融合表面肌電和姿勢信息的輪椅績效評價方法

王振宇，向澤銳,b，呂思龍，龍思雨，支錦亦,b

融合表面肌電和姿勢信息的輪椅績效評價方法

王振宇a，向澤銳a,b*，呂思龍a，龍思雨a，支錦亦a,b

（西南交通大學(xué) a.設(shè)計藝術(shù)學(xué)院 b.人機(jī)環(huán)境系統(tǒng)設(shè)計研究所，成都 611730）

為客觀評價輪椅的使用效益，使用表面肌電設(shè)備測試輪椅使用過程中的肌電信號，并融合姿勢信號IMU來構(gòu)建人機(jī)評價模型。分別對輪椅的折疊、剎車方式及行駛坡度進(jìn)行試驗(yàn)來評估輪椅的使用績效，通過對比用力肌群間的疲勞狀況來判定較為舒適的輪椅折疊及剎車方式。實(shí)驗(yàn)要求被試者在執(zhí)行輪椅任務(wù)時，分別使用兩種折疊方式和三種剎車方式不同的輪椅進(jìn)行實(shí)驗(yàn)，并在操作動作任務(wù)過程中采集sEMG和IMU信號，在實(shí)驗(yàn)任務(wù)結(jié)束后填寫NASA-TLX量表。根據(jù)模型的評價指標(biāo)對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了比較與分析，橫向收折式折疊和凹口式剎車（手剎位于前方）的輪椅疲勞度低，在3～4°坡度范圍下輪椅使用者的受力最小，較為舒適，從而驗(yàn)證了模型在輪椅人機(jī)評價上的可行性，為優(yōu)化輪椅設(shè)計提供參考。人機(jī)評價模型適用于評估產(chǎn)品績效，同時提出的融合表面肌電和姿勢信息的輪椅績效評價方法具有較高的精度和準(zhǔn)確性，能夠有效地評估輪椅使用者的績效水平。

表面肌電；姿勢信號；輪椅績效；評價模型；慣性測量單元

輪椅是現(xiàn)有輔助器具中使用最廣泛的個人移動輔助工具。根據(jù)世界衛(wèi)生組織的統(tǒng)計，我國需要使用輪椅的人口為1 373.49萬人，但實(shí)際獲得輪椅適配的比例只有10%～15%[1-2]。根據(jù)ISO 9999 輔助器具—分類和術(shù)語[3]，將輪椅車（Manual wheelchairs，MW）列入第 12 主類個人移動輔助產(chǎn)品。輪椅因作業(yè)時難度增加易引起肌肉損傷，對肌肉的高需求和輪椅構(gòu)件的不同會導(dǎo)致嚴(yán)重的肌肉疲勞，故客觀評估輪椅使用者的肌肉疲勞具有一定的必要性[4]。目前，客觀評估輪椅績效方法有心理和生理測試，心理測試可以采用腦電技術(shù)研究輪椅績效與舒適度；在生理測試中，體壓分布、肌電圖、腦電圖和心電圖是評價人體生理感知的重要手段[5]。

文獻(xiàn)[6]建立了按摩椅績效人機(jī)評價模型，通過實(shí)驗(yàn)表明使用肌電信號是可以用來評價按摩椅緩解肌肉疲勞狀態(tài)的。文獻(xiàn)[7]采用支持向量機(jī)實(shí)現(xiàn)了對肌肉疲勞的預(yù)測。文獻(xiàn)[8]構(gòu)建肌力預(yù)測模型，利用表面肌電特征參數(shù)進(jìn)一步提高了肌力預(yù)測的實(shí)用性。文獻(xiàn)[9]研究了輪椅上坡過程中軀干肌肉的活動，并考察采用齒輪輪子對姿勢控制需求的影響。文獻(xiàn)[10]表明增加斜坡斜率僅影響豎脊肌的峰值肌電，肌電信號處理應(yīng)用對于輪椅使用者績效提高和診斷具有巨大的潛力。綜上所述，肌電信號可以用于評估輪椅效益和診斷肌肉狀況，為輪椅設(shè)計和優(yōu)化提供參考。

表面肌電（Surface electromyography，sEMG）技術(shù)是一種無創(chuàng)、實(shí)時的測量方法，可在某項任務(wù)期間監(jiān)測局部肌肉疲勞，從而客觀反映肌肉活動水平和功能狀態(tài)[11]。肌電信號經(jīng)常被用作假肢、外骨骼或輪椅等設(shè)備的控制輸入。然而，sEMG 在輪椅績效評價上應(yīng)用較少，針對輪椅在緩解肌肉疲勞績效評價等方面的研究仍存在不足，如，文獻(xiàn)[12]的實(shí)驗(yàn)對象不是輪椅使用者，文獻(xiàn)[13]選取的肌肉不是以輪椅使用者為直接目標(biāo)。為此，提出輪椅績效人機(jī)評價模型，通過折疊、剎車及坡度實(shí)驗(yàn)，研究特定肌肉在不同折疊、剎車及坡度下肌電指標(biāo)的變化情況，驗(yàn)證較為舒適的交互方式，從而緩解肌肉疲勞。單純依賴肌電信號時會遇到肌肉疲勞，除正常的肌肉收縮水平外，還會影響肌電圖的振幅和頻譜。為提高模型精度及魯棒性引入IMU姿勢傳感器，加速度數(shù)據(jù)作為一個附加的輸入信號來判斷肌肉疲勞情況，使用混合方法來補(bǔ)償單獨(dú)肌電圖滯后問題。融合表面肌電和姿勢信息的輪椅績效評價方法可以客觀評價輪椅的使用效益，診斷肌肉疲勞狀態(tài)，提高輪椅使用者體驗(yàn)，并推廣肌電信號處理技術(shù)的應(yīng)用。

