24小時(shí)論文定制熱線(xiàn)
24小時(shí)論文定制熱線(xiàn)
摘 要
長(cháng)時(shí)間處于不正確的坐姿進(jìn)行工作和學(xué)習不利于身體健康，使駝背、脊柱側彎、工作相關(guān)肌肉骨骼疾患等疾病的發(fā)病率增高。為了減小因坐姿所導致疾病得發(fā)病幾率。本文通過(guò)對不同坐姿進(jìn)行分析，設計一套基于壓力傳感器的坐姿監測機器人。
本設計采用 Arduino Mega 2560 作為機器人系統硬件控制核心，包含坐姿監測、光照環(huán)境監測和坐時(shí)長(cháng)監測三種監測功能的智能化坐姿監測機器人。主要研究?jì)热萑缦拢?/p>
（1）分析研究了智能化坐姿監測設備的發(fā)展現狀及未來(lái)的前景，提出本文設計的坐姿監測機器人監測方法和坐姿識別方式。確定了坐姿監測機器人的三大檢測功能，分別為坐姿監測、光照環(huán)境監測和坐時(shí)長(cháng)監測。
（2）對坐姿監測機器人的硬件進(jìn)行設計，并加工出實(shí)體模型。具體工作如下：
（i）使用 solidworks 軟件完成對坐姿監測機器人的三維建模，并根據 4 種坐姿受力情況用 Ansys Workbench 軟件對坐姿監測機器人進(jìn)行了靜力學(xué)有限元分析和前 6 階模態(tài)分析。
（ii）選擇 Arduino Mega 2560 開(kāi)發(fā)板為坐姿監測機器人控制元件，按照功能選擇相應的傳感器和 HLK-M35 無(wú)線(xiàn)模塊搭建了坐姿監測機器人的控制電路。
（3）根據坐姿監測機器人的監測功能進(jìn)行了軟件設計，使坐姿監測機器人能夠實(shí)現實(shí)時(shí)監測的基本功能，并完成了不同軟件間的串口通信及無(wú)線(xiàn)通信。具體工作情況如下：
（i）使用 Arduino IDE 軟件采用"SCoop 多線(xiàn)程"的方式完成對坐姿監測機器人下位機的設計。
（ii）同時(shí)使用 Processing IDE 軟件和 Android Studio 軟件設計兩款軟件，針 對不同用戶(hù)設計了 Processing 上位機監測程序手機 APP 上位機軟件。
（4）通過(guò)實(shí)驗對坐姿監測機器人各部分模塊進(jìn)行測試。由實(shí)驗結果可知，各模塊都能正常進(jìn)行監測工作，同時(shí)測得 50 組 4 種坐姿下被激活位置傳感器壓力值數據。最后，利用皮爾遜相關(guān)系數理論為依據，對實(shí)驗測得的 50 組壓力值數據進(jìn)行數據處理與分析，驗證身高、體重與傳感器壓力值的相關(guān)性。數據分析結果表明：
體重對激活位置的壓力值大小影響關(guān)系較大。
關(guān)鍵詞：坐姿監測；智能機器人；控制系統；Arduino;數據分析
Abstract
Working and learning in incorrect sitting position for a long time is not conducive to good health, which increases the incidence of hunchback, scoliosis, Work-related musculoskeletal disorders and so on. In order to reduce the risk of disease caused by sitting posture. Based on the analysis of different sitting posture, a set of sitting attitude monitoring robot based on pressure sensor is designed in this paper. In this design, Arduino Mega 2560 is used as the hardware control core of the robot system, which includes three monitoring functions: sitting position monitoring, lighting environment monitoring and sitting time length monitoring. The main research contents are as follows:
（1） The development status and future prospect of intelligent sitting attitude monitoring equipment are analyzed and studied, and the monitoring method and sitting attitude recognition method of sitting attitude monitoring robot designed in this paper are put forward. It is determined that the sitting attitude monitoring robot includes three monitoring functions: sitting posture monitoring, lighting environment monitoring and sitting time monitoring.
（2） The hardware design of the sitting posture monitoring robot and the solid model are processed. The specific work is as follows:
（i） The three-dimensional model of the sitting posture monitoring robot is built by using SolidWorks software, and the static finite element analysis and the first six order modal analysis of the sitting posture monitoring robot are carried out by using Ansys Workbench software according to the four sitting postures.
（ii） Arduino Mega 2560 development board is selected as the control element of the sitting position monitoring robot, and the control circuit of the sitting position monitoring robot is built by selecting the corresponding sensors and HLK-M35 wireless module according to the function.
（3） According to the monitoring function of the sitting posture monitoring robot, the software is designed, which enables the sitting posture monitoring robot to realize the basic function of real-time monitoring, and completes the serial communication and wireless communication between different software. The specific work is as follows:
（i） Using Arduino IDE software and SCoop multi-threading to complete the design of the lower computer of the sitting posture monitoring robot.
（ii） Processing IDE software and Android Studio software are used to design two kinds of software at the same time. Processing PC monitoring program APP PC software is designed for different users.
（4） The modules of the robot are tested by experiments. The experimental results show that each module can monitor normally, and at the same time, the pressure values of the activated position sensors under 50 groups of four sitting postures are measured. Finally, based on Pearson correlation coefficient theory, data processing and analysis of 50 groups of pressure data measured in the experiment were carried out to verify the correlation between height, weight and sensor pressure. The results of data analysis showed that body weight had a great influence on the magnitude of pressure at the activation site.
Key words: Sitting Posture Monitoring; Intelligent Robot; Control System; Arduino; Data Analysis.
