基于表面肌电信号的驾驶员上肢神经肌肉力学特性研究
发布时间：2022-01-12 21:30
转向系统是人-车触觉交互的主要媒介之一。驾驶员转向操纵的执行器是上肢的神经肌肉,驾驶员上肢肌肉发力特性的定量研究对转向舒适性的评价、智能汽车拟人化驾驶、人机共驾汽车人机共享控制策略的研究等都是十分重要的。目前,广泛用于评价驾驶员肌肉发力状态的方法是主观评价法,该方法耗时、昂贵且容易受到个体差异的影响。本文通过采集并分析驾驶员转向操纵过程中的表面肌电信号（EMG）,提出了两个肌肉发力情况的评价指标,即转向效率和协同收缩,并讨论了它们与转向阻力之间的关系,为后续从肌肉发力规律的角度研究驾驶员上肢神经肌肉力学特性提供了理论基础。为了研究驾驶员上肢肌肉力对转向系统机械参数（惯量、阻尼和刚度）的影响,选择了14名驾驶员参与上肢被动地握住方向盘的转向实验。通过采集驾驶员上肢肌肉的EMG信号,计算反映肌肉力强度的协同收缩和转向效率;通过采集C-EPS电机电流,应用带遗忘因子的递推最小二乘法来识别人机系统机械参数。最后,分析了肌电指标与人机系统机械参数之间的相关性。该实验为后续从驾驶员对转向系统参数和性能影响的角度研究驾驶员上肢神经肌肉力学特性提供了理论和实验基础。牵张反射是人体活动的生理基础。为了分...
【文章来源】：清华大学北京市 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
驾驶员补偿跟踪模型框图[13]
第1章引言3偿的控制理论进行控制，实现路径跟踪[14]，为驾驶员转向行为建模提供了参考依据。但由于此类基于补偿的驾驶员模型未考虑驾驶员的预瞄特性，因而在不同车速下难以保证转向输入足够的相位超前，这与驾驶员在实际驾驶时的操作过程有较大差距。因此，随着控制理论的发展，出现了几种基于预瞄的驾驶员模型。图1.1驾驶员补偿跟踪模型框图[13]预瞄跟踪模型如图1.2所示，该模型考虑了驾驶员驾驶车辆时的前视作用（预瞄环节），根据未来时刻汽车理想位置与预估位置的偏差进行控制[15,16]。图中各符号含义如表1.1所示。由于在驾驶过程中驾驶员总是提前一段距离观测行车路径，因此预瞄跟踪模型更加符合驾驶员的行车习惯和操纵特性[17]。图1.2驾驶员预瞄跟踪模型框图[16]表1.1图1.2中各符号含义符号含义P(s)预瞄环节F(s)前向校正环节B(s)反馈预估环节f输入量，预期轨迹信息y输出量，车辆运动轨迹位置fe预瞄环节根据当前汽车运动状态而估计的未来时刻汽车位置信息yp由预估环节估计的未来时刻汽车状态信息ε两个估计值fe与yp的偏差δ对车辆施加的控制信息
第1章引言5这一原因，英国剑桥大学D.J.Cole教授等分析了驾驶员上肢的动态特性[33]，指出了驾驶员上肢的刚度、阻尼会随肌肉不同紧张程度发生变化，提出了如图1.3所示的考虑驾驶员上肢神经肌肉力特性的驾驶员路径跟踪的转向发力模型[34]，并进一步研究了上肢牵张反射特性对外部干扰的抵抗作用[35]。在文献[36]中，Cole教授对提出的驾驶员-车辆系统模型采用EMG（表面肌电信号）的手段识别驾驶员肌肉在方向盘产生的扭矩，并测量了协同收缩。在文献[37]中，Cole教授搭建了驾驶员在环硬件试验台，建立电机需求转矩和转向管柱转角之间的传递函数，并用频域分析法标定了参数，分析得到驾驶员手臂的被动特性（惯量、阻尼和刚度）。文献[38]利用最小二乘法测定了驾驶员上肢的惯量、阻尼、刚度参数。图1.3考虑驾驶员上肢神经肌肉力特性的驾驶员转向发力模型[34]1.2.2机械系统参数辨识方法综述在系统参数辨识领域，常用的辨识方法有：递推最小二乘法（RLS）、带遗忘因子的递推最小二乘法、梯度校正参数估计法、极大似然参数估计方法、EFRA法（Exponentialforgettingandresettingalgorithm）等。最小二乘理论[39]最早是高斯在1795年提出，“未知量的最大可能值是这样一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最校[40]”递推算法就是依时间顺序，每获得一次新的观测数据就修正一次参数估计值，随着时间的推移，便能获得满意的辨识结果[41]。其核心思想是在旧的递推估计值的基础上修正而成新的递推参数估计值。递推算法除了可以减少计算量和存储量外，还能够实现在线实时辨识[42]。递推最小二乘法应用在参数不变的定常系统，但是递推最小二乘法也可用在参数时变系统中，算法的主要递推公式如公式（1-1）[43]所示。?
