羅明宇，駱曉萌，朱文敏，張 磊，，范秀敏*

（1.上海交通大學(xué)機(jī)械與動(dòng)力工程學(xué)院，上海 200240；2.上海船舶工藝研究所，上海 200032）

0 引言

船體和設(shè)備在營(yíng)運(yùn)過程中都會(huì)有自然損耗，會(huì)隨著時(shí)間的推移暴露出某些缺陷，引發(fā)船體結(jié)構(gòu)受損。為了保證能夠繼續(xù)安全使用，必須有計(jì)劃地進(jìn)行修理船舶維修。由于船舶機(jī)械結(jié)構(gòu)復(fù)雜，空間利用率高且設(shè)備產(chǎn)品眾多，維修場(chǎng)景多為狹小受限空間，例如船艙底層格子作業(yè)間，頂部封閉且空間狹小，嚴(yán)重影響維修效率、造成維修困難。然而目前很多船廠在工藝設(shè)計(jì)階段缺乏便捷高效的船舶狹小空間虛擬人維修姿態(tài)建模技術(shù)，輔助完成狹小空間維修作業(yè)的人機(jī)工程評(píng)價(jià)驗(yàn)證，導(dǎo)致工藝設(shè)計(jì)方案依賴個(gè)人經(jīng)驗(yàn)，很難進(jìn)行仿真驗(yàn)證，在實(shí)際維修作業(yè)中時(shí)常出現(xiàn)工人維修操作可達(dá)性差、空間不足活動(dòng)受限、盲裝作業(yè)、疲勞作業(yè)等現(xiàn)象。

虛擬人姿態(tài)建模技術(shù)的核心是基于各種條件約束的前提下，在虛擬人關(guān)節(jié)空間中尋找到某一特定的姿態(tài)最優(yōu)匹配點(diǎn)［1］，由于人體關(guān)節(jié)空間的高維度、運(yùn)動(dòng)高復(fù)雜度和任務(wù)姿態(tài)多樣性，無法直接定義簡(jiǎn)單函數(shù)對(duì)姿態(tài)關(guān)節(jié)進(jìn)行求解計(jì)算。目前從虛擬人姿態(tài)建模底層生成機(jī)理角度，可將虛擬人姿態(tài)建模分為以下三種方法。

1）手工建模方法（hand-driven method）。

手工調(diào)節(jié)生成人體動(dòng)作姿態(tài)是最早也是最直接的方法，用戶通過手動(dòng)調(diào)節(jié)虛擬人關(guān)鍵姿態(tài)，如楊飛等［2］在研究拖拉機(jī)駕駛室人機(jī)工程評(píng)價(jià)時(shí)，將虛擬人模型手動(dòng)裝配到駕駛室適配位置。但簡(jiǎn)化的虛擬人模型全身自由度也有20～50個(gè)，還有空間定位的6自由度，通過手工調(diào)節(jié)給出空間定位和每個(gè)關(guān)鍵姿態(tài)的所有關(guān)節(jié)角度是非常費(fèi)時(shí)費(fèi)力且困難的，且需要用戶具有豐富的人體姿態(tài)制作經(jīng)驗(yàn)和技巧才能生成逼真的關(guān)鍵姿態(tài)。焦慶龍等［3］通過改進(jìn)的聚類算法將作業(yè)核心姿態(tài)構(gòu)建成姿態(tài)庫(kù)，然后根據(jù)具體任務(wù)選取姿態(tài)庫(kù)中的姿態(tài)再進(jìn)行手工調(diào)整，雖能一定程度上簡(jiǎn)化了建模流程，而且可以通過直接改變關(guān)節(jié)角的方式滿足各種約束需求，但該方法進(jìn)行虛擬人建模仍非常繁復(fù)，效率低下。

