教学案例2
动态指力变化传感检测装置与系统设计

案例摘要

手指力量是反映神经系统对前臂肌肉的支配控制和手指协同配合的重要生理参数，可通过记录手指作用于物体的接触压力进行检测。本案例设计了基于FSR（force sensor resistor）压力敏感片的指力检测装置用于指力实验，利用聚碳酸酯材料设计了将指力转换为FSR电阻改变的机械装置。同时，设计了指力检测实验系统，通过恒流源电路将FSR阻抗变化转换为电压信号，以USB6008和LabVIEW实现了数据的实时采集和显示，并对传感器装置进行了静态标定和动态特性测试。在此基础上，利用本案例设计的指力检测装置进行单个手指2、4、6、8N按压动作的实验，比较研究了食指、中指在不同任务模式下的指力信号变异性特征。

2.1 案例生物医学工程背景

2.1.1 手指力量检测的生物医学工程应用需求

手指的协同配合是人类高级运动功能的重要体现，人依靠手指之间的协同作用可以实现复杂、灵巧运动功能，而手指间力量（指力）的配合是手指协同配合的最重要特征之一，日常生活的手指精细运动、乐器弹奏的节律和力量控制都依赖手指的力量控制。用手指操控（抓、捏、握等）物体是人们日常生活中最基本的行为动作，而外伤、神经性病变和年龄都会影响手指的这种控制能力。手指力量训练及其控制能力是运动康复的重要内容；帕金森综合征患者的手指力量输出模式和运动与功能正常群体的手指力量控制模式有明显差异，药物治疗有助于改善帕金森综合征患者的手指力量控制；多系统萎缩症（multiple system atrophy，MSA）患者手指力量输出的协调能力降低。因此，手指力量检测在康复评估、手指功能评测中具有重要意义。

2.1.2 手指力量检测方法及应用进展

人手运动功能的研究主要包括对手指自由度、手指运动姿态、手指力量、手指协同作用等的研究，研究人手运动机制的主要方法是从人手本身的运动和行为科学的角度出发，通过各种实验手段记录和分析有关人手运动的信息，寻求人手运动的一般规律和神经控制机制。用于描述人手运动的信息主要包括运动学信息（如手指关节角度、角速度、角加速度）、动力学信息（如手指关节力矩、外力、肌力）、生物力学信息（如手指指力、握力）和生物电信息（如手部肌肉的肌电信号）等。其中，指力是人手与外界作用时各手指指尖产生的生物力学信息。

美国宾夕法尼亚州立大学和美国沃尔什大学的研究团队对指力量输出开展了系列研究工作，他们设计了如图2-1所示的指力检测装置，将一个高0.5 m的倒U形金属框架安装于PVC薄板上，金属框顶部的钢板上有4个彼此相距0.025 m的平行开槽；在高0.2 m处有一个和顶部相同的钢板。4个单向压电传感器和金属丝一起，连接到顶部钢板的开槽上，每根金属丝的下方绕一个线圈，用软橡胶管裹起来，便于手指施力。实验时，受试者用不同的手指组合方式对测量装置施加自主静态力。

美国马里兰大学研究团队在设计了如图2-2所示的实验装置以进行了一项有关手指协同性能随年龄变化情况的研究。该装置采用了4片拉-压力传感器，既可测量拉力，也可测量压力。传感器安装在一个定制的铝片上，并可以沿铝片上的细槽移动来调整位置，每两个相邻的细槽间距2 cm。铝片被连接在一块更大的竖直铝板上，使得铝片只有2个自由度，即竖直平移和绕 Z 轴旋转。每个传感器的底部连有一个C形的铝质指套。受试者将4个手指的末端插入指套，同时用拇指握住一个圆柱形的手柄。传感器输出的信号经调理放大、A/ D转换，通过在LabVIEW环境下编写的应用程序，实现对数据的采集和显示。

国内外学者的大量研究结果证实，指力协同主要表现在：①手指力量分配模式（force sharing pattern）：在多手指力量输出实验中，多手指输出力量的总和以特定的模式分配于参与力量输出的手指上，具体表现在个体手指输出力量在力量总和中所占的百分比呈现某种规律性；②手指力量输出的上限效应（ceiling effect）：也称力量亏损（force deficit），指在多手指输出最大总和力量时，个体手指的力量总是小于其最大自主收缩力；③力量奴役现象（force enslaving）：当受试者被要求用单个、两个或三个手指用最大力向平面按压时，能记录到其他不要求用力的手指不自主施加的力。奴役现象从一定程度上反映手指独立性的强弱。

