿不良，引起學(xué)生疲勞，久而久之導(dǎo)致其脊柱變形，視力下降，對身體造成嚴(yán)重?fù)p害。

有調(diào)查顯示[3]，有80%以上的大學(xué)生對學(xué)校課桌椅不滿意，認(rèn)為其設(shè)計(jì)存在問題，人機(jī)匹配性差。對高校課桌椅是否符合人機(jī)工程要求進(jìn)行評價(jià)，結(jié)合評價(jià)結(jié)果對課桌椅進(jìn)行改進(jìn)設(shè)計(jì)，從而提高人機(jī)匹配性成為教育與家具行業(yè)亟需解決的問題。

目前對于高校課桌椅舒適性評價(jià)[4]多是出于主觀調(diào)查方法進(jìn)行判斷，這種方法成本高、耗費(fèi)時(shí)間長、結(jié)果差異性大、客觀性差。為了增強(qiáng)評價(jià)的客觀性和適用性，提高評價(jià)效率，本文采用人工神經(jīng)網(wǎng)絡(luò)方法對高校課桌椅進(jìn)行評價(jià)。

1. 現(xiàn)狀調(diào)查

對于高校課桌椅的設(shè)計(jì)，我國已經(jīng)出臺了相應(yīng)的規(guī)范，有研究學(xué)者也給出了符合人機(jī)工程學(xué)的設(shè)計(jì)要求。高等院校的課桌椅分為固定式和非固定式兩種，本文選擇非固定式課桌椅作為研究對象。對于課桌椅評價(jià)指標(biāo)，還未形成統(tǒng)一的標(biāo)準(zhǔn)，參考其他辦公座椅、汽車座椅的評價(jià)指標(biāo)，有學(xué)者[5,6]采用體壓分布、溫度分布、測試者人體結(jié)構(gòu)參數(shù)等作為評價(jià)指標(biāo)，有的[4]根據(jù)國家有關(guān)標(biāo)準(zhǔn)和基于人機(jī)工程學(xué)所計(jì)算出的功能尺寸進(jìn)行評析。考慮到高校課桌椅的使用量大，使用人群范圍廣等特點(diǎn)，評價(jià)方法與評價(jià)指標(biāo)選取要在操作上要經(jīng)濟(jì)可行，適用面廣。而國家、行業(yè)等產(chǎn)品標(biāo)準(zhǔn)的制定，往往經(jīng)過了大量的調(diào)查、實(shí)驗(yàn)和計(jì)算，其對于產(chǎn)品設(shè)計(jì)參數(shù)的規(guī)定可以滿足使用者的相關(guān)需求。根據(jù)課桌椅有關(guān)標(biāo)準(zhǔn)[7,8]與課桌椅人體工程設(shè)計(jì)的研究成果，本文選取了桌面高h(yuǎn)1、桌下凈空高h(yuǎn)2，桌面深和桌下凈空深t1、桌下凈空寬b2、座面高h(yuǎn)4、靠背上緣距座面高h(yuǎn)5、座面有效深t4、座面寬b3等8個(gè)設(shè)計(jì)參數(shù)作為評價(jià)指標(biāo)，設(shè)計(jì)參數(shù)具體見圖[7]1～3。

圖1 課桌尺寸

圖2 整體翻蓋式課桌尺寸

圖3 課椅尺寸

對于所選的8個(gè)設(shè)計(jì)參數(shù)指標(biāo)，每個(gè)參數(shù)具體取值范圍都是在對人體生理尺寸研究的基礎(chǔ)上給出的。考慮到全國高校師生規(guī)模龐大，實(shí)際設(shè)計(jì)過程中人體靜態(tài)尺寸與動(dòng)態(tài)尺寸的選取需要考慮到適用度的問題，即設(shè)計(jì)產(chǎn)品在尺寸上能滿足多少人的使用要求，通常以適合使用的人數(shù)占使用者群體百分比表示。產(chǎn)品的設(shè)計(jì)目標(biāo)與用途的不同，人體尺寸的百分位和適用度的選取也不同。同時(shí)考慮到在實(shí)際使用過程中，人的可能動(dòng)作、著裝等所需要的設(shè)計(jì)裕度，即功能修正量（f?）和為了消除人的不舒適心理感受，或滿足其心理需求而附加必要心理空間尺寸，即心理修正量（p?）。設(shè)計(jì)時(shí)，產(chǎn)品最佳功能尺寸(oS)是在考慮這三者基礎(chǔ)上給出的，即：

