非标配电柜手工装配作业脑力负荷分析

2023-05-26刘巍巍丁子健

沈阳工业大学学报 2023年3期

刘巍巍, 丁子健, 林强

(1. 沈阳工业大学机械工程学院, 沈阳 110870; 2. 沈阳北瑞科技有限公司, 沈阳 110027)

配电柜大多以非标柜个性定制为主,其内部设计会根据配电柜配套产品或应用场景的不同而不同,装配工艺区别较大,导致其自动化装配成本远高于人工装配成本[1].配电柜装配为上臂用力为主的轻体力手工装配,体力消耗相对较低,对操作者的经验要求较高.操作者在信息的感知、理解、处理和预测等方面存在信息处理资源的消耗,加大了手工操作的复杂性及装配者脑力负荷水平[2],因此,监测并评估其脑力负荷,确定引起脑力负荷过高或上升过快的关键因素,可为非标配电柜手工装配作业的优化提供理论依据.

手工装配作业者脑力负荷评估方法主要有等效评估和直接评估两种.等效评估具有简单、省时的优点,但因脑力负荷衡量尺度较难统一,而无法确定影响脑力负荷变化的具体因素.直接评估通过采集脑生理信号来评估脑力负荷.高龙龙[3]根据大脑的前额叶皮层与双侧运动皮层的响应机理,使用近红外光谱技术对不同脑力负荷水平的重复装配任务进行了相关研究.葛倩[4]采用乐高小汽车装配模拟单元装配线装配作业,采集装配者脑电波(EEG),以此分析脑力负荷与绩效的关系.直接评估法能够根据生理指标分析出影响脑力负荷变化的具体因素,但实验室模拟环境未能反映生产现场操作者生理信号受外在干扰因素的影响程度,与实际生理信号数据偏差较大.

本文于配电柜装配现场采集了配电柜手工装配人员装配过程中的EEG信号,分析不同频率范围内EEG的变化情况,探究装配过程中操作者的脑力负荷变化,以期预测装配者精神疲劳状态,避免装配错误的发生.本文方法可为配电柜手工装配作业提供指导方法.

1 实验设计与流程

EEG信号按照频率可分为δ波(0.5～3.5 Hz)、θ波(4～8 Hz)、α波(8～12 Hz)、β波(13～30 Hz)和γ波(大于25 Hz)5种脑波[5].α波能量大小会随着人体放松程度的增加而增加;当执行使人脑力劳动增加的任务时,α波会逐渐减少,同时与神经活动有关的β波能量开始增加;θ波能量会随着成人困意或疲倦感的增加而增加;而δ波一般会在成人处于麻醉、沉睡或缺氧状态时出现;γ波会在注意重点放在刺激源上时出现,并且持续时间非常短[6].识别、分析与量化不同频率范围内的EEG数据能够精确反映被试人员警觉性、注意力和脑力负荷随时间发生的变化规律,非常适合手工装配人员脑力疲劳状态监测等方面的研究应用.

基于此,本实验通过现场采集电气柜手工装配人员在装配过程中的EEG信号,研究其不同频率范围的EEG信号能量变化规律以及对装配人员的脑力负荷进行定量评估.

1.1 被试人员与设备选择

调查表明,个体差异和超过3年的工作经验对配电柜装配作业过程影响不大[7].因此,被试者为12位拥有4～5年以上工作经验的装配人员,男性,平均年龄31.2岁,均为右利手,无临床神经系统疾病,视力或矫正视力正常,听力正常.所有被试人员要求实验前24 h内不饮酒、不吃药物,精神情绪正常.所有被试人员均自愿报名参加且合作态度积极,在知晓实验安全无害并了解实验流程后,均签署了《实验知情同意书》.