目錄
第 1 章 緒 論
1.1 課題研究背景
青少年的坐姿一直是困擾家長(cháng)問(wèn)題，如何讓孩子保持正確的坐姿來(lái)學(xué)習，一直是比較熱門(mén)的話(huà)題。由于不正確的坐姿所導致的身體健康疾病也越來(lái)越嚴重與普遍，其中駝背、頸椎病、腰椎病肌肉損傷、近視等疾病對青少年健康成長(cháng)十分不利，帶來(lái)不可逆轉傷害。由于學(xué)習和工作的原因，使得青少年或上班群體需要長(cháng)時(shí)間坐在椅子上保持一種姿勢。即使保持正確的坐姿，長(cháng)時(shí)間的學(xué)習和工作也會(huì )給人體的健康帶來(lái)危害。而不良的坐姿除了會(huì )給人體帶來(lái)不可逆轉的傷害以外，對于坐瘡等問(wèn)題的發(fā)生幾率也高于普通人群。長(cháng)時(shí)間的保持同一種姿態(tài)或進(jìn)行重復性的工作或學(xué)習，導致頸肩部、腰背部及四肢骨骼肌肉受損，即導致工作相關(guān)肌肉骨骼疾患（Work-related musculoskeletal disorders, WMSDs）的產(chǎn)生。經(jīng)研究發(fā)現，不良坐姿、長(cháng)時(shí)間受力、重復操作等問(wèn)題是導致該癥狀發(fā)生的重要因素[1-3].學(xué)生、教師、醫護人員和辦公室職員等需要長(cháng)時(shí)間保持同種狀態(tài)工作學(xué)習的群體成為該病的重災區。隨著(zhù)電腦在學(xué)習和工作中的作用越來(lái)越明顯。人們使用電腦的頻率逐漸增加，導致人們患病的幾率進(jìn)一步增加。不同的行業(yè)對于人體不同部位的 WMSDs 的發(fā)病率也會(huì )有明顯的差異。汕頭大學(xué)對該市的幾所中小學(xué)教師 WMSDs 的患病率進(jìn)行了統計，其中 WMSDs 發(fā)病部位最高的分別為：頸部（42.0%），肩部（35.9%），腰部（38.4%）和背部（29.2%），并且具有明顯的統計學(xué)差異[4].新疆某醫院對該院 1 年內患病的醫護人員進(jìn)行分析，該行業(yè) WMSDs 發(fā)病部位最高的分別為：頸部（67.9%），腰部（67.6%），肩部（54.6%）[5].吉林某電力公司對其員工的發(fā)病率進(jìn)行了統計，發(fā)現工人各部位的發(fā)病率為 7.5%~57.9%,其中頸部（57.9%）、下背部（56.9%）和肩部（39.2%）發(fā)病率最高[6].綜上所示，雖然不同行業(yè)的發(fā)病率存在差異，但發(fā)病率最高的部位都為頸部、肩部和腰部。并且坐姿問(wèn)題致該病產(chǎn)生的一個(gè)重要因素。
不正確的坐姿對脊椎的傷害最大，青少年長(cháng)時(shí)間處于不正確的坐姿進(jìn)行學(xué)習，導致的最直接的后果就是使駝背和脊椎側彎的患病幾率增加。駝背不僅會(huì )對青少年的形象產(chǎn)生影響，嚴重會(huì )導致肩部軟組織過(guò)于緊張，大腦供血不足所引發(fā)的頭疼問(wèn)題，不利于青少年的健康成長(cháng)[7].脊柱側彎發(fā)生的原因之一是由于青少年處于青春期發(fā)育的過(guò)程中，由于長(cháng)時(shí)間使身體處于不正確的體態(tài)，導致脊柱呈一定弧度的側彎。其中青少年養成不正確的坐姿是導致該問(wèn)題的重要原因之一。襄陽(yáng)市的相關(guān)研究人員對該市 2 所學(xué)校學(xué)生的脊柱側彎患病率進(jìn)行了統計及分析，發(fā)現長(cháng)期的錯誤的姿勢習慣和不良的學(xué)習習慣有重要的聯(lián)系[8].保持正確的坐姿是預防該病的發(fā)生，使青少年健康成長(cháng)的重要措施之一。
不良的坐姿除了會(huì )給人的背部帶來(lái)傷害以外，對眼睛的損害也是相當嚴重。由于青少年眼睛正處于發(fā)育時(shí)期，不正確的用眼方式都會(huì )導致近視的發(fā)生。其中，不正確的坐姿及疲勞用眼是導致近視的重要原因。隨著(zhù)電腦、手機等科技設備的普及，青少年使用電子設備的時(shí)間也隨之增長(cháng)。電腦手機游戲的火爆，由于青少年自控力不強，極容易沉迷其中。進(jìn)而由于長(cháng)時(shí)間觀(guān)看手機和電腦，使眼睛得不到充分的休息，進(jìn)一步的加大了青少年近視患病的程度。2014 年，全國中小學(xué)生近視患病率為 45.71%、74.36%;2018 年，全國小學(xué)生僅四年級和八年級近視患病率分別為36.5%、65.3%,部分偏遠地區視力不良情況甚至高達 60%、80%[9].可見(jiàn)近視問(wèn)題在青少年中出現逐漸增加的情況。預防青少年近視成為重中之重。在預防青少年近視問(wèn)題上，改善學(xué)習環(huán)境、糾正學(xué)習姿勢和養成良好的用眼習慣，一直是比較有效果的措施。在糾正學(xué)習姿勢方面，一般采用自我矯正和裝置輔助矯正兩種方式來(lái)實(shí)現。其中后者的成功率略高于前者。可見(jiàn)，相應的坐姿監測矯正裝置在預防近視方面具有一定的作用。
綜上所述，長(cháng)時(shí)間處于不正確的坐姿，會(huì )導致 WMSDs、脊柱側彎、駝背和近視的患病幾率增加，對人的身體健康帶來(lái)傷害，十分不利于青少年的健康成長(cháng)。為了降低以上不利于成長(cháng)因素的發(fā)生幾率，除了在日常學(xué)習工作中多注意適當的自我調節之外，相應的坐姿監測設備在其中也扮演著(zhù)重要的角色，為青少年及上班族等相關(guān)人群矯正不良坐姿具有輔助作用。
1.2 國內外研究現狀
1.2.1 國外研究現狀
為了減少由于坐姿不正確的所導致的一系列問(wèn)題，坐姿監測矯正裝置一直是市場(chǎng)上比較熱門(mén)的產(chǎn)品，國內外有大量的企業(yè)以及科研單位對此進(jìn)行研究與開(kāi)發(fā)，已取得一系列坐姿監測與矯正的產(chǎn)品。來(lái)自韓國的 ShiHyun Ahn 等設計一款基于FSR（柔性壓力傳感器）非穿戴式坐姿監測系統[10].利用不同坐姿下，人體對座椅的壓力分布的差異實(shí)現對坐姿判定的問(wèn)題，實(shí)現了坐姿監測的要求。
Michael Haller 等團隊研發(fā)出一款可以進(jìn)行坐姿識別和校正的智能辦公椅[11].