2）模型建模方法（model-driven method）。

模型建模方法將人體動(dòng)作姿態(tài)生成過程轉(zhuǎn)化為某些復(fù)雜的數(shù)學(xué)參數(shù)模型。根據(jù)數(shù)學(xué)模型特點(diǎn)，模型建模方法有動(dòng)力學(xué)模型建模、運(yùn)動(dòng)學(xué)模型建模、生物力學(xué)模型建模等。運(yùn)動(dòng)學(xué)模型研究較多，技術(shù)較為成熟。楊宇盟等［4］結(jié)合FABRIK（Forward And Backward Reaching Inverse Kinematics）算法、碰撞檢測(cè)、Bi-RRT（Bidirectional Rapidly-exploring Random Tree）算法實(shí)現(xiàn)了虛擬人手臂無碰撞抓取物體。Qiu等［5］通過構(gòu)建包含工程屬性的語(yǔ)義參數(shù)化模型以及虛擬人姿態(tài)自動(dòng)推理模型實(shí)現(xiàn)了裝配維修場(chǎng)景虛擬人姿態(tài)建模。運(yùn)動(dòng)學(xué)模型雖然能很快地得到虛擬人姿態(tài)，但并未考慮舒適性等人機(jī)工程學(xué)因素，導(dǎo)致模型缺乏協(xié)調(diào)性。動(dòng)力學(xué)模型與生物力學(xué)模型可以優(yōu)化出更合理、協(xié)調(diào)的運(yùn)動(dòng)姿態(tài)，但求解復(fù)雜且操作環(huán)境較為開放，碰撞檢測(cè)要求不高。

多種建模模型融合是今后發(fā)展的方向。顧巖等［6］結(jié)合運(yùn)動(dòng)學(xué)模型與動(dòng)力學(xué)模型，采用Bi-RRT算法和基于肘圓的逆向運(yùn)動(dòng)學(xué)的規(guī)劃方法對(duì)手臂路徑進(jìn)行規(guī)劃，并以最大關(guān)節(jié)舒適度對(duì)手臂路徑進(jìn)行優(yōu)化。武維維等［7］將人機(jī)因素目標(biāo)函數(shù)與姿態(tài)參數(shù)映射，構(gòu)建姿態(tài)仿真多目標(biāo)優(yōu)化問題，通過多目標(biāo)遺傳算法求解最優(yōu)解。王建鵬等［8］基于生物力學(xué)構(gòu)建虛擬人運(yùn)動(dòng)控制系統(tǒng)完成虛擬人建模。Sultan等［9］提出一種基于反饋線性化的非線性魯棒技術(shù)，并構(gòu)建了非線性生物力學(xué)模型用于進(jìn)行虛擬人姿態(tài)控制。動(dòng)力學(xué)與運(yùn)動(dòng)學(xué)結(jié)合求解姿態(tài)，易獲得協(xié)調(diào)的上肢運(yùn)動(dòng)姿態(tài)，但建模過程復(fù)雜，且上肢自由度較少；直接用動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)結(jié)合求解只適用于低自由度問題，并不適用于多自由度的全身姿態(tài)求解。

3）數(shù)據(jù)建模方法（data-driven method）。

數(shù)據(jù)建模方法通過外部采集設(shè)備對(duì)人體進(jìn)行跟蹤，直接將跟蹤結(jié)果賦予虛擬人完成虛擬人姿態(tài)建模。Kronfeld等［10］通過機(jī)電輸入設(shè)備數(shù)據(jù)驅(qū)動(dòng)虛擬人，并通過運(yùn)動(dòng)序列實(shí)現(xiàn)虛擬人運(yùn)動(dòng)仿真。Lippi［11］通過模塊化控制的方式，構(gòu)建姿態(tài)學(xué)習(xí)預(yù)測(cè)器的機(jī)器學(xué)習(xí)模型，通過模型數(shù)據(jù)結(jié)果構(gòu)建虛擬人姿態(tài)。邱世廣等［12］通過外設(shè)采集數(shù)據(jù)人體關(guān)節(jié)角度數(shù)據(jù)，之后以人體關(guān)節(jié)極限角度和前后幀的角度變化幅值作為判斷準(zhǔn)則過濾噪聲，之后以灰色系統(tǒng)理論建立噪聲補(bǔ)償模型補(bǔ)償過濾噪聲而過濾掉的幀的信息完成虛擬人驅(qū)動(dòng)。外設(shè)采集雖然能真實(shí)地獲取人體運(yùn)動(dòng)姿態(tài)，但受硬件限制較大，存在設(shè)備精度限制、環(huán)境遮擋限制、噪聲擾動(dòng)等問題。