1 輪椅績效評價模型

1.1 表面肌電技術(shù)

sEMG是在人體皮膚表面產(chǎn)生的肌肉電信號，是人體神經(jīng)肌肉細(xì)胞興奮收縮形成的電信號。sEMG信號較弱，幅度一般為0～5 mv，依附在皮膚表面的電極采集而得，具有無創(chuàng)性與便捷性，可直接反映淺層肌肉激活情況。sEMG 因含有運(yùn)動控制信息，所對探究肌肉疲勞程度、電生理變化及神經(jīng)肌肉協(xié)調(diào)性指標(biāo)具有指導(dǎo)作用。sEMG現(xiàn)廣泛應(yīng)用于工效學(xué)、人機(jī)交互的智能感知、人機(jī)協(xié)作控制等方向。通過表面肌電實(shí)驗(yàn)?zāi)軌蛴行Й@取均方根值（Root Mean Square，RMS）和中位頻率（Median Frequency，MF），來客觀評價手動輪椅的績效。

1.2 慣性傳感器

慣性測量單元（Inertial Measurement Unit，IMU）是用來測量物體三軸姿態(tài)角和加速度的裝置。IMU 包括三軸陀螺儀和三軸加速度計，九軸 IMU 還包括三軸磁強(qiáng)計[14]。加速度計是建立在載體坐標(biāo)系中獨(dú)立的三軸加速度信號；陀螺儀是以測量物體的角速度和加速度，來計算物體的姿態(tài)。加速度計通常與陀螺儀一起使用，以補(bǔ)償因重力影響導(dǎo)致的驅(qū)動不足。慣性傳感器是一種檢測和測量加速度、傾斜、振動、旋轉(zhuǎn)的傳感器。由于佩戴大量傳感器對用戶來說是有創(chuàng)的，因此使用IMU技術(shù)作為參考來獲得模型的精度[15]。

1.3 融合sEMG和IMU的人機(jī)評價模型

因多任務(wù)會導(dǎo)致模型復(fù)雜，降低推理速度。現(xiàn)利用 sEMG 采集信號判斷人體疲勞度，使用 IMU 技術(shù)來測量關(guān)節(jié)的轉(zhuǎn)動數(shù)據(jù)作為參考，進(jìn)而驗(yàn)證模型的準(zhǔn)確度。對 sEMG信號分析主要集中在時域和頻域，在時域分析中，sEMG是以時間為自變量進(jìn)行統(tǒng)計分析的函數(shù)。時域分析是在時間維度上評價肌電曲線的變化特征的指標(biāo)，RMS指標(biāo)因其具有較好的實(shí)時性而常被用于描述肌肉活動狀態(tài)，是指某段時間內(nèi)所有振幅的均方根值，描述了sEMG在一定時間內(nèi)的平均變化特征。因此，將時域參數(shù)RMS與頻域參數(shù) MF 相結(jié)合，以判斷手動輪椅在作業(yè)時的績效和人體上肢肌肉疲勞程度變化，基于RMS和MF指標(biāo)，提出評估輪椅性能人機(jī)評價模型，見圖1。

RMS的大小決定于表面肌電信號的振幅，通過比較不同時期的 RMS可以確定疲勞的時間和程度。一般來說，無論是靜態(tài)還是動態(tài)運(yùn)動，EMG（）振幅均會增加，即隨著疲勞的增加，RMS增大。時域參數(shù)RMS（）計算見式（1）。

式中：()為表面肌電信號采樣值；dt表示對時間（）進(jìn)行積分；T為采樣時間。

頻域分析是對時域信號進(jìn)行快速傅立葉變換，反映肌電信號在不同頻率范圍內(nèi)的強(qiáng)弱。中值頻率（Median Frequency，MF）用于 sEMG 頻域分析，指肌肉收縮時放電頻率的中間值，一般隨運(yùn)動時間的增加呈下降趨勢。由于骨骼肌中快肌纖維和慢肌纖維的比例不同，骨骼肌不同部位的MF也不同。快肌纖維的興奮表現(xiàn)為高頻放電，慢肌纖維表現(xiàn)為低頻放電。頻域參數(shù)MF（）計算見式（2）。

圖1 輪椅性能人機(jī)評價模型

式中：PSD為sEMG的功率譜密度函數(shù)；為頻率。

RMS在時間維度上反映信號的振幅變化特征，可直觀映射肌肉疲勞程度與肌電信號變化規(guī)律；從統(tǒng)計學(xué)角度而言，MF則反映sEMG的頻譜特征。時域內(nèi)RMS分析的參數(shù)比頻域內(nèi)分析的參數(shù)對位置變化更敏感，與時域分析法比較，以傅里葉變換為基礎(chǔ)的頻域分析法更加的穩(wěn)定可靠。

模型中，ΔRMS為整個實(shí)驗(yàn)過程中規(guī)定時間內(nèi) RMS的均值減去實(shí)驗(yàn)結(jié)束前規(guī)定時間內(nèi)RMS的平均值之差。若ΔRMS大于0，說明sEMG活動趨于降低，肌肉疲勞降低；ΔRMS等于0時表示sEMG活動無變化；ΔRMS小于0表示sEMG活動有增加的趨勢，表明肌肉疲勞。模型的主要評價步驟如下。

1）使用RMS和MF指標(biāo)評估肌肉是否進(jìn)入疲勞狀態(tài)。若實(shí)驗(yàn)結(jié)果顯示肌肉未出現(xiàn)疲勞，則該數(shù)據(jù)無效；若實(shí)驗(yàn)結(jié)果顯示肌肉已經(jīng)出現(xiàn)疲勞，則需要選取前后各2 s RMS的區(qū)間（RMSB與RMSE）進(jìn)行數(shù)據(jù)分析。此外，在選擇RMS區(qū)間時，需要剔除瞬時值異常波動較大的數(shù)據(jù)點(diǎn)，以確保所選區(qū)間的數(shù)據(jù)穩(wěn)定性。

