郭加偉， 許志杰， 何其昌

(上海交通大學(xué) 機械與動力工程學(xué)院， 上海 200240)

隨著我國機器人技術(shù)、智能制造技術(shù)的不斷提高，裝配自動化技術(shù)得到了快速發(fā)展，但是在精細裝配工藝環(huán)節(jié)，如手機通訊元件裝配、線纜裝配等，仍需要手工來操作.人機虛擬裝配作為虛擬現(xiàn)實技術(shù)在產(chǎn)品全生命周期領(lǐng)域中的仿真驗證工具，以提高設(shè)計質(zhì)量為目標(biāo)，綜合利用計算機圖形學(xué)技術(shù)、建模仿真、人機交互技術(shù)等，構(gòu)建虛擬仿真環(huán)境，使操作者可以在虛擬環(huán)境中交互式裝配、拆卸零件等，對裝配作業(yè)進行人機工效評估[1-3].

國內(nèi)外學(xué)者對虛擬裝配仿真做了大量的研究，法國Dassault公司[4]推出了數(shù)字化裝配仿真平臺DELMIA，可以將產(chǎn)品模型與工藝模型進行協(xié)同設(shè)計，在虛擬環(huán)境中完成仿真分析.文獻[5]建立了虛擬裝配系統(tǒng)VDVAS，操作者可以在系統(tǒng)內(nèi)選擇零部件并進行拆卸規(guī)劃，靜、動態(tài)干涉分析.文獻[6]研究了基于約束的虛擬裝配，實現(xiàn)了虛擬環(huán)境下使用擰緊工具的交互式裝配操作.文獻[7]虛擬現(xiàn)實設(shè)備的出現(xiàn)，改變了需要穿戴外設(shè)的限制，其通過圖像處理技術(shù)，自動捕捉人體及手部的運動軌跡，提高虛擬裝配人機交互的友好性.文獻[8]利用基于Leap Motion的虛擬手交互方法，根據(jù)任務(wù)訓(xùn)練需求設(shè)計虛擬手抓取方式等，構(gòu)建了航天員虛擬裝配訓(xùn)練系統(tǒng).

裝配作業(yè)舒適度與裝配件重量、工作姿勢及時長等因素相關(guān)，如上述條件不當(dāng)，不僅會降低裝配效率，還會造成操作者肌肉骨骼損傷，影響生理健康，進一步對裝配質(zhì)量產(chǎn)生影響，存在極大安全隱患[9].快速上肢評估(RULA)[10-11]作為一種有效的人機工效評估方法被廣泛使用，而RULA方法對手部，尤其手指關(guān)節(jié)工作時長、操作速度等因素沒有考慮，并且當(dāng)人體關(guān)節(jié)角度處于評價標(biāo)準的臨界值時，RULA評估分值會發(fā)生突變、跳躍現(xiàn)象[12]，影響評估的準確性.勞損指數(shù)(SI)[13]是一種用來評估工作中手部、手腕、前臂和肘部傷害風(fēng)險水平的評估方法，其將工作速度、手/手腕姿勢、每天工作時間等任務(wù)變量作為評價標(biāo)準，能夠充分對手工作業(yè)人機工效進行評估.目前，在采用RULA和SI進行人機工效評估時，現(xiàn)有軟件工具只能對裝配姿勢逐個進行評估，操作繁瑣、手勢姿勢精確設(shè)置時間較長，造成虛擬裝配仿真效率低下，影響虛擬裝配技術(shù)的推廣使用.

針對以上問題，通過定義手部關(guān)節(jié)結(jié)構(gòu)、手臂及手部尺寸，建立參數(shù)化裝配手勢庫；使用模糊算法優(yōu)化RULA評估方法，避免因關(guān)節(jié)角度處于臨界值時RULA分值的跳躍現(xiàn)象；考慮工作速度、手/手腕姿勢、每天工作時間等評價因素，綜合模糊RULA與SI方法進行人機工效評估；集成開發(fā)基于Dassault公司的3D Experience平臺的人機工效評估工具，實現(xiàn)裝配仿真過程的連續(xù)人機工效評估，避免遺漏裝配作業(yè)期間的風(fēng)險姿勢，提高仿真效率與精度.最后，采用手機通訊元件的裝配作業(yè)評估進行應(yīng)用驗證.