針對(duì)船舶設(shè)備眾多、機(jī)械結(jié)構(gòu)復(fù)雜、維修場(chǎng)景多為狹小空間等特點(diǎn)，手工建模方法雖然能滿足各種約束需求，但手工操作繁復(fù)，效率低下；模型建模方法對(duì)多自由度問題求解復(fù)雜，且基本適用于開放環(huán)境，對(duì)碰撞檢測(cè)要求低；數(shù)據(jù)驅(qū)動(dòng)很難滿足特定維修任務(wù)的多約束需求?；诂F(xiàn)有虛擬人建模技術(shù)優(yōu)缺點(diǎn)的分析，結(jié)合船舶狹小空間的環(huán)境特征，本文提出一種將基于姿態(tài)庫(kù)的維修姿態(tài)狹小空間匹配算法和基于多目標(biāo)問題求解的手臂建模方法相結(jié)合的維修姿態(tài)混合建模方法，將虛擬人關(guān)節(jié)根據(jù)運(yùn)動(dòng)復(fù)雜度分為軀干下肢和手臂兩部分分別進(jìn)行姿態(tài)建模。最后結(jié)合某型船艙內(nèi)部罐體閥門維修作業(yè)姿態(tài)建模案例驗(yàn)證了該方法的有效性。

1 總體方案

本文針對(duì)船舶狹小空間虛擬人維修姿態(tài)建模問題，通過對(duì)維修過程肢體活動(dòng)復(fù)雜度進(jìn)行分析，將虛擬人維修姿態(tài)仿真分為兩部分：第一部分是面向活動(dòng)復(fù)雜度較低的軀干及下肢部位的虛擬人軀干及下肢維修姿態(tài)建模；第二部分是面向活動(dòng)復(fù)雜度較高的手臂部位的虛擬人手臂維修姿態(tài)建模。針對(duì)虛擬人軀干及下肢維修姿態(tài)仿真，提出了基于維修姿態(tài)庫(kù)的狹小空間維修姿態(tài)匹配算法，包含基于八叉樹的未碰撞區(qū)域搜索算法和維修姿態(tài)庫(kù)與未碰撞空間匹配問題求解方法；針對(duì)虛擬人手臂維修姿態(tài)建模，提出了基于多目標(biāo)問題求解的虛擬人手臂建模方法，包含虛擬人手臂多目標(biāo)優(yōu)化模型分析與構(gòu)建、基于遺傳算法的手臂姿態(tài)多目標(biāo)問題求解。總體方案如圖1所示。

圖1 船舶狹小空間虛擬人維修姿態(tài)建?？傮w方案Fig.1 Overall scheme for modeling maintenance posture ofvirtual human in narrow spaceof ship

2 基于姿態(tài)庫(kù)的維修姿態(tài)狹小空間匹配算法

維修作業(yè)過程中人體軀干及下肢關(guān)節(jié)相比手臂關(guān)節(jié)運(yùn)動(dòng)簡(jiǎn)單、復(fù)雜度低，并且與環(huán)境的交互干涉相對(duì)簡(jiǎn)單，因此采取基于姿態(tài)庫(kù)的姿態(tài)狹小空間維修姿態(tài)匹配算法，包含基于八叉樹的未碰撞區(qū)域搜索算法、維修姿態(tài)庫(kù)與未碰撞空間匹配優(yōu)化方程分析與建立。

