基于sEMG的联合收获机驾驶人腰部肌肉疲劳研究

祝荣欣

(桂林航天工业学院 广西航空物流研究中心，广西 桂林 541004)

长时间维持固定坐姿易引发腰部肌肉疲劳，这种现象普遍存在于坐姿工作人群中[1]。受低频振动环境的影响，联合收获机驾驶人腰部疲劳现象尤为突出，甚至会引发腰背部疼痛等慢性疾病，严重时导致脊椎组织损伤。这不仅影响驾驶人的身心健康，还大大降低工作效率，危害作业安全。对联合收获机驾驶人腰部肌肉的外部状态和内部生理反应进行研究具有重要意义。

表面肌电信号(surface electromyography，sEMG)，是通过粘贴在肌肉表面的电极片测量肌肉微弱的电流变化，来反映局部肌肉疲劳的状况，广泛应用于肌肉疲劳的检测研究中。Hostens等[2]认为sEMG是反映驾驶过程中肌肉疲劳的有效生理信号。焦昆等[3]分析了模拟驾驶腰部的sEMG的积分肌电值和中值频率，发现各指标数据与时间呈现良好的线性负相关。田强等[4]研究得到竖脊肌在8 h驾驶工作后产生显著疲劳现象，并且两侧竖脊肌的疲劳程度不一致。陈晓静等[5]采用时域、频域方法比较了草原公路男女驾驶员腰部竖脊肌抵抗疲劳能力的不同。张非若等[6]发现在连续驾驶期间，驾驶人的背部肌肉产生疲劳，右侧躯干肌疲劳程度小于左侧。熊凯文等[7]基于sEMG的频域指标分析发现，长时间飞行驾驶会导致左右多裂肌和竖脊肌疲劳。王琳等[8]以腰颈部特征参数主成分分析的结果为自变量，基于多元回归理论，建立了驾驶疲劳状态的评价模型，模型的正确率达91%以上。

目前，国内外在农机驾驶疲劳领域的研究尚处于起步阶段。Harini[9]、田晓峰等[10]、刘军等[11]采集和分析了拖拉机驾驶时脊肌、臀中肌和腹直肌的sEMG生理活动，还研究了人体在全身振动下的脊柱运动和腰肌变化。Vidhu等[12]研究了拖拉机驾驶时肌肉疲劳与负荷和工作压力水平的关系。赵永超等[13]根据颈部胸锁乳突肌sEMG特征参数的变化规律描述拖拉机倒车作业驾驶员颈部疲劳状态，分析了转动角度对特征参数的影响。以上研究中多为探讨不同工作负荷、振动条件和转动角度等因素对腰、颈部肌肉sEMG参数的影响，对长时间农机驾驶过程中腰、颈部sEMG参数变化的研究成果较少。

本文基于sEMG探究联合收获机驾驶人驾驶过程中腰部疲劳的产生过程，探究腰部左右竖脊肌sEMG的时域、频域及非线性特征参数随驾驶时间的变化规律，探讨各指标表征腰部疲劳的效度，期望能够客观地描述联合收获机驾驶人腰部肌肉疲劳的演化过程，对提出缓解腰部疲劳的对策，预防驾驶员腰肌劳损疾病的发生具有重要的意义，也为开展农机驾驶室座椅人机设计评价研究提供参考。

1 实验方法

1.1 被试与实验设备

受实验条件限制，被试选择10名男性联合收获机驾驶员，年龄(34.2±7.4)岁，驾龄(5.2±1.9) a，身高(173.6±4.2) cm，体重(72.5±10.6) kg。所有被试均身体健康，无腰肌劳损、肌肉酸痛现象，实验前晚被试保证7 h以上睡眠，实验前24 h无腰部剧烈活动，没有服用止痛药。

为真实地反映驾驶人腰部肌肉疲劳状况，开展了实车收获实验。实验在约翰迪尔S660型联合收获机上进行，sEMG信号由RM-6240C多通道生理信号采集处理系统实时采集，采样频率设置为1 kHz。

实验中，选取腰部的主要受力肌肉群——L3腰椎左竖脊肌(left erector spinae，LES)和右竖脊肌(right erector spinae，RES)为测试对象。电极片粘贴位置如图1(a)所示，电极片距背正中线3 cm，上下两电极中心之间的距离为2.5 cm，参考电极置于右脚踝关节处。粘贴前主试对被试的皮肤用细砂纸去死皮，并用75%酒精棉球清除油脂，以降低皮肤电阻。