【参考文献】：
期刊论文
[1]高速公路驾驶员主动疲劳的脑电检测分析[J]. 刘天娇,马锦飞. 中国安全科学学报. 2018(10)
[2]带遗忘因子的递推最小二乘法在SCR喷氨量模型辨识中的应用[J]. 余洁. 自动化应用. 2017(12)
[3]戈壁地区公路驾驶疲劳特征与眼动试验研究[J]. 周建,刘清霞,方靖,黄勇,周荣贵. 公路. 2017(10)
[4]对脑电信号特征的驾驶疲劳检测方法[J]. 尹昱东. 电子技术与软件工程. 2017(18)
[5]汽车驾驶员转向目标识别控制器设计研究[J]. 黄奕,谭光兴,严伟,高慧君. 计算机仿真. 2017(06)
[6]智能网联汽车（ICV）技术的发展现状及趋势[J]. 李克强,戴一凡,李升波,边明远. 汽车安全与节能学报. 2017(01)
[7]应用同位素稀释法验证生物电阻抗分析法测定人体成分的研究[J]. 杨炯贤,陈伟,刘静民,郑秀瑗,冯连君. 肠外与肠内营养. 2014(03)
[8]驾驶员转向行为建模的研究进展[J]. 马爱静,毛建国,沈峘,刘昊. 汽车工程学报. 2013(06)
[9]人体水分测量技术综述[J]. 张德平,刘静民,郑秀瑗. 中国医学物理学杂志. 2012(01)
[10]递推最小二乘参数辨识与仿真实例[J]. 关晓慧,吕跃刚. 微型机与应用. 2011(20)
硕士论文
[1]基于脑电指标的不同道路景观环境下驾驶疲劳研究[D]. 柴家发.内蒙古农业大学 2018
[2]模拟驾驶疲劳生理特征研究及应用[D]. 王磊宇.太原理工大学 2015
[3]基于脑电和眼电的疲劳状态分析方法的研究[D]. 王金芳.燕山大学 2015
[4]基于驾驶员在环仿真平台的车辆路径跟随模型研究[D]. 陈炜.湖南大学 2014
[5]高效线性功放系统优化设计软件研究[D]. 张娟.宁波大学 2012
[6]液压弯辊系统对板凸度影响的实验研究[D]. 曾春峰.燕山大学 2010
[7]驾驶员对汽车方向的自适应控制行为建模研究[D]. 王兵.吉林大学 2009
[8]基于ADAMS的不同类型驾驶员模型参数的选择[D]. 徐瑾.南京航空航天大学 2009
[9]驾驶员方向控制模型的控制校正环节的研究[D]. 唐林军.吉林大学 2008
[10]方向与速度综合控制驾驶员模型及在ADAMS中的应用[D]. 李英.吉林大学 2008
本文编号：3585478
【文章来源】：清华大学北京市 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
驾驶员补偿跟踪模型框图[13]
第1章引言3偿的控制理论进行控制，实现路径跟踪[14]，为驾驶员转向行为建模提供了参考依据。但由于此类基于补偿的驾驶员模型未考虑驾驶员的预瞄特性，因而在不同车速下难以保证转向输入足够的相位超前，这与驾驶员在实际驾驶时的操作过程有较大差距。因此，随着控制理论的发展，出现了几种基于预瞄的驾驶员模型。图1.1驾驶员补偿跟踪模型框图[13]预瞄跟踪模型如图1.2所示，该模型考虑了驾驶员驾驶车辆时的前视作用（预瞄环节），根据未来时刻汽车理想位置与预估位置的偏差进行控制[15,16]。图中各符号含义如表1.1所示。由于在驾驶过程中驾驶员总是提前一段距离观测行车路径，因此预瞄跟踪模型更加符合驾驶员的行车习惯和操纵特性[17]。图1.2驾驶员预瞄跟踪模型框图[16]表1.1图1.2中各符号含义符号含义P(s)预瞄环节F(s)前向校正环节B(s)反馈预估环节f输入量，预期轨迹信息y输出量，车辆运动轨迹位置fe预瞄环节根据当前汽车运动状态而估计的未来时刻汽车位置信息yp由预估环节估计的未来时刻汽车状态信息ε两个估计值fe与yp的偏差δ对车辆施加的控制信息