2.1 基于八叉樹的未碰撞區(qū)域搜索算法

圖2 八叉樹結(jié)構(gòu)劃分結(jié)構(gòu)示意圖Fig.2 Schematic diagram of octree structure division structure

2.2 維修姿態(tài)庫(kù)與未碰撞空間匹配優(yōu)化方程分析與建立

1）虛擬人與狹小空間碰撞比例計(jì)算。

2）虛擬人與維修對(duì)象有效距離計(jì)算。

對(duì)于可達(dá)性一般通過手臂移動(dòng)，末端手掌可達(dá)最遠(yuǎn)位置構(gòu)成的可達(dá)曲面進(jìn)行描述［14］，即在關(guān)節(jié)轉(zhuǎn)動(dòng)范圍內(nèi)，從每個(gè)手臂以肩部為中心，臂長(zhǎng)為距離構(gòu)成等距面；在描述雙手可達(dá)性中簡(jiǎn)化成以脖頸節(jié)點(diǎn)到維修對(duì)象的距離作為評(píng)估參數(shù)Li，再以Larm定義標(biāo)準(zhǔn)差σ，參考高斯分布函數(shù)計(jì)算虛擬人與維修對(duì)象有效距離Deffective，并對(duì)函數(shù)結(jié)果進(jìn)行歸一化，計(jì)算公式如下：

其中：LS為脖頸到操作對(duì)象的最適距離。

3）虛擬人作業(yè)姿態(tài)舒適度評(píng)價(jià)。

虛擬人作業(yè)姿態(tài)評(píng)價(jià)是針對(duì)姿態(tài)庫(kù)中軀干及下肢關(guān)節(jié)的評(píng) 價(jià)，采 用Hignett等［15］提 出 的REBA（Rapid Entire Body Assessment）分析中關(guān)于Trunk和Legs的評(píng)價(jià)標(biāo)準(zhǔn)計(jì)算姿態(tài)庫(kù)中姿態(tài)評(píng)分Vcomfort。

根據(jù)現(xiàn)實(shí)生活維修工作中人與維修對(duì)象、人與維修環(huán)境的交互情況，提出了虛擬人姿態(tài)與狹小空間匹配的三個(gè)原則：虛擬人與維修對(duì)象之間距離盡可能小，以保證后續(xù)手臂姿態(tài)的可達(dá)性；虛擬人與維修環(huán)境之間的碰撞盡可能少，以保證仿真中作業(yè)人員的安全性和仿真的真實(shí)性；虛擬人自身維修姿態(tài)盡可能舒適。

基于以上3個(gè)原則，將虛擬人姿態(tài)與狹小空間匹配問題化為一個(gè)優(yōu)化方程：

其中：a與β是有效距離與姿態(tài)舒適度的權(quán)重值，優(yōu)化方程的三項(xiàng)分別對(duì)應(yīng)本文提出的匹配3個(gè)原則。計(jì)算在Ssearch中任意剛 性 變 換tm下Pm，On、Deffective、Vcomfort，滿 足(Pm，On+αDeffectiveβVcomfort)最小的tm即為所求的最優(yōu)剛性變換topt。

3 基于多目標(biāo)問題求解的虛擬人手臂建模方法

實(shí)際維修作業(yè)過程中人體手臂相比軀干、下肢等部位運(yùn)動(dòng)復(fù)雜，并且與環(huán)境的碰撞干涉相對(duì)復(fù)雜，不適用于姿態(tài)庫(kù)匹配的方式進(jìn)行建模仿真，因此采取基于多目標(biāo)問題求解的虛擬人手臂建模方法。