1 虛擬手關(guān)節(jié)模型及手勢定義

虛擬人是真實操作者在虛擬環(huán)境中的映射，其尺寸與裝配過程位姿是人機工效評估的重要參數(shù).為了保證評估的準確性，需要對虛擬人手進行個性化尺寸標(biāo)定.所建立的虛擬手模型如圖1(a)所示，包含18個關(guān)節(jié)、27個自由度(DOF)，其中上臂與肩部之間關(guān)節(jié)具有3個自由度，其余關(guān)節(jié)各有1～2個自由度.以圖1(b)關(guān)節(jié)3(手腕關(guān)節(jié))為例，在關(guān)節(jié)處定義空間直角坐標(biāo)系，以骨骼朝向指尖方向為z軸，記繞y軸為DOF1，繞x軸為DOF2.通過設(shè)定虛擬手模型的長度尺寸以及27個自由度的角度值，可以定義特定裝配動作的手勢.

圖1 虛擬人手部關(guān)節(jié)及自由度Fig.1 Virtual human hand joints and degree of freedom

手工裝配作業(yè)手勢種類較多，在裝配作業(yè)中需要不斷切換手勢，傳統(tǒng)虛擬裝配仿真過程中需要在虛擬裝配軟件中手動調(diào)整手臂、手部的27個關(guān)節(jié)自由度參數(shù)，設(shè)置操作較為繁瑣.通過外置傳感器設(shè)置、保存特定裝配動作的手勢關(guān)節(jié)角度、構(gòu)建參數(shù)化裝配手勢庫，可提高虛擬裝配仿真設(shè)置效率.Ultraleap公司的Leap Motion傳感器能夠?qū)崟r獲取手部關(guān)節(jié)的坐標(biāo)、方向矢量等信息，且具有良好的精度[14].Leap Motion采用紅外成像技術(shù)來捕捉手勢數(shù)據(jù)，將手部放置在Leap Motion上方，獲取手部方向矢量，如圖2(a)所示.通過計算空間矢量夾角公式將手部方向矢量轉(zhuǎn)換為關(guān)節(jié)角度值，從而獲得當(dāng)前手勢的27個關(guān)節(jié)自由度參數(shù)值，如圖2(b)所示.獲取手操作工具的手勢信息時，操作工具會遮擋手指，影響關(guān)節(jié)角度識別精度，需對部分手指關(guān)節(jié)角度進行調(diào)整，形成裝配手勢庫的手勢，如圖2(c)所示.

圖2 Leap Motion手勢獲取Fig.2 Leap Motion gesture acquisition

2 模糊RULA與SI人機工效綜合評估

2.1 模糊RULA評估方法

當(dāng)人體關(guān)節(jié)角度處于評價標(biāo)準的臨界值時，RULA評估分值會發(fā)生突變、跳躍現(xiàn)象，影響人機工效評估的準確性.采用模糊邏輯對RULA評估方法進行改進，實現(xiàn)評估分值的連續(xù)化.模糊邏輯是建立在多值邏輯的基礎(chǔ)上，運用模糊集合的方法來研究模糊性思維、語言形式及其規(guī)律的科學(xué)，借助于隸屬函數(shù)的概念，區(qū)分模糊集合，處理模糊關(guān)系[15-16].RULA方法將身體分為A部分：上臂、前臂、手腕以及B部分：頸部、軀干、腿部.對裝配作業(yè)進行RULA評價時，首先根據(jù)作業(yè)姿勢獲取關(guān)節(jié)角度值，由關(guān)節(jié)角度評價標(biāo)準得出關(guān)節(jié)角度得分；其次, 根據(jù)關(guān)節(jié)角度得分在RULA得分規(guī)則表A和B[17]中獲取A部分以及B部分得分，考慮上肢、頸部等部位的肌肉使用、負荷情況并由評價標(biāo)準獲取相應(yīng)得分，將其得分與A部分、B部分得分匯總；最后由匯總后的得分在規(guī)則表C[17]中獲取RULA評估分數(shù)[11, 17].建立的模糊RULA評估方法包括27個關(guān)節(jié)角度輸入(X1～X27)、2個中間變量(模糊RULA的A、B部分得分SA,SB)、1個輸出(模糊RULA得分S)、40個隸屬函數(shù)(f1～f40)以及281個if-then規(guī)則[12,15]，其模型結(jié)構(gòu)如圖3所示.