將幾組壓力傳感器置于辦公椅的坐墊下，作為識別不同坐姿的主要裝置。然后制定三種警報裝置作為反饋裝置，通過(guò)實(shí)驗的方式，利用震動(dòng)模塊進(jìn)行警報的物理反饋具有明顯的效果，能夠實(shí)現對坐姿的反饋，能夠幫助使用者進(jìn)行坐姿監測與矯正。
Ali Asghar Nazari Shirehjini 團隊設計壓力傳感器制作的人體姿態(tài)識別系統[12].
該系統除了在坐墊處安放壓力傳感器以外，還在坐椅靠背處放置一定數量的壓力傳感器進(jìn)行坐姿識別。此系統對不同坐姿識別的準確度明顯高于其他同類(lèi)裝置。
除了利用壓力傳感器來(lái)監測坐姿的變化，Mallare John Cloie T.等[13]提出一種通過(guò)測量胸角[TA]、頸角[CA]、后退角[RA]、坐高[SH]、坐眼高度[SEH]、坐肩高度[SSH]、肩寬[SB]、臀部寬[HB]、臀部-足掌高度[BPH]、臀部高度[PH]等參數來(lái)評定坐姿的方法。使用角度計和座椅上的壓力傳感器相結合的方式來(lái)檢測坐姿的變化，形成一套相關(guān)的評估系統。該方法應用于相關(guān)的坐姿矯正設備，使得測量的坐姿判定的準確率高達 61.9%,具有一定的可靠性，為坐姿評定和矯正提供了一種輔助手段。Andrew P. Claus 等對在不同坐姿下，人腰椎進(jìn)行的變化進(jìn)行了研究[14],利用三維光學(xué)傳感器測量人在不同姿勢下，人體腰椎產(chǎn)生的變化。當用戶(hù)保持某種姿勢10 分鐘時(shí)，利用三維光學(xué)傳感器對腰部表面脊柱的角度和相對于脊柱垂直方向角度的變化進(jìn)行跟蹤采集。電腦分析后，得出如下結論：當處于站立姿勢時(shí)，男性和女性在胸部位置的脊柱曲線(xiàn)類(lèi)似，但在腰椎的脊柱曲線(xiàn)，女性比男性更少后凸或更多的后凸。性別差異為 1/3,當位于坐姿時(shí)，其參數變化為處于站立姿勢的 1/3,即脊柱彎曲角度相比在站立位時(shí)在腰部彎曲了 24（7e9）度，男性比女性彎曲程度大，但位于胸部的脊柱彎曲沒(méi)有明顯的變化。該方法為對脊柱建模以及坐姿相關(guān)研究提供輔助作用。為以后的相關(guān)研究提供了重要的依據。
來(lái)自葡萄牙里斯本大學(xué)物理科學(xué)與技術(shù)學(xué)院的 Lucena Rui 團隊設計出一款壓電傳感器并應用于辦公座椅坐墊上[15].通過(guò)測量 10 種不同的坐姿下所形成的壓力圖，實(shí)現了對不同坐姿的判定問(wèn)題，從而實(shí)現了坐姿監測的問(wèn)題，為智能化家電設備提供了新穎的思路。
Van Almkerk Marc 等[16]設計出一款具有坐姿監測和矯正的辦公椅，除了對坐姿進(jìn)行監測之外，其最重要的功能則是完成對不正確坐姿進(jìn)行矯正。辦公椅基于Backtive 的概念進(jìn)行設計，為用戶(hù)提供觸覺(jué)和視覺(jué)反饋，從而達到監測坐姿的目的。通過(guò)以用戶(hù)為中心的設計方法和通過(guò)建立一個(gè)原型來(lái)測試可行性以及評估概念來(lái)開(kāi)發(fā)的系統。該座椅改善姿勢方面有較高的可靠性，并且取得了一些積極的效果。用戶(hù)在可以進(jìn)行簡(jiǎn)單的操作就可以進(jìn)行使用，具有很高的市場(chǎng)價(jià)值。
除了以上采用壓力傳感器作為坐姿識別裝置之外， Giovanni Diraco 團隊設計一款基于角度傳感器視覺(jué)識別的人體姿態(tài)識別系統[17].該系統通過(guò)對攝像頭采集到的圖像信息利用計算機算法將圖像信息編碼為基于骨架結構的拓撲編碼。通過(guò)對此類(lèi)編碼進(jìn)行分析，從而實(shí)現對人體姿態(tài)的識別。
1.2.2 國內研究現狀
相比國外，國內一些研究團隊設計的產(chǎn)品更是琳瑯滿(mǎn)目，其中具有代表性的就是"背背佳"系列產(chǎn)品，該產(chǎn)品通過(guò)矯正背帶進(jìn)行的"穿戴式"矯正裝置。遵循人體生物學(xué)的原理實(shí)現對坐姿進(jìn)行"干預式"矯正，目前仍是家長(cháng)們的首選。除了傳統的矯正方式，近年來(lái)國內也有很多團隊研發(fā)了"智能化"的矯正設備。
王麗君等[18]基于 3D 運動(dòng)捕捉建立坐姿監測系統，利用紅外線(xiàn)光學(xué)式動(dòng)作捕捉分析系統 BTS SMART-capture 獲取（BTS,Italy），6 個(gè)相機環(huán)繞在實(shí)驗場(chǎng)地，通過(guò)反光標記點(diǎn)位置（Retro-reflective Markers）獲得各點(diǎn)坐標，進(jìn)而實(shí)現對坐姿進(jìn)行相應的分析。
賈若辰將人臉檢測和彩色標記點(diǎn)跟蹤相結合，設計出基于機器視覺(jué)技術(shù)的人體特征提取系統[19].該系統基于 AdaBoost 算法對人臉進(jìn)行檢測，通過(guò)對人臉變化進(jìn)行檢測，間接的實(shí)現對人體上半身軀干運動(dòng)進(jìn)行判斷。通過(guò) KLT（Kanade-LucasTomasi）算法提高人臉識別、跟蹤的精度提高，使得系統的更具有準確性。用 10*10黑色矩形標記點(diǎn)實(shí)現對下半身軀體的運動(dòng)完成了檢測。此方法實(shí)現了對全身進(jìn)行監控，該系統具有很大的兼容性，在很多設備上都可以進(jìn)行相關(guān)的運用。
劉少華等將柔性力學(xué)傳感器作為數據采集的主要依據建立的便攜式坐姿監測與提醒系統[20].通過(guò)采集臀部的壓力分布數據，進(jìn)過(guò)以 K-means 算法為主的處理程序分析后，將結果發(fā)送至與其相配套的手機 APP,給用戶(hù)相關(guān)的警示的作用，不 僅在一定程度上能夠達到坐姿矯正目的。采用柔性傳感器與手機 APP 結合的設計，為用戶(hù)觀(guān)察自身坐姿情況提供了方便。
