基于表面肌电和混合算法优化支持向量机的绝缘杆类工器具舒适度评估方法

• 作者: 吴田 夏圆 刘志华
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 带电作业 表面肌电信号(sEMG) 支持向量机(SVM) 绝缘杆 舒适度指数
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 论文|Papers
• 页码范围: 228-235
• 页数: 8页
• 分类号: TM84|TN911.7
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2022.01.027

摘要

为评估绝缘杆类带电作业工器具的舒适性,提出基于表面肌电信号(surface electromyography,sEMG)和混合算法优化支持向量机(particle swarm optimization-genetic algorithm-support vector machines,PSO-GA-SVM)的舒适度评估方法.选取了 4种典型绝缘杆类工器具作为评估对象,通过人体解剖学确定肱二头肌为 目标肌肉并采集sEMG信号,运用经验模态分解(empirical mode decomposition,EMD)对 sEMG 进行分解重构,引入基于希尔伯特黄变换(Hilbert-Huang transform,HHT)的平均瞬时功率(averaged instantaneous frequency,AIF)作为特征参数,构建了基于混合算法优化支持向量机的评估模型,对绝缘杆类工器具的舒适度进行评估.结果表明:使用不同绝缘杆类工器具时,作业人员sEMG特征参数及舒适度指数有显著差异;模型的准确率为93.5％,可有效量化评估绝缘杆类工器具的舒适度,并为其优化设计提供参考依据,以降低作业人员的劳动强度和罹患肌肉骨骼疾病的风险.