沈天舒,万 舟
(昆明理工大学 信息工程与自动化学院,云南 昆明650500)
作为世界主流球类运动之一的网球,其普及程度很高。然而,在训练和比赛中,因动作不规范导致受伤的情况较为普遍,“网球肘”(Tennis Elbow)就是其中之一。其医学术语为“肱骨外上髁炎”,这是一种在临床上比较多见的慢性损伤病症,会对网球运动员及爱好者运动机能造成不同程度的伤害[1-2]。因此,关于“网球肘”的认识及研究是十分必要的。
对于“网球肘”的研究可追溯至十七世纪,国外的研究主要是从医学角度及病理生理学角度剖析其产生原因[3-5]。在国内,大多数学者主要结合肌电学对网球运动时上肢肌肉活动的特征进行研究,试图找出“网球肘”外在表现与肌肉内在性质之间的相关性[1-2]。但是该此类研究所需技术复杂且研究成本高昂,因此该方法难以进行推广。“网球肘”病理的成因较复杂,大致可以归纳为生理、技术、个体等3方面。大量的统计资料表明,技术因素是导致“网球肘”产生的主要原因,其中又以单手反手挥拍动作的影响最为明显。基于此,本文设计了一种基于PVDF的检测肘部做单手反向挥拍运动时的压电信号传感器。利用PVDF压电薄膜材料所具有的质地轻柔、材料薄、速度响应快、灵敏度高以及动态响应范围大的特性优点,设计并制作了关于肘部压力的传感器阵列。通过分析采集到的单手反手挥拍时肘部控制肌群的运动信息,找到其与“网球肘”病理产生的潜在联系,为预防和治疗“网球肘”疾病提供数据支持,同时为制定个人化的网球专项训练提供科学依据。
“肱骨外上髁炎”是一种常见的运动性疾病。其症状表现为肘部关节运动困难并伴有刺激性疼痛。在现有的医学阶段中,例如神经源性的病变以及肱桡关节病等可能导致手肘关节的疾病,常被诊断成“肱骨外上髁炎”。因此,怎样识别并能准确判断出是否为“网球肘”疾病尤为重要。经过大量医学研究表明,肌腱组织结构的退化变性才是导致肱骨外上髁部位发生病理变化的主要原因。在慢性“肱骨外上髁炎”患者的肌腱的病理组织中,发现了不同程度的自噬细胞和凋亡细胞,而这些细胞的数量随着病变严重程度的加深而不断增长,这也说明其病理的改变为肌腱组织的退化[5]。在本文中,主要针对普通人群在网球训练时出现的“网球肘”症状进行探讨和研究[6-7]。
单手反手挥拍是网球挥拍中很常用的动作,但这也是导致“网球肘”病理产生的主要原因之一。从人体工程学的角度来讲,人体的手臂有7个自由度,可以满足人的一切日常活动。但在网球运动中,做单手反手挥拍运动时,人体的手臂是由内向外的反关节运动,不在正常的7个自由度的范围内。此外,打反手时会用到手臂不常用的肌肉,这些肌肉力量比较小,得到锻炼的机会也相对较少。再加上球与球拍之间相接触的刹那间会产生强大的冲击力,长此以往,会对肘部关节肌腱组织造成损害,因而极易受伤。
PVDF传感器的制作由外观设计、结构加工和黏贴层压3个阶段组成[8-10],传感系统一共需要8个PVDF传感器,其结构如图1所示。
在外观设计的过程中,多次实验证明,圆形传感器结构能满足各种不同条件的需要。所以,把所有传感器的主要组成部分都设计并制作成圆形结构。在结构加工的过程中,传感器悬臂梁采用PV膜材料制成,选用容易加工的硅胶片作为传感器基座,加工厚度为1 mm。在黏贴压层的过程中,由于不同材料之间的附着力以及不同种类胶水凝固时间有所区别,为解决不同因素对传感器黏贴压层加工过程的影响,采用导电银胶作为制成传感器的首选材料。
图1 PVDF压电传感器整体结构图
PVDF是新型高分子压电材料聚偏氟乙烯的简称,其化学分子式为-(CH2=CF2)n-。与传统压电材料相比,PVDF材料具有响应速度快、线性度好、精度高、材料薄以及柔软等优势,较容易被制成任意形状或是不同面积的片状或管状。由于以上优势,使得PVDF成为本实验的首选材料[9,11-12]。
如果将理想化的电容器模型用受压时的PVDF压电薄膜来表示,其输出的电荷量与外力之间的关系为
Qi=dijFj
(1)
qi=dijσj
(2)
其中,i=1,2,3,j=1,2,…,6;Qi为薄膜输出电荷量的总和;dij表示薄膜压电应变常数矩阵;Fj为薄膜能够承载的压力;qi表示薄膜单位面积输出电荷量;σj为薄膜能够承受应力。
当两个极板之间汇聚了足够的电荷时,两极板之间就会产生电势差,形成电压,则有
Ua=Q/Ca
(3)
Ca=ε0εrA/t
(4)
式中,Ua表示薄膜两极化面间的电压(V);Q表示薄膜上的总电荷量(C);Ca表示薄膜两极化面之间的等效电容(F);ε0表示真空介电常数;εr表示高分子介电常数;A表示薄膜面积(m2);t为薄膜厚度(m)。