除了利用壓力傳感器來(lái)測試下半身信號變化的方式來(lái)進(jìn)行坐姿矯正之外，曾令輝設計一款可穿戴在耳朵上的坐姿提醒器[21].設計比較新穎，該裝置主要由位置傳感器制成，將裝置穿戴在耳朵處，當用戶(hù)坐姿發(fā)生改變時(shí)，頭部角度發(fā)生變化產(chǎn)生的信號使系統激活，通過(guò)微聲、發(fā)光的方式提醒用戶(hù)注意坐姿。該裝置最大的優(yōu)點(diǎn)就是輕質(zhì)、便攜，更加適合青少年的使用。并且將磁珠開(kāi)關(guān)引入其中，大大的降低了誤觸發(fā)現象的產(chǎn)生，提高裝置的準確性。
徐鵬等另辟蹊徑，為了防止已經(jīng)患有的近視人群近視程度進(jìn)一步惡化，設計了一款基于重力感應芯片的智能坐姿矯正眼鏡[22].該款眼鏡使用 MMA7260 重力感應芯片對用戶(hù)的頭部位移進(jìn)行監測，當頭部發(fā)生位移改變時(shí)，傳感器 X,Y,Z 的三個(gè)引腳發(fā)生電壓差，進(jìn)而產(chǎn)生信號，由 Arduino Mini 對信號進(jìn)行處理、控制反饋給用戶(hù)，使其知曉坐姿不準確并且進(jìn)行改正，從而達到坐姿監測矯正的目的。
通過(guò)對國內外現狀分析，現階段坐姿監測設備的監測功能單一，"穿戴式"監測裝置材料使用壽命低，矯正成本高，而"被動(dòng)式"坐姿監測裝置測試重點(diǎn)主要集中在座椅底部，對坐姿判斷仍存在較大誤差。綜上所述，設計一款"被動(dòng)式"具有多種監測功能的坐姿監測設備存在較大的優(yōu)勢。
1.3 課題主要研究?jì)热莺图夹g(shù)路線(xiàn)
1.3.1 課題主要研究?jì)热?/strong>
通過(guò)對現階段對此類(lèi)機器人的研究成果進(jìn)行分析研究，設計一款包含坐姿監測、坐時(shí)長(cháng)監測和光照環(huán)境監測的坐姿監測機器人。首先經(jīng)過(guò)理論分析后，加工實(shí)體模型后與相關(guān)的控制系統組成機器人的主體后，通過(guò)大量的實(shí)驗來(lái)研究不同坐姿的關(guān)系，并得出相關(guān)結論，具體進(jìn)行以下研究：
（1）對機器人主體結構使用 Solidworks 軟件進(jìn)行三維建模。
根據前期所查閱的國內外研究現狀，對坐姿監測機器人進(jìn)行主體機構的設計，利用 Solidworks 軟件進(jìn)行三維建模，再使用有限元分析軟件對主體結構模型進(jìn)行力學(xué)分析，優(yōu)化三維模型，最后加工出實(shí)體。
（2）搭建基于壓力傳感器的檢測機器人的控制系統。
根據所查閱資料繪制控制系統的電路原理圖，根據選用合適的單片機、傳感器模塊和其他相關(guān)的電子元件，完成控制系統的硬件安裝工作。使用 Arduino IDE、 Processing 2.2 軟件進(jìn)行對坐姿監測機器人控制系統軟件的開(kāi)發(fā)工作。
（3）根據控制系統進(jìn)行配套的手機 APP 開(kāi)發(fā)。
使用 Android Studio 軟件開(kāi)發(fā)出一款基于安卓系統的手機 APP,實(shí)現通過(guò)手機軟件，就可以對坐姿情況進(jìn)行實(shí)時(shí)監測功能。
（4）通過(guò)坐姿監測機器人進(jìn)行相應測試實(shí)驗，通過(guò)對實(shí)驗數據進(jìn)行分析，并得出相應的結論。
當坐姿監測機器人樣機加工完成后，通過(guò)相關(guān)的測試和調試工作后，可以選擇一定數量的學(xué)生參加坐姿監測實(shí)驗，讓學(xué)生完成幾種不同的坐姿來(lái)獲取相應的實(shí)驗數據作為樣本，對實(shí)驗樣本進(jìn)行數據分析，得出不同人之間坐姿的差異性，從而完善坐姿監測控制系統。
1.3.2 技術(shù)路線(xiàn)
根據本文的研究?jì)热荩L制的技術(shù)路線(xiàn)圖，如圖 1-1 和圖 1-2 所示。
1.4 本章小結
本章介紹了課題的研究背景和意義，然后對現階段國內外坐姿監測相關(guān)的發(fā)展現狀進(jìn)行了分析，根據目前的研究現狀及不足之處提出了本論文需要研究的主要內容和技術(shù)路線(xiàn)。
第二章 坐資情況分析及檢測點(diǎn)的選擇
2.1坐姿情況的分析
2.1.1正確坐姿的分析
2.1.2不正確坐姿的分析
2.2監測點(diǎn)的選擇
2.2.1坐姿監測方法的種類(lèi)
2.2.2傳感器監測點(diǎn)位置的確定
2.3本章小結
第3章坐姿監測機器人的硬件設計
3.1壓力傳感器
3.1.1壓力傳感器的工作原理
3.1.2壓力傳感器的理論分析
3.2開(kāi)發(fā)板的選擇
3.2.1單片機與開(kāi)發(fā)板簡(jiǎn)介
3.2.2Arduino開(kāi)發(fā)板型號的確定
3.3其他傳感器
3.3.1無(wú)線(xiàn)模塊
3.3.2光敏傳感器模塊
3.3.3傳感器信號轉換模塊
3.3.4信息反饋模塊
3.4機器人系統的電路設計
3.4.1電路連接的基本方案
3.4.2電路的虛擬連接
3.5機器人支架的結構設計
3.5.1機器人結構理論分析
3.5.2機器人監測支架三維建模
3.6坐姿監測機器人監測支架的有限元仿真分析
3.6.1ANSYSWorkbench軟件簡(jiǎn)介
3.6.2監測支架的靜力學(xué)仿真
3.6.3靜力學(xué)有限元分析結果
3.6.4大監測支架的模態(tài)分析
3.7本章小結
第4章坐姿監測機器人的軟件設計
4.1下位機軟件設計
4.1.1ArduinoIDE軟件簡(jiǎn)介
4.1.2坐姿監測機器人主程序框架的設計
4.1.3壓力傳感器的測試實(shí)驗
4.1.4坐姿監測部分的程序設計
4.1.5光照強度監測部分的程序設計
4.1.6坐時(shí)監測部分程序設計
4.2上位機軟件程序設計
4.2.1Processing軟件簡(jiǎn)介
4.2.2Processing程序設計
4.2.3AndroidStudio軟件簡(jiǎn)介
4.2.4手機APP軟件的設計