2）從RMSB中減去RMSE得到ΔRMS；從MFB中減去MFE得到ΔMF。通過比較ΔRMS與ΔMF來判斷肌肉的疲勞；以IMU傳感器的加速度數(shù)據(jù)進(jìn)行客觀驗(yàn)證；以NASA-TLX量表的結(jié)果進(jìn)行主觀驗(yàn)證。

3）比較不同任務(wù)下的ΔRMS，并參考IMU的Δg，對輪椅的績效進(jìn)行評價。

4）比較NASA-TLX量表中6個維度對心理負(fù)荷的影響，主觀評估輪椅的績效。

2 實(shí)驗(yàn)方法

2.1 實(shí)驗(yàn)準(zhǔn)備

為探究輪椅的剎車、折疊、坡度任務(wù)績效，現(xiàn)以手動輪椅為例進(jìn)行探究。手動輪椅按照折疊方式劃分有中心合攏式輪椅和橫向收折式輪椅兩類；按照剎車裝置可分為肘節(jié)式剎車、凹口式剎車、鉸鏈?zhǔn)絼x車三種[16-17]，特征見表1。

折疊輪椅作為醫(yī)療康復(fù)的輔助工具，通常見于醫(yī)院、機(jī)場等公共場所，是為行動不便者提供的公共設(shè)施。這類產(chǎn)品多數(shù)為單向折疊，體積笨重，不易攜帶。中心合攏式輪椅是市場上最常見的產(chǎn)品，折疊時只需將輪椅兩側(cè)的支架向中心推攏即可實(shí)現(xiàn)折疊，操作相對簡單，易于加工并且便宜。缺點(diǎn)是折疊后輪椅的橫向?qū)挾入m有一定程度的減小，但在高度和長度方向的橫截面積未改變。橫向收折式輪椅一般使用提拉方式折疊。折疊前需收回踏板、打開折疊鎖，再完成折疊，操作簡單快捷；缺點(diǎn)是需要增加開鎖的步驟。

剎車是保障輪椅使用者安全的部件及必備部件之一，肘節(jié)式剎車是利用杠桿原理，通過幾個關(guān)節(jié)進(jìn)行制動，其機(jī)械優(yōu)勢強(qiáng)于凹口式剎車，但失效更快；凹口式剎車安全可靠，但費(fèi)力，調(diào)整后可以在斜坡上剎車；鉸鏈?zhǔn)絼x車是采用關(guān)節(jié)鉸鏈的靈活性和力量傳遞的形式進(jìn)行剎車，其剎車速度較快，操作靈活，適用于運(yùn)動輪椅的制動[18]。手動輪椅的剎車及折疊結(jié)構(gòu)見圖2。

表1 手動輪椅分類

Tab.1 Classification of manual wheelchairs

圖2 手動輪椅剎車及折疊結(jié)構(gòu)

文獻(xiàn)[19]為量化5種不同坡度（0°、2.7°、3.6°、4.8°和7.1°）對電動跑步機(jī)上手動輪椅推進(jìn)過程中軀干和肩膀運(yùn)動學(xué)以及肩膀運(yùn)動和肌肉需求的影響。得出結(jié)論在 2.7°～3.6°和3.6°～4.8°的坡度增量之間存在一些相似之處，但當(dāng)跑步機(jī)的坡度增加時，前軀干屈曲和肩部屈曲運(yùn)動幅度及肩部機(jī)械和肌肉需求通常會增加。文獻(xiàn)[20]為研究青年截癱患者在不同坡度坡道上（0°、2°、4°、6°、8°、10°、12°）輪椅推進(jìn)的運(yùn)動學(xué)和肌電分析，結(jié)果表明在4°～10°的斜坡上，運(yùn)動學(xué)發(fā)生重大調(diào)整，肌肉活動顯著增加，并且隨著坡度的增加，軀干變得更加活躍。文獻(xiàn)[21]對比3種速度（0.6 m/s，0.8 m/s和1.0 m/s）和4種坡度（0°、2.7°、3.6°和4.8°）下心肺結(jié)果指標(biāo)，VO2，心率，呼吸頻率，分鐘通氣量和潮氣量。得出結(jié)論：在電動跑步機(jī)上推進(jìn) MW 的同時增加速度和坡度會增加心肺反應(yīng)及感知用力率RPE。文獻(xiàn)[22]為對比跑步機(jī)上4種梯度（0%、0.7%、1.0%、1.3%）推進(jìn)輪椅的生物力學(xué)特征，建議使用0.7%跑步機(jī)梯度以較低的速度（4 km/h和6 km/h）推進(jìn)輪椅，而1.0% 梯度可能在8 km/h更合適。文獻(xiàn)[23]對手動輪椅推進(jìn)的坡度進(jìn)行歸納，發(fā)現(xiàn)坡度在2%～9%是可接受的。因此，為研究不同坡度下輪椅的使用績效，現(xiàn)選取0°、2°、3°、4°、6°、8°、10°、12°這7種坡度進(jìn)行實(shí)驗(yàn)研究。

2.2 實(shí)驗(yàn)對象與實(shí)驗(yàn)環(huán)境

在肌電圖研究方面，小規(guī)模實(shí)驗(yàn)是前沿研究的常用策略，其優(yōu)勢在于可以減少實(shí)驗(yàn)成本和時間，同時提高解決探索性問題的效率。文獻(xiàn)[24]選取了兩名男性受試者、而文獻(xiàn)[25]僅收集了一名男性受試者的前臂表面肌電數(shù)據(jù)。因此，本實(shí)驗(yàn)招募10名全日制研究生作為受試者，均無相關(guān)骨骼肌肉病史，實(shí)驗(yàn)前48 h內(nèi)無任何形式的激烈運(yùn)動。被試者基本情況以“平均數(shù)±標(biāo)準(zhǔn)差”表示如下：年齡為（23±1.1）歲，身體質(zhì)量指數(shù)（Body Mass Index、BMI）為（21.6± 2.3）kg/m2，實(shí)驗(yàn)地點(diǎn)為西南交通大學(xué)人機(jī)工程實(shí)驗(yàn)室。

