【技术实现步骤摘要】
本专利技术属于人机工效评估，特别涉及一种可穿戴上肢肌肉负荷强度评估方法，可用于评估人体上肢肌肉负荷强度等级。
技术介绍
1、肌肉不仅会随着长期运动而产生疲劳，也会在高强度运动时产生负荷。在航天领域，宇航员经过中长期的航天飞行，可能会导致上肢出现明显的萎缩性变化；在军事领域，驻守在高原地区的官兵长期处在高海拔、低氧气的作业环境中，恶心、呕吐、肌无力等症状经常出现；在体育医疗领域，用户本身有时可能无法正确认知当前肌肉负荷情况，导致过度或者没有充分发挥上肢肌肉性能。因此实时监测人体上肢肌肉负荷强度状态并反馈给用户从而及时做出相应调整至关重要，其在预防伤害、优化运动训练、个性化健康管理以及改善人机交互和虚拟现实增强等方面具有重要的社会价值。
2、肌电传感器作为特异性良好的非损伤性检测手段，能够直观地反映肌肉的收缩活动，而且表面肌电信号中蕴含着运动肌肉多维度的生理病理信息，加之表面肌电信号对局部肌肉的生理状态反映较为敏感，不受主观心理影响，且采集过程具有无创性、实时性、多通道性等优势，无疑是肌肉负荷强度识别与评价的重要手段。基于表面肌电信号的负荷评估主要分为四个阶段：在信号采集阶段，使用肌电传感器采集皮肤表面的电活动信号，获取原始的肌电数据；在信号处理阶段，对原始肌电信号进行滤波和特征提取，以获得肌肉活动的特征参数；在负荷评估阶段，利用特征数据，应用相应的模型进行评估，得出对肌肉负荷状态的量化指标；最后将评估结果通过可视化方式展示给用户或专业人员。
3、公开号为cn108742614b的专利文献公开了“一种联合表面
4、公开号为cn107831897b的专利文献公开了“一种虚拟装配操作中rula评测方法”，其利用体感交互和计算机技术自动计算出上臂、前臂、腕部、颈部、躯干和腿部的评分，该方法由于仅利用了定性评估工具rula量表，缺乏定量评估指标，因此评估主观性较强，无法保证最终评分的可靠性。
5、公开号为cn109222969a的专利文献公开了“一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统”，其使用表面肌电传感器、肌音传感器和血氧饱和度传感器构成多传感器采集阵列穿戴在被测上肢部位；基于加权平均法进行数据融合,综合计算人体上肢肌肉疲劳参数，若参数达到预设值,系统可给出疲劳报警提醒。该方法虽说利用了可穿戴设备监测人体上肢疲劳状态，但穿戴繁琐，传感器集成度低，设备功耗较大，不便于复杂场景下的长期使用。
6、公开号为cn116244584a的专利文献公开了一种“融合肌电信号多重分形和lstm的肌肉疲劳识别方法”，其先通过特征提取算法得到肌电信号的多重分形特征，然后将这些特征送入基于lstm构建的肌肉疲劳识别模型，该方法虽然能够很好的学习肌电信号随时间变化的特征，但是由于忽略了不同人群之间的肌肉活跃程度，导致模型鲁棒性降低。
7、上述基于表面肌电信号的上肢肌肉负荷强度评估系统由于均缺乏统一的评估准则，负荷等级划分粗略，因而应用场景受限；同时由于上肢肌肉负荷强度评估算法大多采用专家系统，没有考虑到不同用户和环境下的差异问题，仅适用于特定场景下的某一类人群。
技术实现思路
1、本专利技术的目的在于针对上述现有技术的不足，提出一种基于表面肌电信号的可穿戴上肢肌肉负荷强度评估方法，以增强评估准则的通用性，提高可穿戴设备的便携性、集成度和能耗比，提升一般场景下不同人群上肢肌肉负荷强度评估的整体准确度。
2、本专利技术的技术思路是：通过结合定性评估的rula量表和定量评估的表面肌电信号建立上肢姿态到肌电信号再到负荷强度的映射来增强评估准则的通用性；通过构建高集成度可自定义扩展的低功耗可穿戴信号采集设备来提高可穿戴设备的便携性、集成度和能耗比；通过基于迁移学习建立适用不同用户的高鲁棒性神经网络模型来提升一般场景下不同人群上肢肌肉负荷强度评估的整体准确度。
3、根据上述思路，本专利技术的实现步骤包括如下：
4、s1)基于rula量表设计评估准则，建立表面肌电信号与负荷强度的映射关系，得到肌肉负荷强度的可量化的数据指标；
5、s2)构建包括主控芯片模块、信号采集模块、蓝牙传输模块和交互模块的低功耗可穿戴设备，获取人体上肢表面肌电信号信息；
6、s3)利用迁移学习策略搭建高鲁棒性肌肉负荷强度评估模型，以评估肌肉负荷强度；
7、s4)搭建肌肉负荷强度评估可视化平台，对实时获取的可量化数据指标和评估出的肌肉负荷强度结果进行展示。
