基于表面肌电与步态的外骨骼穿戴疲劳评测.pdf

DOI:10.3785/j.issn.1008-973X.2023.10.016基于表面肌电与步态的外骨骼穿戴疲劳评测何恺伦1，吕健1，李林2，徐兆1，潘伟杰1(1.贵州大学现代制造技术教育部重点实验室，贵州贵阳550025；2.贵州航天控制技术有限公司，贵州贵阳550009)摘要：针对穿戴无源下肢外骨骼疲劳状态评价片面的问题，提出一种结合肌肉疲劳阈值（EMGFT）、生物力学分析和主观疲劳自觉量表（sRPE）的外骨骼综合效能评价方法.区别于传统表面肌电信号（sEMG）或血氧饱和度的单一测定方法，所提方法可以有效提高无源负载下肢外骨骼效能评测精度.通过动作捕捉对受试者进行步态对比分析，获取空间位置信息与肌肉发力情况，并计算下肢膝关节稳定性；采集受试者的 sEMG 进行预处理，并计算肌肉疲劳阈值；结合 sRPE 评分与膝关节偏移量方差对 EMGFT进行主客观验证.结果表明所提方法可以有效评价无源下肢外骨骼，外骨骼使受试者 EMGFT到达时间平均推迟了 42.9%，下肢稳定性提升了 75.8%，主观疲劳感受缓解了 30.3%.关键词：无源下肢外骨骼；肌肉疲劳阈值；动作捕捉；步态分析；主观疲劳量表中图分类号：TH122文献标志码：A文章编号：1008973X（2023）10207709Evaluation of exoskeleton wearing fatigue based onsurface electromyography and gaitHEKai-lun1,LVJian1,LILin2,XUZhao1,PANWei-jie1(1.Key Laboratory of Advanced Manufacturing Technology,Ministry of Education,Guizhou University,Guiyang 550025,China;2.Guizhou Aerospace Control Technology Co.Ltd,Guiyang 550009,China)Abstract:A comprehensive efficiency evaluation method on exoskeleton was proposed combined with theelectromyogramfatiguethreshold(EMGFT),biomechanicalanalysisandsessionratingofperceivedexertion(sRPE),aimingattheone-sidedproblemofevaluatingthefatiguestatusoftheexoskeletonofthewearablepassivelowerextremities.Different from the single measurement method including the traditional surface electromyography(sEMG)orbloodoxygensaturation,theproposedmethodcouldeffectivelyimprovethemeasurementaccuracyofpassiveloadinglowerextremityexoskeletonperformance.Thegaitsofthesubjectswerecomparedandanalyzed,thespatialpositioninformationandmuscleforcegenerationwereobtained,andthestabilityoflowerlimbkneejointwascalculated.ThesEMGofthesubjectswascollectedandpreprocessed,andthemusclefatiguethresholdwascalculated.Theevaluationmethodiseffectiveforevaluatingthecomprehensiveefficiencyevaluationmethodonexoskeleton.TheextremitiesdelayedthearrivaltimeofEMGFTbyanaverageof42.9%,improvedthestabilityofthelowerlimbby75.8%,andrelievedthesubjectivefatigueby30.3%.Key words:passivelowerextremityexoskeleton;musclefatiguethreshold;motioncapture;gaitanalysis;subjectivefatiguescale现阶段的无源下肢外骨骼主要用于辅助训练和辅助行走.