式中Sα為第α百分位的人體尺寸。

標(biāo)準(zhǔn)中所給的尺寸是滿足人的最基本需求的尺寸，根據(jù)所選功能修正量和心理修正量的不同及設(shè)計(jì)和制造時(shí)存在的允許誤差，課桌椅設(shè)計(jì)參數(shù)具體取值存在著一定的冗余，但總體上位于一定的取值范圍內(nèi)。對于每個(gè)評價(jià)指標(biāo)，設(shè)計(jì)參數(shù)位于此范圍內(nèi)的數(shù)據(jù)可以認(rèn)為其具有良好的人機(jī)匹配性能，舒適性較好。為了對高校課桌椅人機(jī)協(xié)調(diào)性進(jìn)行準(zhǔn)確的評價(jià)，本文將各參數(shù)的取值范圍內(nèi)的不同值作為輸入，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)，結(jié)合具體調(diào)查實(shí)例，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)對其進(jìn)行評價(jià)并進(jìn)行改進(jìn)設(shè)計(jì)。

2. 基于BP神經(jīng)網(wǎng)絡(luò)評價(jià)模型的建立

2.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP（Back Propagation）網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)之一，其是一種按誤差反向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)。按一定方式對樣本輸入與輸出進(jìn)行學(xué)習(xí)，通過網(wǎng)絡(luò)實(shí)際輸出與樣本實(shí)際輸出誤差的反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值或閾值，首先調(diào)整隱含層與輸出層之間的權(quán)值，繼續(xù)調(diào)整輸入層與隱含層之間的權(quán)值，使得整個(gè)神經(jīng)網(wǎng)絡(luò)的誤差平方和最小，即

式中W是模型所有參數(shù)向量，f為神經(jīng)網(wǎng)絡(luò)通過非線性逼近求解的隱函數(shù)。

典型的 BP 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為三層，包括輸入層（input layer）、隱含層（hidden layer）、輸出層（output layer），每一層又由若干獨(dú)立神經(jīng)元構(gòu)成。BP 網(wǎng)絡(luò)算法具有較強(qiáng)的非線性映射能力，研究表明[9]，三層 BP 神經(jīng)網(wǎng)絡(luò)理論上能夠逼近任意的有理連續(xù)函數(shù)，其在模式識別問題中應(yīng)用廣泛。

2.2 BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)

BP神經(jīng)網(wǎng)絡(luò)存在易陷入局部極小和存在收斂速度慢等問題，將附加動(dòng)量法和自適應(yīng)學(xué)習(xí)速率法[10]引入神經(jīng)網(wǎng)絡(luò)對其進(jìn)行改進(jìn)以解決BP神經(jīng)網(wǎng)絡(luò)的缺陷。

2.2.1 附加動(dòng)量法

附加動(dòng)量法是在誤差反向傳播基礎(chǔ)上，在每一個(gè)權(quán)值的變化上加上一項(xiàng)正比于權(quán)值的變化量，來確定新的權(quán)值，即：

式中k為訓(xùn)練次數(shù)，cm為動(dòng)量因子，η為學(xué)習(xí)速率，?f( w( k))為誤差函數(shù)梯度。

通過此方法可以防止最后一次權(quán)值變化量為0，可使神經(jīng)網(wǎng)絡(luò)從局部極小值中跳出。

2.2.2 自適應(yīng)學(xué)習(xí)速率法

自適應(yīng)學(xué)習(xí)速率法是學(xué)習(xí)速率根據(jù)誤差的變化而自適應(yīng)調(diào)整，增加收斂速度以提高網(wǎng)絡(luò)的穩(wěn)定性。過程可表示為：

2.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建

對高校課桌椅評價(jià)的神經(jīng)網(wǎng)絡(luò)模型由三層結(jié)構(gòu)構(gòu)成，前面所選的8個(gè)設(shè)計(jì)參數(shù)作為輸入層神經(jīng)元，根據(jù)輸入層神經(jīng)元的個(gè)數(shù)，確定隱含層神經(jīng)元個(gè)數(shù)為15個(gè)，輸出為二輸出，即桌椅是否符合規(guī)范要求，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，如圖4。