4.3無(wú)線(xiàn)通信的設計
4.4本章小結
第5章坐姿監測機器人功能的測試與分析
5.1坐姿監測機器人的組裝與測試
5.2坐姿監測機器人各模塊測試方案
5.2.1光照環(huán)境監測模塊的測試方案
5.2.2坐時(shí)長(cháng)監測模塊的測試方案
5.2.3Processing上位機監測模塊的測試方案
5.2.4坐姿監測模塊的測試方案
5.2.5手機APP的測試方案
5.3坐姿監測機器人的測試結果
5.3.1光照環(huán)境監測模塊的測試結果
5.3.2坐時(shí)長(cháng)監測模塊的測試結果
5.3.3Processing上位機監測模塊測試結果
5.3.4坐姿監測模塊的測試結果
5.3.5手機APP的測試結果
5.4基于皮爾遜相關(guān)系數對坐姿監測實(shí)驗數據的處理與分析
5.4.1皮爾遜相關(guān)系數簡(jiǎn)介
5.4.2實(shí)驗數據分析與處理
5.5本章小結
結論與展望
長(cháng)時(shí)間處于不正確的坐姿進(jìn)行工作和學(xué)習不利于身體健康，使駝背、脊柱側彎、工作相關(guān)肌肉骨骼疾患等疾病的發(fā)病率增高。為了減輕因坐姿問(wèn)題影響青少年健康成長(cháng)。本文通過(guò)對不同坐姿進(jìn)行分析，設計一套基于壓力傳感器的坐姿監測機器人。本設計采用 Arduino Mega 2560 作為機器人系統硬件控制核心，采用"被動(dòng)式"監測的方式使坐姿監測機器人實(shí)現功能。本文完成的工作及創(chuàng )新點(diǎn)如下：
（1）分析研究了智能化坐姿監測設備的發(fā)展現狀及未來(lái)的前景，提出本文設計的坐姿監測機器人監測方法和坐姿識別方式。并結合現有的坐姿監測設備的功能，提出本文設計的坐姿監測機器人包括坐姿監測、光照環(huán)境監測和坐時(shí)長(cháng)監測三大監測功能。
（2）通過(guò)對坐姿識別和監測方法的分析，完成了對坐姿監測機器人的結構設計。并使用 solidworks 軟件完成對坐姿監測機器人的三維建模。根據不同坐姿下坐姿監測機器人的受力分析，使用 Ansys Workbench 軟件對坐姿監測機器人進(jìn)行了靜力學(xué)有限元分析和前 6 階模態(tài)分析。同時(shí)根據功能選擇相應的傳感器原件，根據控制系統的電路原理圖和各模塊的工作原理，完成對坐姿監測機器人控制系統的硬件裝配工作。
（3）使用 Arduino IDE 軟件按設計要求為坐姿監測機器人下位機控制軟件進(jìn)行設計。然后，分別完成了機器人與 Processing 上位機軟件串口通信和手機 APP在 AP 模式下的無(wú)線(xiàn)通信，實(shí)現了坐姿信息的實(shí)時(shí)反饋功能。
（4）通過(guò)實(shí)驗的方式，對坐姿監測機器人各部分模塊進(jìn)行測試，光照環(huán)境監測模塊能夠在光照環(huán)境影響學(xué)習時(shí)，及時(shí)做出反饋，工作情況穩定；坐時(shí)監測模塊對 3 種情況下的坐時(shí)長(cháng)反饋準確率分別為 100%、100%和 96%;坐姿監測模塊對 4種坐姿的識別準確率分別為 98%、98%、94%和 92%.由實(shí)驗結果可知，各模塊都能實(shí)現其功能。同時(shí)，對不足的地方進(jìn)行優(yōu)化并改進(jìn)，使其按設計要求進(jìn)行監測與反饋。
（5）利用皮爾遜相關(guān)系數理論為依據，對 50 組 4 種坐姿下被激活位置壓力值數據進(jìn)行數據處理與分析，驗證身高、體重與傳感器壓力值的相關(guān)性。數據分析結果表明：體重對激活位置的壓力值大小影響關(guān)系較大。
本文的創(chuàng )新之處為：
（1）通過(guò)對現有坐姿監測設備的工作原理進(jìn)行研究分析后，采用"被動(dòng)式"監測方式作為坐姿監測機器人的監測和識別坐姿的方式。根據不同坐姿下，人體上身的差異選取 8 處壓力信號監測點(diǎn)，實(shí)現坐姿監測機器人對不同坐姿的識別。
（2）下位機程序中采用"SCoop 多線(xiàn)程"為機器人控制系統的主框架，實(shí)現了坐姿監測、坐時(shí)長(cháng)監測和光照環(huán)境監測三大功能進(jìn)行實(shí)時(shí)監測與反饋。同時(shí)使用Processing IDE 軟件和 Android Studio 軟件，針對不同用戶(hù)同時(shí)設計了 Processing上位機監測程序和手機 APP 上位機軟件。
本文通過(guò)對坐姿監測機器人的研究與設計，使坐姿監測機器人能夠對 4 種不正確坐姿進(jìn)行識別與反饋。但由于個(gè)人的研究水平有限以及實(shí)驗設備的限制，使得坐姿監測機器人的研究還存在很多問(wèn)題，需要在以后的工作中解決。本設計中存在以下幾點(diǎn)不足之處：
（1）坐姿監測機器人大支架的可調節設計區間包含不足。對于身高低于 150cm區間的用戶(hù)會(huì )導致監測點(diǎn)傳感器無(wú)法與身體貼合在一起，導致監測和識別的準確率偏低。對于高于 185cm 的用戶(hù)因身高，機器人調節為最大尺寸仍無(wú)法進(jìn)行監測原因，使此類(lèi)用戶(hù)無(wú)法使用。
（2）坐姿監測機器人采用在 AP 模式下對坐姿數據進(jìn)行顯示，無(wú)后臺存儲功能。使用戶(hù)無(wú)法查看在使用機器人一段時(shí)間內的坐姿數據變化。未能實(shí)現在連接互聯(lián)網(wǎng)情況下向服務(wù)器存儲和調取個(gè)人坐姿變化信息。由于時(shí)間及條件的限制，本研究只能告一段落，希望能在今后的研究中完善此功能。
綜上所述，仍需要對坐姿監測機器人的不足之處在今后的工作中做更深入的研究，才能使坐姿監測機器人的監測功能變得更加完善，提供更可靠的服務(wù)。
參考文獻
[1] 秦東亮，王生，張忠彬，何麗華。工作相關(guān)肌肉骨骼疾患判別標準研究進(jìn)展[J].中國職業(yè)醫學(xué)，2017,44（03）：362-364+370.