人体下肢运动是一种由骨骼肌、骨骼以及关节共同协作完成的高自由度复杂运动，在下肢运动过程中，主观疲劳感受与客观疲劳感受会有相互作用1.大多数外骨骼使用过程的疲劳评测仅仅通过单一维度评价指标进行分析，因收稿日期：20221025.网址： 2022 一般 197）资助项目；贵州省基础研究计划项目（黔科合基础-ZK2021 一般 341）.作者简介：何恺伦（1996），男，硕士生，从事人机融合研究.orcid.org/0000-0002-5740-4706.E-mail：通信联系人：吕健，男，副教授.orcid.org/0000-0003-2151-4695.E-mail：第57卷第10期2023年10月浙江大学学报(工学版)JournalofZhejiangUniversity(EngineeringScience)Vol.57No.10Oct.2023此会导致评价结果较为片面并且准确率较低.本研究采用主客观多维度数据对外骨骼进行评测，可以提高评测精度以及外骨骼设备的人机优化效率，从而降低使用风险带来职业损伤的几率.针对穿戴式无源下肢外骨骼的疲劳状态评测问题，当前学者主要聚焦于表面肌电信号（sur-faceelectromyography，sEMG）、压力检测与血氧饱和度的外骨骼穿戴疲劳研究.在 sEMG 评测方面，荷兰代尔夫特理工大学设计了下肢外骨骼机器人 XPED1，该外骨骼由人工肌腱和可调节框架结构组成，实验结果表明该外骨骼能够有效降低穿戴者腓肠肌的 sEMG 强度2.渥太华大学设计出一款用于重力支撑的无源下肢外骨骼机器人，通过局部压力检测，在站立姿态下外骨骼可分担穿戴者身体重量的 9.41%26.18%；在行走状态下外骨骼可对穿戴者提供 14.02%27.52%的身体重量支撑力3.河北工业大学设计的是一款用于承重的下肢外骨骼机器人 NNLELE，该外骨骼主要由2 条带有储能装置的后支撑链和前支撑链组成，通过血氧饱和度检测，受试者的代谢能耗与未穿戴状态相比降低了 10%以上4.在主观疲劳评价领域中，Foster 等5提出主观疲劳自觉量表（scaleforratingofperceivedexertion，sRPE）方法，通过专项和交叉训练验证了该方法的可靠性.在运用sEMG 评价疲劳方面，Morse 等6提出将 sEMG 特征用于肌肉负荷的判断，该方法为肌肉疲劳阈值（electromyogramfatiguethreshold，EMGFT）.刘晓光等7通过对 10 名受试者进行负载递增骑行实验，验证 EMGFT对于肌肉疲劳状态评测的有效性.由于步态过程中的运动状况复杂，导致生物信号信噪比的降低，单靠 sEMG 信号作为外骨骼评价标准，评价的有效性将会降低，因此需要额外数据进行对比验证，以提高评价准确性.针对上述问题，结合动作捕捉技术、EMGFT以及 sRPE8量表评分，对人在穿戴下肢无源外骨骼过程中的疲劳程度进行综合评价.通过设计步态分析对比实验，同步采集实验过程中受试者下肢位置信息、sEMG 信号以及进行 sRPE 评分9，在实验的基础上分别进行下肢稳定性分析、EMGFT计算以及主观评分计算，并对比结果，以此实现基于表面肌电与步态的外骨骼穿戴疲劳评测.为了探究外骨骼使用熟练度以及穿戴者的强壮程度对下肢外骨骼使用效果的影响，在实验中增加熟练对照组以及强壮对照组，进行对比分析.1实验方法为了从主、客观角度综合评价和分析下肢外骨骼使用过程中的疲劳状态，实现外骨骼使用过程中的有效疲劳监测，通过采集 18 名受试者实验过程中的受试者下肢位置信息、sEMG 信号以及进行 sRPE 评分，设计了步态分析的对比实验，实验方法如图 1 所示.sEMG动作捕捉下肢稳定性EMGFT 算法肌肉疲劳分析步态分析sRPE 主观疲劳量表疲劳评分18 名受试者佩戴外骨骼负重未佩戴外骨骼负重特征组对比主、客观评价图 1 步态分析的对比实验流程Fig.1Comparativeexperimentalprocessforgaitanalysis1.1 实验内容与目标在实验前，通过动作捕捉进行步态分析，找出相关发力肌肉并选定 sEMG 采集位置.