2.3 實(shí)驗(yàn)設(shè)備

基于肌電信號的輪椅折疊效應(yīng)評價實(shí)驗(yàn)設(shè)備包括：

1）三種不同類型的輪椅。兩種折疊方式、三種剎車方式不同的輪椅，見圖2。

2）姿勢傳感器IMU模塊選用BWT901CL系列，采樣頻率為100 Hz，記錄運(yùn)動軌跡加速度、角速度、角度等數(shù)據(jù)。

3）肌電信號由ErgoLAB人機(jī)環(huán)境同步測試云平臺采集，采樣頻率為1 024 Hz，采樣精度為12 bit，實(shí)驗(yàn)數(shù)據(jù)借助MATLAB軟件處理。

2.4 實(shí)驗(yàn)任務(wù)與肌肉選取

以上肢肌肉群體為例，研究手動輪椅在進(jìn)行作業(yè)時各肌肉表面肌電信號的參數(shù)變化特征伴隨肌肉疲勞過程的相關(guān)關(guān)系、以此評價a、b、c三型手動輪椅的剎車、折疊、坡度績效。文獻(xiàn)[26]在折疊輪椅的整個發(fā)力過程中，被試者主要依靠上肢肌肉發(fā)力完成做功，需要將肘部彎曲與肩部伸展，根據(jù)Seniam項目[27]選取前三角肌（AD）、中三角肌（MD）、后三角肌（PD）、肱二頭肌（BB）、斜方肌（UT）和肱三頭肌（TB）這6個不同的肌肉部位進(jìn)行肌電信號采集[28-31]，見圖3。

2.5 實(shí)驗(yàn)方案及流程

為檢驗(yàn)手動輪椅的質(zhì)量是否符合國家標(biāo)準(zhǔn)，便于進(jìn)一步研究，對滑行偏移量（≤350 mm為合格），車輪落地性（所有車輪應(yīng)平穩(wěn)著地），駐坡性能（≥8°為合格）進(jìn)行輪椅的靜態(tài)測量研究[32-33]。此項測試進(jìn)行三次，以三次數(shù)據(jù)的平均值為檢驗(yàn)結(jié)果，結(jié)果顯示：三種輪椅均符合相關(guān)標(biāo)準(zhǔn)。

圖3 實(shí)驗(yàn)肌肉選取

實(shí)驗(yàn)方案與流程圖見圖4，本次實(shí)驗(yàn)分成三個階段，第一階段：被測對象在實(shí)驗(yàn)點(diǎn)進(jìn)行培訓(xùn)，達(dá)到實(shí)驗(yàn)要求后進(jìn)行正式實(shí)驗(yàn)，以節(jié)約時間及提高準(zhǔn)確率。

第二階段分為兩個任務(wù)：任務(wù)一為在實(shí)驗(yàn)過程中，使用輪椅a、b、c分別進(jìn)行剎車和折疊作業(yè)，目的是測試受試者在不同輪椅上進(jìn)行剎車和折疊操作時的表現(xiàn)和反應(yīng)能力，為確保數(shù)據(jù)的準(zhǔn)確性，使用相同的距離和加速度來推行各個輪椅完成任務(wù)；任務(wù)二為受試者將獨(dú)立完成7種不同坡度（2°～12°）的實(shí)驗(yàn)，該任務(wù)的目標(biāo)是評估受試者在不同坡度條件下的行走能力和適應(yīng)性，并確定最舒適的坡度范圍，為后續(xù)有關(guān)輪椅坡度的研究提供基礎(chǔ)。

第三階段為：測試結(jié)束后，填寫NASA-TLX（NASA-Task Load Index）量表[34]，評估主觀任務(wù)滿意度、工作表現(xiàn)和疲勞程度，輪椅績效評估實(shí)驗(yàn)見圖5。

圖4 實(shí)驗(yàn)方案與流程

圖5 輪椅績效評估實(shí)驗(yàn)

3 實(shí)驗(yàn)結(jié)果分析

3.1 數(shù)據(jù)預(yù)處理

肌電信號因特征微弱，易受外界干擾，因此對信號的采集和處理提出了嚴(yán)格的要求。采集到的肌電信號必須經(jīng)過進(jìn)一步處理才能提取出有用的信息，通常需要在信號處理之前進(jìn)行預(yù)處理，經(jīng)信號放大、濾波去噪、去偏置等預(yù)處理得到sEMG信號[35]。使用截止頻率為5 Hz的高通濾波器來去除直流偏移和低頻噪聲成分；設(shè)置50 Hz帶阻濾波器，以去除電源干擾或其他高頻噪聲干擾；選取截止頻率為500 Hz的低通濾波器來保留感興趣肌肉信號的主要成分，并去除高頻噪聲。并設(shè)置窗口大小為100 ms的滑動均方根值，將其作為處理后的信號表示。滑動均方根可以提供肌肉收縮強(qiáng)度的估計，處理前后數(shù)據(jù)見圖6。

圖6 處理前后數(shù)據(jù)對比

根據(jù)式（1）～（2）計算RMS與MF，其指標(biāo)特征見圖7，根據(jù)研究表明，均方根值RMS的幅值參數(shù)伴隨著疲勞的增加而增加，MF隨著疲勞的增加而降低，與RMS成反比。

