[论文解读] A new muscle fatigue and recovery model and its ergonomics application in human simulation

Liang Ma, Damien Chablat+3 more|ArXiv.org|Jan 7, 2009

Ergonomics and Musculoskeletal Disorders被引用 6

一句话总结

本文提出了一种新型肌肉疲劳与恢复模型，集成于数字人建模中，以评估手动操作任务中的身体疲劳。通过结合生物力学仿真与基于肌肉激活和恢复动态的疲劳指数，该模型实现了关节层面疲劳的实时评估，在一项人体工程学风险评估案例研究中展示了可量化的疲劳追踪能力。

ABSTRACT

Although automatic techniques have been employed in manufacturing industries to increase productivity and efficiency, there are still lots of manual handling jobs, especially for assembly and maintenance jobs. In these jobs, musculoskeletal disorders (MSDs) are one of the major health problems due to overload and cumulative physical fatigue. With combination of conventional posture analysis techniques, digital human modelling and simulation (DHM) techniques have been developed and commercialized to evaluate the potential physical exposures. However, those ergonomics analysis tools are mainly based on posture analysis techniques, and until now there is still no fatigue index available in the commercial software to evaluate the physical fatigue easily and quickly. In this paper, a new muscle fatigue and recovery model is proposed and extended to evaluate joint fatigue level in manual handling jobs. A special application case is described and analyzed by digital human simulation technique.

研究动机与目标

• 为解决商业数字人建模（DHM）工具在手动作业中缺乏集成疲劳评估的问题。
• 开发一种基于生物力学的疲劳与恢复模型，以量化重复或长时间任务中的肌肉疲劳。
• 将该模型应用于数字人仿真框架中，评估人体工程学评估中的关节层面疲劳。
• 通过一项涉及手动操作任务的案例研究，证明该模型在可测量疲劳进展方面的可行性。

提出的方法

• 该模型基于生理数据，采用基于肌肉激活水平和恢复速率的时变疲劳方程。
• 通过骨骼肌模型中的肌肉力和关节力矩计算，估算各关节的疲劳程度。
• 恢复过程建模为活动停止后的时变衰减函数，依据经验恢复曲线。
• 疲劳指数在仿真过程中动态计算，反映重复或持续任务中的累积疲劳。
• 将该模型嵌入数字人仿真环境，以模拟真实的手动操作场景。
• 通过一项涉及维护任务的案例研究，验证了该模型追踪疲劳随时间演变的能力。

实验结果

研究问题

• RQ1 如何在数字人仿真中定量建模肌肉疲劳并实现其集成，以支持人体工程学评估？
• RQ2 在重复任务中，肌肉激活水平与关节特异性疲劳累积之间存在何种关系？
• RQ3 能否在仿真过程中实时计算动态疲劳指数，以支持人体工程学决策？
• RQ4 在模拟工作环境中，恢复阶段如何影响任务停止后的疲劳水平？

主要发现

• 所提出的疲劳模型成功地通过时间分辨的指数量化了模拟手动操作任务中的关节层面疲劳。
• 该模型能够捕捉持续活动期间的渐进性疲劳以及休息期间的恢复过程，真实反映了生理行为。
• 仿真结果表明，高肌肉激活与快速疲劳累积之间存在明显相关性，尤其在腰椎和肩关节区域。
• 该模型通过提供连续的疲劳度量，实现了疲劳风险的早期识别，优于静态姿势评估方法。
• 案例研究证明，该模型能够识别任务序列中的关键疲劳节点，支持人体工程学干预规划。