基于性别操作策略的手动式修枝剪人体工效学设计与评价外文翻译资料

A systematic review of deep transfer learning for machinery fault diagnosis

A b s t r a c t

With the popularization of the intelligent manufacturing, much attention has been paid in such intelligent computing methods as deep learning ones for machinery fault diagnosis. Thanks to the development of deep learning models, the interference of the human experience can be greatly reduced, and the fault diagnosis accuracy can also be increased under certain conditions. To improve the generalization ability of the intelligent fault diagnostics, the deep transfer learning consisting of both transfer learning and deep learning components was accordingly developed. This paper reviews the research progress of the deep transfer learning for the machinery fault diagnosis in recently years. It is summarizing. Classifying and explaining many publications on this topic with discussing various deep transfer architectures and related theories. On this basis, this review expounds main achievements, challenges and future research of the deep transfer learning. This provides clear directions for the selection, design or implementation of the deep transfer learning architecture in the field of the machinery fault diagnostics.

1. Introduction

Fault diagnosis is of great significance to improve production efficiency and to reduce accident rate for complex mechanical systems. Academic and industrial circles have attached great importance to the machinery fault diagnostics, and have put forward some diagnosis methods for real applications. Those fault diagnosis techniques can generally be divided into two categories: model-based diagnosis method and data-driven one. To reveal the relation between fault mechanism and parameters of the mechanical system, model-based diagnosis researches usually establish dynamic models of the machinery by means of dynamics, finite element and modal analyses. For example, a lumped-parameter model with 20degrees of freedom was developed for a planetary gear [1]. Finite element models were developed for the meshing stiffness of sun-planet and ring-planet gears. Moreover, advanced signal processing methods have been applied to extract corresponding fault features from collected signals according to the characteristic frequency. Generalized synchrosqueezing transform [2,3], operating parameters identification[4] , variable mode decomposition[5], and spectral segmentation [6] methods were reported as different signal processing techniques for the machinery fault diagnosis. Gao et al [7] investigated the fault diagnosis problem for time-varying systems with multiplicative noises over sensor networks. A modified residual evaluation technique was presented to detect sensor faults [8]. Zhang et al [9]. developed an adaptive dynamics learning for weak fault detection. Based on the signal processing techniques, the fault detection problem has been studied for different systems[10], such as the multi-rate time-varying system[11]， uncertain time-varying nonlinear stochastic system[12], nonlinear stochastic systems[13], and nonlinear Markovian jump system[14].

In recent years, some researchers have made a lot of fault diagnosis contributions based on machine learning and pattern recognition, in shallow learning, deep learning, or deep transfer learning frameworks. Some representative works are listed as follows.

(i) In shallow learning. For diagnosing machinery faults，support vector machine (SVM) model [15] global-local margin fisher analysis[16], continuous-scale mathematical morphology, fuzzy logic, and Bayesian approach were reported,respectively.Hu et al.[22] combined intrinsic time scale decomposition, wavelet packet transform with correlation dimension algorithm to diagnose a wind gearbox using non-stationary vibration signals. Li et al. [23]systematically interpreted the primary literature on fuzzy formalisms for bearing fault diagnosis. Javed et al.[24] proposed a novel network, named summation wavelet extreme learning machine, for condition classification. A joint SPA and LKPCA technique was presented for the condition monitoring [25]. Different fuzzy clustering algorithms, such as fuzzy c-means，Gustafson-Kessel，FN-DBSCAN, and FCMFP methods, were compared in [26] for bearing fault diagnosis. Based on ant colony algorithm, Zhang et al. [27] developed a new SVM method for rotating machinery fault diagnosis. To improve forecasting accuracy, Li et al. [28] combined the random forest and ensemble empirical mode decomposition for improving forecasting accuracy. We developed several intelligent diagnosis algorithms, such as semi-supervised self-organizing mapping, neighbor preserving embedding with self-organizing mapping, hidden semi-Markov model， wavelet packet entropy with Gaussian mixture model， for dealing with the machinery condition monitoring [29-33].All the above representative contributions are based on shallow learning mode，which is affected by the human experience and leads to poor generalization ability of the extracted sensitive features to some extent. To address this problem，Hinton and Salakhutdinov[34] proposed the deep learning model that can reduce the human experience and could effectively reveal the complex inputs.