图1 实验场景及信号实例Figure 1 The experimental site and signal sample

1.2 实验过程

实验设立实验组和对照组。实验组被试在联合收获机上执行实车收获任务120 min；对照组被试在同机型联合收获机座椅上保持放松状态静坐120 min。为避免由于身体素质、肌肉力量、脂肪厚度干扰所导致的肌电信号差异，实验组和对照组实验采用同一批被试，同时避免两组实验相互影响，同一被试参与两组实验的时间间隔至少为 15 d。

两组实验均在黑龙江省农垦总局北安分局格球山农场进行。实验组选择面积、地形特征、作物条件相似的收获地块，收获作物为大豆，两组实验时间均为每日8:00～11:00。

两组实验流程相似。先静坐10 min，然后实验组执行收获驾驶任务120 min(对照组在驾驶座椅上保持放松状态120 min)，实验组直行时速8～10 km/h，全程无休息。两组130 min实验过程全程采集sEMG信号。实验前、实验中每10 min和实验后分别填写腰部疲劳程度主观调查问卷。实验场景和信号示例如图1(b)和(c)所示。

2 sEMG分析方法

sEMG是通过测量肌肉皮肤表面微弱的电流变化得到的类似噪声的一维时间序列信号，由反映神经肌肉系统活动的生物电信号叠加各种噪声信号而成，可用来表征局部肌肉活动水平和功能状态，与驾驶人腰部疲劳程度有紧密关联度。sEMG的分析方法主要有时域、频域和非线性分析3类。

2.1 时域分析法

时域分析法是对滤波后肌电信号的时间-电位曲线进行特征计算的方法，能够刻画肌电信号的振幅特征，具有计算量少、简单、快捷的优点。分析指标主要包括积分肌电值(integrated electromyogram，iEMG)和均方根值(root mean square，RMS)。计算公式如下。

式中，t为任意时刻；T为单位时间。

2.2 频域分析法

频域分析法是对sEMG信号进行快速傅立叶变换(fast Fourier transformation，FFT)，获得信号的频谱或功率谱曲线，通过信号在不同频率维度的变化定量反映sEMG的变化特征。常用的频域分析指标有平均功率频率(mean power frequency，MPF)和中值频率(median frequency，MF)，计算公式如下。

式中，f为任意时间段sEMG信号的频率；为其功率谱曲线密度函数。

2.3 非线性分析法

普遍认为sEMG是含有混沌成分的非线性、非平稳信号，具有典型的非线性特征。应用非线性动力学方法分析sEMG信号，能够更精确捕捉sEMG信号的本质特征。非线性参数样本熵是定量描述时间序列复杂程度的一种方法，是基于近似熵算法提出的，相对一致性更强，与随机部分的紧密性更强。样本熵值越小，表明时间序列的复杂程度越小。样本熵在分析与检测人体生理信号的特征方面具有优越性，抗干扰能力强，运算时间短，更适用于生理信号的短时数据，且已有研究表明样本熵是有效表征驾驶疲劳的特征参数[14]。因此，选择样本熵来客观地描述驾驶人腰部竖脊肌sEMG信号中包含的疲劳信息。样本熵的原理如下[15]：

给定阈值r(r为任意给定的距离，r＞0)，定义为满足的数目的平均值。

将m增加1，按照上述步骤定义为满足的数目的平均值。

信号的样本熵定义为

在上述计算过程中，m为重构相空间的维数，前期研究建议选择m=2[16]；经验得出r=(0.1～0.25)Std(Std表示数据的标准差)，这里选择r=0.15 Std。

3 实验结果与分析

3.1 数据预处理

将实验组和对照组每位被试采集的130 min腰部sEMG数据，分别划分为13组，对应实验组和对照组的0～12时段(0时段为安静时段)，每组选取前1 min的sEMG数据(避开转弯和卸粮环节)，采用bior 2.2小波对每段sEMG信号进行5尺度分解去除噪声，除去工频干扰。