脑电采集设备采用便携式Ant Neuro EEProbeTMEegosportsTM64非侵入性脑电仪12台,每台脑电仪包括非侵入性eegosportsTM电极帽、eegosportsTM信号同步放大器、eegosportsTM背包、eegosportsTM超极本、eegosportsTM触发适配器、BNC触发适配器.

实验所用配电柜为BR公司12组大小相似但内部结构互不相同的GCS型抽屉式非标配电柜.装配过程中所需电气元件、安装辅材器具等均按需准备齐全,分类放置于可移动物料小车内.装配现场的温度、光照与噪声等均保持适宜稳定.

1.2 实验过程

实验前,所有被试者进行无任何化学洗护用品的头部清洁,清洁后静坐15 min进行精神放松,同时对EEG电极帽进行清洗与消毒.放松完毕后,所有被试者按照“国际10-20系统电极放置方式”佩戴EEG电极帽,并对每个电极依次打入适量医用导电膏.

实验中,每位被试者采取抽签的方式随机抽选一台配电柜进行手工装配,装配工艺大致分为孔位测量并标记、打孔等6项,具体如图1所示.在装配任务进行的同时同步对装配者EEG信号进行记录,并且在每一个装配单元架设摄像机,全程记录整个实验过程,以方便后续对不同工序时间、行为等数据的分析.被试者装配时尽可能减少眨眼、咀嚼、咬牙等无关行为.每步工序设定最晚完成时间与奖励完成时间,奖励完成时间内完成给予被试者额外现金奖励,超过最晚完成时间则立即停止装配并终止EEG的记录.装配完成后停止EEG采集,对配电柜进行外观布线打分、电气元件安装规范性检测、线路通断检测,具体检测结果如表1所示.整个实验过程历时4 h,其中装配过程3.2 h,检测过程0.8 h.

表1 检测结果

图1 配电柜装配工艺图

1.3 流程设计

12位被试者EEG采集完毕后,首先进行EEG数据预处理,剔除原始数据中的伪迹干扰;其次通过时频分析提取出EEG信号中所蕴含的不同频率范围内的EEG时频信息;最后通过数据可视化的方式将EEG和脑力负荷变化规律同配电柜装配检测结果进行对比,分析出脑力负荷变化因素与易出现装配错误的脑力负荷阈值.研究具体流程如图2所示.

图2 研究流程图

2 EEG信号采集及预处理

2.1 信号数据采集

由于第3、第5、第9三位被试者EEG信号存在伪迹过多、超出最晚完成时间等问题,故将三者EEG删除,剩余9位被试者EEG信号均为64电极通道,1 024 Hz采样率,无坏段与坏电极,每个信号长度在10 790～11 320 s之间.

2.2 数据预处理

EEG数据使用EEGLAB进行预处理.首先,由于被试者在实验过程中未额外佩戴外接眼电电极,因此删除设备外接EOG眼电通道;其次,采用FIR滤波器进行带通滤波处理,截取并保留频率范围为0.3～40 Hz的EEG信号;最后,以全脑63个电极平均作为参考电极后,对EEG信号进行独立成分分析(ICA),进一步剔除掉眼电、肌电等伪迹干扰成分.ICA分析结果如图3所示.

图3 ICA结果地形图

3 基于小波包分解的时频分析

3.1 方法选取

小波分析作为傅里叶分析的发展与延拓,小波变换在时间与频率两域都具有表征信号局部特征的能力,通过小波变换对信号进行多尺度细化分析,能够有效地从信号中提取信息[8].小波包分解作为离散小波变换的进一步优化,能够弥补小波变换只对低频信号分解,不再对高频信号分解的缺点,并且小波包分解能根据信号特性和分析要求自适应地选择相应频带,从而与信号频谱相匹配,是一种比小波分解更为精细的分解方法,是EEG时频分析的最佳方法之一[9].因此本文拟采用小波包分解对EEG信号进行时频分析.