圖3 模糊RULA模型結(jié)構(gòu)Fig.3 Structure diagram of fuzzy RULA model

使用隸屬函數(shù)對27個關(guān)節(jié)角度進行模糊化，采用最大隸屬度法進行去模糊化[18]，選取規(guī)則表A[17]、規(guī)則表B[17]中隸屬度最大的分值作為A部分、B部分得分，通過規(guī)則表C[17]獲取RULA得分，模糊RULA評估方法計算流程如算法1所示.

算法1模糊RULA

(1) 獲得影響RULA得分的各關(guān)節(jié)自由度DOF的角度值θ.

(2) 設(shè)置梯形函數(shù)為隸屬函數(shù)對關(guān)節(jié)角度進行模糊化.

(3) 根據(jù)角度值θ與隸屬函數(shù)，計算各關(guān)節(jié)角度得分的隸屬度.

(4) 由計算得出的上臂、前臂、手腕、手腕扭轉(zhuǎn)得分及對應(yīng)隸屬度，在表A中求出A部分得分隸屬度的最大分值.

(5) 由計算得出的頸部、軀干、腿部得分及對應(yīng)隸屬度，在表B中求出B部分得分隸屬度的最大分值.

(6) 由A部分、B部分得分在表C中求出最終模糊RULA得分.

梯形函數(shù)能夠有效地對關(guān)節(jié)角度進行模糊化并且簡化計算過程，故選取梯形函數(shù)作為隸屬函數(shù)，對關(guān)節(jié)角度進行模糊化，相鄰隸屬函數(shù)交點的隸屬度為0.5，梯形隸屬函數(shù)表達式如下式所示：

(1)

式中：h為自變量；a為下底與左腰交點的橫坐標(biāo)；b為上底與左腰交點的橫坐標(biāo)；c為上底與右腰交點的橫坐標(biāo)；d為下底與右腰交點的橫坐標(biāo).通過各關(guān)節(jié)的對應(yīng)隸屬函數(shù)計算關(guān)節(jié)角度得分及其隸屬度，分別計算出規(guī)則表A[17]、規(guī)則表B[17]中隸屬度最大的分值作為A部分、B部分的最終得分.

以A部分(上肢部分)得分為例，有3個關(guān)節(jié)角度：上臂DOF1角度、上臂DOF2角度、鎖骨DOF2角度影響上臂得分，根據(jù)RULA關(guān)節(jié)角度評分標(biāo)準建立上臂的7個隸屬函數(shù)，如圖4～6所示，其中：δ為隸屬度.由以上3個關(guān)節(jié)角度及其對應(yīng)的隸屬函數(shù)可得出一對相鄰關(guān)節(jié)角度得分及其各自隸屬度.同理，計算出前臂、手腕、手腕扭轉(zhuǎn)部分的3對相鄰分值及對應(yīng)隸屬度，在規(guī)則表A[17]中選取最大隸屬度分數(shù)作為A部分得分.

圖4 上臂DOF1隸屬函數(shù)Fig.4 Membership function of upper arm DOF1

圖5 上臂DOF2隸屬函數(shù)Fig.5 Membership function of upper arm DOF2

圖6 鎖骨DOF2隸屬函數(shù)Fig.6 Membership function of clavicular DOF2

基于模糊邏輯的RULA評估方法針對得分發(fā)生跳躍的問題，引入了隸屬函數(shù)，關(guān)節(jié)角度分值的變化呈穩(wěn)定變化趨勢，避免最終得分因關(guān)節(jié)角度處于臨界值時而發(fā)生突變的現(xiàn)象.