3.1 虛擬人手臂多目標(biāo)問題分析與構(gòu)建

狹小空間維修作業(yè)中手臂姿態(tài)建模不僅要保證手臂關(guān)節(jié)轉(zhuǎn)角舒適、手臂末端能夠觸及維修對(duì)象，還要避免與狹小空間環(huán)境相碰撞，但各目標(biāo)之間存在矛盾，難以同時(shí)達(dá)到全面最優(yōu)的姿態(tài)解。因此以肩（上擺下擺、外展內(nèi)收、外旋內(nèi)旋）、肘（彎曲過伸、旋內(nèi)旋外）、手腕（橈偏尺偏、背伸掌屈）共7個(gè)旋轉(zhuǎn)角為參量，分別將人體左右手臂作業(yè)姿態(tài)構(gòu)建成多目標(biāo)優(yōu)化問題：

minfm(θ1，θ2，…，θ7)；m=1，2，…，Ms.t.gk(θ1，θ2，…，θ7)≤0，k=1，2，…，K

3.1.1 關(guān)節(jié)轉(zhuǎn)角評(píng)估函數(shù)

其中：σi表示第i個(gè)關(guān)節(jié)角的舒適活動(dòng)角度范圍大小。frot(θi)代表關(guān)節(jié)角越接近最佳值，舒適度越好，評(píng)估函數(shù)如圖3所示。

圖3 關(guān)節(jié)轉(zhuǎn)角評(píng)估函數(shù)Fig.3 Joint rotation angleevaluation function

3.1.2 碰撞檢測(cè)評(píng)估函數(shù)

在狹小空間內(nèi)手臂的活動(dòng)空間有限，在進(jìn)行維修作業(yè)時(shí)極易與環(huán)境發(fā)生碰撞。以手臂與環(huán)境的碰撞檢測(cè)結(jié)果作為碰撞檢測(cè)的評(píng)估函數(shù)gcollision：若發(fā)生碰撞則gcollision取1，若未發(fā)生碰撞，則gcollision取零。

3.1.3 手臂末端可達(dá)性評(píng)估函數(shù)

定義世界坐標(biāo)系下手臂末端的旋轉(zhuǎn)平移矩陣Mterm，維修目標(biāo)的旋轉(zhuǎn)平移矩陣為Mtarget，計(jì)算Mterm與Mtarget的旋轉(zhuǎn)平移變換矩陣M：

其中R表示矩陣中的旋轉(zhuǎn)矩陣、T表示矩陣中的平移矩陣，計(jì)算R對(duì)應(yīng)四元數(shù)Q(x，y，z，w)：

其中：x、y、z存儲(chǔ)旋轉(zhuǎn)變換中旋轉(zhuǎn)軸信息；w存儲(chǔ)旋轉(zhuǎn)角信息，以w評(píng)估旋轉(zhuǎn)偏移量DiffR。

基于2-范數(shù)計(jì)算T表示的平移偏移量DiffT：

綜合評(píng)估旋轉(zhuǎn)偏移量與平移偏移量，計(jì)算出手臂末端可達(dá)性評(píng)估函數(shù)faccess：

其中α為DiffR與DiffT之間的權(quán)重參量。faccess越小，說明DiffR與DiffT越小，手臂末端與目標(biāo)位姿差異越小，說明可達(dá)性越好。

3.2 基于NSGA-Ⅱ的手臂姿態(tài)多目標(biāo)問題求解

3.2.1 NSGA-Ⅱ算法

本文采用第二代非支配排序遺傳算法NSGA-Ⅱ（fast and elitist Non-dominated Sorting of Genetic Algorithm）［16］求解該多目標(biāo)優(yōu)化問題的Pareto最優(yōu)解集，該算法時(shí)間復(fù)雜度低，全局搜索能力強(qiáng)，保證了較高的種群多樣性，采用的精英策略保證了優(yōu)勢(shì)個(gè)體的保留、算法的穩(wěn)定性和魯棒性。NSGA-Ⅱ算法流程如圖4所示。