[2] 科學(xué)防治工作相關(guān)肌肉骨骼疾患[J].中國職業(yè)醫學(xué)，2018,45（02）：238.
[3] Sharan Deepak, Rajkumar Joshua Samuel. Why do information technology professionalsdevelop work related musculoskeletal disorders? A study of risk factors[A]. Advances inIntelligent Systems and Computing, Proceedings of the 20th Congress of the InternationalErgonomics Association （IEA 2018） - Volume III: Musculoskeletal Disorders[C].SpringerVerlag,2019,pp.785-786.
[4] 岳鵬瑩，李麗萍，劉鳳英，王生。中小學(xué)教師工作相關(guān)肌肉骨骼疾患及其危險因素的研究[J].人類(lèi)工效學(xué)，2013,19（02）：1-5.
[5] 薛晨晨，周玉蘭，塞拜努爾·阿布都熱依木，寧麗。新疆某醫院醫務(wù)人員肌肉骨骼系統疾患的調查分析[J].工業(yè)衛生與職業(yè)病，2018,44（04）：241-244+249.
[6] 張丹，陳濤，孫成勛，李宏彥，曲穎，徐華雷，鐘思武，張雪艷，賈寧。某供電企業(yè)運檢人員工作相關(guān)肌肉骨骼疾患及其危險因素研究[J].中國工業(yè)醫學(xué)雜志，2018,31（06）：403-407+474.
[7] 王春陽(yáng)。國內青少年體態(tài)調查現狀分析[J].體育師友，2018,41（01）：44-46.
[8] 鄧萬(wàn)霞，張金枝，杜銳，汪雪洋。襄陽(yáng)市區中小學(xué)生脊柱彎曲異常現狀及影響因素分析[J].中國校醫，2016,30（04）：285-287.
[9] 樊澤民，劉立京，王海濤。扎實(shí)推進(jìn)全國兒童青少年近視防控工作 [J].中國學(xué)校衛生，2018,39（11）：1605-1608+1612.
[10] ShiHyun Ahn, Jeong, Youngjin, Kim, Donghyun, Kim, Hyundeok. Development of the nonwearable system with FSR sensors for correction of sitting position[A] 2015 2nd InternationalConference on Computing Technology and Information Management ICCTIM 2015.2015,8（25）：140-143.
[11] Michael Haller, Christoph Richter, Peter Brandl, Sabine Gross, Gerold Schossleitner, AndreasSchrempf, Hideaki Nii, Maki Sugimoto, Masahiko Inami. Finding the Right Way for InterruptingPeople Improving Their Sitting Posture[J]. INTERACT 2011, Part II, LNCS 6947,2011, pp.1-17.
[12] A. A. N. Shirehjini, A. Yassine ·S. Shirmohammadi. Design and implementation of a system forbody posture recognition[J]. Multimed Tools Appl,2014,70:1637–1650.
[13] Mallare John Cloie T. , Pineda, Dianne Faye G., Trinidad, Gerald M., Serafica, ReymondD. ,Villanueva, Jules Benedict K. , Dela Cruz, Angelo R., Vicerra Ryan Rhay P., Serrano, KannyKrizzy D. Roxas Edison A. Sitting posture assessment using computer vision[A]. HNICEM2017 - 9th International Conference on Humanoid, Nanotechnology, Information Technology,Communication and Control, Environment and Management.2018,1: 1-5.
[14] Andrew P. Claus, Julie A. Hides , G. Lorimer Moseley , Paul W. Hodges. Thoracic and lumbarposture behaviour in sitting tasks and standing:Progressing the biomechanics from observationsto measurements[J]. Applied Ergonomics .2016（53）： 161-168.
[15] Lucena,Rui,Quaresma, Cláudia,Jesus, Adelaide,Vieira, Pedro. Intelligent chair sensor-actuator:A novel sensor type for seated posture detection and correction[A]. BIODEVICES 2012 -Proceedings of the International Conference on Biomedical Electronics andDevices.2012,1（1）： 333-336.
[16] Van Almkerk Marc,Marc Bierling BartL., Leermakers,Nono, Vinken,Jeroen, Timmermans,Annick A.A Improving posture and sitting behavior through tactile and visual feedback in asedentary environment[A]. Proceedings of the Annual International Conference of the IEEEEngineering in Medicine and Biology Society, EMBS.2015,11（4）： 4570-4573.
[17] Giovanni Diraco, Alessandro Leone, Pietro Siciliano. Human posture recognition with a time-offlight 3D sensor for in-home applications[J]. Expert Systems with Applications. 2013（40）：744-751.