圖4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

2.3 訓(xùn)練樣本的產(chǎn)生

對所選8個(gè)設(shè)計(jì)參數(shù)指標(biāo)，符合規(guī)范的每個(gè)設(shè)計(jì)參數(shù)指標(biāo)都有一定范圍的取值區(qū)間。在各個(gè)參數(shù)的取值區(qū)間內(nèi)，利用隨機(jī)函數(shù)對每個(gè)參數(shù)各生成300組符合數(shù)據(jù)要求的數(shù)據(jù)和300組不符合設(shè)計(jì)規(guī)范要求的數(shù)據(jù)，符合標(biāo)準(zhǔn)的輸出用“01”表示，不符合的輸出用“10”表示，將這5400個(gè)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。

2.4 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與建立

將訓(xùn)練樣本輸入所建立的神經(jīng)網(wǎng)絡(luò)模型，在對數(shù)據(jù)進(jìn)行歸一化處理后，選取70%為訓(xùn)練樣本，15%為驗(yàn)證樣本，15%為測試樣本，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果如圖5所示。從圖中可以看出對所選樣本的分類準(zhǔn)確率達(dá)到了99.6%，神經(jīng)網(wǎng)絡(luò)達(dá)到了滿意的訓(xùn)練效果。

3. 實(shí)例分析

3.1 對高校課桌椅人機(jī)評價(jià)

通過對安徽某高校教室非固定式桌椅的實(shí)地測量，得到的尺寸設(shè)計(jì)參數(shù)如表1所示。

表1 課桌椅設(shè)計(jì)參數(shù)實(shí)測尺寸

圖5 訓(xùn)練分類結(jié)果

將此8個(gè)數(shù)值作為輸入，利用已建立的神經(jīng)網(wǎng)絡(luò)模型對其進(jìn)行仿真預(yù)測。神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果為“10”，即所測的課桌椅不滿足安全人機(jī)工程學(xué)的要求，需要對其進(jìn)行改進(jìn)設(shè)計(jì)。將所測的數(shù)據(jù)與實(shí)際標(biāo)準(zhǔn)進(jìn)行比較，結(jié)合對學(xué)生舒適性調(diào)查，人機(jī)匹配性差，可見此神經(jīng)網(wǎng)絡(luò)模型對實(shí)際問題進(jìn)行了較好的識別。

3.2 人機(jī)工程學(xué)改進(jìn)設(shè)計(jì)

根據(jù)神經(jīng)網(wǎng)絡(luò)的分類識別結(jié)果，需要對課桌椅有關(guān)參數(shù)進(jìn)行改進(jìn)設(shè)計(jì)。通過與設(shè)計(jì)參數(shù)標(biāo)準(zhǔn)比較，可以得出桌下凈空高h(yuǎn)2偏低，桌面深、桌面凈空深t1偏高，座面高h(yuǎn)4偏大，座面有效深度t4偏大。結(jié)合安全人機(jī)工程學(xué)設(shè)計(jì)準(zhǔn)則和公式（1）對上述參數(shù)進(jìn)行改進(jìn)設(shè)計(jì)。

3.2.1 桌下凈空高

合適的桌下凈空高能提供給學(xué)生舒適的容膝空間，保證一定的下肢活動(dòng)范圍，根據(jù)標(biāo)準(zhǔn)[3]中規(guī)定，桌下凈空高應(yīng)不小于600mm，而測量值僅為581mm。結(jié)合人機(jī)匹配的原則，利用人體測量學(xué)數(shù)據(jù)[11]，Sα為坐姿大腿厚、小腿加足高的男性第95百分位之和，其值為599mm，考慮到著裝等因素，功能修正量f?取20mm，心理修正量p?取30mm，所以容膝空間改進(jìn)為649mm。

3.2.2 桌面深、桌面凈空深

課桌的深度為學(xué)生上肢手臂提供一定活動(dòng)范圍，以成年男性前臂長第95百分位258mm和手長第95百分位196mm，再加上功能修正量15mm，心理修正量15mm來進(jìn)行設(shè)計(jì)，其取值為484mm。

