技术领域
[0001] 本
发明属于经验操作的测量和评价方法的结合，具体涉及一种手柄类操作手法和力道的实时测量和评价系统。
背景技术
[0002] 日常工作生活中许多操作，例如手术、刮痧等高技术性动作，都需要使用类似长勺、把手、
牙刷等基于手柄结构的工具，并根据之前的经验控制使用时的手法和力道。“手法”一般是指施力的方式，常见有拉、压、弯、扭四种；“力道”一般是指一定时间内施力方式的组合以及施力的大小。但是对于一些需要精细操作的任务，初学者获得足够的经验通常需要很长的周期，往往需要花费大量时间和进行大量的练习以积累经验，有时即使经过了有经验的人指点，依旧不得要领。如果能通过有经验的人，手把手训练，相对会容易得多；但是很多情况下很难有这种机会。
发明内容
[0003] 为了解决目前初学者难以准确掌握正确的基于手柄结构工具的操作手法和力道的问题，本发明提出了一种手柄类操作手法和力道的实时测量和评价系统。通过与有经验的操作者完成同样任务时的典型拉压弯扭模式进行比对，给出当前操作者与有经验的操作者在手法和力道的相似程度和具体差别，提供定量评价指标，并为操作者的手法和力道训练提供指导依据。
[0004] 本发明的技术方案如下：
[0005] 本发明所述的一种手柄类操作手法和力道的实时测量和评价系统，由传感模
块、
信号调理采集模块、
无线通信模块以及手法
水平评价、力道定量评价以及熟练程度评价模块组成。
[0006] 传感模块内置的测拉压
应力应变片组中，一半应变片的应变方向平行于杆件的轴线方向，其有益效果是，提高了传感模块对杆件受拉压应力的灵敏度；另一半应变片的应变方向垂直于杆件的轴线方向，其有益效果是，接入
电路后能实现
温度补偿，使测拉压应力应变片组不容易受到温度变化的影响。传感模块内置的测弯矩应变片组的应变方向均平行于杆件的轴线方向，垂直于轴线方向并排布置并均布在杆件上下表面，其有益效果是，既能使应变片组不容易受到温度变化的影响，同时也能提高对杆件受弯状况的灵敏度，更精确地测量弯矩大小。传感模块内置的测
扭矩应变片组在杆件的同一表面上的应变方向分别与杆件轴线成45°和135°，且均分分布在杆件的两个对侧面，其有益效果是，能准确测量杆件受扭曲作用时的扭矩大小。
[0007] 信号调理采集模块包含多路测量切换
开关，其有益效果是，仅用一组信号放大电路和一个
模数转换器就能够对多路传感模块进行测量，大大减小了系统体积，使得系统更加小巧。信号调理采集模块包含一组信号放大电路和一个模数转换器，其有益效果是，能够有效减少外界噪声对测量结果的影响，提高测量的精确度与
稳定性。
[0008] 无线通信模块由蓝牙传输模块和WiFi传输模块构成，其有益效果是，能够在不连接数据线的情况下将采集到的数据传输至上位机，使得整个系统更加的轻巧、便携，同时能够更远距离地传输数据，使得系统的测量部分与上位机显示部分能够远距离分离，使用距离大大增加。
[0009] 手法水平评价技术方案，具体步骤如下：
[0010] (1)采集设备运行数据：当前操作者的每次操作过程采集得到拉压、弯、扭三路信号的时间序列形成3*N的矩阵，N为一次操作对应的
采样点个数；将上述3*N的时间序列重整成为3N*1的列向量；同样步骤选取q人、每人w次操作，共计M＝q*w次操作，由此构建了自编码神经网络的M*3N维
训练数据矩阵。优选的，N＝1000。
[0011] (2)归一化：把训练数据矩阵的各个分量值归一化到[0,1]之间，将训练数据矩阵中的所有元素作为一个整体进行归一化，归一化处理过程为：
[0012]
[0013] 其中：xi为设备运行数据，为归一化后的数据，max(x)为矩阵中的最大值，min(x)为矩阵中的最小值；
[0014] (3)参数学习，得到自编码神经网络模型：自编码神经网络由
输入层、
隐藏层和
输出层构成，参数学习过程，即对自编码神经网络的训练过程，在训练过程中，自编码神经网络规定网络的期望输出等于网络的输入，即自编码神经网络参数学习的目标是使得网络的输出等于网络的输入。优选的，输入层
节点数为3000+1，其中+1为设置偏置节点，优选的，
输出节点为3000，优选的，中间隐藏层为三层，节点数分别为300+1，15+1，300+1，其中+1为设置偏置节点，优选的，节点函数选取sigmoid函数，优选的，激活函数为sigmoid函数。
[0015] (4)特征及权重选取：将K个隐藏层节点作为K个抽象特征，而这K个隐藏层节点的激活值分别对应各自特征的权重，构成K维手法
特征向量；这样，操作人员的每次操作过程对应为在这K维抽象特征空间中的一个点Pi，i＝1，2，…，M。优选的，从节点数最少的隐藏层
抽取隐藏层节点，作为抽象特征。
[0016] (5)度量操作相似度：任何两个操作者的任意两次操作过程的相似程度均可以通过在这个K维抽象特征空间中对应的两个点之间的欧式距离进行度量，即离得越近，相似度ωij越高；ωij＝‖Pi-Pj‖.