[18] 王麗君，李黎，張帆。基于 3D 運動(dòng)捕捉系統的坐姿角度和舒適度研究[J].中南林業(yè)科技大學(xué)學(xué)報，2013,33（12）：146-150.
[19] 賈若辰。 基于機器視覺(jué)技術(shù)的人體坐姿特征提取及識別算法研究[D].哈爾濱理工大學(xué)，2015.
[20] 劉少華，徐超，許金林，許勝強，元沐南。基于柔性力敏傳感器的便攜式坐姿監測與提醒系統[J].計算機系統應用，2018,27（07）：63-70.
[21] 曾令輝。基于位置傳感器的中小學(xué)生坐姿提醒器設計[J].寧夏工程技術(shù)，2017,16（03）：237-239+247.
[22] 徐鵬，曾碧新，陳仁愛(ài)，黃勝海，崔賀，戴志岳。基于重力感應芯片的智能坐姿矯正眼鏡研究[J].科技信息，2013（09）：8-9+47.
[23] 教育部等八部門(mén)。教育部等八部門(mén)關(guān)于印發(fā)《綜合防控兒童青少年近視實(shí)施方案》的通知，[EB/OL].http://www.moe.gov.cn/srcsite/A17/moe_943/s3285/201808/t20180830_346672.html.2018-08-30.
[24] 關(guān)盼盼。基于壓力傳感器的坐姿識別系統的設計與實(shí)現[D].華中師范大學(xué)，2016.
[25] Huang Meijie, Lee Taeyong, Gibson Ian, Hajizadeh Khatereh. i-CREATe 2012 - 6th InternationalConvention on Rehabilitation Engineering and Assistive Technology, 2012,i-CREATe 2012 - 6thInternational Convention on Rehabilitation Engineering and Assistive Technology[A]. 6thInternational Convention on Rehabilitation Engineering and Assistive Technology.2012.7（4）。
[26] 張宇。基于人臉檢測與膚色統計的坐姿行為監測[J].計算機與網(wǎng)絡(luò )，2017,43（07）：72-75.
[27] 韓婉婉 , 姜 楠 , 張 超 . 穿 戴 式 頸 部 姿 態(tài) 預 防 矯 正 儀 設 計 探 討 [J]. 中 國 高 新 技 術(shù) 企業(yè)，2015（19）：28-29[28] 胥少汀，葛寶豐，徐印坎。實(shí)用骨科學(xué)（上冊）[M].北京：人民軍醫出版社，2012.
[29] 那盟。虛擬人體骨骼建模及靜態(tài)姿勢的形式化描述[A]. 中國自動(dòng)化學(xué)會(huì )智能自動(dòng)化專(zhuān)業(yè)委員會(huì )。2007 年中國智能自動(dòng)化會(huì )議論文集[C].中國自動(dòng)化學(xué)會(huì )智能自動(dòng)化專(zhuān)業(yè)委員會(huì )：中國自動(dòng)化學(xué)會(huì )智能自動(dòng)化專(zhuān)業(yè)委員會(huì )，2007:4.
[30] 林婷婷。 乘員人體骨骼系統參數化建模研究[D].吉林大學(xué)，2014.
[31] Zhang Xudong, Xiong Jinjun, Bishop Angela M. The effects of load and speed on lumbarvertebral kinematics during lifting motions: A more detailed look[A]. Proceedings of the HumanFactors and Ergonomics Society 45th Annual Meeting[C]. Human Factors an ErgonomicsSociety Inc,2001:1064-1068.
[32] Dong Xuanliang Neil, Pinninti Rajeshwa, Tvinnereim Amy, Lowe Timothy, Di Paolo David ,Shirvaikar Mukul. Stochastic predictors from the DXA scans of human lumbar vertebrae arecorrelated with the microarchitecture parameters of trabecular bone[J]. Journal ofBiomechanics,2015,9（18）：2968-2975.
[33] Gabriel Ana Teresa, Quaresma Cláudia, Secca Mário Forjaz, Vieira Pedro. Vertebral metricsapplication of a non-invasive system to analyse vertebrae position using two seating platforms[A].BIODEVICES 2016 - 9th International Conference on Biomedical Electronics and Devices,Proceedings[C]. Part of 9th International Joint Conference on Biomedical Engineering Systemsand Technologies, BIOSTEC 2016.2016:235-240.
[34] Chen Wenbin, Xiong Caihua, Sun Ronglei, Huang Xiaolin. On the design of exoskeletonrehabilitation robot with ergonomic shoulder actuation mechanism[A]. Lecture Notes inComputer Science （including subseries Lecture Notes in Artificial Intelligence and Lecture Notesin Bioinformatics）。 Intelligent Robotics and Applications - Second International Conference,ICIRA 2009, Proceedings[C]. 2nd International Conference on Intelligent Robotics andApplications, ICIRA 2009, Springer Verlag.2009:1097-1110.
[35] Xu Xu, Robertson Michelle, Chen Karen B., Lin Jia-hua, McGorry Raymond W. Using theMicrosoft Kinect? to assess 3-D shoulder kinematics during computer use[J]. AppliedErgonomics,2017,11:418-423.
[36] 劉君華等。智能傳感器系統（第二版）[M].西安：西安電子科技大學(xué)出版社，2010.
[37] 李鄧化，陳雯柏，彭書(shū)華。智能傳感技術(shù)[M].北京：清華大學(xué)出版社，2011.
[38] Arduino. What is Arduino? [EB/OL].https://www.arduino.cc/en/Guide/Introduction?setlang=cn.
[39] 嵌入式軟件/開(kāi)發(fā)板。 arduino 和開(kāi)發(fā)板的區別[EB/OL]. http://m.elecfans.com/article/576633.html,2017-11-08.
[40] Simon Monk（英）著(zhù)，劉椮楠譯。Arduino 編程從零開(kāi)始[M].北京：科學(xué)出版社，2017.
[41] 深 圳 市 海 凌 科 電 子 有 限 公 司 .HLK-M35 模 塊 產(chǎn) 品 概 況 [EB/OL].http://www.znjj.tv/product/49626.html.
[42] 曹振民，陳年生，馬強，武凌，武婧。基于 ESP8266 的無(wú)線(xiàn)控制電路設計[J].工業(yè)控制計算機，2017,30（01）：68-69.