3.2 时域参数变化

将消噪后得到的各时段sEMG信号数据代入式(1)和式(2)，计算得出各时段的iEMG和RMS值，并分别取均值，确定0时段和12时段为任务前后对比时段。应用SPSS 23.0软件，对实验组和对照组任务前后对比时段的iEMG和RMS值进行两配对样本t检验，结果如表1所示。对照组任务前后的两侧肌肉iEMG和RMS值无显著差异(P＞0.05)；而实验组驾驶任务后两侧肌肉的iEMG和RMS值明显高于驾驶任务前(P＜0.05)。实验组和对照组LES和RES的iEMG和RMS指标均值的变化趋势如图2所示。实验组两侧肌肉两项时域指标曲线均随驾驶时间的增加呈波动上升趋势，90 min后变化缓慢。对照组两侧肌肉两项时域指标曲线均随时间延长无明显变化。

表1 任务前后特征参数差异检验结果Table 1 Test results of difference for characteristic parameters

图2 时域特征参数变化趋势图Figure 2 Variation trend of time domain characteristic parameters

3.3 频域参数变化

将消噪后得到的各时段sEMG信号数据代入式(3)和式(4)，计算得出各时段的MPF和MF值，并分别取均值，任务前后对比时段的确定与前述相同。对实验组和对照组任务前后对比时段的MPF和MF值进行两配对样本t检验，结果如表1所示。对照组任务前后两侧肌肉的MPF和MF值无显著差异(P＞0.05)；而实验组驾驶任务后两侧肌肉的MPF和MF值明显低于驾驶任务前(P＜0.05)。实验组和对照组LES和RES的MPF和MF指标均值的变化趋势如图3所示。实验组两侧肌肉两项频域指标曲线均随驾驶时间的增加呈波动下降趋势，90 min后变化缓慢。对照组两侧肌肉两项频域指标曲线随时间增加无明显变化。

3.4 非线性参数变化

将消噪后得到的各时段sEMG信号数据代入式(6)，计算得出各时段的样本熵值，并分别取均值，任务前后对比时段的确定与前述相同。对实验组和对照组任务前后对比时段的样本熵值进行两配对样本t检验，结果如表1所示。对照组任务前后两侧肌肉的样本熵值无显著差异(P＞0.05)；而实验组驾驶任务后两侧肌肉的样本熵值明显低于驾驶任务前(P＜0.05)。实验组和对照组LES和RES的样本熵均值的变化趋势如图4所示。实验组两侧肌肉样本熵指标曲线随驾驶时间的延长波动递减，90 min后下降缓慢。对照组两侧肌肉样本熵指标曲线随时间增加无明显变化。

图3 频域特征参数变化趋势图Figure 3 Variation trend of frequency domain characteristic parameters

图4 非线性特征参数变化趋势图Figure 4 Variation trend of nonlinear characteristic parameters

3.5 腰部疲劳主观评价分析

为了获得实验过程中被试的腰部疲劳主观感受，制作了腰部疲劳程度主观调查问卷。调查问卷的疲劳程度划分为5级：比较舒服、既不舒服也不疲劳、有点疲劳、比较疲劳、非常疲劳，分别对应(-1、0、1、2、3) 5个分值。各等级表现的腰部疲劳特征如表2所示。被试根据当时的疲劳感受，参考各疲劳等级的状态特征，选择符合的疲劳程度等级。根据10名被试的调查结果求得两组各时段腰部疲劳主观评价得分均值变化趋势，如图5所示。

表2 腰部疲劳程度等级状态特征Table 2 Characteristics of lumbar fatigue level

图5 腰部疲劳主观评价结果Figure 5 Subjective evaluation results of lumbar fatigue

由图5可知，实验组随着驾驶过程的推移，腰部疲劳程度呈递增趋势，90%被试驾驶一半时间后感觉到有点疲劳，90%被试驾驶3/4时程后感受到比较疲劳，90%被试感觉到实验后非常疲劳。对照组被试腰部主观疲劳程度变化不大，任务前为比较舒服等级，任务后多数为不疲劳(80%)，20%为有点疲劳等级。

4 讨论

1) iEMG和RMS可以描述sEMG的振幅大小，与参与肌肉收缩的运动单位数量密切相关。实验组两侧肌肉iEMG和RMS曲线随驾驶时间的增加呈上升趋势。为维持脊柱前屈的驾驶坐姿，腰部竖脊肌处于等长收缩状态，随着驾驶坐位持续时间的延长，腰部竖脊肌为了维持支撑力的恒定输出，需要募集更多的运动单位，同步化程度和放电频率也逐渐增加；配对t检验结果说明任务前后两指标具有明显的差异(P＜0.05)。以上结论与张非若等[6]、Hägg等[17]的研究结果一致。由于sEMG信号是肌力和肌肉状态改变的总体体现，肌力增加和疲劳产生都会导致振幅指标值的增加，还需考察频域指标变化才能确定肌肉是否处于疲劳状态。