3.2 小波包分解与重构

3.2.1 小波包分解

(1)

(2)

由于EEG信号采样率为1 024 Hz,因此对其进行7层小波包分解,其中,小波函数采用多贝西小波,消失矩为10,采用的熵为香浓熵,分解后得到128个小波包子带,每个小波包子带对应的频率范围如表2所示.小波包分解示意图如图4所示.

表2 小波包分解最底层频带划分

图4 小波包分解树示意图

小波包变换中的每一层信号都被分解成低频和高频部分[10].7层小波包分解之后的EEG信号S可以表示为S=S(7,0)+S(7,1)+S(7,2)+S(7,3)+S(7,4)+S(7,5)+S(7,6)+S(7,7)+S(7,8)+S(7,9).

5种EEG波段分别对应的小波包系数为δ波=S(7,0);θ波=S(7,1);α波=S(7,2);β波=S(7,3)+S(7,4)+S(7,5)+S(7,6);γ波=S(7,7)+S(7,8)+S(7,9).

3.2.2 小波包重构

EEG信号的子带范围会在小波包分解的过程中发生一次颠倒,分解后的各EEG小波包子带中会夹杂少量在该频率范围之外的高频信号.因此,本文选择小波包子带节点S(7,0)～S(7,6)进行小波包重构,重构并按照不同波段合并子带后的EEG信号如图5所示.

图5 重构后的EEG各节律波

3.3 时频分析

绘制重构后的EEG小波包子带时间频率图与能量占比图,分别如图6～7所示.图6中颜色没有意义,深浅程度代表相应波段能量的大小.

图6 时间频率图

图7横坐标数字从左至右依次为S(7,0)～S(7,9).由图7可以看出,θ波、α波、β波能量分别约占总能量的12%、20%、67%,δ波与γ波能量总和占比小于1%.

图7 各频率段能量占比图

4 脑力负荷模型建立

综合图6～7,每一位被试者EEG信号均包含大量θ波、α波与β波,且能量大小随时间的变化而变化.此外,配电柜装配者未达麻醉、沉睡、缺氧等特殊状态且装配过程未有额外刺激源,因此忽略δ波与γ波.目前研究表明,当脑力疲劳程度加深吋,大脑皮层受到抑制,EEG快波含量增加,慢波含量减少[11].因此,本文提出将快波θ波与β波的能量之和与慢波α波能量的比值作为评估脑力负荷指标模型,其表达式为

(3)

5 实验结果与分析

5.1 实验结果

首先,运用Fieldtrip工具,将9位被试者EEG信号分别以10 s为间隔提取θ波、α波、β波能量大小.其次,绘制每一位被试者EEG各波段能量随时间变化曲线图.接着,将9位被试者EEG能量变化曲线以多项式拟合和的形式拟合出一条变化曲线.三条拟合曲线显著性水平均小于0.05,R2(COD)分别为0.86、0.89、0.90,说明拟合较为优越.利用三条拟合曲线构建并绘制脑力负荷变化曲线,具体如图8所示.最后,根据脑力负荷曲线变化趋势,将脑力负荷曲线分成五个阶段,同时对应脑力负荷分段将EEG各波段变化曲线分成相同的五段.EEG各波段能量变化曲线如图8所示,脑力负荷变化曲线如图9所示.

图8 EEG各波段能量变化曲线

图9 脑力负荷变化曲线图

5.2 结果分析

5阶段EEG各波段曲线与脑力负荷曲线的具体分析如下.

5.2.1 第1阶段

第1阶段对应装配工艺为孔位测量标记与打孔前200 s.首先,在配电柜手工装配刚开始,即0时刻时,装配者MWL值约为0.1,并且脑内含有0.49 V的α波、0.05 V的θ波和接近0 V的β波.可知15 min静坐在实验前非常有效地放松了装配者精神状态,此时少量θ波是由于装配者轻微的困意而非疲劳所导致.