8、进一步，所述步骤s1)中基于rula量表设计评估准则，建立表面肌电信号与负荷强度的映射关系，实现步骤包括如下：
9、s11)将包括上臂、前臂、和腕部的上肢姿势作为评估标准，根据rula量表对每一级肌肉负荷强度设计对应的上肢姿态数据集；
10、s12)将肌肉负荷强度的最终评估分数范围设为1～8分，并额外增加一个等级为0分，分别代表姿态的负荷等级和表征肌肉松弛态，得到各得分与等级的对应关系如下：
11、评分为0，表示肌肉负荷强度等级为0级，即肌肉完全松弛态，处于休息状态；
12、评分为1～2，表示肌肉负荷强度等级为1级，即肌肉处于正常状态；
13、评分为3～4，表示肌肉负荷强度等级为2级，即肌肉轻度疲劳；
14、评分为5～6，表示肌肉负荷强度等级为3级，即肌肉中度疲劳；
15、评分为7～8，表示肌肉负荷强度等级为4级，即肌肉重度疲劳。
16、进一步，所述步骤s2)中构成低功耗可穿戴设备中的各模块结构及传输关系包括如下：
17、所述主控芯片模块，采用stm32l4p5qgi6作为主控芯片，在其基础上通过硬件抽象层库hal实现主控模块的adc、i2c、usb、uasrt、lpuart功能，以控制其他模块；
18、所述信号采集模块，其包括8组肌电采集子模块、mpu9150芯片和集成生理模组，该8组肌电采集子模块通过dma+adc技术和陷波滤波器处理表面肌电信号，该mpu9150芯片通过i2c技术感知上肢姿态变化以获取惯性信号，并使用dmp运动引擎和四元数旋转矩阵处理惯性信号，该集成生理模组通过usart技术获取心率、血氧、微循环和血压，将上述采集的信号打包发送至蓝牙传输模块；
19、所述蓝牙传输模块，其包括以nrf52833芯片为核心的蓝牙转发电路，采用低功耗蓝牙5.0协议和lpuart技术将信号采集模块发送的上肢信号转发到肌肉负荷强度评估模型；
20、所述交互模块，其包括指示灯、振动器、usb调试接口和电源管理模块，以指示其他模块的工本文档来自技高网...
【技术保护点】
1.一种基于表面肌电信号的可穿戴上肢肌肉负荷强度评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法。其特征在于，步骤S1)中基于RULA量表设计评估准则，建立表面肌电信号与负荷强度的映射关系，实现步骤包括如下：
3.根据权利要求1所述的方法。其特征在于，步骤S2)中构成低功耗可穿戴设备中的各模块结构及传输关系包括如下：
4.根据权利要求1所述的方法，其特征在于，步骤S3)利用迁移学习策略搭建高鲁棒性肌肉负荷强度评估模型，实现步骤包括如下：
5.根据权利要求4所述的方法。其特征在于，步骤S31)中使用电极偏移算法进行肌电模组重排，实现步骤包括如下：
6.根据权利要求4所述的方法。其特征在于，步骤S32)中构成深层网络以训练肌肉负荷强度的基础评估模型的各层结构及参数如下：
7.根据权利要求4所述的方法，其特征在于步骤S33)利用人体上肢姿态数据集和早期停止策略，对深层网络进行训练，实现步骤包括如下：
8.根据权利要求4所述的方法。其特征在于，步骤S34)中使用迁移学习的微调策略，对深层
9.根据权利要求1所述的方法。其特征在于，步骤S4)中肌肉负荷强度评估可视化平台包括实时信号曲线页面A和肌肉负荷强度评估结果页面B两个页面，其中：
...【技术特征摘要】
1.一种基于表面肌电信号的可穿戴上肢肌肉负荷强度评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法。其特征在于，步骤s1)中基于rula量表设计评估准则，建立表面肌电信号与负荷强度的映射关系，实现步骤包括如下：
3.根据权利要求1所述的方法。其特征在于，步骤s2)中构成低功耗可穿戴设备中的各模块结构及传输关系包括如下：
4.根据权利要求1所述的方法，其特征在于，步骤s3)利用迁移学习策略搭建高鲁棒性肌肉负荷强度评估模型，实现步骤包括如下：
5.根据权利要求4所述的方法。其特征在于，步骤s31)中使用电极偏移算法进行肌电模组重排，实现步骤包括如下：
...
【专利技术属性】
技术研发人员：万波，李圭印，苏柯嘉，刘锦辉，杨鹏飞，乔寒冰，李昕泰，霍继旺，赵辉，王春慧，姜昌华，王飞，罗楠，王笛，王义峰，刘刚，王泉，艾俊利，樊璐，刘凯，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。