圖7 RMS與MF變化規(guī)律

3.2 實(shí)驗(yàn)結(jié)果對比

3.2.1 單因素分析對比

使用ErgoLAB人機(jī)環(huán)境同步測試云平臺采集肌電信號，采樣頻率為1 024 Hz，實(shí)驗(yàn)數(shù)據(jù)經(jīng)過3.1數(shù)據(jù)預(yù)處理后，借助MATLAB軟件計算RMS和MF，并得到前、后2 s的ΔRMS和ΔMF，以評估肌肉疲勞狀態(tài)，實(shí)驗(yàn)結(jié)果見表2。根據(jù)JASA分析方法中定義的肌肉疲勞狀態(tài)[36]。觀察到每次任務(wù)后RMS增加而MF減少，為了進(jìn)行更深入地定量分析，根據(jù)人機(jī)評價模型，計算了10名受試者在不同任務(wù)中的ΔRMS，并評估輪椅績效。如表2所示的實(shí)驗(yàn)結(jié)果顯示：1）在剎車訓(xùn)練中，輪椅c的肌電RMS較高，表明肌肉訓(xùn)練疲勞程度最高，損耗也最大；而輪椅a的肌電RMS較低，表明肌肉訓(xùn)練疲勞程度最低，損耗最小；2）在折疊訓(xùn)練中，輪椅b的肌電RMS較高，表示肌肉訓(xùn)練疲勞程度最高，損耗也最大；而輪椅a的肌電RMS較低，表明肌肉訓(xùn)練疲勞程度最低，損耗最小；3）在坡度任務(wù)中，輪椅b的肌電RMS最高，表明肌肉訓(xùn)練疲勞程度最大，損耗也最高；而輪椅a的肌電RMS最低，表明肌肉訓(xùn)練疲勞程度最小，損耗最低。因此，在實(shí)驗(yàn)中控制了其他可能影響結(jié)果的因素，并根據(jù)不同任務(wù)中的ΔRMS來評估肌肉訓(xùn)練疲勞程度和損耗程度。這樣可以更清楚地分析和解釋不同因素對肌肉疲勞的影響。

表2 不同任務(wù)績效對比表

Tab.2 Comparison of performance for different tasks

在單因素分析中，只對一個自變量（任務(wù)類型、疲勞程度、任務(wù)績效）進(jìn)行考慮和控制變量，以便清晰地比較實(shí)驗(yàn)結(jié)果，以下是對結(jié)果的歸納總結(jié)：

1）不同任務(wù)的疲勞度排序。在剎車任務(wù)中，疲勞度排序?yàn)閏>b>a，即輪椅c的疲勞程度最高，輪椅b次之，輪椅a的疲勞程度最低；在折疊任務(wù)中，疲勞度排序?yàn)閎>a，即輪椅b的疲勞程度較高，而輪椅a的疲勞程度較低；在坡度任務(wù)中，整體上隨著坡度的增加，疲勞程度呈現(xiàn)增大的趨勢。然而，在3°～4°的坡度范圍內(nèi)，會有一定程度的疲勞緩解，如圖8所示，其中SD代表標(biāo)準(zhǔn)差（Standard Deviation），SE代表標(biāo)準(zhǔn)誤差（Standard Error）。

2）不同肌肉間的疲勞程度。對訓(xùn)練過程中不同肌肉群的疲勞程度進(jìn)行分析，發(fā)現(xiàn)在剎車任務(wù)中，斜方肌（UT）肌肉表面肌電RMS的數(shù)值高，疲勞程度最高，造成的損耗最大；前三角肌（AD）肌肉表面肌電RMS的數(shù)值高，疲勞程度最低，造成的損耗最小。在折疊和坡度任務(wù)中，肱二頭肌（BB）的肌電值最大，后三角肌（PD）肌肉的RMS最低。這表明在動態(tài)運(yùn)動下，肱二頭肌肌肉承受的負(fù)荷和活動水平更高，而后三角肌肌肉的活動較為輕微。上述結(jié)果均與輪椅使用者填答的主觀問卷結(jié)果相對應(yīng)，輪椅使用者普遍存在肩部不適、損傷和肩關(guān)節(jié)勞損等問題。本研究為后期手動輪椅優(yōu)化和改進(jìn)提供實(shí)踐參考，通過研究進(jìn)一步優(yōu)化輪椅使用者的操作任務(wù)，提高輪椅使用過程中的姿勢安全性和健康性，見圖9。

圖8 任務(wù)績效MF和RMS的對比

圖9 任務(wù)績效肌肉對比

3）不同強(qiáng)度下任務(wù)績效。對比不同運(yùn)動強(qiáng)度下的肌電數(shù)據(jù)分析發(fā)現(xiàn)：在剎車任務(wù)下，隨著運(yùn)動強(qiáng)度的增加，后三角肌（PD）的肌電值越來越小；在折疊任務(wù)下，斜方肌（UT）的肌電值最小，肱二頭肌（BB）的肌電值最大。在坡度任務(wù)下，隨著坡度的增加，PD的肌電值越來越小，BB的肌電值最大。坡度疲勞度整體隨度數(shù)增加呈上升趨勢。

3.2.2 多因素分析對比

多因素分析是通過比較不同任務(wù)類型（剎車、折疊、坡度）對輪椅使用者的影響，來判斷任務(wù)類型對輪椅的影響。以下是對多因素分析結(jié)果的歸納總結(jié)，見圖10。

圖10 實(shí)驗(yàn)數(shù)據(jù)對比

1）影響程度：恢復(fù)折疊任務(wù)對輪椅使用者的影響最大，折疊任務(wù)次之，而剎車任務(wù)對使用者的影響最小。這可以從疲勞度量化結(jié)果中得出結(jié)論。

2）疲勞程度與上肢負(fù)荷：無論是剎車、折疊還是坡度任務(wù)，相對于基線任務(wù)（僅推進(jìn)），所有交互方式都會造成肌肉疲勞。基線任務(wù)是指在沒有任何交互方式或附加負(fù)荷的情況下，只進(jìn)行推進(jìn)的任務(wù)。在研究中，使用基線任務(wù)作為比較的標(biāo)準(zhǔn)，以評估其他交互方式和附加負(fù)荷對疲勞程度的影響。結(jié)果顯示，隨著上肢負(fù)荷的增加，三種交互方式中，輪椅a被認(rèn)為是最舒適、疲勞度最低的一種。