在实验中，同步采集受试者的 sEMG 数据以及动作捕捉数据.实验目标为：1）验证 EMGFT算法对于无源下肢外骨骼疲劳分析的准确性；2）观察受试者体能强度与外骨骼使用熟练度对外骨骼使用效果的影响.1.1.1实验设备实验采用美国 Delsys 公司的Trigno 全无线生理传感器，该传感器可以同步采集 sEMG 信号与惯性检测单元（inertialmeasure-mentunit，IMU）信号，其中 sEMG 采样频率为2000Hz，IMU 信号采样频率为 75Hz，角度采集精度精确到小数点后 5 位.所使用的外骨骼为中国航天科工集团第十研究院自主开发的无源助力外骨骼.实验使用的跑步机为 KPOWERK160A，每档速度为 1km/h.1.1.2sRPE 主观量表选择CR-10scale 是以 10 级刻度进行划分的 sRPE 量表，该量表源于瑞典心理学家GunnarBorg发明的主观疲劳评估方法.区别于Borg6-20scale 这类粗略对应心率（60200bt/min）的划分方式，CR-10scale 的效果更加可靠与有效.2078浙江大学学报（工学版）第57卷CR-10scale 经过大量实验数据验证了其结果的稳定性以及广泛适用性10.该方法已被证实可对多个年龄段和水平层次的运动员进行主观疲劳量化，实验受试者完全满足该量表的评价限制.根据训练计划研究训练冲量理念（trainingim-pluse,TRIMR），受试者的内部负荷可由“内部负荷=自感疲劳程度评分运动时长”来计算11.自感疲劳程度评分是运动中人体内部对运动负荷刺激的认知，以及多种综合心理因素决定的.受试者进行系统训练可以降低评分误判提高和数据精度，此次实验前通过受试者在跑步机上进行训练，提前体验不同评分量级的主观感受.1.2 受试人员及环境选取 18 名健康且无不良嗜好的男性受试者参与实验，年龄（252）岁，身高（168.03.0）cm，体重（62.05.0）kg，受试者均身体健康，且无肌肉损伤或其他相关疾病，在近一周内未参加剧烈运动.在正式实验前，告知受试者实验内容，指导受试者学习 sRPE 主观量表并评价运动强度.所有受试者均为自愿参与此次实验且实验开始前均已熟悉实验方案、流程和注意事项.为了对比穿戴与未穿戴 2 种状态下疲劳状态的差异，18 名受试者均须先后进行 A、B 这 2 组步态分析实验.A 组实验为配戴外骨骼实验，B 组实验为未佩戴外骨骼实验，A、B 组实验间隔时间为48h.为了提高实验可靠性，A、B 这 2 组实验各重复 3 次，每次间隔时间为 72h.探究外骨骼使用熟练度以及穿戴者的强壮程度对下肢外骨骼使用效果的影响，按照受试者每周体能训练时长、外骨骼使用总时长对受试者状态进行划分，将 18 名受试者分为普通组、熟练组、强壮组 3 组，每组 6 人.实验规定每周体能训练时间少于 3h 且外骨骼使用时长为 0h，受试者为普通组；每周体能训练时间少于 3h，外骨骼使用时长多于 20h 为熟练组；每周锻炼时长大于 7h，但外骨骼使用时间为 0h为强壮组.实验所用负重物为 20kg 标准质量沙袋，并将沙袋置于背包中，同时所有受试者均进行大于 4h 的主观疲劳评分量化训练，受试者分组情况如表 1 所示.伦理声明：本研究已经通过贵州大学人体医学实验伦理分委员会审批（批文编号：HMEE-GZU-2021-T005）.1.3 实验设计在行走过程的下肢肌肉发力情况下，实验前通过动作捕捉对步态进行周期划分12.以人体右侧单侧腿为例进行步态分析，当进行一次完整的步态周期时，存在支撑相与摆动相 2 个明显特征，支撑相以目标腿为主要支撑腿，摆动相目标腿为非主要受力.步态过程中支撑相占整个步态周期的 60%，摆动相占 40%.在一个完整周期里，将步态分为 8 个主要特征进行数据采集：首次触地期、承重反应期、支撑相中期、支撑相末期、摆动相前期、摆动相初期、摆动相中期、摆动相末期，如图 2 所示.根据步态分析结果可将下肢在行走过程中肌肉发力分为触地期：（大腿肌群+臀部肌肉）、承重反应期到支撑相中期：（小腿肌群+部分大腿肌群）、支撑相末期到摆动相末期：（大腿肌群+臀部肌肉）.选取大腿肌群中的股内肌、小腿肌群中的腓肠肌进行 sEMG 数据采集，2 个部位能较好避免衣物摩擦与外骨骼遮挡.