[论文解读] Human Muscle Fatigue Model in Dynamic Motions

Ruina Ma, Damien Chablat+2 more|arXiv (Cornell University)|Apr 8, 2012

Ergonomics and Musculoskeletal Disorders参考文献 5被引用 4

一句话总结

本文提出了一种动态肌肉疲劳模型，采用拉格朗日公式整合关节扭矩动力学，以预测运动过程中的疲劳，同时考虑变化的扭矩和共同收缩。在一名受试者上的实验验证表明，该模型能准确预测疲劳趋势，拮抗肌群的疲劳率（k ≈ 0.13–0.17 min⁻¹）具有生理合理性，且该模型可实现工业环境中肌肉骨骼疾患风险的早期预测。

ABSTRACT

Human muscle fatigue is considered to be one of the main reasons for Musculoskeletal Disorder (MSD). Recent models have been introduced to define muscle fatigue for static postures. However, the main drawbacks of these models are that the dynamic effect of the human and the external load are not taken into account. In this paper, each human joint is assumed to be controlled by two muscle groups to generate motions such as push/pull. The joint torques are computed using Lagrange's formulation to evaluate the dynamic factors of the muscle fatigue model. An experiment is defined to validate this assumption and the result for one person confirms its feasibility. The evaluation of this model can predict the fatigue and MSD risk in industry production quickly.

研究动机与目标

• 通过整合动态关节扭矩因素，将现有静态肌肉疲劳模型扩展至动态运动。
• 开发一个理论基础扎实的疲劳模型，以考虑周期性运动中变化的关节扭矩。
• 通过实时关节扭矩和最大自主收缩测量，对模型进行实验验证。
• 评估动态推拉任务中屈肌和伸肌群的疲劳率参数k。
• 实现在工业工作环境中快速预测肌肉疲劳和肌肉骨骼疾患（MSD）风险。

提出的方法

• 模型使用拉格朗日公式，将关节扭矩表示为关节角度、速度和加速度的函数。
• 肌肉疲劳被建模为可施加扭矩（Γ_cem）的衰减，其与关节扭矩和最大自主收缩（Γ_MVC）之比成正比。
• 疲劳率参数k由微分方程得出：dΓ_cem/dt = -k · (Γ_cem / Γ_MVC) · Γ_joint。
• 将时间积分的关节动量 ∫Γ_joint(u)du 用作累积疲劳负荷，替代静态模型中的恒定扭矩假设。
• 模型假设每个关节存在两组肌肉（主动肌和拮抗肌），共同收缩有助于关节稳定性和扭矩生成。
• 实验验证通过每分钟测量一次推拉扭矩（持续5分钟）完成，k值通过Γ_cem(t)/Γ_MVC的对数变换计算得出。

实验结果

研究问题

• RQ1 与静态姿势相比，动态关节扭矩如何影响肌肉疲劳？
• RQ2 基于关节动量的疲劳模型能否准确预测周期性运动中的肌肉疲劳？
• RQ3 在动态任务中，疲劳率参数k对屈肌和伸肌群的生理合理性如何？
• RQ4 共同收缩如何影响推拉动作中测得的疲劳率和扭矩容量？
• RQ5 该模型在单名受试者中预测早期疲劳趋势的能力如何？其推广性存在哪些局限？

主要发现

• 屈肌群的疲劳率（k_agonist）在0.13至0.17 min⁻¹之间，具有生理合理性，且与先前文献一致。
• 伸肌群的疲劳率（k_antagonist）显著更高（18.36–28.07 min⁻¹），可能由于共同收缩效应和测量伪影所致。
• 当使用k的平均值时，模型对Γ_cem的理论预测与实验数据高度吻合，尤其在活动3分钟后表现更佳。
• 初始测量值高估了k_agonist，表明存在热身效应，即肌肉能力在初期有所提升。
• 该模型展示了动态疲劳预测的可行性，其中关节动量积分作为关键的动态疲劳负荷指标。
• 在单名受试者上的验证结果具有前景，但未来研究需通过更大规模实验实现推广。