[0017] (6)水平分级：将有经验操作者的典型操作手法特征向量作为参考，以当前操作者操作相似度ωij作为当前操作者手法的水平依据，多次操作则取平均，根据相似度的大小，操作者手法的水平级别分为5-10个等级。
[0018] 力道定量评价模块，技术方案如下：力道指的是操作者在每次操作过程中力的大小和瞬时
频率，具有明确的时间依赖性。所以，本发明中我们提出通过当前操作者在每次操作过程中采集得到的拉压、弯、扭三路信号各自的时
频谱体现的。具体方法为：将采集得到的操作者在每次操作过程中拉压、弯、扭三路应力信号的时间序列，通过短时傅里叶变换或者Hilbert-Huang变换，得到各自随时间的频谱分布，作为操作者在操作过程中对应力道的定量表征；进一步，将有经验操作者在典型操作过程中的拉压、弯、扭三种应力状态时频谱作为参考标准，当前操作者与有经验操作者的相应时频谱的差即为力道的定量差异评价结果。
[0019] 此外，操作者的熟练程度对于操作任务也是至关重要。熟练程度和手法水平评价、力道定量评价两种与时间相关的评价方法不一样，它和杆件受力随时间的变化情况无关。在实际操作中，会出现手法和力道控制得好却对操作不熟练，以及对操作很熟练但手法和力道并不准确的情况，因此考虑操作的熟练程度是必要的。本发明提出利用信号内在涨落的复杂度指标定量反映操作者对操作任务的适应能力以及灵活性，最终体现熟练程度。具体技术方案为：分别对拉压、弯、扭应力状态下产生的时间序列Zi(i＝1,2,3)进行多尺度熵分析，得到3个多尺度熵Ai(i＝1,2,3)，进而将三个多尺度熵进行算术平均得到复杂度指标A，即 用同样的方法计算出典型熟练操作者的复杂度指标记为A0，A与A0差值的绝对值越小，说明当前操作者的熟练程度越高，按照公式 计算，将熟练程度进行分级，其中0-0.2为极不熟练，0.2-0.4为不熟练，0.4-0.6为中等，0.6-0.8为熟练，0.8-1.0为非常熟练。
[0020] 本发明具有以下优点：
[0021] 本发明所述的一种手柄类操作手法和力道的实时测量和评价系统，能实时定量测量使用者对手柄类工具施力时的拉压应力、弯矩和扭矩随时间的变化；手法水平评价主要利用非
监督学习的自
编码器神经网络，自动提取出当前操作者和熟练操作者的抽象特征和激活程度，进而将当前操作者和熟练操作者的手法水平差距量化；同时利用短时傅里叶变换或Hilbert-Huang变换，得到拉压、弯、扭三路应力信号的频谱分布，从而更准确地定量表征操作者和有经验操作者在力道上的差异；最后利用多尺度熵分析，得到当前操作者与有经验的操作者在手法和力道方面的具体熟练度定量评价差异值，从而综合帮助初学者提高精细操作时手法和力道的准确性和熟练程度。
附图说明
[0022] 图1为本发明的整体结构及传感模块的应变片分布图；
[0023] 图2为本发明传感模块的应变片连接图；
[0024] 图3为本发明信号调理采集模块和无线通信模块图；
[0025] 图4为本发明手法水平评价技术方案的
流程图；
[0026] 图5为
无监督学习提取特征及权重的自编码网络的结构图
[0027] 图6为本发明力道定量评价模块技术方案的流程图；
[0028] 图7为不同操作者操作产生的时间序列的时频谱图
具体实施方式
[0029] 以下通过具体
实施例对本发明做进一步说明，以便更好地理解本发明，但本发明并不局限于此。
[0030] 如图1所示，本发明所述的一种手柄类操作手法和力道的实时测量和评价系统，由手柄类杆件1、传感模块2、信号调理采集模块3、无线通信模块4和PC机组成。在一种具体的实施方式中，手柄类杆件1可为改装后的电动牙刷杆主体；传感模块2中有若干应变片8，由测拉压应力应变片组5、测弯矩应变片组6、测扭矩应变片组7组成，其中应变片紧贴在牙刷杆主体中段实心杆件外周；传感模块2通过若干输出
导线9与信号调理采集模块3相连；信号经过信号调理采集模块3处理后，由无线通信模块4将数据传输到PC机，进而分析得到手法和力道的实时测量和评价。
[0031] 本实施例所述的传感模块2，由测拉压应力、测弯矩和测扭矩应变片组组成。测拉压应变片组使用2个BB型双栅应变片组，用AB胶对称贴在牙刷杆1中段的外表面处，其中应变片组的轴向应变方向平行于