3.2.3 座面高

座面高度的設(shè)計(jì)為了避免壓迫腿部，維持坐姿時(shí)身體的穩(wěn)定舒適。主要根據(jù)坐姿腘窩高和坐姿肘高的第95百分位進(jìn)行設(shè)計(jì)，其值與標(biāo)準(zhǔn)中[7]給出的座面高410±10mm相似，所以應(yīng)在原有的基礎(chǔ)上降低20mm。

3.2.4 座面有效深

座椅的深度設(shè)計(jì)應(yīng)滿足臀部支撐、腰部與靠背支撐和小腿一定活動(dòng)范圍，以人體尺寸坐深作為尺寸依據(jù)，取女性第5百分位數(shù)401mm。為滿足要求，將實(shí)際座面深度改進(jìn)為400mm。

3.3 改進(jìn)設(shè)計(jì)評價(jià)

將改進(jìn)的設(shè)計(jì)參數(shù)和原始滿足要求的設(shè)計(jì)參數(shù)作為所建立的神經(jīng)網(wǎng)絡(luò)模型的輸入，利用機(jī)器學(xué)習(xí)進(jìn)行模式識別。模型輸出結(jié)果為“0 1”，說明改進(jìn)設(shè)計(jì)符合標(biāo)準(zhǔn)的要求。

4. 結(jié)論

本研究選取了8個(gè)設(shè)計(jì)參數(shù)作為評價(jià)課桌椅人機(jī)協(xié)調(diào)性的指標(biāo)，采用數(shù)值模擬方法，利用構(gòu)造的大數(shù)據(jù)樣本對其進(jìn)行評價(jià)，提高了評價(jià)結(jié)果的準(zhǔn)確性。

通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模式識別，結(jié)果表明識別準(zhǔn)確率可達(dá)99.6%。

將模型應(yīng)用到實(shí)際高校課桌椅評價(jià)中，得出評價(jià)結(jié)果不滿足標(biāo)準(zhǔn)要求。本文結(jié)合安全人機(jī)工程學(xué)和相關(guān)標(biāo)準(zhǔn)對課桌椅進(jìn)行了改進(jìn)設(shè)計(jì)，并用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了評價(jià)驗(yàn)證。

此模型可進(jìn)一步應(yīng)用到大樣本數(shù)據(jù)的評價(jià)中，以提高評價(jià)的效率和客觀性，并為設(shè)計(jì)出符合安全人機(jī)工程學(xué)的產(chǎn)品提供改進(jìn)方向。

＊ [1]李美琴,何濤,呂約芳.高校課桌椅的結(jié)構(gòu)、配置和布局研究[J]. 中國教育技術(shù)裝備, 2015(2):1—4.

＊ [2]徐丹妮.中小學(xué)生課桌椅的設(shè)計(jì)研究與實(shí)踐[D]. 武漢:武漢理工大學(xué), 2013.

＊ [3]田煒,馬廣韜.高校課桌椅的人性化設(shè)計(jì)研究[J]. 藝術(shù)與設(shè)計(jì):理論版, 2010(10X):195—197.

＊ [4]牛美玲,張孟輝.基于安全人機(jī)工程學(xué)的高校課桌椅評析[J].統(tǒng)計(jì)與管理, 2016(8):132—133.

＊ [5]耿躍峰,王武,王紅玲.遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的駕駛椅舒適度評價(jià)[J]. 機(jī)械設(shè)計(jì)與制造, 2009(11):204—206.

＊ [6]黃蒙.基于BP神經(jīng)網(wǎng)絡(luò)的辦公椅舒適性評價(jià)方法研究[D].南京:南京林業(yè)大學(xué), 2016.

＊ [7]GB/T 3976—2014學(xué)校課桌椅功能尺寸及要求[S]

＊ [8]GB/T 4071 課桌椅[S]

＊ [9]喬俊飛,韓紅桂.前饋神經(jīng)網(wǎng)絡(luò)分析與設(shè)計(jì)[M].北京:科學(xué)出版社,2013.01.

＊ [10]Sun Y J, Shen Z, Miao C X, et al. Improved BP Neural Netwo rk for Transformer Fault Diagnosis[J]. International Journal of Mining Science and Technology, 2007, 17(1):138—142.