2.2 人機工效綜合評估

針對RULA方法對手部，尤其是手指關(guān)節(jié)工作時長、操作速度等因素考慮不全的問題，采用模糊RULA與SI方法綜合進行人機功效評估.SI將工作強度、工作持續(xù)時間、每分鐘工作次數(shù)、手/手腕姿勢、工作速度、每天工作時間作為評價因素，對每個因素的風(fēng)險進行評估并各劃分為5個等級，為各等級分配乘數(shù)，乘數(shù)越大代表風(fēng)險系數(shù)越高，乘數(shù)的乘積為SI的最終得分[13].SI對連續(xù)手工作業(yè)進行評估，能夠彌補RULA方法缺乏對手指動作進行評估的缺陷.RULA與SI的評分標(biāo)準都將7分評定為高風(fēng)險工作，故設(shè)定權(quán)重因子為0.5，并將模糊RULA與SI得分加權(quán)求出最終評估結(jié)果，如下式所示：

(2)

式中：SF為人機功效評估得分；n為仿真動作時長；Si為第i幀時的RULA評估得分；I為工作強度乘數(shù)；D為工作持續(xù)時間乘數(shù)；M為每分鐘工作次數(shù)乘數(shù)；P為手/手腕姿勢乘數(shù)；v為工作速度乘數(shù)；t為每天工作時間乘數(shù)；w1與w2為權(quán)重因子，設(shè)為0.5.

該評估方法能夠?qū)B續(xù)的裝配動作進行人機工效評估，且最終評估結(jié)果用分數(shù)表示，分數(shù)越高則代表著肌肉骨骼損傷風(fēng)險的等級越高.

3 3D Experience集成開發(fā)

通過對操作人員的手部長度信息、手工裝配姿勢進行采集，擬在3D Experience平臺中建立裝配手勢庫.3D Experience是法國Dassault公司推出的一套面向產(chǎn)品全生命周期的協(xié)同管理、分析、設(shè)計和仿真平臺.基于3D Experience提供的開發(fā)接口，利用組件應(yīng)用架構(gòu)(CAA)二次開發(fā)技術(shù)，開發(fā)裝配手勢庫及人機工效評估工具，包括4個模塊：手部標(biāo)定、手勢管理、手勢應(yīng)用、人機工效評估，并集成到3D Experience軟件的工具條中.

(1) 手部標(biāo)定模塊：設(shè)置人體模型的國家、比例、性別等信息，獲取標(biāo)準虛擬人模型；采集、管理員工個性化手部長度信息，賦值到虛擬人體模型以姓名或序號命名保存.手部標(biāo)定模塊窗口如圖7所示.

圖7 手勢標(biāo)定模塊界面Fig.7 Module interface of gesture calibration

(2) 手勢管理模塊：定義個性化手勢，集成Leap Motion傳感器采集手部關(guān)節(jié)角度，對27個手部關(guān)節(jié)自由度賦值，提供三維人機界面手工對關(guān)節(jié)角度進行調(diào)整，形成精確手勢，按照不同裝配工作定義手勢分區(qū)，在不同分區(qū)下保存對應(yīng)手勢.

(3) 手勢應(yīng)用模塊：虛擬裝配仿真過程中，將手勢庫中的手勢參數(shù)自動賦予虛擬環(huán)境中的虛擬手模型.

(4) 人機工效評估工具：針對3D Experience平臺中的裝配運動仿真，設(shè)置進行人機工效評估的幀數(shù)范圍，以分值圖的形式展示評估結(jié)果，并通過顏色顯示評估預(yù)警.

4 案例分析

為驗證該人機工效評估工具的可行性，選取手機通訊線裝配案例進行應(yīng)用驗證.在通訊線裝配作業(yè)中，操作人員先將線纜放置在線槽上，兩端扣緊卡扣固定，然后用理線筆將線纜壓緊到線槽里.裝配操作動作由上肢完成，負載小于20 N.安裝一根手機通訊線平均耗時73 s，每天工作8 h，屬于長時間勞作，容易造成操作人員肌肉骨骼損傷.在3D Experience平臺中進行手機通訊線裝配作業(yè)仿真，采用傳統(tǒng)制作仿真方式進行操作，對上肢動作，尤其是手部精細動作調(diào)整時花費時間較多，仿真效率低下.通過制作5組手機通訊線裝配仿真并計時，計算得出該案例平均耗時63 min.