圖4 NSGA-Ⅱ算法流程Fig.4 NSGA-Ⅱalgorithm flow chart

3.2.2 基于NSGA-Ⅱ求解手臂姿態(tài)多目標(biāo)問題

針對(duì)虛擬人手臂姿態(tài)的NSGA-Ⅱ算法步驟如下：

1）基因編碼。

采用實(shí)數(shù)的編碼方式，利用式（14）線性變換將各關(guān)節(jié)轉(zhuǎn)角值θi映射到[0，1]區(qū)間上的實(shí)數(shù)ui作為染色體的編碼信息：

其中：ui稱為染色體的基因編碼，[u1，u2，…，u7]構(gòu)成該優(yōu)化問題中個(gè)體的染色體。

2）種群初始化。

3）遺傳算子操作。

選擇操作算子采用隨機(jī)聯(lián)賽，交叉操作算子選用模擬二進(jìn)制交叉算子，變異操作算子選用多項(xiàng)式變異算子，對(duì)種群Pt進(jìn)行選擇交叉變異，生成子代Qt。

4）子代父代種群合并。

將Pt與Qt合并成規(guī)模為2N的合成種群Rt。

5）快速非支配排序和擁擠度計(jì)算。

將Rt中uij值代入式（14）可得各基因編碼對(duì)應(yīng)的θi，再將θi代入目標(biāo)函數(shù)可得frot(θi)、faccess，并通過碰撞檢測(cè)計(jì)算gcollision，之后對(duì)Rt全部個(gè)體進(jìn)行快隨非支配排序，并計(jì)算各非支配成個(gè)體的擁擠度。根據(jù)非支配關(guān)系和擁擠度選取前J個(gè)體作為新父代種群Pt+1。

6）循環(huán)運(yùn)行步驟3）～5），直到達(dá)到預(yù)先設(shè)定的最大進(jìn)化次數(shù)，完成多目標(biāo)問題求解，求出最優(yōu)手臂姿態(tài)。

4 實(shí)驗(yàn)研究與應(yīng)用實(shí)例

在Unity 2019引擎下，首先進(jìn)行基于多目標(biāo)遺傳算法的建模方法［7］與本文建模方法的對(duì)比實(shí)驗(yàn)，進(jìn)行本文算法優(yōu)勢(shì)討論；然后基于本文建模方法，自主開發(fā)了船舶狹小空間虛擬人維修姿態(tài)建模模塊，以某型船舶機(jī)艙區(qū)域罐體閥門維修作業(yè)進(jìn)行了驗(yàn)證實(shí)驗(yàn)，驗(yàn)證本文方法的適用性和有效性。

4.1 虛擬人姿態(tài)庫(kù)構(gòu)建

虛擬人的選取：以我國(guó)95%人體百分位的男性人體尺寸［17］調(diào)整虛擬人模型的身高比例，作為虛擬人模型。

姿態(tài)庫(kù)構(gòu)建：根據(jù)人機(jī)工程學(xué)［17］中的受限空間作業(yè)姿態(tài)與徐達(dá)等［18］構(gòu)建的維修虛擬人姿態(tài)庫(kù)，在手臂不影響平衡性的姿態(tài)中將手臂貼近身體兩側(cè)盡量避免對(duì)虛擬人軀干及下肢姿態(tài)建模中手臂碰撞檢測(cè)的影響，構(gòu)建了虛擬人軀干及下肢姿態(tài)庫(kù)（如圖5所示）。

圖5 虛擬人軀干及下肢姿態(tài)庫(kù)Fig.5 Virtual human torso and lower limb posture library

4.2 基于多目標(biāo)遺傳算法的建模方法與本文方法對(duì)比實(shí)驗(yàn)

為了進(jìn)行本文所提姿態(tài)建模方法的優(yōu)勢(shì)討論，選取基于多目標(biāo)遺傳算法的虛擬人姿態(tài)建模方法［7］與本文方法姿態(tài)建模方法進(jìn)行比較，該方法主要優(yōu)化目標(biāo)有平衡因素、關(guān)節(jié)轉(zhuǎn)動(dòng)因素、可達(dá)性因素等。在兩種建模方法中設(shè)置作業(yè)目標(biāo)點(diǎn)距地面1 100 mm。