实验设计中,将肘关节控制肌群作为信息采集的对象。当运动员进行单手反手击球时,肘关节控制肌群会因完成动作而承载一定的负荷,其外在表现为手臂肌肉发生形变。根据PVDF薄膜极好的压电特性,制成PVDF压电传感器并将其固定在特制的双层护肘夹层中的指定位置。当肘部肌肉因承载负荷而发生形变时,其对PVDF压电传感器的压力大小也会发生改变,因压力而产生的电荷量也将发生改变,肌肉负荷的改变便转化为电荷量的变化。随后通过信号调理电路可以将电荷量的变化转换为输出电压的变化,即可构建出输出电压与肌肉负荷相互之间的关系。当技术动作不规范时,肘部控制肌群所承载的压力负荷情况将会出现异常,传感器输出电压也随之发生异常情况,通过分析输出电压信息便可获知其技术动作规范与否。此外,设计采用PVDF压力传感器阵列对肘关节控制肌群各点所承载的负荷信息进行同时采集,从而使测得的结果具有全面性和完整性,更具有说服力。
为了在单反挥拍过程中有效的采集肘关节控制肌群的运动信号,本文基于运动生理学以及肘关节构造的相关知识,提出一种传感器阵列结构配置方案。
图2 肘部传感器阵列设计图
如图2所示,将8个传感器分对应贴合到肱三头肌、肱二头肌、旋前圆肌等8块不同部位的肌肉上(单反挥拍运动时肘关节部位运动的控制肌群)。在单反挥拍技术动作中,肘部关节的运动的幅度比较大,为了能够精确固定传感器阵列、保证信号采集强度,要尽可能将传感器紧贴人体肘部关节表面。因此,在选材方面运用了一款做工精良的护肘。如图2(b)所示。此护肘采用腈纶拼接工艺,不仅轻薄透气,舒适性好,而且还有着光滑涂层的外表面,利于固定本文设计的传感器单元。将传感器粘贴于护肘表面,并将压电传感器悬臂梁那面贴向皮肤,该面在护肘的外表面上与柔性双面胶直接贴合;利用针线与外层护肘在内表面缝合制作传感器的底座;引出的电极信号导线聚合于护肘内表面之间,引出的导线从上方引出[13-14]。
PVDF压电传感器具有内阻抗,输出电信号也十分微弱。实验的过程中,当传感器受力的大小为20 N时,传感器产生的电荷量为皮库等级,容易被干扰。如果在网球训练中进行数据采集,信号干扰将更为严重。因此,采集到的信号一定要经过信号调理电路的阻抗匹配、信号放大以及滤波之后,方能保证收集的数据是真实、可靠的数据。
(1)滤波放大电路。本文设计了一个三级滤波放大电路。第一级是前置放大电路,其目的是把微弱的电信号经过放大器放大,并将高阻抗输入转化为低阻抗输出。第二级是带有增益的低通滤波器,设计目的是为了滤除信号中的高频噪声。第三级滤波器是带通滤波器,设计目的是为了将输出信号的幅值范围调整到0 ~5 V之间,便于被数据采集电路识别、采集。
(2)工频陷波电路。本传感器只用交流220 V作为供电电源。为消除50 Hz市电对传感器的影响,采用工频陷波电路滤除工频干扰信号。陷波电路的设计采用的是“双T型”结构,如图4所示,即运用对称的电容、电阻实现带阻滤波功能,并且陷波电路后面又设计了一个基于LM358芯片的正反馈放大电路。
图3 滤波放大电路设计图
图4 工频陷波电路设计图
网球单反挥拍的运动信息采集方法是基于PVDF压电传感器、信号调理电路、数据采集电路、USB3.0接口和PC机设计而成,其构建方案如图5所示。
图5 系统构建图
图6 准静态测试数据的线性关系图
(1)准静态测试。为了标定传感器在数据采集中能够得到的较为精准的运动信号,文中采用了静态测试方法。其具体操作步骤是使用砝码给传感器施加重力,并不断增加砝码的重量,此时数据采集电路采集传感器的数据,将结果绘制成图,如图6所示。由图6可知,给传感器施加的重力与采集的电压之间存在一定的线性关系。同时,反映出测试的传感器的线性响应好,灵敏度较高。也证明了此传感器能够有效采集到精确地信号,设计符合预期。
(2)动态测试。实验以自愿的形式选取某校2016级选修公共体育网球课的本科男生进行动态测试。被测者身体健康并且没有任何上臂疾病史,要求被测者按网球运动中常见的单手反手进行挥拍动作[15]。利用USB7360AF多功能数据采集卡采集传感器信号,使用附带的软件实时显示电压波动情况。图7中下方为标准单手反手挥拍动作时传感器阵列输出信号波形图,上方为不规范动作的对应波形图。
图7 传感器信号输出
对上述两种情况的分析可知,在单手反手挥拍动作中,出现不规范动作时传感器阵列输出信号波形图幅值均较大。该结果反映出不规范技术动作时其肘关节控制肌群所承载的压力负荷值均较标准动作时更大,则长期的不规范技术动作必然会增加肘关节控制肌群的压力负荷,而长期过多的压力积累在肌肉上便会导致手臂受伤,这也是产生“网球肘”病理的潜在因素,测试结果符合预期。
随着网球运动的发展,为了可以最大限度地减少运动性损伤,网球运动的教学以及训练必然要以严谨的科学理论依据进行指导,而科学的理论依据必然要以准确的数据采集为先决条件。设计了一种基于PVDF检测肘部做单手反向挥拍运动时的压电信号传感器。实验结果表明,检测过程传感器运行稳定、信号处理实时,并且制作成本低廉、简便实用。运用该方法能够准确地采集网球运动员在不同情况下肘关节控制肌群的运动信息,为研究“网球肘”的预防及治疗措施提供了科学的数据支撑。