根据下肢步态受力分表 1 外骨骼负载实验分组情况Tab.1Groupingofexoskeletonloadexperiments状态负载质量/kg分组情况成员配戴外骨骼（A组）20普通组A116号熟练组A2712号强壮组A31318号未佩戴外骨骼（B组）20普通组B116号熟练组B2712号强壮组B31318号双支撑双支撑右腿单支撑左腿单支撑右腿支撑相右腿摆动相60%40%图 2 人体步态周期划分示意图Fig.2Diagramofhumangaitcycledivision第10期何恺伦,等：基于表面肌电与步态的外骨骼穿戴疲劳评测 J.浙江大学学报：工学版,2023,57(10):20772085.2079析，实验采用 14 个传感器进行数据收集，其中19、14 号传感器启用 IMU 通道，进行动作捕捉和位置信息采集，1013 号传感器采集 sEMG 原始信号.1013 号传感器对应部位分别为：10 号左侧股内肌、11 号左侧腓肠肌、12 号右侧股内肌、13 号右侧腓肠肌.sEMG 与 IMU 传感器佩戴位置如图 3 所示，设置场景图如图 4 所示.1）A 组受试者该组受试者状态为配戴外骨骼且背负装有20kg标准质量沙袋的背包，背包置于背板托架上.为了避免因佩戴外骨骼带来的 IMU 传感器滑动，将大腿外侧 03、04 号传感器与小腿前侧 02、05 号传感器利用电工胶带进行加固，其余 IMU 与 sEMG传感器使用双面贴纸固定.如图 5（a）所示.2）B 组受试者该组受试者状态为未佩戴外骨骼且背负装有20kg 标准质量沙袋的背包.传感器按照指定位置使用双面贴纸固定，如图 5（b）所示.在实验开始前，为了确保受试者处于非疲劳状态，设置 A、B 组，实验间隔时间为 48h，休息期间受试者不得进行剧烈运动.在实验前，为了减少信号漂移所带来的误差，提高 sEMG 数据精度，刮除受试者股直肌与腓肠肌表面体毛，并使用 75%酒精清洁表面皮肤.为了避免受试者因首次操作与负重不适应所发生的意外，要求所有测试对象在开始前 1min 内对实验设备进行试穿与试重.在准备工作结束后，按照图 4 配置传感器.18 名受试者分别进行步态训练实验，每位受试者进行 6min 步态训练实验，18 名受试者依次完成后记为一组实验，A、B 组均进行 3 组实验，每组实验间隔 72h.实验同步采集3 类原始数据，分别为下肢位置信息、sEMG 的原始信号，以及 sRPE 主观量表评分，并且分别按照实验分组对数据进行分类整理，摘除明显异常数据.2疲劳特征计算及提取为了对下肢穿戴外骨骼步态训练过程中受试者的疲劳状态进行主、客观综合分析，在第 1 章步态分析对比实验的基础上，分别通过 EMGFT算法、下肢稳定性分析方法和 sRPE 评分计算方法对实验获取的下肢位置信息、sEMG 的原始信号以及 sRPE 主观量表评分原始数据进行计算分析，实现基于表面肌电与步态的外骨骼穿戴疲劳评测.2.1 肌肉疲劳阈值sEMG 是通过生物活动期间肌肉产生的生物信号经电极引导捕捉而来，对所捕捉信号进行放大和记录获得有序的一维时间序列信号.sEMG信号采集具有低风险、多靶点以及非损伤性的特点13.EMGFT是将 sEMG 信号的计算确定肌肉疲劳阈值的方法14.相较于其他传统 sEMG 信号疲sEMGIMU080304121002050106071113图 3 sEMG 与 IMU 传感器分布图Fig.3sEMGandIMUsensordistribution080304121002050106071113sEMGIMU图 4 sEMG 与 IMU 传感器设置场景图Fig.4ScenarioofsEMGandIMUsensorsettings(a)A 组受试者实验状态(b)B 组受试者实验状态图 5 受试者实验状态及环境Fig.5Subjectexperimentalstatusandenvironment2080浙江大学学报（工学版）第57卷劳特征分析方法，EMGFT是 sEMG 信号的均方根值.对预处理 sEMG 信号进行加窗计算，获取肌肉进入无氧阈值的时间点，可以更好反映监测部位的肌肉状态与特征状态.本研究通过 EMGFT对A、B 组实验中受试者的股内肌进行疲劳阈值计算，得出作为受试者疲劳程度的量化依据.在进行 EMGFT计算之前，需要对原始 sEMG进行预处理，由于人体 sEMG 集中于 0500Hz，在使用低通滤波器去除实验过程中，传感器触碰与摩擦产生的噪声通过 49.550.0Hz 陷波滤波器去除工频噪声15.