在对指力信号波动进行频域特征分析时，有学者利用功率谱密度对手指姿势性震颤进行分析，发现了两个显著的变化，这些功率谱密度中的子区域和生理性震颤相关，并且对这些随机过程的分析有助于区分生理性震颤和病理性震颤，并以此作为神经系统疾病，例如帕金森震颤（Parkinson’s tremor）的早期诊断指标。第一个变化是神经震颤，来源于中枢神经系统的反射活动，表现出在8~12 Hz频率范围不断下降。第二个震颤变化被称为机械震颤，由效应器的机械谐振产生得到，频率范围为20~25 Hz。虽然这两个时间特征尺度可以作为识别等长收缩力量波动的指标，但等长肌力平稳输出的时间序列变化在多元时间尺度中更具有代表性。为了更好地反映力量信号波动性的频域特征，有学者利用近似熵和信噪比来分析等长收缩下力量稳态输出下力量信号变化的复杂度，并在研究中发现近似熵和信噪比表现出倒U形的函数关系，由此可见近似熵和信噪比不仅可以得到于信号频域结构特性的相关信息，并且可以用来估计力量信号噪声程度。

2.1.3 案例教学涉及知识领域

本案例教学涉及手指及前臂肌肉的生理解剖特征、运动生物力学等基础医学知识，生物医学传感器原理、模拟电路与数字电路、接口电路、上位机程序设计、医学信号分析等生物医学工程知识。

2.2 案例生物医学工程实现

2.2.1 指力信号传感检测原理

压力传感器常用于将静态及动态条件下的力或负载转换成电信号。固态压阻式传感器是电阻式传感器的一种，它是利用固体的压阻效应制成，当固体受力时，电阻率或电阻就会发生变化。其中，压力敏感片FSR属于粘贴型压阻式传感器，也称为力敏电阻，它是利用半导体材料的体电阻做成的粘贴式半导体应变片作为敏感元件的传感器，具有柔性结构、尺寸和测量范围选择性好等特点。

在本案例中，出于尺寸及成本等因素考虑，选用如图2-3（a）所示压力敏感电阻。它是用金属粉末或碳黑浸渍合成物制成的，其主要结构为两层相邻的聚酯薄膜，其中一层聚酯薄膜上是高阻性的导电聚合体敏感膜片，称为电阻油墨，它是一种悬浮在聚酯薄膜层上的某些有机成分和无机成分的混合物；导电性较强的混合物构成了细微的表面导电通路；另一层印刷在聚酯薄膜上的是相互交错的可扩展电极。当弹性橡胶被压时，两层薄膜间的接触电阻减小，导电性增强。FSR敏感片具有随着表面压力的增大，电阻值越来越小的特性。FSR的长度为32 mm，敏感部位的直径为7 mm，厚度为0.04 mm，传感器具有柔软、可挠性、性能可靠等优点。

2.2.2 指力信号检测的工程技术设计

（1）指力信号检测的总体技术方案

指力信号采集系统的结构组成如图2-4所示。传感器测力装置将受试者的指力转换为FSR电阻改变，经恒流源电路转变为电压信号后、经数据采集卡采集送入计算机进行数据处理和分析，并通过LCD显示器为受试者提供视觉反馈信息，受试者接收到反馈的指力信息后，可以实时调整手指输出的指力大小，从而可以更加精确地完成实验任务要求。

依据上述系统的总体考虑，指力信号的传感检测及处理流程可分为传感检测单元、放大调理、数模转换、信号分析及显示等环节，如图2-5所示。

（2）传感检测硬件电路设计

针对脑磁图、磁共振等测试环境的特殊要求，以聚碳酸酯聚合物为材料加工施力装置，为指力的检测提供施力平台，从而有效地将指力变化转换为FSR的阻抗变化。机械装置实物图和内部结构示意图，如图2-6所示。

放大电路由4通道组成，每通道的结构都完全一致，主要元器件为美国AD（Analog Device）公司生产的OP484。OP484是一款高精度低功耗的医用放大器，内部由4个集成运算放大器构成。其主要特性为使用简易、精确度高和噪声低，在心电检测、生理信号放大、压力测量等方面均有广泛的应用。表2-1列出了OP484的基本技术规格。