(ii) In deep learning. Some other intelligent models have been introduced in the machinery fault diagnostics based on deep learning theory. Aghazadeh et al.[35] combined spectral subtraction and convolutional neural network (CNN) to monitor the state of tool grinding process. Deep statistical feature learning was developed for the fault diagnosis of rotating machinery [36]. A local connection network was constructed by normalized sparse autoencoders for planetary gearbox and motor bearing fault diagnosis[37]. A large capacity storage retrieval neural network was reported in [38]. A deep

剩余内容已隐藏，支付完成后下载完整资料

基于性别操作策略的手动式修枝剪人体工效学设计与评价

摘要

本研究调查了不同设计的修枝剪工作时的生物力学和生理负荷。本研究的目的是找出传统修枝剪的可用性问题，并将人机工程学融入到设计过程中，以提高使用者的安全、健康和性能。在6名男性和6名女性参与者中，研究了修剪设计、性别和手的大小对肌肉活动、握力分布、手腕偏差和性别操作策略的影响。使用了三种类型的修剪剪，一种是传统的，另两种是改装的，要么是用橡胶把手垫起来的，要么是用拇指把手固定在上面的把手上。结果表明：(1)两种重新设计的修剪剪最大限度地减少了一些关键手部区域的压力，改善了肌肉活动、抓地力分布和手腕偏斜；(2)手腕伸展程度高、指伸肌群(ED)肌肉的使用和过度挤压是女性在修剪工作中克服由于手小和肌肉力量不足而造成的生物力学劣势的操作策略。(2)高度伸腕、更多地使用指伸肌(ED)和过度挤压是女性在修剪工作中克服生物力学劣势的操作策略。基于这一发现，得出的结论是，传统修剪剪存在与肌肉骨骼疾病(MSD)相关的潜在设计问题，因此人体工学干预应更多地关注用户人体测量和生理反应的变化。

1 简介

对于使用手持工具的工人来说，他们的上肢受到生物力学应力和应变的影响。大量研究表明，上肢累积性创伤障碍(CTD)与用力运动有很强的相关性。如果用力用力时伴随着高频率和笨拙的姿势，效果会更严重(PutzAnderson，1988)。在其他因素中，生成所需任务组级别的努力是工具设计参数的重要功能。以前关于手工具的研究表明，工具设计可能在手部和前臂与工作相关的肌肉骨骼疾病(WRMSD)的发展中发挥重要作用(Mital，1991)。虽然已经发表了几项关于手工工具评估和设计的研究，但Pauml;ivinen等人。(2000)评论说，对于平行手柄的钳形手工具，缺乏最重要的设计标准的综合清单。操作这类工具需要高握力、推力或手柄接触力，这被认为是增加CTDS风险的主要因素之一(Rempel等人，1992；Reidel，1995)。虽然许多研究人员(例如，Pheasant和Scriven，1983；Eksioglu，1999；Blackwell等人，1999)已经对平行手柄进行的等长握力收缩进行了研究，但这些研究大多集中在产生最大力输出的最佳间隔上(例如，Pheasant and Scriven，1983；Eksioglu，1999；Blackwell et al.，1999)。在本研究中，我们调查了修剪设计、性别和手的大小对肌肉活动、握力分布、手腕偏差和操作策略的影响，这些影响可以按性别区分。作为对力要求很高的重复性手柄工作的一个例子，选择了用修剪剪进行切割。Wakula et al.(2000)报告说，修剪需要重复握手和手腕运动，并结合上臂肩部系统的静态工作，但在修剪过程中，几乎没有人体工程学信息可用于准确评估身体负荷。Fransson-Hall和Kilbom(1993)发现，更大的接触面积可能会减少因高压或挤压而感到不适或疼痛的机会。SEO和Armstrong(2008)指出，对于给定的法向力，更大的接触面积可以降低手上的平均压力，因为平均压力是法向力大小与接触面积的比值。Bylund和Burstrouml;m(2006)发现，与男性参与者相比，手柄大小、人体测量和最大握力对女性参与者成绩和评分的影响更大。然而，对于手动修剪剪刀设计，由于斜切刀柄的形状和握持时没有拇指的作用，这些动力抓取的人体工学原理可能是不被允许的。就手和前臂而言，手工具设计在与工作相关的问题或障碍的发生率方面起着重要的作用。改善手工具的人体工程学特性对于使用者的安全和健康可能是至关重要的(Sperling等人，1993)。因此，本研究的目的是表明：(1)现有的修剪剪存在与MSD相关的潜在设计问题；(2)人体工程学干预应更多地关注用户人体测量和生理反应的变化；(3)女性试图通过采用不同的姿势和操作策略来克服由于肌肉力量较小和手尺寸较小而造成的生物力学劣势。