[43] 王曉鵬。傳感器與檢測技術(shù)[M].北京：北京理工大學(xué)出版社，2016.
[44] 李永華，王思野，高英。Arduino 實(shí)戰指南 游戲開(kāi)發(fā)、智能硬件、人機交互、智能家居與物聯(lián)網(wǎng)設計 30 例[M].北京：清華大學(xué)出版社，2016.
[45] Billy Gkekas. GreenHouse 1.8_par1.ino[EB/OL]. http://fritzing.org/projects/greenhouse.
[46] http://fritzing.org/projects/arduino-dht11-wifi-humidity-and-temperature.
[47] CAD/CAM/CAE 技術(shù)聯(lián)盟編著(zhù)。Altium Designer 16 電路設計與仿真從入門(mén)到精通[M].北京：清華大學(xué)出版社，2017.
[48] 張峻霞，王新亭。人機工程學(xué)與設計應用[M].北京：國防工業(yè)出版社，2010.
[49] 楊旗航。互動(dòng)型家具設計的人機因素研究[J].設計，2017,5（02）：110-111.
[50] 尹飛鴻。有限元法基本原理及應用[D].北京：高等教育出版社，2018.
[51] 天工在線(xiàn)。ANSYS Workbench 17.0 有限元分析從入門(mén)到精通實(shí)戰案例版[M].北京：中國水利水電出版社，2018.
[52] 麻柏慧。基于 ANSYS Workbench 的轎車(chē)輪轂車(chē)削夾具仿真分析及二次開(kāi)發(fā)研究[D].燕山大學(xué)，2017.
[53] 趙玉成，殷祥超，趙慧明，李沖，楊衛明。結構模態(tài)分析與參數辨識[M].徐州：中國礦業(yè)大學(xué)出版社，2017.
[54] 趙宇楠。基于 ANSYS Workbench 的自卸車(chē)副車(chē)架動(dòng)態(tài)分析[D].內蒙古工業(yè)大學(xué)，2014.
[55] Ankur Saxena, Anand Parey, Manoj Chouksey. Study of Modal Characteristics of a geared rotorsystem[J]. Procedia Technology,2016,23:pp.225-231.
[56] Franti?ek Klimenda, Josef Soukup. Modal Analysis of Thin Aluminium Plate[J]. ProcediaEngineering, 2017, 177:pp.11-16.
[57] 白意東。拉夾逆向車(chē)削細長(cháng)軸的振動(dòng)特性及切削力預測研究[D].河北工程大學(xué)，2018.
[58] 賈維兵。基于 arduino 的土柱入滲性能在線(xiàn)檢測裝置研制與試驗[D].昆明理工大學(xué)，2017[59] Pablo Basanta-Val, Marisol García-Valls. A library for developing real-time and embeddedapplications in C[J]. Journal of Systems Architecture,2015,61:pp.239-255.
[60] Georgiana Caltais, Bertrand Meyer. On the verification of SCOOP programs[J]. Science ofComputer Programming,2017,133:pp.194-215.
[61] Ben Fry, Casey Reas. Processing: A Programming Handbook for Visual Designers, SecondEdition[M].The U.S. : The MIT Press,2014.
[62] 郭霖。第一行代碼 Android 第二版[D].北京：人民郵電出版社，2016.
[63] 王涓，吳旭鳴，王愛(ài)鳳。應用皮爾遜相關(guān)系數算法查找異常電能表用戶(hù)[J].電力需求側管理，2014,16（02）：52-54.
[64] V. J. DeGhett. Effective use of Pearson's product-moment correlation coefficient: an additionalpoint[J]. Animal Behaviour,2014,98:pp.e1-e2.
[65] Susan Prion, Katie Anne Haerling. Making Sense of Methods and Measurement: PearsonProduct-Moment Correlation Coefficient[J]. Clinical Simulation in Nursing, 2014,10:pp.587-588.
[66] 車(chē)遠宏，賈雍，湯卓，蘭飛。皮爾遜相關(guān)系數在風(fēng)電功率組合預測中的應用[J].廣西電力，2016,39（03）：50-53.
[67] Soroosh Afyouni, Stephen M. Smith, Thomas E. Nichols. Effective degrees of freedom of thePearson's correlation coefficient under autocorrelation[J]. NeuroImage, 2019, 199:pp.609-625.
[68] Yashuang Mu, Xiaodong Liu, Lidong Wang. A Pearson's correlation coefficient based decisiontree and its parallel implementation[J]. Information Sciences, 2018, 435:pp.40-58.
[69] 徐小惠。 基于人體特征的緊身原型領(lǐng)、袖曲線(xiàn)生成規則研究[D].蘇州大學(xué)，2011.
致 謝
在論文的最后，首先要向河北工程大學(xué)機械與裝備工程學(xué)院孟彩茹老師致以崇高的敬意和真摯的感謝。
感謝老師在研究生學(xué)習期間，對課題選擇、學(xué)習計劃和學(xué)術(shù)問(wèn)題研究方面給我大量的指導與幫助。在研究方向的確定、論文的選題、論文整體框架的建議和論文的創(chuàng )作，都體現了老師的心血和諄諄教誨。正是有老師的專(zhuān)業(yè)指導和嚴格要求，才使我的論文能夠順利的完成。
老師在學(xué)術(shù)研究中認真負責的態(tài)度深深的影響到了我。在論文撰寫(xiě)期間，老師認真負責的態(tài)度，讓我能及時(shí)發(fā)現研究中的錯誤并及時(shí)改正。同時(shí)，也讓我養成多角度研究問(wèn)題的好習慣。因此，感謝老師對我的悉心指導。在研究生三年的學(xué)習時(shí)光里，孟老師為我提供了良好的學(xué)習環(huán)境，為我的研究工作和論文寫(xiě)作提供了重要保障。老師的認真負責、精益求精的工作態(tài)度對我產(chǎn)生深深的影響。
感謝河北工程大學(xué)給予了我寶貴的研究生學(xué)習機會(huì )，感謝研究生期間授課老師們傳授的知識，為我的學(xué)習和研究打下了良好的基礎。感謝教研室的老師和同學(xué)們提供的支持和幫助，這是我不斷前進(jìn)的動(dòng)力。
最后，感謝各位評閱論文和參加答辯的老師對論文提出的寶貴建議。
（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）