当采样频率为 2000Hz 时，样本数据量大，为了有效地计算均方根值（rootmeansquare，RMS），对预处理后的 sEMG 数据进行加窗计算.实验时长固定且样本量较大，因此设定固定长度的移动窗（mov）与时间窗（tim）提高结果精度，根据时间长度设定 mov 为 2s，tim 为 1s，6min 实验将获得 360 个数据样本.为了量化分析肌肉疲劳程度，对预处理后的sEMG 信号进行 EMGFT计算，具体步骤如下.1）通过 sEMG 信号与处理方法，对实验采集到的 A、B 组的 sEMG 原始数据进行预处理并建立 sEMG 数据集.2）对经过预处理的 sEMG 数据集进行加窗计算，得到 RMS 数据集：RMS=1NtNti=1E2i.(1)式中：Nt为单个时间窗内 sEMG 信号的数据数量，i为数据序号，Ei为sEMG数据集中的第i个数据序号.3）由于本次实验数据量较大，将所得 RMS 数据集分为 M、N 这 2 个部分.将 15 个 RMS 数据点作为一组记为 M1，剩余数据点记为 N1，M1、N1的结合作为拟合组 1；将 15+1 个 RMS 数据点作为M2，剩余数据作为 N2，M2、N2的结合作为拟合组2，之后以此类推.当 Nn的 RMS 数据点数量等于M1的 RMS 数据点时，将 Mn、Nn作为拟合组 n.对n 个拟合组进行一阶最小二乘拟合，得到 2 条拟合直线并用公式 kMnkNn计算每组拟合直线的斜率乘积.4）将步骤 3）中计算的得到的斜率乘积最大的一组数据中拟合直线的交点所对应的时间作为 EMGFT，图 6 为 EMGFT计算原理.2.2 下肢稳定性分析方法为了进行步态过程膝关节的稳定性分析，分别对 A、B 组受试者进行动作捕捉，通过大腿与小腿 2 处的惯性测量单元（inertialmeasurementunit,IMU）传感器与 Isen 模块输出膝关节外展角角度，所用 IMU 传感器角度精度为小数点后 5 位，满足实验要求.该外展角 如图 7（b）所示，坐标平面如图 7（a）所示.在行走过程中，膝关节活动由多块肌肉相互配合发力进行，下肢肌肉进入疲劳状态时会影响膝关节稳定性从而让动作产生偏移16.方差作为衡量一组数据离散程度的特征值，对单一变量数据集进行方差计算，可以反映该组数据的波动大小，即该组数据的稳定性.膝关节外展角方差计算结果将有效反映实验过程中受试者下肢稳定性sEMG原始信号0500 Hz低通滤波49.550.0 Hz陷波滤波2 s 移动窗1 s 时间窗RMS数据集计算M1N1M2=M1+1N2=N11M3=M2+1N3=N21Mn=N1Nn=M1拟合组 1拟合组 2拟合组 3拟合组 n一阶最小二乘拟合多组直线拟合kMnkNnEMGFT乘积最大值该组直线交点图 6 EMGFT计算原理图Fig.6CalculationschematicofEMGFTrxyxy(b)外展角示意图(a)截面示意图图 7 膝关节外展角示意图Fig.7Schematicdiagramofkneeabductionangle第10期何恺伦,等：基于表面肌电与步态的外骨骼穿戴疲劳评测 J.浙江大学学报：工学版,2023,57(10):20772085.2081状况，即下肢疲劳程度.对实验中所采集动作捕捉数据进行膝关节偏移距离方差 S2进行计算：S2=1nni=1(XiX)2.(2)X式中：为实验中得到的膝关节偏移角度的平均值，Xi为第 i 个偏移量数据.最后对方差进行最小二乘法以及曲线拟合，得到每组拟合直线的斜率.该斜率作为膝关节稳定性特征值，此特征值大小反映膝关节稳定性.2.3 主观评分计算方法下肢疲劳是一种主观感受与客观感受相互影响的多维现象，为了综合评价外骨骼穿戴疲劳状态，需要受试者进行多次 sRPE 评分反馈，因此实验使用 1.1.2 节中所描述的改进 CR-10scale 采集受试者的疲劳评分.按照 10 级对疲劳等级进行划分，如表 2 所示.考虑到受试者均有负重并且训练强度适中，为了提高反馈评分进度，将费力与非常费力拆分为 2 个评分等级，提高受试者在该感受下的判断空间.根据表 2，在 6min 的实验中对每名受试者进行 4 次疲劳评分收集，分别为 0、2、4、6min.将每小组均值作为 sRPE 评分特征值.