第1章引言5这一原因，英国剑桥大学D.J.Cole教授等分析了驾驶员上肢的动态特性[33]，指出了驾驶员上肢的刚度、阻尼会随肌肉不同紧张程度发生变化，提出了如图1.3所示的考虑驾驶员上肢神经肌肉力特性的驾驶员路径跟踪的转向发力模型[34]，并进一步研究了上肢牵张反射特性对外部干扰的抵抗作用[35]。在文献[36]中，Cole教授对提出的驾驶员-车辆系统模型采用EMG（表面肌电信号）的手段识别驾驶员肌肉在方向盘产生的扭矩，并测量了协同收缩。在文献[37]中，Cole教授搭建了驾驶员在环硬件试验台，建立电机需求转矩和转向管柱转角之间的传递函数，并用频域分析法标定了参数，分析得到驾驶员手臂的被动特性（惯量、阻尼和刚度）。文献[38]利用最小二乘法测定了驾驶员上肢的惯量、阻尼、刚度参数。图1.3考虑驾驶员上肢神经肌肉力特性的驾驶员转向发力模型[34]1.2.2机械系统参数辨识方法综述在系统参数辨识领域，常用的辨识方法有：递推最小二乘法（RLS）、带遗忘因子的递推最小二乘法、梯度校正参数估计法、极大似然参数估计方法、EFRA法（Exponentialforgettingandresettingalgorithm）等。最小二乘理论[39]最早是高斯在1795年提出，“未知量的最大可能值是这样一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最校[40]”递推算法就是依时间顺序，每获得一次新的观测数据就修正一次参数估计值，随着时间的推移，便能获得满意的辨识结果[41]。其核心思想是在旧的递推估计值的基础上修正而成新的递推参数估计值。递推算法除了可以减少计算量和存储量外，还能够实现在线实时辨识[42]。递推最小二乘法应用在参数不变的定常系统，但是递推最小二乘法也可用在参数时变系统中，算法的主要递推公式如公式（1-1）[43]所示。?
【参考文献】：
期刊论文
[1]高速公路驾驶员主动疲劳的脑电检测分析[J]. 刘天娇,马锦飞. 中国安全科学学报. 2018(10)
[2]带遗忘因子的递推最小二乘法在SCR喷氨量模型辨识中的应用[J]. 余洁. 自动化应用. 2017(12)
[3]戈壁地区公路驾驶疲劳特征与眼动试验研究[J]. 周建,刘清霞,方靖,黄勇,周荣贵. 公路. 2017(10)
[4]对脑电信号特征的驾驶疲劳检测方法[J]. 尹昱东. 电子技术与软件工程. 2017(18)
[5]汽车驾驶员转向目标识别控制器设计研究[J]. 黄奕,谭光兴,严伟,高慧君. 计算机仿真. 2017(06)
[6]智能网联汽车（ICV）技术的发展现状及趋势[J]. 李克强,戴一凡,李升波,边明远. 汽车安全与节能学报. 2017(01)
[7]应用同位素稀释法验证生物电阻抗分析法测定人体成分的研究[J]. 杨炯贤,陈伟,刘静民,郑秀瑗,冯连君. 肠外与肠内营养. 2014(03)
[8]驾驶员转向行为建模的研究进展[J]. 马爱静,毛建国,沈峘,刘昊. 汽车工程学报. 2013(06)
[9]人体水分测量技术综述[J]. 张德平,刘静民,郑秀瑗. 中国医学物理学杂志. 2012(01)
[10]递推最小二乘参数辨识与仿真实例[J]. 关晓慧,吕跃刚. 微型机与应用. 2011(20)
硕士论文
[1]基于脑电指标的不同道路景观环境下驾驶疲劳研究[D]. 柴家发.内蒙古农业大学 2018
[2]模拟驾驶疲劳生理特征研究及应用[D]. 王磊宇.太原理工大学 2015
[3]基于脑电和眼电的疲劳状态分析方法的研究[D]. 王金芳.燕山大学 2015
[4]基于驾驶员在环仿真平台的车辆路径跟随模型研究[D]. 陈炜.湖南大学 2014
[5]高效线性功放系统优化设计软件研究[D]. 张娟.宁波大学 2012
[6]液压弯辊系统对板凸度影响的实验研究[D]. 曾春峰.燕山大学 2010
[7]驾驶员对汽车方向的自适应控制行为建模研究[D]. 王兵.吉林大学 2009
[8]基于ADAMS的不同类型驾驶员模型参数的选择[D]. 徐瑾.南京航空航天大学 2009
[9]驾驶员方向控制模型的控制校正环节的研究[D]. 唐林军.吉林大学 2008
[10]方向与速度综合控制驾驶员模型及在ADAMS中的应用[D]. 李英.吉林大学 2008
本文编号：3585478
本文链接：https://www.wllwen.com/kejilunwen/qiche/3585478.html