2.方法论

参与者

受试者为12名健康志愿者，男6人，女6人，年龄20~36岁，平均(28.9plusmn;5.1)岁。在12名参与者中，有10名至少有过手动修剪的园艺经验。所有参与者根据他们的手长被分为小、中、大三类。根据Oh和Radwin(1993)的推荐值对分类限值进行跟踪或修改。

实验设计

通过单因素方差分析检验修剪设计、性别、手的大小及其交互作用对肌肉活动、握力分布、手腕偏差和特定性别操作策略的依赖测量的影响。如果发现主效应(或交互作用)的Manova统计意义(Wilkslsquo;s Lambda统计量plt;0.05)，则对每个测量使用单个方差分析来检验该效应(或交互作用)。在这项统计分析中使用了随机化的完全区组设计，以“参与者”作为阻塞变量，从而控制了个体间高度的变异性。

图1修剪设计：CP(左)、RGP(中)和TGP(右)。

对三种修剪设计(图1)进行了评估：(1)传统修剪剪(CP)，(2)橡胶夹填充修剪剪(RGP)，(3)拇指夹附式修剪剪(TGP)。CP是一种旁路修剪剪(型号#6945，Fiskars)，在本研究中用作参考。RGP是最新设计的模型，它配备了一个填充的上手柄，通过最大化手柄表面与大鱼际区/小鱼际区手掌侧之间的接触面积来最小化受力局部化。在修剪机的内侧手柄周围填充了一块7毫米厚的泡沫塑料。TGP是另一款新设计的车型，它配备了一个拇指支撑件，放置在把手护栏之后，以及一个护具，以防止拇指在工作时打滑。拇指支撑件由橡胶手柄和通用适配器组成，几乎所有商业修剪机都可以将其安装在上部手柄上。TGP的新功能是基于CP的一个关键设计问题，即修剪时拇指不参与抓握运动。

实验程序

在修剪试验前，记录FDP和ED肌的最大自愿收缩（MVC）。FDP肌的MVC用Jamar手部测力计测量。在校准后，参与者被要求用三把剪枝剪进行16次切割，切割频率由节拍器控制在每8秒1次。每次剪切后有2分钟的休息时间。在更换修枝剪之前，有5分钟的休息期。为了获得均匀的测量条件，切割的材料是10毫米的木质镙丝，其长度为122厘米。选用的直径为10毫米，是根据以往的研究：正常葡萄树的直径小于20毫米（Wakula等，2000），意大利地区葡萄园的枝条直径为5～12毫米（Romano，2010）。模拟修剪任务的实验室环境如图2所示。

图2.修剪模拟工作站。修剪模拟工作站。

仪器仪表

力手套系统：为了评估总握力的大小和单个手指/手掌的力的相对分布，我们开发了一个力手套系统，将12个柔性的薄的和3个柔性的可修剪的导电聚合物压力传感器覆盖在预定的手部区域(图3)。肌电图测量系统。用FlexCompTM(Think Technology Ltd.)采集FDS和ED的肌电活动。从双极电极以64 Hz的采样率进行采样。表面电极位于指浅屈肌(FDS)和指伸肌(ED)腹部上方。肌电图是标准化的(SEMG)，以消除背景噪声的任何影响，并最小化受试者和电极之间的差异。