表 2 CR-10 scale 疲劳程度对照表Tab.2CR-10scaleComparisontableoffatiguedegreeRPE评分英文表述中文表述0Rest十分放松，休息状态1Reallyeasy相当轻松2Easy轻松3Moderate一般4Sortofhard有些费力5Hard费力67Reallyhard非常费力89Reallyreallyhard非常非常费力10Justlikemyhardestrace到达极限3实验结果分析3.1 EMGFT计算结果根据 2.1 节中所述的预处理方法，对原始 sEMG进行低通滤波与陷波滤波处理，随机挑选一名受试者的原始 sEMG 信号预处理（R）结果如图 8 所示.通过 2.1 节中对预处理过后的 sEMG 信号进行EMGFT计算，随机挑选一名受试者，实验结果如图 9 所示，其中 sEMG 原始信号为 G，EMGFT到达时间为 t，Fr为频率.各组 EMGFT均值如表 3 所示.由图 8 可知在 A、B 组实验中，外骨骼可以有效延缓负载状态下受试者股内肌到达疲劳的时间，且该套外骨骼对于 A2、A3 的影响相较于 B2、B3 组 t 明显延后，对于 A1 组与 B2 组，效果不佳.A1 组与 B1 组相比，A1 组 t 仅比 B1 组平均延后1.3s，该结果表明非熟练者使用外骨骼难以起到有效缓解疲劳的作用；A2 组与 B2 组对比，A2 组t 相比 B2 组平均推迟了 51.7s.由此可见，熟练使用外骨骼将极大推迟 t；A3 组与 B3 组对比，A3 组 t 相比 B3 组平均推迟了 44.6s，由该组结果可知身体素质较高者使用外骨骼同样能起到延缓疲劳的作用.在 A 组实验中，相较于 A1 组，A2 组受试者对外骨骼的使用效果提升了 211%，A3 组受试者对外骨骼的使用效果提升了 333%.A2 组相较于 A3 组，其使用效果提升了 41%.横向对比 A 组显示，身体素质和熟练度是决定外骨骼使用效果的相关因素，在相同身体素质情况下，熟练度起到决定性作用.在 B 组实验中，B2 组的 EMGFT与 B1 组相差6%，B3 组相较于 B1 组的 EMGFT延后 157%.B3 组(a)股内肌 sEMG 原始信号(b)0-500 Hz 低通滤波处理(c)49.5-50.0Hz 陷波滤波处理t/s1001000120240360(d)股内肌 sEMG 原始信号(e)0-500 Hz 低通滤波处理(f)49.5-50.0 Hz 陷波滤波处理工频噪声去工频高频噪声去高频t/s1001000120240360t/s1001000120240360G/mVR/VR/VR/VG/mVG/mV86420200 400 600Fr/Hz0200 400 600Fr/Hz0200 400 600Fr/Hz86428642图 8 sEMG 信号预处理过程时域和频域图Fig.8Time and frequency domain diagrams of sEMG signalpreprocessing2082浙江大学学报（工学版）第57卷相较于 B2 组的 EMGFT延后 140%.横向对比A 组，结果表明身体素质较好的实验对象晚达到疲劳时间，同时 B2 组与 B1 组身体素质相当，在不借助外骨骼的情况下 EMGFT相当.3.2 膝关节稳定性分析对膝关节进行 2.2 节中的稳定性计算，实验时间较长，获取数据量较大，因此对 A、B 组数据进行加窗，并计算其方差 S2.设时间窗为 2.5s，移动窗为5.0s.获取受试者膝关节偏移量方差，并对该方差进行最小二乘法曲线拟合，同时计算该直线斜率 P.随机挑选一名受试者的实验结果进行展示，如图 10所示.将 A、B 组的结果进行对比，穿戴外骨骼进行步态负载训练时下肢稳定性均高于未穿戴外骨骼，A 组方差拟合直线斜率均小于 B 组，证明该外骨骼可以有效缓解因疲劳引起的膝关节抖动加大.纵向对比 A1 组与 B1 组，P 下降了 67.8%；A2 组与 B2 组，P 下降了 77.2%；A3 组与 B3 组对比，P 下降了 84.1%.该组结果对比表明，外骨骼对于 A1、A2、A3 组成员下肢稳定性均有稳定提升，并且与身体素质，熟练度等相关因素相关性较小.对 A 组进行横向对比，A2 组相较于 A1 组，P 下降了 25.0%；A3 组相较于 A1 组，P 下降了 60.7%；A3 对比 A2，P 提升了 91.0%.该结果显示，高熟练对下肢稳定性的影响较低，但较好的身体素质对下肢稳定性的影响较大.横向对比 B 组，B2 组相较于 B1 组，P 上升了 8.0%；B3 组相较于 B1 组，P 下降了 20.7%；B3 对比 B2，P 提升了 25.0%.