由于传感器是压阻式压力传感器，为了更准确地反映出电阻的变化，设计了恒流源放大电路，如图2-7所示。利用稳压二极管和运算放大器提供基准参考电压，利用三极管输出恒定电流。电路设计了 U _OUT1 和 U _OUT2 两个输出端口，指力电压信号通过 U _OUT1 端口直接输出，并通过 U _OUT2 输出到多通道生理采集仪，为同步记录肌电信号提供参考。电路上设计了4个通道，各通道采用相同的电路设计，可以测量除拇指外其他四指的指力信息：

电路输出的恒定电流：

电路的输出为：

采用的电源电压为15 V，稳压二极管选用稳压值为2 V，调整滑动变阻器的阻值使输出的恒定电流为1.25 mA。

（3）指力信号检测的上位机程序设计

结合指力检测实验需求，在指力检测硬件装置的支持下，通过编写LabVIEW虚拟仪器程序实现如下主要功能：

①采集和保存实验过程中受试者食指和中指输出的力量信息。

②向实验人员提供简单易用的虚拟仪器操作界面。

③向受试者提供实验方案中所要求的目标曲线及实时视觉反馈。

软件设计采用模块化结构。根据上述功能，将软件划分为3个功能相对独立的模块，分别进行设计与调试。软件的功能结构如图2-8所示。软件按实验流程分为3个功能模块：指力偏差测量模块、目标波形设置模块和数据采集显示模块。

上位机软件程序运行过程如图2-9所示。

主程序前面板如图2-10所示。将参数设置、指力偏差测量和手指信号采集3个功能模块集成在一个VI中。

主程序的程序框图如图2-11所示。程序运行在一个嵌套有事件结构的循环中。当检测到有鼠标点击按钮事件的发生，程序通过调用相应的子VI来完成用户要求的功能。

2.2.3 指力信号检测传感器的标定与性能测试

为了确定指力和输出电压的实际变化映射关系，对传感器进行了标定，标定方法如下：用标准质量的砝码，砝码的质量范围从0.2~19.35 kg，选取砝码质量分别为：0.2、0.3、0.48、0.58、0.68、0.96、1.058、1.158、1.432、1.632、1.932 kg。从0.2 kg依次增加砝码质量，进行逐点标定，记录每个质量点所对应的输出电压，然后用MATLAB7.0的拟合工具箱“Curve Fitting Tool”，将置信度设置为95%，拟合出传感器输出电压和施加压力的回归方程。图2-12是食指通道拟合出来的压力和输出电压的关系曲线。

同时，为了验证拟合曲线的可信度，重复进行定标实验10次，与回归方程进行对比。并在MATLAB中画出了采集数据相应的绝对误差图和相对误差图，如图2-13所示。其中，曲线是指平均值，横坐标对应每个测试点压力值。可以看出相对误差小于1.5 N，绝对误差在10%以内，可信度较好。

进一步与微型称重传感器JHBM（蚌埠金诺传感器有限公司生产）进行静态测试对比试验。静态测试方法：将传感器JHBM中心对准放置于FSR传感器装置上，对传感器施加静态力，质量范围为200~1432 g，从200 g开始逐渐增加砝码质量，记录每个质量点所对应的两组传感器的实际输出力量，然后与真值进行对比。重复实验10次，用MATLAB画出两种传感器数据的绝对误差图和相对误差图。图2-14、图2-15分别为其中一种传感器的绝对和相对误差图，结果显示食指和中指的通道传感器相对误差范围在10%以内，满足了实验的基本要求。

为了测试传感器对于缓慢动态信号的响应，将其与微型称重传感器JHBM进行动态测试对比试验。测试方法如下：将传感器JHBM中心对准放置于FSR传感器装置上，示意图如图2-16（a）所示。手指以任意力量按压微型传感器JHBM，测得两传感器各自输出力量，结果如图2-16（b）所示。每组测得12000个数据，重复实验10次，每隔10个点进行一次误差分析，然后做出食指、中指绝对和相对误差频数分布直方图。图2-16（c）和图2-16（d）分别为食指通道的绝对和相对误差频数分布直方图；图2-16（e）和图2-16（f）分别为中指通道的绝对和相对误差频数分布直方图。从图中可以看出，受试者指力在0~25 N变化时，传感器的绝对误差最大值为2.5 N，且主要集中在0~2 N；相对误差在10%以内，主要集中分布在2%~8%，表明实验所用FSR传感器具有较好的动态跟踪特性。