利用構(gòu)建的裝配手勢庫，讀取裝配過程中的操作理線筆姿勢、拿線姿勢、按壓姿勢等，建立參數(shù)化裝配手勢庫，如圖8所示.

圖8 裝配手勢Fig.8 Assembly gestures

結(jié)合裝配手勢庫制作虛擬裝配仿真，從手勢庫中調(diào)用手勢設(shè)置仿真的關(guān)鍵姿勢，減少手勢姿態(tài)調(diào)整時間，制作與相同的5組手機通訊線裝配仿真，在相同的手勢精度下，平均仿真時間為17 min，仿真效率提高370%.圖9為線纜裝配作業(yè)仿真.

圖9 線纜裝配作業(yè)仿真Fig.9 Simulation of cable assembly job

根據(jù)上述手機通訊線裝配工作情況，設(shè)定RULA肌肉使用、負荷分數(shù)以及SI各評估因素的風(fēng)險等級.其中，A部分肌肉使用分值加1；工作強度評級為1級，乘數(shù)為1.0；工作持續(xù)時間評級為5級，乘數(shù)為3.0；每分鐘工作次數(shù)評級為5級，乘數(shù)為3.0；手/手腕姿勢評級為3級，乘數(shù)為1.5；工作速度評級為3級，乘數(shù)為1.0；每天工作時間評級為4，乘數(shù)為1.0.對裝配作業(yè)仿真進行人機工效評估，在3D Experience中使用人機工效評估工具讀取該仿真，設(shè)定進行人因評估的幀數(shù)區(qū)間，生成逐幀的綜合人機工效評估分值圖，如圖10所示.其中：分值線框圖中紅線為原始RULA分值；藍線為模糊RULA分值；橫軸為裝配仿真的幀數(shù).

圖10 評估結(jié)果Fig.10 Evaluation results

根據(jù)分值線以及裝配仿真運動可以觀察到，第2、3幀裝配作業(yè)姿勢關(guān)節(jié)角度差距較小并且處于RULA關(guān)節(jié)角度評分標(biāo)準的邊界范圍，原始RULA分值發(fā)生了跳躍，而模糊RULA由于對關(guān)節(jié)角度進行了模糊化處理修正了這一突變現(xiàn)象.圖11為原始RULA分值發(fā)生跳躍的兩個臨界姿勢.由圖11可知，僅手臂、手腕、脖頸關(guān)節(jié)角度有微小差別，最終分值卻相差2分.根據(jù)式(2)計算出該裝配仿真的模糊RULA評估得分的平均值，與SI進行加權(quán)計算得到最終人機工效綜合評估為9.1分.因此，從安全隱患以及員工健康角度考慮，長時間的流水線作業(yè)會提高肌肉骨骼損傷風(fēng)險，減少員工的工作時間以及工作頻率是有必要的.

圖11 RULA分值突變臨界姿勢Fig.11 Mutation critical position of RULA score

傳統(tǒng)的人因評估方法只針對預(yù)測有風(fēng)險的單個姿勢進行評估，從上述手機通訊線裝配案例可發(fā)現(xiàn)該人機工效評估工具能夠大大提高裝配仿真制作的效率；并且實現(xiàn)了對裝配仿真進行連續(xù)的評估，能夠及時捕捉到裝配作業(yè)中的風(fēng)險姿勢，提高了評估精度.

5 結(jié)語

通過定義手部關(guān)節(jié)結(jié)構(gòu)、手臂及手部尺寸，建立了參數(shù)化的手勢裝配庫，改善了傳統(tǒng)虛擬裝配手勢仿真設(shè)置效率低下的問題.針對RULA在關(guān)節(jié)角度處于評價標(biāo)準臨界范圍時得分發(fā)生跳躍的現(xiàn)象，使用模糊算法進行了優(yōu)化.綜合模糊RULA與SI方法，考慮了工作速度、手/手腕姿勢、每天工作時間等評價因素.開發(fā)基于3D Experience平臺的人機工效評估工具，實現(xiàn)了裝配仿真過程的連續(xù)人機工效評估，對裝配作業(yè)姿勢進行風(fēng)險監(jiān)控，極大地提高了評估的效率與精度.最后，通過對裝配手機通訊線案例的分析，進一步驗證了該方法的可行性.