在无外骨骼穿戴的负载步态实验中，身体素质与下肢稳定性有直接关系.3.3 sRPE 对照反馈根据 2.3 节中所述 CR-10scale 对 A、B 组进行主观疲劳评分收集，并对各小组 sRPE 特征值（F）进行提取.随机挑选一组受试者数据进行展示，结果如表 4、5 所示.实验每 2min 进行一次评分收集，结果表明，穿戴外骨骼负载实验使得 sRPE 评分平均下降 28.5%，并且 A3 与 B3 组均保持在相对轻松的主观感受中，同时 A2 组测试结果表明该组通过使用外骨骼也达到了相对轻松状态.在 A 组中，在使用外骨骼的情况下，A2 组相较于 A1 组，F 下降了 43.5%；A3 组相较于 A1 组，F 下降了 50.5%；A3 组相较于 A2 组，F 下降了12.6%.在 B 组中，B2 组相较于 B1 组，F 下降了15.1%；B3 组相较于 B1 组，F 下降了 53.1%；B3 组表 3 A、B 组的 EMGFT平均到达时间与变化时长Tab.3EMGFTaveragearrivaltimeanddurationofchangeingroupAandB对象组EMGFT平均到达时间/s变化时长/sA组B组123.424.71.3283.531.851.73116.271.644.686RMS42040EMGFTEMGFTEMGFTEMGFTEMGFTEMGFT80120160t/s(a)A1 组6RMS4204080120160t/s(b)A2 组6RMS4204080120RMSN-RMS 拟合直线M-RMS 拟合直线160t/s(d)B1 组6RMS4204080120160t/s(e)B2 组86RMS4204080120160t/s(f)B3 组6RMS4204080120160t/s(c)A3 组图 9 RMS 拟合直线交点与 EMGFT到达时间的变化趋势Fig.9RMSfittingoflineintersectionsandtrendofarrivaltimeofEMGFT第10期何恺伦,等：基于表面肌电与步态的外骨骼穿戴疲劳评测 J.浙江大学学报：工学版,2023,57(10):20772085.2083相较于 B2 组，F 下降了 44.8%.结果表明，外骨骼对非熟练使用者有主观上的疲劳减轻作用，熟练使用后可进一步放大疲劳缓解的效果.3.4 特征值对比对 3 组特征值进行汇总并进行分组对比，外骨骼在负重状态下对受试者的辅助提升效果如表 6 所示.由表 6 可知，所用外骨骼在 3 个方面对受试者起到辅助作用.在下肢疲劳方面，熟练使用外骨骼有效推迟 EMGFT，平均推迟了 42.9%.虽然A3 组配戴外骨骼同样可以延缓 EMGFT，但是相较于 B3 组其提升效果低于 A2 与 B2 组；在下肢稳定性方面，该套外骨骼表现效果突出，稳定性综合提升了 75.8%.A3 组与 B3 组效果相对突出，因此该套外骨骼可以有效提高下肢稳定性，同时有表 4 A 组穿戴外骨骼且负重 sRPE 评分表Tab.4GroupwearsexoskeletonandbearsweightsRPEscore测试对象0min2min4min6minF1号14564.212号15663号05674号13575号05566号04677号03342.388号02339号033410号023411号133412号033313号02232.0814号022315号033316号033317号023418号0333表 5 B 组穿戴外骨骼且负重 sRPE 评分表Tab.5GroupBwearsexoskeletonandweight-bearingsRPEscore测试对象0min2min4min6minF1号45675.52号35573号45774号34675号45786号46677号34574.678号33569号236710号345711号236812号346713号13342.5814号122415号233316号123417号234418号1223P=0.28P=0.21P=0.11P=0.69P=0.92P=0.87200150100500951902853802001501005009519028538020015010050095190285380S2S2S2S2S2S2400300200100095190285380500400300200100095190285380500400300200100095190285380500膝关节偏移量方差方差拟合直线t/s(a)A1 