2.3 案例应用实施

结合指力协同配合及其波动特性的实验研究需要，将本案例设计研制的指力检测系统进行应用测试。

2.3.1 实验场景

实验测试场景如图2-17所示，受试人员保持上身直立，以自然状态面对显示器屏幕静坐于实验台前。左臂保持自然下垂，右前臂与上身约成90°放置于塑料垫板上（塑料垫板用于保持前臂和手指在实验过程中保持同一姿势），右上臂与额状面和矢状面约成45°夹角，肘关节内屈约45°；两段尼龙扣带用于实验过程中固定前臂和手腕活动；食指、中指以自然的姿势放于指力测量装置上，传感器的前后位置根据受试者手型进行调整，传感器左右间隔约3 cm。

2.3.2 实验任务

目标力量水平为2、4、6、8 N时进行，单指（食指、中指）指力实验，比较食指、中指在不同力量水平下单独作用时的时域特征量和频域特征量。在进行指力任务实验前，首先测试食指、中指和双指的最大等长随意收缩力（MVC）。方法如下：在自然状态下，受试者使用指定施力手指用力按压传感器，保持最大峰值时间约为4 s，然后放松手指，在这个过程中指导受试者忽略非指定施力手指所可能产生的力量贡献，并保持无名指和小拇指不离开相应的传感器装置。重复进行以上实验3次，取3次的平均值作为手指的最大等长随意收缩力。

实验过程中，首先设置软件相关参数，如姓名、指力保存位置，其次测量受试者的指力偏差，最后运行指力输出实验程序。指力目标波形采用梯形模式，其中水平段时间为6 s。为了给受试者提供良好的视觉反馈信息，力量目标曲线采用红色，指力采集信号采用黑色曲线，便于受试者根据目标曲线实时的调整指力，以便尽量和目标曲线相吻合，如图2-18所示。

受试者根据指定目标任务进行实验，例如食指单指测量，指导受试者忽视非指定施力手指可能产生的力量输出，并在实验过程中保持非指定施力手指放置于传感器上。在同一目标力量任务下，每组实验重复进行5次，每组实验结束后受试者休息1 min以放松肌肉，用以排除手指疲劳性对输出力量的影响。实验过程中，随机设定指力实验顺序，目的是避免实验中受试者产生适应性。指力信号通过美国国家仪器有限公司生产的含有12位ADC转换的USB6008数据采集卡采集，采样率设置为1000 Hz，在数据显示保存前，进行低通滤波，采用的是3阶butterworth滤波器。

2.3.3 指力波动特性实验结果

在MATLAB中编写相应的程序，计算出食指、中指在2、4、6、8 N力量水平下，每组5次实验所有指力信号的ApEn和DFA，然后算出食指、中指在每个力量水平下指力信号ApEn和DFA的均值和标准差。

表2-2给出了食指、中指在2、4、6、8 N力量水平下所有指力信号RMSE和SD的均值和标准差。图2-19（a）和图2-19（b）分别为食指和中指在2、4、6、8 N的所有指力信号RMSE和SD的均值和标准差。

表2-3给出了食指和中指在2、4、6、8 N力量水平下所有指力信号CV、DFA和ApEn的均值和标准差。图2-20（a）、图2-20（b）和图2-20（c）分别为食指与中指在2、4、6、8 N的所有指力信号CV、DFA和ApEn的均值和标准差。

案例来源及主要参考文献

本案例来源于重庆大学生物医学工程专业硕士论文工作。主要参考文献包括：

[1]马奎。指力信号的检测及其波动性分析[D].重庆：重庆大学，2010.

[2] SHIM J K，LATASH M L，ZATSIORSKY V M. The human central nervous system needstime to organize task-specific covariation of finger forces[J]. Neuroscience Letters，2003，353（1）:72-74.

[3] ZATSIORSKY V M，LI Z M，LATASH M L. Coordinated force production in multi-finger tasks: finger interaction and neural network modeling[ J]. Biological Cybernetics，1998，79（2）:139-150.

[4] ANNE B，BEUTER A H，EDWARD R，et al. Nonlinear dynamics in biology and medi cine[M]. New York: Springer，2003.

[5 ] ELBLE R J，KOLLER W C. Tremor [ M ]. Baltimore: Johns Hopkins University Press，1990.

[6] SLIFKIN A B，NEWELL K M. Noise，information transmission，and force variability[J].Journal of Experimental Psychology: Human Perception and Performance，1999，25（3）:837-851.

[7] SLIFKIN A B，VAILLANCOURT D E，NEWELL K M. Intermittency in the control of continuous force production[J]. Journal of Neurophysiology，2000，84（4）:1708-1718. puc2cQ9d5b1YAFhzJV12zDfpmRkBss/EvzSBs9gU/QxYf9hQipIhIPVhJLfAq4G0