CN105404792B - 一种基于运动生物力学的关节运动疲劳模型及其应用 - Google Patents
一种基于运动生物力学的关节运动疲劳模型及其应用 Download PDFInfo
- Publication number
- CN105404792B CN105404792B CN201510716924.6A CN201510716924A CN105404792B CN 105404792 B CN105404792 B CN 105404792B CN 201510716924 A CN201510716924 A CN 201510716924A CN 105404792 B CN105404792 B CN 105404792B
- Authority
- CN
- China
- Prior art keywords
- fatigue
- level
- joint
- model
- rest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 106
- 208000016255 tiredness Diseases 0.000 title abstract 3
- 230000003867 tiredness Effects 0.000 title abstract 3
- 238000000034 method Methods 0.000 claims abstract description 15
- 210000003205 muscle Anatomy 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims description 39
- 238000012423 maintenance Methods 0.000 claims description 22
- 230000003068 static effect Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000284 resting effect Effects 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 210000002346 musculoskeletal system Anatomy 0.000 claims description 2
- 230000035807 sensation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010304 firing Methods 0.000 abstract 1
- MJFJKKXQDNNUJF-UHFFFAOYSA-N metixene Chemical compound C1N(C)CCCC1CC1C2=CC=CC=C2SC2=CC=CC=C21 MJFJKKXQDNNUJF-UHFFFAOYSA-N 0.000 abstract 1
- 210000002310 elbow joint Anatomy 0.000 description 21
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 238000005452 bending Methods 0.000 description 4
- 238000009661 fatigue test Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 206010049565 Muscle fatigue Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000007427 paired t-test Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 210000001513 elbow Anatomy 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 210000001087 myotubule Anatomy 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于工效学、生物力学、人体运动测量技术领域,特别涉及一种基于运动生物力学的关节运动疲劳模型及其应用。其技术方案是:一种基于运动生物力学的关节运动疲劳模型,其特征是:它根据关节肌群运动状态分为活动态模型和休息态模型,该模型引入运动时间、最大维持时间、相对关节力矩、关节做功等因素,其中活动态模型为: 休息态模型为:fatigue_levelk=fatigue_levelk‑1‑0.13*tRest。本发明能够对作业者在执行某种任务后的关节肌群疲劳水平进行定量评估;还能在作业者执行某种任务时,能够对作业者持续工作的最长时间进行预测。
Description
技术领域
本发明属于工效学、生物力学、人体运动测量技术领域,特别涉及一种基于运动生物力学的关节运动疲劳模型及其应用。
背景技术
疲劳是由劳动者体力负荷不断累积产生的,主要体现为劳动者的机能衰退,作业能力下降。1982年第五届国际运动生化会议对运动性疲劳的定义为:“机体的生理过程不能持续其机能在特定的水平或不能维持预定的运动强度。”