连接杆1的轴线方向，这样既提高了应变片组对拉压形变的敏感度，也让其不容易受到温度变化的干扰，适用于测量手柄所受的拉压应力大小；测弯矩应变片组使用2个FB型双栅应变片组，用AB胶对称贴在牙刷杆的上下表面，且应变片的应变方向均平行于电动牙刷杆主体的轴线方向，这样既实现了温度补偿，也能提高对外界手柄受弯状况的敏感度，进而更精确地测量弯矩大小；测扭矩应变片组使用2个HA型双栅应变片组，用AB胶对称贴在牙刷杆中段的两个侧面，两个应变方向分别与连接杆1的轴向方向成45°和135°，能精确测量扭矩大小。测拉压应力、测弯矩和测扭矩应变片组的具体连接方式如图2所示。
[0032] 如图3所示，本实施例的信号采集调理模块由多路测量切换开关，一组信号放大电路和一个模数转换器组成，其中测量切换开关由继电器构成，每一路传感模块通过一路切换开关连接到同一组信号
放大器的输入端，模数转换器连接到微
控制器单元，这样既减少了系统的体积，也能够有效减少外界噪声对测量结果的影响，提高测量的精确度与稳定性。本实施例的模数转换器的信号
采样频率为300Hz，传感模块的采集频率为100Hz，每一次传感模块数据的采集包含3个信号的采样，采用分时的方法进行采样，在一次传感模块
数据采集周期内，先采集拉压信号，再采集弯矩信号，最后采集扭矩信号。本实施例的无线通信模块由蓝牙传输模块和WiFi传输模块构成，其中蓝牙传输模块、WiFi传输模块分别连接到MCU。本实施例所述的微控制单元(MCU)使用STM32F103RBT6芯片，其功耗低、处理速度快，能够稳定地采集并处理由信号转化模块得到的
数字信号，并通过无线通信模块与PC端相连接，将采集到的数据实时传输给PC端完成手法水平评价、力道定量评价和熟练程度评价。
[0033] 如图4所示，手法水平评价的技术方案如下：首先采集不同使用者多次使用电动牙刷刷牙时的拉压、弯、扭三路信号的时间序列，对于相同的步骤，选取q人、每人w次操作(总共M＝q*w次操作)，每次操作N个采样点，构建出自编码神经网络的M*3N维训练数据矩阵；将训练数据矩阵的所有元素进行归一化，再进行自编码神经网络的非监督学习和训练，如图5所示，将K个将K个输出节点作为K个抽象特征，而由这K个输出节点的激活值构成K维的手法特征向量，这样，使用者的每次刷牙过程对应为在这K维抽象特征空间中的一个点Pi，i＝1，2，…，M，由此，任何两个电动牙刷使用者的两次刷牙过程的相似程度可以通过在这个K维抽象特征空间中对应的两个点之间的欧式距离进行度量，即离得越近，相似度ωij越高；ωij＝‖Pi-Pj‖。最后，将刷牙专家的典型操作手法作为参考，以当前操作者操作相似度ωij作为当前操作者手法的水平依据，多次操作则取平均，根据相似度的大小，操作者手法的水平级别分为5-10个等级。例如，当前操作者的手法与有经验操作者的手法的相似度ωij＝0，则水平级别为10级，代表两个手法操作“完全相同”。
[0034] 如图6所示，力道定量评价模块，将采集得到的操作者在每次操作过程中拉压、弯、扭三路应力信号的时间序列，如图7所示，通过短时傅里叶变换，得到操作者在操作时三路应力信号各自随时间的频谱分布，通过与有经验操作者在典型操作过程中的拉压、弯、扭三种应力状态时频谱进行对比，得到当前操作者力道的定量差异评价结果。
[0035] 分别对刷牙时使用牙刷的各个操作下产生的时间序列Zi(i＝1,2,3,…,n)进行多尺度熵分析，得到n个多尺度熵Ai(i＝1,2,3,…,n)，进而将n个多尺度熵进行算术平均得到复杂度指标A，即 用同样的方法计算出标准刷牙方法的复杂度指标记为A0，A与A0差值的绝对值越小，说明当前刷牙者的熟练程度越高，按照公式 计算，将熟练水平进行分级，其中0-0.2为极不熟练，0.2-0.4为不熟练，0.4-0.6为中等，0.6-0.8为熟练，0.8-1.0为非常熟练。当操作者的操作熟练水平为0.9时，则代表着当前操作者对当前操作非常熟练。
[0036] 手法和力道评价模块得到的当前刷牙者与正确刷牙方法在手法和力道方面的相似程度和具体差异值可以直接显示在PC端显示屏上，方便使用者了解并及时调整刷牙的力度和方式，提高刷牙操作的准确度。
[0037] 虽然本发明已以较佳实施例披露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案作出许多可能的变动和修饰，或
修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