图3.力手套系统和传感器位置。

双轴测角仪(SG65；Biometrics Ltd.)，一端在第三掌骨上，另一端在前臂中线上，以采集腕关节在屈/伸(F/E)和尺骨/桡骨(U/R)平面上的运动数据。手腕偏转角和肌电信号的记录在同一数据记录器上同步和监控。

1. 结果

肌肉活动

FDS和ED的sEMG值的Manova结果显示性别和手大小都有显著影响，但它们之间的交互作用不显著(表1)。虽然单变量分析确实显示了一些显著的影响，但在这些肌肉激活曲线中并没有一致的趋势，这会导致一个人得出一个修剪剪优于其他修剪剪的结论。另一方面，性别和手的大小的影响更为明显，并形成了一致的趋势。根据表面肌电信号数据，参与者在修剪过程中施加的平均肌肉活动约占FDS组MVC的60.3%和ED组MVC的65.8%(图5)。女性比男性多使用约3.5%的FD和7.7%的ED(图4)。尤其是，大手尺寸的参与者在FDS和ED上仅使用了约49%到53%的MVC，而小手尺寸的参与者分别使用了他们MVC的71%到80%(图5)。表1.FDS和ED的表面肌电信号数据的Manova和ANOVA分析结果。每个单元格都表示为F统计量(p值)。

PS：修剪剪，G：性别，HS：手大小*显著plt;0.05。

图4.按性别划分的FDS和ED的表面肌电信号。

图5.FDS和ED手部大小的表面肌电信号。

夹持力分布

总的和单独的手指和指骨的力量。单个指力被定义为该手指的三个指骨节力的总和，总指力被定义为从食指到小指的所有四指指力的总和。在总的手指/指骨力量和单个手指/指骨力量方面，存在显著的性别效应(plt;0.05)。平均而言，女性(156.69 N)表现出的指力能力是男性(170.96 N)的91.6%。研究结果还表明，女性主要使用其远端指骨来操作修剪剪，而男性主要使用其中指(图6)。不考虑性别，男性和女性主要使用中指，中指产生的指力分别占总指力的41.5%和43.8%(图7)。对于食指，女性(17.71N)表现出的力量仅为男性(27.47N)的64.5%(图6)。手的大小对总指骨力量和个体指骨力量也有显著影响，因为女性包括更多的手大小中等和较小的参与者(plt;0.05)。表2按性别汇总了个人和全部手指和指骨力量的贡献。

图6.按性别划分的总指骨力量和单个指骨力量。

手指力量和手掌力量之间的握力平衡。总的手掌力量是由来自鱼际区、沟槽(鱼际区和小鱼际区之间)和小鱼际区的指向力的相反方向力的总和来定义的。手指/手掌力量平衡(FpBalance)由总指力与总Pm力之比计算。方差分析显示剪枝设计对fpBalance有显著影响(plt;0.05和图8)。平均而言，用CP修剪表现出最小的fpBalance(0.66)，这会导致手掌侧产生大量过大的力。使用TGP(0.92)可以显著改善fpBa

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[407534]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 316L不锈钢激光部直接激光制造精密大型金属零件的形状和性能控制外文翻译资料
• 基于等离子弧焊的送丝电弧增材制造中 传热与流体数值分析外文翻译资料
• 焊接增材制造中用作二次热源的移动感应加热的建模外文翻译资料
• 齿轮参数优化综述外文翻译资料
• 铜基复合材料选择性激光熔融过程中的热行为和致密化机理:模拟 和实验外文翻译资料
• 基于ANSYS的激光选择性熔化三维热模拟的比较外文翻译资料
• 在SQL Server数据库中基于索引查询外文翻译资料
• 自适应Kurtogram及其在滚动轴承故障诊断中的应用外文翻译资料
• 集装箱起重机动力学:三维建模、全面实验和识别外文翻译资料
• 使用C空间法的五轴刀具定向优化外文翻译资料