目前评价人体疲劳的常用方法包括生理生化评价方法、主观评价方法、现场观察法和运动生物力学评价方法等四类方法。其中,运动生物力学评价法能够依据关节/肌肉受力以及作业持续时间等因素对人体局部疲劳状况进行预测和评估,为作业任务和产品设计的早期介入提供依据。该方法主要使用最大维持时间函数和关节疲劳模型对不同类型运动的疲劳进行评估。
最大维持时间(maximum endurance time,简称MET)描述关节和肌肉在一定的载荷下能够维持的最大时间,是定量描述人体疲劳的有效方法,在静态恒力运动的疲劳研究中得到广泛的应用。研究证明,用相对关节力矩与最大维持时间之间的关系来定量描述肌肉疲劳情况是非常有效的手段。国内外研究者曾对全身各关节进行了大量的MET实验研究。Laura(Laura A.Endurance time is joint-specific:A modeling and meta-analysisinvestigation[J].Ergonomics,2010,53(1):109-129.)在2010年发表有关MET的研究综述,在对194篇关于肩、肘、膝、踝、腕、躯干等关节部位的等长测试数据进行总结后,拟合了各关节的最大维持时间函数。使用MET函数评价肌肉疲劳具有局限性,即只能对静态恒力运动的疲劳状况进行评价,而实际上在日常生活中这类运动较少,当力量大小和方向发生变化时,MET函数无法对疲劳进行评估。
关节疲劳模型能够描述力量水平、运动时间、运动速度和频率等因素对疲劳的影响,考虑了疲劳的累积效应、疲劳恢复状况等,能够对较为复杂的非恒力运动疲劳进行定量评估。目前研究者建立的关节运动疲劳模型还比较少,比较典型的如Ting Xia(Ting Xia,Laura Frey Law.A theoretical approach for modeling peripheral muscle fatigueand recovery[J].Journal ofBiomechanics,2008,41:3046-3052.)、Liang Ma(Liang Ma,Damien Chablat,Fouad Bennis,et al.A new simple dynamic muscle fatigue modeland its validation[J].International Journal of Industrial Ergonomics,2009,39:211-220.)和Rodriguez(Rodriguez I,Boulic R,Meziat D.A joint-level model offatigue for the postural control of virtual humans[J].Journal of ThreeDimensional Images,2003,17:70-75.)等建立的用运动生物力学参数描述的模型,现有的疲劳模型局限性如下。a.有些模型只适用于静态非恒力运动疲劳的评估,而不能对动态运动的疲劳进行评估,如Rodriguez建立的疲劳模型是基于静态运动数据建立的,只适用于评价静态姿势的任务;b.有些模型考虑因素过多,并且较难获取,难以进行工程应用,如TingXia等建立的模型引入力量、持续时间、关节角度/角速度以及肌纤维类型等因素,参数和变量难以确定;c.此外,已有模型都没有考虑关节做功对于疲劳的影响。
发明内容
本发明的目的是:提供一种引入运动时间、最大维持时间、相对关节力矩、关节做功等因素的关节运动疲劳模型及其在关节运动疲劳评价中的应用。
本发明的技术方案是:通过开展肘关节疲劳测试试验,采集受试者在不同外力载荷下的肘关节等长运动/等张运动MET数据,以及运动过程中的主观疲劳数据,对肘关节静态和动态运动的疲劳特点和影响因素进行分析,确定模型因素组成;然后根据关节运动疲劳特点和影响因素,引入模型变量,进而建立能够对静态或动态关节运动疲劳进行评估的模型;最后将模型用于实际任务的关节疲劳评价中。
一种基于运动生物力学的关节运动疲劳模型,它根据关节肌群运动状态分为活动态模型和休息态模型,且引入关节疲劳累积效应,即k时刻的疲劳水平需要将k-1时刻的疲劳以及两时刻之间增加(或减少)的疲劳进行累加(或减)。
活动态时,肌肉持续收缩,产生疲劳。此时,影响疲劳的因素包括两类:一是相对关节力矩和运动时间对疲劳的综合影响,用运动时间与该种力量载荷下的最大维持时间之比Tf表表示;二是做功的影响,用相对关节力矩与关节运动角度的乘积W表示。活动态模型如下式1所示:
fatigue_levelk=fatigue_levelk-1+10*Tf+a*W 式1
其中,W=fmvc*α/180
休息态时,肌肉的疲劳得到恢复。此时,疲劳主要受疲劳恢复速率和恢复时间的影响。
休息态模型如下式2所示:
fatigue_levelk=fatigue_levelk-1-Hresx*tRest 式2
上述式1和式2中:
fatigue_levelk是k时刻的关节疲劳水平,范围是0~10,fatigue_levelk为0代表没有任何疲劳感觉,fatigue_levelk为10时代表疲劳已经达到最大,作业者精疲力竭;
W指关节做功量,当W=0时,说明是静态运动,模型可以用于评价静态运动的疲劳状况;
tActive是k-1时刻到k时刻之间关节屈肌群(或伸肌群)实际发力的时间,s;
fmvc是相对关节力矩,计算方法为实际使用的关节力矩与该关节的最大关节力矩之比;
MET(fmvc)是指相对关节力矩为fmvc时对应的等长运动最大维持时间;
α是关节弯曲(或伸展)运动的总角度,°,即在k-1时刻到k时刻之间关节弯曲(或伸展)运动的角度之和,当α=0时为静态运动,模型此时可以用于评价静态运动产生的疲劳;
tRest代表屈肌群(或伸肌群)处于休息态的时间。