3）疲勞度比較：根據(jù)肌電數(shù)據(jù)，剎車、折疊和恢復(fù)折疊任務(wù)中，剎車任務(wù)的疲勞程度最低，恢復(fù)折疊任務(wù)的疲勞程度最高。此外，在剎車任務(wù)中，輪椅a表現(xiàn)出最高的舒適度和最低的疲勞程度，而輪椅c的剎車方式導(dǎo)致最高的疲勞程度，輪椅b的折疊方式導(dǎo)致較高的疲勞程度。根據(jù)IMU數(shù)據(jù)，通過加速度變化的幅度評估疲勞程度。剎車任務(wù)的加速度變化較小，而折疊任務(wù)的加速度變化較大，這意味著剎車任務(wù)的疲勞程度較低，而恢復(fù)折疊任務(wù)的疲勞程度較高。為更好地比較IMU數(shù)據(jù)的差異，對數(shù)據(jù)進(jìn)行了基線校正，使其保持在零值的上下范圍內(nèi)。進(jìn)一步觀察圖10c發(fā)現(xiàn)，在剎車任務(wù)中，輪椅c的剎車方式產(chǎn)生較大的加速度變化，導(dǎo)致較高的疲勞程度。與此相反，輪椅a在剎車實(shí)驗(yàn)中的加速度變化較為平緩，因此表現(xiàn)出較低的疲勞程度。在折疊任務(wù)中，輪椅b的折疊方式產(chǎn)生較大的加速度變化，從而導(dǎo)致較高的疲勞程度。至于坡度任務(wù)，在2°～12°坡度范圍內(nèi)，隨著坡度的增加，加速度持續(xù)增大，但在3°～4°范圍內(nèi)有所下降，說明此范圍是較為舒適的坡度。

綜上所述，通過sEMG和IMU數(shù)據(jù)的分析，可以比較不同任務(wù)和輪椅之間的疲勞程度。加速度變化對疲勞程度的影響提供了更詳細(xì)的評估。

3.2.3 主觀驗(yàn)證

NASA-TLX量表是應(yīng)用最廣泛的主觀心理負(fù)荷評估工具之一，不僅用戶接受度最高，而且被試間變異最小。NASA-TLX量表從認(rèn)知負(fù)荷、身體負(fù)荷、時間要求、表現(xiàn)水平、努力水平和挫折水平6個維度來評價整體心理負(fù)荷，廣泛應(yīng)用于績效研究中[37-38]。本研究將NASA-LX量表試用于輪椅剎車、折疊、坡度作業(yè)后疲勞感的評估。被試者需在實(shí)驗(yàn)結(jié)束后對量表進(jìn)行評分，量表評估結(jié)果顯示，不同任務(wù)下，量表的6個維度統(tǒng)計結(jié)果無顯著差異（見圖11），且結(jié)果均與sEMG和IMU數(shù)據(jù)相符合。采用NASA-TLX量表對不同任務(wù)進(jìn)行打分，結(jié)果與實(shí)驗(yàn)結(jié)果相似，實(shí)驗(yàn)證明了輪椅的使用績效。

圖11 NASA-TLX量表對比

4 結(jié)語

為客觀評估輪椅的使用績效，提出了一種融合表面肌電和姿勢信息的輪椅績效評價方法。通過表面肌電測試，比較了輪椅的RMS和MF，以判斷較為舒適的交互方式，并論證了利用表面肌電試驗(yàn)來研究輪椅績效的有效性。作為輪椅舒適性的前導(dǎo)研究，實(shí)驗(yàn)證明了橫向收折式折疊和凹口式剎車（手剎在前方）的輪椅疲勞度低，在3～4°坡度范圍下輪椅使用者的受力最小，較為舒適，從而驗(yàn)證了模型的可行性與實(shí)驗(yàn)方法的適用性。后續(xù)研究將提取肌電特征值進(jìn)行預(yù)測分析，通過比較多種輪椅的績效，對輪椅進(jìn)行多因素綜合人機(jī)評價。

[1] 國家統(tǒng)計局. 2015年全國1%人口抽樣調(diào)查主要數(shù)據(jù)公報[N]. 中國信息報. 2016-04-21(001). National Bureau of Statistics. Bulletin on the Main Data of the National 1% Population Sampling Survey In 2015 [N]. China Information News .2016-04-21(001).

[2] 鐘磊. 國際標(biāo)準(zhǔn)化輪椅車工作新進(jìn)展[J]. 中國康復(fù)理論與實(shí)踐, 2018, 24(2): 219-223. ZHONG L. New Process of International Standardization of Wheelchair[J]. Chinese Journal of Rehabilitation Theory and Practice, 2018, 24(2): 219-223.

[3] ISO. Wheelchairs[DB/OL]. (2017-11-25)[2019-11-25]. https://www.iso.org/committee/53792/x/catalogue/p/0/u/1/w/0/d/0.

[4] 楊鐘亮, 孫守遷, 陳育苗. 基于sEMG的按摩椅績效人機(jī)評價模型實(shí)驗(yàn)研究[J]. 中國機(jī)械工程, 2012, 23(2): 220-224. YANG Z L, SUN S Q, CHEN Y M. A Pilot Study on Ergonomics Evaluation Model of Massage Chair Performance Based on sEMG[J]. China Mechanical Engineering, 2012, 23(2): 220-224.

[5] 金海明, 申黎明, 宋杰. 基于肌電信號的按摩椅按摩效應(yīng)評價研究[J]. 包裝工程, 2014, 35(2): 28-31. JIN H M, SHEN L M, SONG J. Massage Effect Evaluation of Massage Chairs Based on EMG Signals[J]. Packaging Engineering, 2014, 35(2): 28-31.