2) 频域分析指标MPF和MF的大小与肌纤维运动单位动作电位的传导速度有关。实验组两侧肌肉MPF和MF曲线随驾驶时间的增加总体呈下降趋势。随驾驶坐位持续时间的延长，腰部竖脊肌处于长时间维持等长收缩的恒定状态，细胞内H+浓度逐渐升高，酸性物质逐渐增多，使肌纤维动作电位的传导速率下降，导致改变动作电位波形，进而导致MPF和MF值下降。配对t检验结果说明两指标任务后与任务前相比显著降低(P＜0.05)。研究表明，频域指标值随肌力的增加而增大，却随疲劳的产生而降低[18]。由此说明，实验组腰部竖脊肌维持等长收缩，肌力基本保持不变，在120 min任务后产生疲劳。研究得到的结果与Cifrek等[19]研究发现结论一致。

3) sEMG信号具有典型的非线性性特征。非线性特征量能够表征sEMG的复杂性，可反映sEMG随时间的增加产生新模式的频率，在一定程度上反映了神经肌肉活动模式的变化情况。实验组腰部两侧肌肉sEMG的样本熵在驾驶过程中呈递减趋势，表明随着驾驶时间的增加，信号的复杂程度越来越低，在努力维持驾驶坐姿状态下，竖脊肌肌肉变化模式的速率降低，更趋向于简单、有序的变化模式，随机性成分逐渐减少。配对t检验结果也说明样本熵任务后与任务前相比显著降低(P＜0.05)，表明竖脊肌肌肉逐渐进入紧张僵直状态，产生疲劳。

4) 实验中对照组两侧肌肉时域、频域和非线性指标在任务前后没有显著差异(P＞0.05)，曲线无明显上升或下降趋势，表明对照组被试保持放松状态静坐，120 min内腰部竖脊肌收缩状况与任务前变化不大，未产生疲劳。

5) 腰部疲劳主观评价评分结果表明，对照组120 min腰部无明显疲劳感，而实验组腰部疲劳主观评价曲线有显著升高趋势，90 min后被试多数感觉比较疲劳，这与各指标曲线90 min时变化趋势变缓一致。任务后90%感觉到非常疲劳，调整坐姿频繁，腰部肌肉酸痛，表明被试经过120 min实际收获驾驶后，腰部产生疲劳。Davidson等[20]研究发现腰伸肌疲劳使姿势控制能力受损，姿势晃动频率增加，其原因是已疲劳肌肉感受空间位置的本体感觉敏感性降低。本文的研究结果进一步证明了该结论。

6) 实验组任务前无疲劳症状，任务后多数感觉非常疲劳，从任务前后对比时段各项指标值配对t检验的结果来看，iEMG、RMS、MPF、MF和样本熵在任务前后均具有显著差异，可将指标均值的差异性变化作为评判驾驶人疲劳状态的量化方法。

为验证各项指标表达腰部疲劳的优劣性，应用变异系数来比较各指标的数据稳定性，变异系数计算公式如下

根据腰部疲劳主观评价结果(图5)，定义0～30 min时被试大部分没有感觉到疲劳(对应疲劳程度为比较舒服，既不舒服也不疲劳程度)，定义为不疲劳状态；90～120 min时被试感到比较和非常疲劳，定义为疲劳状态。两种状态下实验组各指标变异系数的均值如表3所示。变异系数越小，说明该指标越稳定。由表3可知，样本熵的变异系数最小，表明样本熵在反映腰部驾驶疲劳时数据的稳定性最好。

表3 各指标变异系数均值Table 3 Mean variation coefficient of indexes

5 结论

1) 基于sEMG研究了联合收获机驾驶人腰部竖脊肌疲劳的演化过程，通过与对照组比较发现，在120 min联合收获机收获驾驶操作后腰部左右竖脊肌产生疲劳。

2) 对照组腰部左右竖脊肌肉sEMG的时域、频域和非线性指标在任务前后无显著差异(P＞0.05)。实验组腰部左右竖脊肌肉sEMG的iEMG和RMS随驾驶时间显著上升(P＜0.05)，而MPF、MF和样本熵显著下降(P＜0.05)。

3) 与线性指标相比，样本熵的变异系数最小，能够较好地表征驾驶员腰部疲劳的生理信息，稳定性较好。