圖6 不同作業(yè)目標(biāo)距離下基于多目標(biāo)遺傳算法的虛擬人姿態(tài)建模結(jié)果Fig.6 Virtual human posture modeling results based on multi-objectivegenetic algorithm under different target distances

通過設(shè)置不同水平距離運(yùn)用基于多目標(biāo)遺傳算法進(jìn)行姿態(tài)建模，通過設(shè)定維修對(duì)象后運(yùn)用本文方法進(jìn)行姿態(tài)建模，選取建模過程中特征關(guān)節(jié)——上軀干、下軀干、肩關(guān)節(jié)、肘關(guān)節(jié)進(jìn)行分析，肩關(guān)節(jié)、肘關(guān)節(jié)采用第3章關(guān)節(jié)轉(zhuǎn)角評(píng)估函數(shù)，下軀干及上軀干參考文獻(xiàn)［14］中關(guān)節(jié)最優(yōu)角、同樣運(yùn)用轉(zhuǎn)角評(píng)估函數(shù)進(jìn)行評(píng)估，實(shí)驗(yàn)結(jié)果如表1（評(píng)估分值越低關(guān)節(jié)轉(zhuǎn)角越接近最優(yōu)值；最后一行是本文建模方法圖7（a）結(jié)果）。

表1 不同水平距離虛擬人姿態(tài)評(píng)估結(jié)果Tab.1 Postureevaluation results of virtual humansat different horizontal distances

圖7 本文建模方法的建模結(jié)果Fig.7 Modeling resultsof the proposed modelingmethod

在基于多目標(biāo)遺傳算法的建模方法中，需提前確定虛擬人的位置，然后針對(duì)每個(gè)位置進(jìn)行全身的多目標(biāo)優(yōu)化求解，獲得指定位置下的全身最優(yōu)Pareto解。本文提出的建模方法通過姿態(tài)庫(kù)與空間匹配的貪心算法的方式完成了虛擬人初始位置定位及軀干姿態(tài)建模，之后通過多目標(biāo)遺傳算法完成了手臂姿態(tài)建模，能更好地解決狹小空間中虛擬人姿態(tài)建模過程中的初始定位問題，且綜合評(píng)估接近于不同水平距離多目標(biāo)遺傳算法建模實(shí)驗(yàn)中的最優(yōu)解，滿足建模需求。

在單一的基于多目標(biāo)遺傳算法的建模方法中，平衡因素作為多目標(biāo)之一，而本文提出的建模方法，對(duì)于除上肢外關(guān)節(jié)采用姿態(tài)庫(kù)匹配的方式，因?yàn)樽藨B(tài)本身滿足平衡性的要求，且除上肢外身體部分重量占整個(gè)身體重量的90%，基本可忽略手臂運(yùn)動(dòng)對(duì)身體平衡性的影響，所以手臂進(jìn)行多目標(biāo)優(yōu)化中無需考慮平衡性因素；且本文建模方法引入碰撞檢測(cè)作為多目標(biāo)之一，可以有效地解決狹小空間中虛擬人易與環(huán)境發(fā)生碰撞干涉的問題。

4.3 虛擬人軀干及下肢維修姿態(tài)建模應(yīng)用實(shí)例

初始化設(shè)定維修任務(wù)約束，維修對(duì)象為圖8實(shí)線框所示罐體，維修部位為圖8虛線框所示閥門。以虛擬人上臂長(zhǎng)和下臂長(zhǎng)和手長(zhǎng)總和作為L(zhǎng)arm定義初始正方形空間搜索塊邊長(zhǎng)，初始搜索塊如圖9所示；計(jì)算未碰撞區(qū)域，結(jié)果如圖10所示。

圖8 維修對(duì)象及維修部位示意圖Fig.8 Maintenance object and part

圖9 罐體閥門維修任務(wù)空間初始搜索塊Fig.9 Initial spatial search block of tank valvemaintenance task