[6] 黃耐寒. 基于表面肌電的肌疲勞分析與肌力預(yù)測研究及實(shí)現(xiàn)[D]. 合肥: 中國科學(xué)技術(shù)大學(xué), 2014. HUANG N H. Research and Implementation of Muscle Fatigue Analysis and Muscle Force Prediction Based on Surface Electromyography[D].Hefei: University of Science and Technology of China, 2014.

[7] GUO H, GONG P H, WANG Y M, et al. Complex Net-work Properties Analysis of Muscle Fatigue Based on sEMG Signals[J]. IEEE Sensors Journal, 2023, 23(4): 3859-3869.

[8] KIM J, CHO S, KIM S J. Preliminary Studies to De-velop a Ubiquitous Computing and Health-Monitoring System for Wheelchair Users[C]// Proceedings of the ICST 3rd International Conference on Body Area Networks. Tempe: ACM, 2008: 1-3.

[9] HOWARTH S J, POLGAR J M, DICKERSON C R, et al. Trunk Muscle Activity during Wheelchair Ramp Ascent and the Influence of a Geared Wheel on the Demands of Postural Control[J]. Archives of Physical Medicine and Rehabilitation, 2010, 91(3): 436-442.

[10] 吳劍鋒. 基于肌電信號的人體下肢運(yùn)動信息獲取技術(shù)研究[D]. 杭州: 浙江大學(xué), 2008. WU J F. Research on Human Lower-Limb Motion Information Acquisition Technology Based on EMG[D]. Hangzhou: Zhejiang University, 2008.

[11] B?ASZCZYSZYN M, BORYSIUK Z, PIECHOTA K, et al. Wavelet Coherence as a Measure of Trunk Stabilizer Muscle Activation in Wheelchair Fencers[J]. BMC Sports Science, Medicine & Rehabilitation, 2021, 13(1): 140.

[12] Nithin Babu Rajendra Kurup, Markus Puchinger, Margit Gfoehler. A Preliminary Muscle Activity Analysis: Handle Based and Push-Rim Wheelchair Propulsion[J]. J Biomech, 2019, 89:119-122.

[13] [BABU RAJENDRA KURUP N, PUCHINGER M, GFOEHLER M. A Preliminary Muscle Activity Analysis: Handle Based and Push-Rim Wheelchair Propulsion[J]. Journal of Biomechanics, 2019, 89: 119-122.

[14] RATTANAKOCH J, SAMALA M, LIMROONG-REUN-GRAT W, et al. Validity and Reliability of Inertial Measurement Unit (IMU)-Derived 3D Joint Kinematics in Persons Wearing Transtibial Prosthesis[J]. Sensors, 2023, 23(3): 1738.

[15] 宋海鋒, 張敏杰, 曾小清, 等. 基于線路數(shù)據(jù)信息的列車定位方法研究[J]. 同濟(jì)大學(xué)學(xué)報(自然科學(xué)版), 2022, 50(1): 13-21.SONG H F, ZHANG M J, ZENG X Q, et al. Train Location Method Based on Line Data Information[J]. Journal of Tongji University (Natural Science), 2022, 50(1): 13-21.

[16] CASTELLINI C, VAN DER SMAGT P. Surface EMG in Advanced Hand Prosthetics[J]. Biological Cybernetics, 2009, 100(1): 35-47.

[17] PUCHINGER M, KURUP N, GSTALTNER K, et al. Metabolic Cost and Mechanical Efficiency of a Novel Handle-Based Device for Wheelchair Propulsion[J]. Journal of Rehabilitation Medicine, 2022, 54: jrm00346.

[18] 潘澳, 張永鴻, 陶麗佳, 等. 可擦背達(dá)重剎車式坐站轉(zhuǎn)換輔助椅的改進(jìn)[J]. 裝備制造技術(shù), 2021(7): 34-39. PAN A, ZHANG Y H, TAO L J, et al. Improvement of the Auxiliary Chair for Seat Station Conversion with the Heavy Brake[J]. Equipment Manufacturing Technology, 2021(7): 34-39.

[19] GAGNON D, BABINEAU A C, CHAMPAGNE A, et al. Trunk and Shoulder Kinematic and Kinetic and Electromyographic Adaptations to Slope Increase during Motorized Treadmill Propulsion among Manual Wheelchair Users with a Spinal Cord Injury[J]. BioMed Research International, 2015, 2015: 636319.

[20] CHOW J W, MILLIKAN T A, CARLTON L G, et al. Kinematic and Electromyographic Analysis of Wheelchair Propulsion on Ramps of Different Slopes for Young Men with Paraplegia[J]. Archives of Physical Medicine and Rehabilitation, 2009, 90(2): 271-278.

[21] GAUTHIER C, GRANGEON M, ANANOS L, et al. Quantifying Cardiorespiratory Responses Resulting from Speed and Slope Increments during Motorized Treadmill Propulsion among Manual Wheelchair Users[J]. Annals of Physical and Rehabilitation Medicine, 2017, 60(5): 281-288.

[22] Mason Barry, Lenton John, Leicht Christof, et al. A physiological and biomechanical comparison of over-ground, treadmill and ergometer wheelchair propulsion. [J]. J Sports Sci, 2014, 32(1):78-91.

[23] MASON B, LENTON J, LEICHT C, et al. A Physio-logical and Biomechanical Comparison of Over-Ground, Treadmill and Ergometer Wheelchair Propulsion[J]. Journal of Sports Sciences, 2014, 32(1): 78-91.

[24] COOPER R A, TEODORSKI E E, SPORNER M L, et al. Manual Wheelchair Propulsion over Cross-Sloped Surfaces: A Literature Review[J]. Assistive Technology, 2011, 23(1): 42-51.

[25] BECMAN E C, DRIEMEIER L, LEVIN O, et al. Asymmetric Effects of Different Training-Testing Mismatch Types on Myoelectric Regression via Deep Learning[J]. IEEE Journal of Biomedical and Health Informatics, 2023, 27(4): 1857-1868.