a和Hrest是模型的两个常量,a代表做功W对疲劳影响的程度,Hrest代表疲劳恢复速率。
疲劳模型有两个常量,即a和Hrest,求解模型常量需要两组动态运动测试数据,列出两组求解方程。本发明选取肘关节等张运动30%MVC 1Hz和50%MVC 1Hz两种运动工况测试的测试数据,将获取的相对关节力矩、最大维持时间、关节运动角度以及该两种力量水平对应的等长运动最大维持时间等数据分别代入方程,对常量进行求解。经计算获得:a=0.77,Hrest=0.13。
由此可知,动态运动时的关节疲劳模型如下式所示:
活动态模型:
式3
休息态模型:
fatigue_levelk=fatigue_levelk-1-0.13*tRest 式4
其中,fatigue_levelk是k时刻的关节疲劳水平;tActive是k-1时刻到k时刻之间关节屈肌群(或伸肌群)实际发力的时间(s);fmvc是相对关节力矩;MET(fmvc)是指相对关节力矩为fmvc对应的等长运动最大维持时间;α是关节弯曲(或伸展)运动的总角度(°),即在k-1时刻到k时刻之间关节弯曲(或伸展)运动的角度之和;tRest代表屈肌群(或伸肌群)处于休息态的时间。
一种应用上述模型进行关节疲劳评价的方法,其特征是,它包括以下步骤:
a.针对待评价的受试者,设其初始疲劳水平fatigue_level0为0;
b.使用秒表设备,分别观察并记录受试者运动时屈肌群(或伸肌群)的发力时间tActive1和休息时间tRest1,并记录受试者运动后的休息时间tRest1′;
c.使用运动捕获设备和测力设备,采集人体形态学数据、运动学数据和操作力,作为Anybody人体骨肌***建模软件或Visual3D软件的输入,获取作业时的关节力矩和运动角度α;
d.使用操作力测试设备,采集受试者肘关节等长弯曲运动的最大关节力矩,用步骤c获得的作业时的关节力矩除以最大关节力矩,获得相对关节力矩fmvc1;
e.用LauraA的研究成果计算最大维持时间MET(fmvc)1,即MET(fmvc)1=17.98×(fMVC1)-2.21;
f.如果受试者在运动后没有休息,即tRest1′=0;将步骤b至e获得的数据代入上式3中,求得fatigue_level11,将tRest1值作为tRest、将fatigue_level11值作为fatigue_levelk-1代入上式4中,求得受试者运动后的fatigue_level1′;
g.如果受试者在运动后得到休息,即tRest1′>0;先按步骤f求得fatigue_level1′后,再将fatigue_level1′作为fatigue_levelk-1、将tRest1′值作为tRest代入上式2中求得fatigue_level1;
h.对于涉及多周期运动任务的受试者,按时间周期顺序重复步骤b至g,直至获得fatigue_levelk。
本模型的作用体现在两方面,首先,能够对作业者在执行某种任务后的关节疲劳水平进行定量评估,疲劳状况用fatigue_levelk表示;其次,在作业者执行某种任务时,能够对作业者持续工作的最长时间进行预测,最长工作时间用fatigue_levelk=10水平时对应的tActive表示。
本发明的有益效果包括:
1.模型能够对动态/静态操作过程中的关节疲劳进行定量预测评估,并对最大维持时间进行有效预测,克服了当前大多数疲劳模型仅能对静态运动过程的疲劳进行评估的局限性;模型考虑了疲劳的累积效应,能够对连续作业任务的累积疲劳进行预测评估,可以用于航天员训练、体育运动、工业生产、军事训练等作业任务的规划设计。
2.模型参数变量容易获取,可以进行工程化应用。本发明建立的模型引入参数有四个,包括关节运动角度、运动/休息时间、相对关节力矩、最大维持时间,前两个参数可以通过测试设备获得,第三个参数可以通过运动生物力学建模获得,最后一个参数可以通过查阅文献或实验测量的方法获得。这四个参数比较容易获取,使模型能够实际应用于运动疲劳的评估。
3.引入关节做功的影响。本发明基于实验数据分析结果,在模型中引入关节做功对于疲劳的影响,而目前已有研究成果忽视了该因素的影响,本发明建立的模型更符合实际情况。
附图说明
图1为本发明中关节运动疲劳模型因素组成示意图;
图2为本发明中最大维持时间的模型评估数据与实验测试数据对比图。
具体实施方式
实施例1
肘关节疲劳运动实验
实验选取肘关节运动作为研究对象,开展肘关节疲劳测试,研究运动类型、力量载荷、动作频率、持续时间等因素对疲劳的影响。实验设计了不同运动类型(等长/等张)、不同力量载荷(30%MVC/50%MVC)、不同运动频率(0.5Hz/1Hz)的测试。
具体研究对象与方法:选拔10名男性受试者参试;力量测试:BTE Primus RS力学测试***,用于采集操作过程中受试者的操作力,采样频率为100Hz;主观数据采集:Borg-10主观疲劳量表,用于采集受试者在最大维持时间测试过程中的主观疲劳状况。
具体测试内容:
a.模型求解测试内容
开展肘关节等长弯曲、伸展90°MVC测试;针对静态运动疲劳研究,分别开展30%MVC和50%MVC弯曲运动的最大维持时间测试;针对动态运动疲劳研究,开展肘关节等张运动最大维持时间测试,两种测试状态分别为30%MVC 1Hz和50%MVC 1Hz,运动范围是30°~120°。
b.模型验证测试内容
本发明建立的模型能够对动态运动的MET进行预测,因此可以通过开展与模型求解测试内容不同的等张运动MET测试,用采集的MET数据对模型预测结果进行验证。本部分设计的测试状态为50%MVC 0.5Hz,运动范围是30°~120°。
测试过程:
测量肘关节等长弯曲和伸展运动中的最大关节力矩,作为开展30%MVC和50%MVC测试的最大力量数据参照。
按照设计的测试内容,开展不同工况下的肘关节等长和等张运动疲劳测试。每次测试时,受试者在力量耗尽的过程中,不断根据Borg-10主观量表,报告主观疲劳感受,同时,主试人员记录每个疲劳等级对应的运动时间,最后记录受试者的最大维持时间。
实施例2
进行关节运动疲劳特性和影响因素分析
10名受试者在肘关节等长运动和等张运动中的最大维持时间数据如表1所示。
表1 10名受试者在不同类型肘关节运动中的最大维持时间(单位:s)
备注:在肘关节等张运动50%MVC 0.5Hz工况测试中,受试者S1和S3因为特殊原因没能正常开展测试,数据缺失。
五组测试的均值和方差如下表2所示。
表2 肘关节疲劳测试的最大维持时间(单位:s)
由表2可知,肘关节运动的最大维持时间主要有如下特点:
a.关节做功(即相对关节力矩与运动总角度的乘积)能够影响关节的疲劳。在等张运动50%MVC 1Hz测试时受试者的平均最大维持时间为56±9s,而在50%MVC 0.5Hz测试时,受试者在56s时远没有达到最大疲劳。两种运动的疲劳有明显的差异性,主要原因是1Hz运动工况中单位时间做功量是0.5Hz运动工况的两倍。
b.力量载荷、运动频率、动作类型三种因素都会对最大维持时间造成影响。力量载荷越大,肘关节疲劳速率越快,最大维持时间越短;运动时间越长,肘关节疲劳程度会相应增加;动作类型会影响肌肉发力和休息时间,肘关节等张运动时,屈肌群和伸肌***替发力和休息,而等长弯曲运动时,屈肌群保持发力,而伸肌群休息。
因此,结合上述关节运动疲劳特性,在模型中引入相对关节力矩、运动时间、关节做功、以及与相对关节力矩相关的最大维持时间四个变量。
实施例3
模型变量求解
疲劳模型有两个常量,即a和Hrest,因此,求解模型常量只需要两组动态运动测试数据,列出两组求解方程即可。本发明选取肘关节等张运动30%MVC 1Hz和50%MVC 1Hz两种运动工况测试的测试数据,将获取的相对关节力矩、最大维持时间、关节运动角度以及该两种力量水平对应的等长运动最大维持时间等数据分别代入方程,即可对常量进行求解。输入变量具体数值如下表3所示。
表3 输入变量数值表
备注:等张运动时,屈肌群和伸肌群的肌肉交替发力和休息,发力时间和休息时间各占运动时间的一半,由此可计算tActive和tRest数值。
根据上表中的输入数组1和输入数组2,列出两组疲劳计算方程如下:
解算可知,a=0.77,Hrest=0.13。
实施例4
关节运动疲劳模型虽然是基于实验数据建立的,但是其可靠性仍需要进行验证。前面已经说明,疲劳模型是根据肘关节等长测试以及50%MVC 1Hz、30%MVC 1Hz等张测试的实验数据建立的,本实施例根据疲劳模型预测8名受试者在50%MVC 0.5Hz等张测试工况的最大维持时间,并将之与实验数据进行对比分析,结果如下表4和附图2所示。
表4 等张运动50%MVC 0.5Hz工况的MET实验测试数据和疲劳模型预测数据(单位:s)
通过对比8位受试者的最大维持时间可以发现,实验测试数据比模型预测数据平均小8%。受试者的实验数据均值为116±15s,预测数据均值为126±19s。将两组数据进行配对t检验,结果如下。
表5 等张运动50%MVC 0.5Hz工况的配对t检验结果
由双尾显著性水平为0.148可知,两组数据没有显著差异性,预测结果是有效的。由此,可以得出结论,本发明建立的关节疲劳模型是准确可靠的。
Claims (2)
1.一种基于运动生物力学的关节运动疲劳模型,其特征是:它根据关节肌群运动状态分为分为活动态模型和休息态模型;其中活动态模型如下式1所示:
休息态模型如下式2所示:
fatigue_levelk=fatigue_levelk-1-0.13*tRest 式2
式中:
fatigue_levelk是k时刻的关节疲劳水平,范围是0~10,fatigue_levelk为0代表没有任何疲劳感觉,fatigue_levelk为10时代表疲劳已经达到最大,作业者精疲力竭;
tActive是k-1时刻到k时刻之间关节屈肌群或伸肌群实际发力的时间,s;
fmvc是相对关节力矩,计算方法为实际使用的关节力矩与该关节的最大关节力矩之比;
MET(fmvc)是指相对关节力矩为fmvc时对应的等长运动最大维持时间;
α是关节弯曲运动的总角度或伸展运动的总角度,°,即在k-1时刻到k时刻之间关节弯曲或伸展运动的角度之和,当α=0时为静态运动,模型此时可以用于评价静态运动产生的疲劳;
tRest代表屈肌群或伸肌群处于休息态的时间。
2.一种应用权利要求1所述的模型进行关节疲劳评价的方法,其特征是,它包括以下步骤:
a.针对待评价的受试者,设其初始疲劳水平fatigue_level0为0;
b.使用秒表设备,分别观察并记录受试者运动时屈肌群或伸肌群的发力时间tActive1和休息时间tRest1,并记录受试者运动后的休息时间tRest1′;
c.使用运动捕获设备和测力设备,采集人体形态学数据、运动学数据和操作力,作为Anybody人体骨肌***建模软件或Visual3D软件的输入,获取作业时的关节力矩和运动角度α;
d.使用操作力测试设备,采集受试者肘关节等长弯曲运动的最大关节力矩,用步骤c获得的作业时的关节力矩除以最大关节力矩,获得相对关节力矩fmvc1;
e.用Laura A的研究成果计算最大维持时间MET(fmvc)1,即MET(fmvc)1=17.98×(fMVC1)-2.21;