其次,在装配者开始装配后,MWL在前500 s由0.1上升至0.6,随后缓慢下降至0.5,并保持相对平稳.θ波能量在前900 s内缓慢降低至接近0 V保持至1 200 s后,开始上升;α波能量在约500 s时下降至约0.45 V,之后保持相对平稳;β波能量在700 s左右迅速上升至0.25 V,在710～1 430 s下降至0.20 V.

由上述数据变化可知,第1阶段装配者精神疲劳程度较低,MWL稳定保持低水平.该阶段前半段装配者精神放松程度由较高水平开始降低,脑神经活动强度开始增加;后半段装配者依旧稳定保持放松的精神状态,脑神经活动强度有所减少.

5.2.2 第2阶段

第2阶段对应装配工艺为打孔、元件安装、布线和接线前500 s.MWL由0.5上升至1.75,MWL曲线上升斜率为3.5;θ波在打孔和元件安装过程中由0.02 V上升至0.1 V,在布线和接线过程中缓慢上升至0.125 V;α波则在整个阶段由0.48 V大幅下降至0.32 V;β波在打孔过程中缓慢上升至0.21 V,在元件安装、布线、接线过程中大幅上升至0.446 V.

由上述数据变化可知,第2阶段装配者精神疲劳程度开始变大,MWL开始大幅上升.精神放松程度在整个阶段内均大幅下降,脑神经活动强度在元件安装、布线、接线三个过程中开始大幅提升,在打孔和元件安装过程中累计作业疲劳开始增加.根据实验检测结果,有5位被试者在此阶段元件安装不正确,表明发生装配错误的几率在41.7%,故需注意装配者脑力负荷的变化,采取相应预防措施.

5.2.3 第3阶段

第3阶段对应装配工艺为接线,主要为主回路接线过程.脑力负荷由1.75上升至2.7,MWL曲线上升斜率为0.19;θ波在整个阶段由0.125 V大幅上升至0.25 V;α波在整个阶段保持相对平稳;β波由0.48 V小幅上升至0.52 V.

由上述数据变化可知,第3阶段装配者精神疲劳程度变化不大,MWL上升幅度较小.精神放松程度与脑神经活动强度均保持稳定,累积作业疲劳持续大幅增加.同时实验检测结果显示,在此阶段未有接线错误的现象出现.

5.2.4 第4阶段

第4阶段对应装配工艺为接线,主要为主回路、辅助回路接线.MWL在整个阶段由2.7上升至5,MWL曲线上升斜率为0.42;θ波在整个阶段由0.25 V持续上升至0.38 V;α波由0.28 V下降至0.24 V;β波由0.52 V上升至0.69 V.

由上述数据变化可知,第4阶段装配者精神疲劳程度开始大幅增加,MWL在较高水平的基础上仍上升较快,精神放松程度以一定程度小幅下降,脑神经活动强度在高水平基础上持续大幅上升,累积作业疲劳持续大幅增加.同时根据实验检测结果,有5位被试者在此阶段出现共计5条线路接线错误,表明应在第4阶段对装配者高水平且持续上升的脑力负荷密切关注,并采取相应的预防措施.

5.2.5 第5阶段

第5阶段对应装配工艺为接线,主要为辅助回路接线与线缆固定.MWL在整个阶段由5上升至7.8,MWL曲线上升斜率为1.04;θ波在整个阶段由0.38 V持续上升至0.475 V;α波由0.24 V下降至0.16 V;β波由0.69 V小幅上升至0.73 V.

由上述数据变化可知,第5阶段装配者精神疲劳程度持续大幅增加,脑力负荷在高水平基础上仍继续大幅上升,身心放松程度在较低水平上持续下降,脑神经活动强度在高水平基础上进一步持续上升,累积作业疲劳持续大幅增加.同时根据实验检测结果,在此阶段有7位被试者出现共计11条线路接线错误,表明在第5阶段应密切关注装配者高水平且持续上升的脑力负荷,并采取相应预防措施.