[26] WHITHAM E M, POPE K J, FITZGIBBON S P, et al. Scalp Electrical Recording during Paralysis: Quantitative Evidence that EEG Frequencies above 20 Hz are Contaminated by EMG[J]. Clinical Neurophysiology: Official Journal of the International Federation of Clinical Neurophysiology, 2007, 118(8): 1877-1888.

[27] VAN DER Slikke R, de Leeuw A-W, de Rooij A, Berger M. The Push Forward in Rehabilitation: Validation of a Machine Learning Method for Detection of Wheelchair Propulsion Type. Sensors. 2024, 24(2):657.

[28] MERLETTI R, HERMENS H. Introduction to the Special Issue on the SENIAM European Concerted Action[J]. Journal of Electromyography and Kinesiology: Official Journal of the International Society of Electrophysiological Kinesiology, 2000, 10(5): 283-286.

[29] MATHIASSEN S, HA¨GG G. Amplitude Aspects and Functional Consider-Ations on Surface EMG Electrode Displacement with Particular Emphasis on the Upper Trapezius Muscle. In: The State of the Art on Sensors and Sensor Placement Procedures For SEMG, SENIAM Deliverable N[J]. 1997(5): 84-95.

[30] MERLETTI R, ROY S. Myoelectric and Mechanical Manifestations of Muscle Fatigue in Voluntary Contractions[J]. The Journal of Orthopaedic and Sports Physical Therapy, 1996, 24(6): 342-353.

[31] ROY S H, DE LUCA C J, SCHNEIDER J. Effects of Electrode Location on Myoelectric Conduction Velocity and Median Frequency Estimates[J]. Journal of Applied Physiology, 1986, 61(4): 1510-1517.

[32] VERMANDER P, MANCISIDOR A, CABANES I, et al. Intelligent Sitting Posture Classifier for Wheelchair Users[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2023, 31: 944-953.

[33] GB/Z 13800-2021, 手動輪椅車[S]. GB/Z 13800-2021, Manual Wheelchair [S].

[34] 樊琳, 王殊軼, 王浴屺, 等. 基于fNIRS的AR引導(dǎo)穿刺訓(xùn)練系統(tǒng)的工效與認(rèn)知負(fù)荷研究[J]. 包裝工程, 2021, 42(20): 146-151. FAN L, WANG S Y, WANG Y Q, et al. Ergonomics and Cognitive Load of AR Guided Puncture Training System Based on fNIRS[J]. Packaging Engineering, 2021, 42(20): 146-151.

[35] 張磊, 王文東, 史儀凱, 等. 肌電信號的離散運(yùn)動預(yù)測研究[J]. 西北工業(yè)大學(xué)學(xué)報, 2019, 37(3): 509-514. ZHANG L, WANG W D, SHI Y K, et al. Discrete Motion Prediction Based on EMG Signals[J]. Journal of Northwestern Polytechnical University, 2019, 37(3): 509-514.

[36] 王篤明, 王健, 葛列眾. 肌肉疲勞的sEMG時頻分析技術(shù)及其在工效學(xué)中的應(yīng)用[J]. 航天醫(yī)學(xué)與醫(yī)學(xué)工程, 2003, 16(5): 387-390. WANG D M, WANG J, GE L Z. SEMG Time-Frequency Analysis Techniques for Evaluation of Muscle Fatigue and It’s Application in Ergonomic Studies[J]. Space Medicine & Medical Engineering, 2003, 16(5): 387-390.

[37] LUTTMANN A, J?GER M, LAURIG W. Electromyographical Indication of Muscular Fatigue in Occupational Field Studies[J]. International Journal of Industrial Ergonomics, 2000, 25(6): 645-660.

[38] LIU H, XU J L, ZHANG X D, et al. Evaluation Method of the Driving Workload in the Horizontal Curve Section Based on the Human Model of Information Processing[J]. International Journal of Environmental Research and Public Health, 2022, 19(12): 7063.

Wheelchair Performance Evaluation Method Integrating Surface Electromyography and Posture Information

WANG Zhenyua, XIANG Zeruia,b*, LYU Silonga, LONG Siyua, ZHI Jinyia,b

(a.School of Design b.Institute of Design and Research for Man-Machine-Environment Engineering System, Southwest Jiaotong University, Chengdu 611730, China)

The work aims to objectively evaluate the use effectiveness of wheelchair by using surface electromyographic equipment to test the electromyographic signals during wheelchair use, and to construct a human-machine evaluation model by integrating posture signals from an inertial measurement unit (IMU). Folding, braking, and slope of the wheelchair were tested to evaluate its performance, and the fatigue condition between muscle groups was compared to determine the folding and braking methods that were beneficial to the wheelchair. The experimental subjects were required to use two folding methods and three braking methods of different wheelchairs to perform the wheelchair tasks and to collect sEMG and IMU signals during the operational task process. After the experimental task, the NASA-TLX scale was filled out. Based on the evaluation indicators of the model, the experimental data were compared and analyzed. The wheelchair subject to horizontally folded folding and concave brake (hand brake in front) had less fatigue, and the user's force was minimal at a 3～4° slope range, which was more comfortable. This verified the feasibility of the model in wheelchair human-machine evaluation and provided a reference for optimizing wheelchair design. The human-machine evaluation model is suitable for evaluating product performance. Meanwhile, the wheelchair performance evaluation method proposed in this study, which integrates surface electromyography and posture information, has higher accuracy and can effectively evaluate the performance level of wheelchair users.

surface electromyography (sEMG); posture signals; wheelchair performance; evaluation model; inertial measurement unit (IMU)

TP-391.4；TB472

A

1001-3563(2024)04-0141-11

10.19554/j.cnki.1001-3563.2024.04.015

2023-09-12

國家重點(diǎn)研發(fā)計劃項目（2022YFB 4301203）；教育部2022年第二批產(chǎn)學(xué)合作協(xié)同育人項目（220705329291641）