f.如果受试者在运动后没有休息,即tRest1′=0,将步骤b至e获得的数据代入式1中,求得fatigue_level11,将tRest1值作为tRest、将fatigue_level11值作为fatigue_levelk-1代入式2中,求得受试者运动后的fatigue_level1′;
g.如果受试者在运动后得到休息,即tRest1′>0;先按步骤f求得fatigue_level1′后,再将fatigue_level1′作为fatigue_levelk-1、将tRest1′值作为tRest代入式2中求得fatigue_level1;
h.对于涉及多周期运动任务的受试者,按时间周期顺序重复步骤b至g,直至获得fatigue_levelk。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510716924.6A CN105404792B (zh) | 2015-10-30 | 2015-10-30 | 一种基于运动生物力学的关节运动疲劳模型及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510716924.6A CN105404792B (zh) | 2015-10-30 | 2015-10-30 | 一种基于运动生物力学的关节运动疲劳模型及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105404792A CN105404792A (zh) | 2016-03-16 |
CN105404792B true CN105404792B (zh) | 2018-01-19 |
Family
ID=55470278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510716924.6A Active CN105404792B (zh) | 2015-10-30 | 2015-10-30 | 一种基于运动生物力学的关节运动疲劳模型及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105404792B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108433729B (zh) * | 2018-04-19 | 2023-05-12 | 福州大学 | 一种用于人体感觉运动控制研究的多信号采集与同步*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533578A (zh) * | 2008-08-28 | 2009-09-16 | 西安交通大学 | 一种仿人机器人模拟人体上肢潜意识动作姿态的方法 |
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
-
2015
- 2015-10-30 CN CN201510716924.6A patent/CN105404792B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533578A (zh) * | 2008-08-28 | 2009-09-16 | 西安交通大学 | 一种仿人机器人模拟人体上肢潜意识动作姿态的方法 |
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
Non-Patent Citations (4)
Title |
---|
A new simple dynamic muscle fatigue model and its validatio n;Liang Ma,et al.;《International Journal of Industrial Ergonomics》;20091231;全文 * |
A theoretical approach for modelin g peripheral muscle fatigue and recovery;Ting Xia,et al.;《journal of Biomechanics》;20081231;全文 * |
An efficient muscle fatigue model for forward and inverse dynamic analysis of human movements;Miguel T.Sliva,et al.;《2011 Symposium on Human Body Dynamics》;20111231;全文 * |
基于运动生物力学的人体局部负荷研究进展;李昊,等.;《工业卫生与职业病》;20141231;第40卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105404792A (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Jerk as an indicator of physical exertion and fatigue | |
Li et al. | A framework for evaluating muscle activity during repetitive manual material handling in construction manufacturing | |
Op De Beéck et al. | Fatigue prediction in outdoor runners via machine learning and sensor fusion | |