组t/s(d)B1 组t/s(b)A2 组t/s(c)A3 组t/s(e)B2 组t/s(f)B3 组图 10 膝关节偏移量方差的拟合直线与拟合直线的斜率Fig.10Fittinglineandslopeoffittinglineforvarianceofkneejointoffset2084浙江大学学报（工学版）第57卷效缓解疲劳；在主观疲劳方面，外骨骼对受试者的主观疲劳感受平均减轻了 30.3%，同时熟练使用外骨骼可以进一步降低主观疲劳感受.4结论1）在 18 名受试者进行无源下肢外骨骼的负载对比实验中，通过 sRPE 评分与膝关节稳定性对 EMGFT值进行主、客观验证，3 组数据在不同分组条件下均具有相同趋势，其特征值具有较强相关性，可以作为评价标准.2）通过对实验中各组数据进行特征提取，实验所使用的无源下肢外骨骼在熟练使用的情况下，有效降低人体在负载状态行走中产生的肌肉负荷.根据受试者反馈发现，当外骨骼通过背板与连接部位缓解压力时，肩部感到较为明显的局部压力会影响主观疲劳评分，因此人机关系优化可能会改善局部压力所产生的主观疲劳.3）在实验中，A3 与 B3 组均表现出较高下肢稳定性与较晚到达 EMGFT值的特点，可以判断受试者更晚进入疲劳状态，因此较好的身体素质将有效提高外骨骼使用效果.在所有受试者反馈中，均提到外骨骼背部负重板影响动作灵活性的问题.本研究通过验证所提方法的可行性与有效性，为外骨骼使用效能的评价与优化方法选择提供参考.在接下来的相关研究中，需要更加关注样本差异性以及基于此评价的外骨骼升级优化.参考文献(References):XUZ,PANW,HOUY,etal.Adecisiontreemodelforanalysisand judgment of lower limb movement comfort levelJ.International Journal of Environmental Research and PublicHealth,2022,19(11):6437.1DIJKWV,KOOIJHVD,HEKMANE.Apassiveexoskeletonwithartificialtendons:DesignandexperimentalevaluationC/2IEEE International Conference on Rehabilitation Robotics.Zurich:IEEE,2011:16.LOVRENOVICZ,DOUMITM.Developmentandtestingofapassive walking assist exoskeletonJ.Biocybernetics andBiomedical Engineering,2019,39(4):9921004.3GUANX,KUAIS,SONGL,etal.Howheightandweightofpatients with spinal cord injury affect the spring locations ofunpowered energy-stored exoskeleton C/41st AnnualInternational Conference of the IEEE Engineering inMedicine and Biology Society.Berlin:IEEE,2019:44494453.4FOSTER C,JOSE A,RODRIGUEZ MARROVO,et al.Monitoringtrainingloads:thepast,thepresent,andthefutureJ.International Journal of Sports Physiology and Performance,2017,12(S2):38.5MORSEJJ,PALLASKAG,PIERCEP,etal.Acutelow-dosecaffeine supplementation increases electromyographic fatiguethreshold in healthy menJ.Journal of Strength andConditioning Research,2016,30(11):323