圖10 罐體閥門維修任務(wù)未碰撞區(qū)域的空間搜索結(jié)果Fig.10 Spatial search resultsof un-collision area for tank valvemaintenance task

進(jìn)行姿態(tài)庫(kù)與維修空間的匹配運(yùn)算，匹配過程中未匹配剛性變換下的姿態(tài)和最優(yōu)剛性變換topt下姿態(tài)如圖11所示，滿足在船舶狹小空間中的合理姿態(tài)選取，以及根據(jù)姿態(tài)與空間匹配計(jì)算出合理的剛性變換topt滿足虛擬人與維修對(duì)象極少碰撞發(fā)生、虛擬人正方向面對(duì)維修對(duì)象且維修對(duì)象處在虛擬人良好的操作位置。

圖11 虛擬人軀干及下肢維修姿態(tài)匹配過程及建模結(jié)果Fig.11 Virtual human torso and lower limb maintenance posture matching process and modeling results

4.4 虛擬人手臂維修姿態(tài)建模

通過表2建立關(guān)節(jié)轉(zhuǎn)角評(píng)估函，通過Unity引擎完成對(duì)手臂與環(huán)境的碰撞檢測(cè)，對(duì)手臂姿態(tài)建模的多目標(biāo)問題運(yùn)用NSGA-Ⅱ進(jìn)行求解，求解過程中手臂不良姿態(tài)和最終結(jié)果姿態(tài)如圖12。如圖所示，最終計(jì)算結(jié)果滿足手臂末端執(zhí)行器與維修對(duì)象間的可達(dá)性要求、手臂與周圍環(huán)境不存在碰撞且手臂姿態(tài)處于相對(duì)舒適自然的姿態(tài)。

表2 虛擬人手臂關(guān)節(jié)活動(dòng)轉(zhuǎn)角Tab.2 Rotation angle rangeof virtual human arm joint

圖12 虛擬人手臂姿態(tài)建模過程及建模結(jié)果Fig.12 Virtual human armmaintenance posture matching processand modeling results

5 結(jié)語(yǔ)

本文針對(duì)船舶狹小空間維修作業(yè)姿態(tài)建模問題，從實(shí)際維修姿態(tài)關(guān)節(jié)運(yùn)動(dòng)復(fù)雜度出發(fā)，將建模問題分為虛擬人軀干及下肢姿態(tài)建模和虛擬人手臂姿態(tài)建模，通過基于姿態(tài)庫(kù)的狹小空間維修姿態(tài)匹配算法實(shí)現(xiàn)軀干及下肢姿態(tài)建模；通過基于多目標(biāo)問題求解的建模方法完成虛擬人手臂建模。通過與基于的多目標(biāo)優(yōu)化遺傳算法的建模方式進(jìn)行比較實(shí)驗(yàn)和某型船舶機(jī)艙罐體閥門維修案例的結(jié)果表明，特別是針對(duì)狹小空間，該建模方法能夠自動(dòng)初始化虛擬人位置、針對(duì)維修任務(wù)進(jìn)行虛擬人維修姿態(tài)建模，滿足了維修任務(wù)約束、碰撞檢測(cè)的要求，建模過程包含人因因素影響，無需繁瑣的建模過程。

基于空間匹配的虛擬人軀干姿態(tài)建模采用的是貪心算法，沒考慮與后續(xù)手臂姿態(tài)建模的耦合關(guān)系，下一步將對(duì)此問題進(jìn)行進(jìn)一步研究；下一步也將繼續(xù)研究如果獲得更為自然、逼真、實(shí)用、可靠的維修姿態(tài)庫(kù)，考慮姿態(tài)空間匹配和多目標(biāo)問題中其他可能的因素指標(biāo)以及如何對(duì)手部姿態(tài)進(jìn)行精準(zhǔn)建模，以便構(gòu)建出更符合實(shí)際的虛擬人維修作業(yè)姿態(tài)。