摘 要: | 为评估绝缘杆类带电作业工器具的舒适性,提出基于表面肌电信号(surface electromyography, sEMG)和混合算法优化支持向量机(particle swarm optimization-genetic algorithm-support vector machines, PSO-GA-SVM)的舒适度评估方法。选取了4种典型绝缘杆类工器具作为评估对象,通过人体解剖学确定肱二头肌为目标肌肉并采集sEMG信号,运用经验模态分解(empirical mode decomposition, EMD)对sEMG进行分解重构,引入基于希尔伯特黄变换(Hilbert-Huang transform, HHT)的平均瞬时功率(averaged instantaneous frequency, AIF)作为特征参数,构建了基于混合算法优化支持向量机的评估模型,对绝缘杆类工器具的舒适度进行评估。结果表明:使用不同绝缘杆类工器具时,作业人员sEMG特征参数及舒适度指数有显著差异;模型的准确率为93.5%,可有效量化评估绝缘杆类工器具的舒适度,并为其优化设计提供参考依据,以降低作业人员的劳动...
|