Ma et al. | A new simple dynamic muscle fatigue model and its validation | |
Antwi-Afari et al. | Deep learning-based networks for automated recognition and classification of awkward working postures in construction using wearable insole sensor data | |
Zhang et al. | Automated monitoring of physical fatigue using jerk | |
De Brabandere et al. | A machine learning approach to estimate hip and knee joint loading using a mobile phone-embedded IMU | |
Bianco et al. | Can measured synergy excitations accurately construct unmeasured muscle excitations? | |
WO2022026658A1 (en) | System and method for monitoring musculoskeletal loading and applications of same | |
Lorenzini et al. | An online multi-index approach to human ergonomics assessment in the workplace | |
Macadam et al. | Thigh loaded wearable resistance increases sagittal plane rotational work of the thigh resulting in slower 50-m sprint times | |
Heine et al. | Numerical validation of a subject-specific parameter identification approach of a quadriceps femoris EMG-driven model | |
Duhaylungsod et al. | Detection of gait abnormality through leg symmetry and temporal parameters | |
CN105404792B (zh) | 一种基于运动生物力学的关节运动疲劳模型及其应用 | |
Chang | The risk assessment of work-related musculoskeletal disorders based on OpenSim | |
Robinson et al. | Feature identification framework for back injury risk in repetitive work with application in sheep shearing | |
Alwasel et al. | Fatigue detection using phase-space warping | |
Daunoravičienė et al. | Stroke-affected upper extremity movement assessment via continuous relative phase analysis | |
Nourhan et al. | Detection of muscle fatigue using wearable (MYO) surface electromyography based control device | |
Yang et al. | Research on gait cycle recognition with plantar pressure sensors | |
Mantashloo et al. | Lower body kinematics estimation during walking using an accelerometer | |
Palaniappan et al. | Averaged EMG Profile and Artificial Neural Network Based Walking Speed Estimation by GAIT Analysis | |
Zhu et al. | Prediction of Human Dynamic Ankle Moment Based on Surface Electromyography Signals | |
Alwasel | Use of Kinematics to Minimize Construction Workers' Risk of Musculoskeletal Injury | |
EP4032478A1 (en) | Characterizing soft tissue stress for ameliorating injury in performing a process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |