一套基于压力传感器的坐姿监测机器人设计

摘 要

　　长时间处于不正确的坐姿进行工作和学习不利于身体健康，使驼背、脊柱侧弯、工作相关肌肉骨骼疾患等疾病的发病率增高。为了减小因坐姿所导致疾病得发病几率。本文通过对不同坐姿进行分析，设计一套基于压力传感器的坐姿监测机器人。

　　本设计采用 Arduino Mega 2560 作为机器人系统硬件控制核心，包含坐姿监测、光照环境监测和坐时长监测三种监测功能的智能化坐姿监测机器人。主要研究内容如下：

　　（1）分析研究了智能化坐姿监测设备的发展现状及未来的前景，提出本文设计的坐姿监测机器人监测方法和坐姿识别方式。确定了坐姿监测机器人的三大检测功能，分别为坐姿监测、光照环境监测和坐时长监测。

　　（2）对坐姿监测机器人的硬件进行设计，并加工出实体模型。具体工作如下：

　　（i）使用 solidworks 软件完成对坐姿监测机器人的三维建模，并根据 4 种坐姿受力情况用 Ansys Workbench 软件对坐姿监测机器人进行了静力学有限元分析和前 6 阶模态分析。

　　（ii）选择 Arduino Mega 2560 开发板为坐姿监测机器人控制元件，按照功能选择相应的传感器和 HLK-M35 无线模块搭建了坐姿监测机器人的控制电路。

　　（3）根据坐姿监测机器人的监测功能进行了软件设计，使坐姿监测机器人能够实现实时监测的基本功能，并完成了不同软件间的串口通信及无线通信。具体工作情况如下：

　　（i）使用 Arduino IDE 软件采用"SCoop 多线程"的方式完成对坐姿监测机器人下位机的设计。

　　（ii）同时使用 Processing IDE 软件和 Android Studio 软件设计两款软件，针 对不同用户设计了 Processing 上位机监测程序手机 APP 上位机软件。

　　（4）通过实验对坐姿监测机器人各部分模块进行测试。由实验结果可知，各模块都能正常进行监测工作，同时测得 50 组 4 种坐姿下被激活位置传感器压力值数据。最后，利用皮尔逊相关系数理论为依据，对实验测得的 50 组压力值数据进行数据处理与分析，验证身高、体重与传感器压力值的相关性。数据分析结果表明：

　　体重对激活位置的压力值大小影响关系较大。

　　关键词：坐姿监测；智能机器人；控制系统；Arduino;数据分析

Abstract

　　Working and learning in incorrect sitting position for a long time is not conducive to good health, which increases the incidence of hunchback, scoliosis, Work-related musculoskeletal disorders and so on. In order to reduce the risk of disease caused by sitting posture. Based on the analysis of different sitting posture, a set of sitting attitude monitoring robot based on pressure sensor is designed in this paper. In this design, Arduino Mega 2560 is used as the hardware control core of the robot system, which includes three monitoring functions: sitting position monitoring, lighting environment monitoring and sitting time length monitoring. The main research contents are as follows:

　　（1） The development status and future prospect of intelligent sitting attitude monitoring equipment are analyzed and studied, and the monitoring method and sitting attitude recognition method of sitting attitude monitoring robot designed in this paper are put forward. It is determined that the sitting attitude monitoring robot includes three monitoring functions: sitting posture monitoring, lighting environment monitoring and sitting time monitoring.

　　（2） The hardware design of the sitting posture monitoring robot and the solid model are processed. The specific work is as follows:

　　（i） The three-dimensional model of the sitting posture monitoring robot is built by using SolidWorks software, and the static finite element analysis and the first six order modal analysis of the sitting posture monitoring robot are carried out by using Ansys Workbench software according to the four sitting postures.

　　（ii） Arduino Mega 2560 development board is selected as the control element of the sitting position monitoring robot, and the control circuit of the sitting position monitoring robot is built by selecting the corresponding sensors and HLK-M35 wireless module according to the function.

　　（3） According to the monitoring function of the sitting posture monitoring robot, the software is designed, which enables the sitting posture monitoring robot to realize the basic function of real-time monitoring, and completes the serial communication and wireless communication between different software. The specific work is as follows:

　　（i） Using Arduino IDE software and SCoop multi-threading to complete the design of the lower computer of the sitting posture monitoring robot.

　　（ii） Processing IDE software and Android Studio software are used to design two kinds of software at the same time. Processing PC monitoring program APP PC software is designed for different users.

　　（4） The modules of the robot are tested by experiments. The experimental results show that each module can monitor normally, and at the same time, the pressure values of the activated position sensors under 50 groups of four sitting postures are measured. Finally, based on Pearson correlation coefficient theory, data processing and analysis of 50 groups of pressure data measured in the experiment were carried out to verify the correlation between height, weight and sensor pressure. The results of data analysis showed that body weight had a great influence on the magnitude of pressure at the activation site.

　　Key words: Sitting Posture Monitoring; Intelligent Robot; Control System; Arduino; Data Analysis.

目录

　　第 1 章 绪 论

　　1.1 课题研究背景

　　青少年的坐姿一直是困扰家长问题，如何让孩子保持正确的坐姿来学习，一直是比较热门的话题。由于不正确的坐姿所导致的身体健康疾病也越来越严重与普遍，其中驼背、颈椎病、腰椎病肌肉损伤、近视等疾病对青少年健康成长十分不利，带来不可逆转伤害。由于学习和工作的原因，使得青少年或上班群体需要长时间坐在椅子上保持一种姿势。即使保持正确的坐姿，长时间的学习和工作也会给人体的健康带来危害。而不良的坐姿除了会给人体带来不可逆转的伤害以外，对于坐疮等问题的发生几率也高于普通人群。长时间的保持同一种姿态或进行重复性的工作或学习，导致颈肩部、腰背部及四肢骨骼肌肉受损，即导致工作相关肌肉骨骼疾患（Work-related musculoskeletal disorders, WMSDs）的产生。经研究发现，不良坐姿、长时间受力、重复操作等问题是导致该症状发生的重要因素[1-3].学生、教师、医护人员和办公室职员等需要长时间保持同种状态工作学习的群体成为该病的重灾区。随着电脑在学习和工作中的作用越来越明显。人们使用电脑的频率逐渐增加，导致人们患病的几率进一步增加。不同的行业对于人体不同部位的 WMSDs 的发病率也会有明显的差异。汕头大学对该市的几所中小学教师 WMSDs 的患病率进行了统计，其中 WMSDs 发病部位最高的分别为：颈部（42.0%），肩部（35.9%），腰部（38.4%）和背部（29.2%），并且具有明显的统计学差异[4].新疆某医院对该院 1 年内患病的医护人员进行分析，该行业 WMSDs 发病部位最高的分别为：颈部（67.9%），腰部（67.6%），肩部（54.6%）[5].吉林某电力公司对其员工的发病率进行了统计，发现工人各部位的发病率为 7.5%~57.9%,其中颈部（57.9%）、下背部（56.9%）和肩部（39.2%）发病率最高[6].综上所示，虽然不同行业的发病率存在差异，但发病率最高的部位都为颈部、肩部和腰部。并且坐姿问题致该病产生的一个重要因素。

　　不正确的坐姿对脊椎的伤害最大，青少年长时间处于不正确的坐姿进行学习，导致的最直接的后果就是使驼背和脊椎侧弯的患病几率增加。驼背不仅会对青少年的形象产生影响，严重会导致肩部软组织过于紧张，大脑供血不足所引发的头疼问题，不利于青少年的健康成长[7].脊柱侧弯发生的原因之一是由于青少年处于青春期发育的过程中，由于长时间使身体处于不正确的体态，导致脊柱呈一定弧度的侧弯。其中青少年养成不正确的坐姿是导致该问题的重要原因之一。襄阳市的相关研究人员对该市 2 所学校学生的脊柱侧弯患病率进行了统计及分析，发现长期的错误的姿势习惯和不良的学习习惯有重要的联系[8].保持正确的坐姿是预防该病的发生，使青少年健康成长的重要措施之一。

　　不良的坐姿除了会给人的背部带来伤害以外，对眼睛的损害也是相当严重。由于青少年眼睛正处于发育时期，不正确的用眼方式都会导致近视的发生。其中，不正确的坐姿及疲劳用眼是导致近视的重要原因。随着电脑、手机等科技设备的普及，青少年使用电子设备的时间也随之增长。电脑手机游戏的火爆，由于青少年自控力不强，极容易沉迷其中。进而由于长时间观看手机和电脑，使眼睛得不到充分的休息，进一步的加大了青少年近视患病的程度。2014 年，全国中小学生近视患病率为 45.71%、74.36%;2018 年，全国小学生仅四年级和八年级近视患病率分别为36.5%、65.3%,部分偏远地区视力不良情况甚至高达 60%、80%[9].可见近视问题在青少年中出现逐渐增加的情况。预防青少年近视成为重中之重。在预防青少年近视问题上，改善学习环境、纠正学习姿势和养成良好的用眼习惯，一直是比较有效果的措施。在纠正学习姿势方面，一般采用自我矫正和装置辅助矫正两种方式来实现。其中后者的成功率略高于前者。可见，相应的坐姿监测矫正装置在预防近视方面具有一定的作用。

　　综上所述，长时间处于不正确的坐姿，会导致 WMSDs、脊柱侧弯、驼背和近视的患病几率增加，对人的身体健康带来伤害，十分不利于青少年的健康成长。为了降低以上不利于成长因素的发生几率，除了在日常学习工作中多注意适当的自我调节之外，相应的坐姿监测设备在其中也扮演着重要的角色，为青少年及上班族等相关人群矫正不良坐姿具有辅助作用。

　　1.2 国内外研究现状

　　1.2.1 国外研究现状

　　为了减少由于坐姿不正确的所导致的一系列问题，坐姿监测矫正装置一直是市场上比较热门的产品，国内外有大量的企业以及科研单位对此进行研究与开发，已取得一系列坐姿监测与矫正的产品。来自韩国的 ShiHyun Ahn 等设计一款基于FSR（柔性压力传感器）非穿戴式坐姿监测系统[10].利用不同坐姿下，人体对座椅的压力分布的差异实现对坐姿判定的问题，实现了坐姿监测的要求。

　　Michael Haller 等团队研发出一款可以进行坐姿识别和校正的智能办公椅[11].

　　将几组压力传感器置于办公椅的坐垫下，作为识别不同坐姿的主要装置。然后制定三种警报装置作为反馈装置，通过实验的方式，利用震动模块进行警报的物理反馈具有明显的效果，能够实现对坐姿的反馈，能够帮助使用者进行坐姿监测与矫正。

　　Ali Asghar Nazari Shirehjini 团队设计压力传感器制作的人体姿态识别系统[12].

　　该系统除了在坐垫处安放压力传感器以外，还在坐椅靠背处放置一定数量的压力传感器进行坐姿识别。此系统对不同坐姿识别的准确度明显高于其他同类装置。

　　除了利用压力传感器来监测坐姿的变化，Mallare John Cloie T.等[13]提出一种通过测量胸角[TA]、颈角[CA]、后退角[RA]、坐高[SH]、坐眼高度[SEH]、坐肩高度[SSH]、肩宽[SB]、臀部宽[HB]、臀部-足掌高度[BPH]、臀部高度[PH]等参数来评定坐姿的方法。使用角度计和座椅上的压力传感器相结合的方式来检测坐姿的变化，形成一套相关的评估系统。该方法应用于相关的坐姿矫正设备，使得测量的坐姿判定的准确率高达 61.9%,具有一定的可靠性，为坐姿评定和矫正提供了一种辅助手段。Andrew P. Claus 等对在不同坐姿下，人腰椎进行的变化进行了研究[14],利用三维光学传感器测量人在不同姿势下，人体腰椎产生的变化。当用户保持某种姿势10 分钟时，利用三维光学传感器对腰部表面脊柱的角度和相对于脊柱垂直方向角度的变化进行跟踪采集。电脑分析后，得出如下结论：当处于站立姿势时，男性和女性在胸部位置的脊柱曲线类似，但在腰椎的脊柱曲线，女性比男性更少后凸或更多的后凸。性别差异为 1/3,当位于坐姿时，其参数变化为处于站立姿势的 1/3,即脊柱弯曲角度相比在站立位时在腰部弯曲了 24（7e9）度，男性比女性弯曲程度大，但位于胸部的脊柱弯曲没有明显的变化。该方法为对脊柱建模以及坐姿相关研究提供辅助作用。为以后的相关研究提供了重要的依据。

　　来自葡萄牙里斯本大学物理科学与技术学院的 Lucena Rui 团队设计出一款压电传感器并应用于办公座椅坐垫上[15].通过测量 10 种不同的坐姿下所形成的压力图，实现了对不同坐姿的判定问题，从而实现了坐姿监测的问题，为智能化家电设备提供了新颖的思路。

　　Van Almkerk Marc 等[16]设计出一款具有坐姿监测和矫正的办公椅，除了对坐姿进行监测之外，其最重要的功能则是完成对不正确坐姿进行矫正。办公椅基于Backtive 的概念进行设计，为用户提供触觉和视觉反馈，从而达到监测坐姿的目的。通过以用户为中心的设计方法和通过建立一个原型来测试可行性以及评估概念来开发的系统。该座椅改善姿势方面有较高的可靠性，并且取得了一些积极的效果。用户在可以进行简单的操作就可以进行使用，具有很高的市场价值。

　　除了以上采用压力传感器作为坐姿识别装置之外， Giovanni Diraco 团队设计一款基于角度传感器视觉识别的人体姿态识别系统[17].该系统通过对摄像头采集到的图像信息利用计算机算法将图像信息编码为基于骨架结构的拓扑编码。通过对此类编码进行分析，从而实现对人体姿态的识别。

　　1.2.2 国内研究现状

　　相比国外，国内一些研究团队设计的产品更是琳琅满目，其中具有代表性的就是"背背佳"系列产品，该产品通过矫正背带进行的"穿戴式"矫正装置。遵循人体生物学的原理实现对坐姿进行"干预式"矫正，目前仍是家长们的首选。除了传统的矫正方式，近年来国内也有很多团队研发了"智能化"的矫正设备。

　　王丽君等[18]基于 3D 运动捕捉建立坐姿监测系统，利用红外线光学式动作捕捉分析系统 BTS SMART-capture 获取（BTS,Italy），6 个相机环绕在实验场地，通过反光标记点位置（Retro-reflective Markers）获得各点坐标，进而实现对坐姿进行相应的分析。

　　贾若辰将人脸检测和彩色标记点跟踪相结合，设计出基于机器视觉技术的人体特征提取系统[19].该系统基于 AdaBoost 算法对人脸进行检测，通过对人脸变化进行检测，间接的实现对人体上半身躯干运动进行判断。通过 KLT（Kanade-LucasTomasi）算法提高人脸识别、跟踪的精度提高，使得系统的更具有准确性。用 10*10黑色矩形标记点实现对下半身躯体的运动完成了检测。此方法实现了对全身进行监控，该系统具有很大的兼容性，在很多设备上都可以进行相关的运用。

　　刘少华等将柔性力学传感器作为数据采集的主要依据建立的便携式坐姿监测与提醒系统[20].通过采集臀部的压力分布数据，进过以 K-means 算法为主的处理程序分析后，将结果发送至与其相配套的手机 APP,给用户相关的警示的作用，不 仅在一定程度上能够达到坐姿矫正目的。采用柔性传感器与手机 APP 结合的设计，为用户观察自身坐姿情况提供了方便。

　　除了利用压力传感器来测试下半身信号变化的方式来进行坐姿矫正之外，曾令辉设计一款可穿戴在耳朵上的坐姿提醒器[21].设计比较新颖，该装置主要由位置传感器制成，将装置穿戴在耳朵处，当用户坐姿发生改变时，头部角度发生变化产生的信号使系统激活，通过微声、发光的方式提醒用户注意坐姿。该装置最大的优点就是轻质、便携，更加适合青少年的使用。并且将磁珠开关引入其中，大大的降低了误触发现象的产生，提高装置的准确性。

　　徐鹏等另辟蹊径，为了防止已经患有的近视人群近视程度进一步恶化，设计了一款基于重力感应芯片的智能坐姿矫正眼镜[22].该款眼镜使用 MMA7260 重力感应芯片对用户的头部位移进行监测，当头部发生位移改变时，传感器 X,Y,Z 的三个引脚发生电压差，进而产生信号，由 Arduino Mini 对信号进行处理、控制反馈给用户，使其知晓坐姿不准确并且进行改正，从而达到坐姿监测矫正的目的。

　　通过对国内外现状分析，现阶段坐姿监测设备的监测功能单一，"穿戴式"监测装置材料使用寿命低，矫正成本高，而"被动式"坐姿监测装置测试重点主要集中在座椅底部，对坐姿判断仍存在较大误差。综上所述，设计一款"被动式"具有多种监测功能的坐姿监测设备存在较大的优势。

　　1.3 课题主要研究内容和技术路线

　　1.3.1 课题主要研究内容

　　通过对现阶段对此类机器人的研究成果进行分析研究，设计一款包含坐姿监测、坐时长监测和光照环境监测的坐姿监测机器人。首先经过理论分析后，加工实体模型后与相关的控制系统组成机器人的主体后，通过大量的实验来研究不同坐姿的关系，并得出相关结论，具体进行以下研究：

　　（1）对机器人主体结构使用 Solidworks 软件进行三维建模。

　　根据前期所查阅的国内外研究现状，对坐姿监测机器人进行主体机构的设计，利用 Solidworks 软件进行三维建模，再使用有限元分析软件对主体结构模型进行力学分析，优化三维模型，最后加工出实体。

　　（2）搭建基于压力传感器的检测机器人的控制系统。

　　根据所查阅资料绘制控制系统的电路原理图，根据选用合适的单片机、传感器模块和其他相关的电子元件，完成控制系统的硬件安装工作。使用 Arduino IDE、 Processing 2.2 软件进行对坐姿监测机器人控制系统软件的开发工作。

　　（3）根据控制系统进行配套的手机 APP 开发。

　　使用 Android Studio 软件开发出一款基于安卓系统的手机 APP,实现通过手机软件，就可以对坐姿情况进行实时监测功能。

　　（4）通过坐姿监测机器人进行相应测试实验，通过对实验数据进行分析，并得出相应的结论。

　　当坐姿监测机器人样机加工完成后，通过相关的测试和调试工作后，可以选择一定数量的学生参加坐姿监测实验，让学生完成几种不同的坐姿来获取相应的实验数据作为样本，对实验样本进行数据分析，得出不同人之间坐姿的差异性，从而完善坐姿监测控制系统。

　　1.3.2 技术路线

　　根据本文的研究内容，绘制的技术路线图，如图 1-1 和图 1-2 所示。

　　1.4 本章小结

　　本章介绍了课题的研究背景和意义，然后对现阶段国内外坐姿监测相关的发展现状进行了分析，根据目前的研究现状及不足之处提出了本论文需要研究的主要内容和技术路线。

　　第二章 坐资情况分析及检测点的选择
　　2.1坐姿情况的分析
　　2.1.1正确坐姿的分析
　　2.1.2不正确坐姿的分析
　　2.2监测点的选择
　　2.2.1坐姿监测方法的种类
　　2.2.2传感器监测点位置的确定
　　2.3本章小结

　　第3章坐姿监测机器人的硬件设计
　　3.1压力传感器
　　3.1.1压力传感器的工作原理
　　3.1.2压力传感器的理论分析
　　3.2开发板的选择
　　3.2.1单片机与开发板简介
　　3.2.2Arduino开发板型号的确定

　　3.3其他传感器
　　3.3.1无线模块
　　3.3.2光敏传感器模块
　　3.3.3传感器信号转换模块
　　3.3.4信息反馈模块
　　3.4机器人系统的电路设计
　　3.4.1电路连接的基本方案
　　3.4.2电路的虚拟连接

　　3.5机器人支架的结构设计
　　3.5.1机器人结构理论分析
　　3.5.2机器人监测支架三维建模
　　3.6坐姿监测机器人监测支架的有限元仿真分析
　　3.6.1ANSYSWorkbench软件简介
　　3.6.2监测支架的静力学仿真
　　3.6.3静力学有限元分析结果
　　3.6.4大监测支架的模态分析
　　3.7本章小结

　　第4章坐姿监测机器人的软件设计
　　4.1下位机软件设计
　　4.1.1ArduinoIDE软件简介
　　4.1.2坐姿监测机器人主程序框架的设计
　　4.1.3压力传感器的测试实验
　　4.1.4坐姿监测部分的程序设计
　　4.1.5光照强度监测部分的程序设计
　　4.1.6坐时监测部分程序设计

　　4.2上位机软件程序设计
　　4.2.1Processing软件简介
　　4.2.2Processing程序设计
　　4.2.3AndroidStudio软件简介
　　4.2.4手机APP软件的设计
　　4.3无线通信的设计
　　4.4本章小结

　　第5章坐姿监测机器人功能的测试与分析
　　5.1坐姿监测机器人的组装与测试
　　5.2坐姿监测机器人各模块测试方案
　　5.2.1光照环境监测模块的测试方案
　　5.2.2坐时长监测模块的测试方案
　　5.2.3Processing上位机监测模块的测试方案
　　5.2.4坐姿监测模块的测试方案
　　5.2.5手机APP的测试方案

　　5.3坐姿监测机器人的测试结果
　　5.3.1光照环境监测模块的测试结果
　　5.3.2坐时长监测模块的测试结果
　　5.3.3Processing上位机监测模块测试结果
　　5.3.4坐姿监测模块的测试结果
　　5.3.5手机APP的测试结果

　　5.4基于皮尔逊相关系数对坐姿监测实验数据的处理与分析
　　5.4.1皮尔逊相关系数简介
　　5.4.2实验数据分析与处理
　　5.5本章小结

结论与展望

　　长时间处于不正确的坐姿进行工作和学习不利于身体健康，使驼背、脊柱侧弯、工作相关肌肉骨骼疾患等疾病的发病率增高。为了减轻因坐姿问题影响青少年健康成长。本文通过对不同坐姿进行分析，设计一套基于压力传感器的坐姿监测机器人。本设计采用 Arduino Mega 2560 作为机器人系统硬件控制核心，采用"被动式"监测的方式使坐姿监测机器人实现功能。本文完成的工作及创新点如下：

　　（1）分析研究了智能化坐姿监测设备的发展现状及未来的前景，提出本文设计的坐姿监测机器人监测方法和坐姿识别方式。并结合现有的坐姿监测设备的功能，提出本文设计的坐姿监测机器人包括坐姿监测、光照环境监测和坐时长监测三大监测功能。

　　（2）通过对坐姿识别和监测方法的分析，完成了对坐姿监测机器人的结构设计。并使用 solidworks 软件完成对坐姿监测机器人的三维建模。根据不同坐姿下坐姿监测机器人的受力分析，使用 Ansys Workbench 软件对坐姿监测机器人进行了静力学有限元分析和前 6 阶模态分析。同时根据功能选择相应的传感器原件，根据控制系统的电路原理图和各模块的工作原理，完成对坐姿监测机器人控制系统的硬件装配工作。

　　（3）使用 Arduino IDE 软件按设计要求为坐姿监测机器人下位机控制软件进行设计。然后，分别完成了机器人与 Processing 上位机软件串口通信和手机 APP在 AP 模式下的无线通信，实现了坐姿信息的实时反馈功能。

　　（4）通过实验的方式，对坐姿监测机器人各部分模块进行测试，光照环境监测模块能够在光照环境影响学习时，及时做出反馈，工作情况稳定；坐时监测模块对 3 种情况下的坐时长反馈准确率分别为 100%、100%和 96%;坐姿监测模块对 4种坐姿的识别准确率分别为 98%、98%、94%和 92%.由实验结果可知，各模块都能实现其功能。同时，对不足的地方进行优化并改进，使其按设计要求进行监测与反馈。

　　（5）利用皮尔逊相关系数理论为依据，对 50 组 4 种坐姿下被激活位置压力值数据进行数据处理与分析，验证身高、体重与传感器压力值的相关性。数据分析结果表明：体重对激活位置的压力值大小影响关系较大。

　　本文的创新之处为：

　　（1）通过对现有坐姿监测设备的工作原理进行研究分析后，采用"被动式"监测方式作为坐姿监测机器人的监测和识别坐姿的方式。根据不同坐姿下，人体上身的差异选取 8 处压力信号监测点，实现坐姿监测机器人对不同坐姿的识别。

　　（2）下位机程序中采用"SCoop 多线程"为机器人控制系统的主框架，实现了坐姿监测、坐时长监测和光照环境监测三大功能进行实时监测与反馈。同时使用Processing IDE 软件和 Android Studio 软件，针对不同用户同时设计了 Processing上位机监测程序和手机 APP 上位机软件。

　　本文通过对坐姿监测机器人的研究与设计，使坐姿监测机器人能够对 4 种不正确坐姿进行识别与反馈。但由于个人的研究水平有限以及实验设备的限制，使得坐姿监测机器人的研究还存在很多问题，需要在以后的工作中解决。本设计中存在以下几点不足之处：

　　（1）坐姿监测机器人大支架的可调节设计区间包含不足。对于身高低于 150cm区间的用户会导致监测点传感器无法与身体贴合在一起，导致监测和识别的准确率偏低。对于高于 185cm 的用户因身高，机器人调节为最大尺寸仍无法进行监测原因，使此类用户无法使用。

　　（2）坐姿监测机器人采用在 AP 模式下对坐姿数据进行显示，无后台存储功能。使用户无法查看在使用机器人一段时间内的坐姿数据变化。未能实现在连接互联网情况下向服务器存储和调取个人坐姿变化信息。由于时间及条件的限制，本研究只能告一段落，希望能在今后的研究中完善此功能。

　　综上所述，仍需要对坐姿监测机器人的不足之处在今后的工作中做更深入的研究，才能使坐姿监测机器人的监测功能变得更加完善，提供更可靠的服务。

　　参考文献
　　[1] 秦东亮，王生，张忠彬，何丽华。工作相关肌肉骨骼疾患判别标准研究进展[J].中国职业医学，2017,44（03）：362-364+370.
　　[2] 科学防治工作相关肌肉骨骼疾患[J].中国职业医学，2018,45（02）：238.
　　[3] Sharan Deepak, Rajkumar Joshua Samuel. Why do information technology professionalsdevelop work related musculoskeletal disorders? A study of risk factors[A]. Advances inIntelligent Systems and Computing, Proceedings of the 20th Congress of the InternationalErgonomics Association （IEA 2018） - Volume III: Musculoskeletal Disorders[C].SpringerVerlag,2019,pp.785-786.
　　[4] 岳鹏莹，李丽萍，刘凤英，王生。中小学教师工作相关肌肉骨骼疾患及其危险因素的研究[J].人类工效学，2013,19（02）：1-5.
　　[5] 薛晨晨，周玉兰，塞拜努尔·阿布都热依木，宁丽。新疆某医院医务人员肌肉骨骼系统疾患的调查分析[J].工业卫生与职业病，2018,44（04）：241-244+249.
　　[6] 张丹，陈涛，孙成勋，李宏彦，曲颖，徐华雷，钟思武，张雪艳，贾宁。某供电企业运检人员工作相关肌肉骨骼疾患及其危险因素研究[J].中国工业医学杂志，2018,31（06）：403-407+474.
　　[7] 王春阳。国内青少年体态调查现状分析[J].体育师友，2018,41（01）：44-46.
　　[8] 邓万霞，张金枝，杜锐，汪雪洋。襄阳市区中小学生脊柱弯曲异常现状及影响因素分析[J].中国校医，2016,30（04）：285-287.
　　[9] 樊泽民，刘立京，王海涛。扎实推进全国儿童青少年近视防控工作 [J].中国学校卫生，2018,39（11）：1605-1608+1612.
　　[10] ShiHyun Ahn, Jeong, Youngjin, Kim, Donghyun, Kim, Hyundeok. Development of the nonwearable system with FSR sensors for correction of sitting position[A] 2015 2nd InternationalConference on Computing Technology and Information Management ICCTIM 2015.2015,8（25）：140-143.
　　[11] Michael Haller, Christoph Richter, Peter Brandl, Sabine Gross, Gerold Schossleitner, AndreasSchrempf, Hideaki Nii, Maki Sugimoto, Masahiko Inami. Finding the Right Way for InterruptingPeople Improving Their Sitting Posture[J]. INTERACT 2011, Part II, LNCS 6947,2011, pp.1-17.
　　[12] A. A. N. Shirehjini, A. Yassine ·S. Shirmohammadi. Design and implementation of a system forbody posture recognition[J]. Multimed Tools Appl,2014,70:1637–1650.
　　[13] Mallare John Cloie T. , Pineda, Dianne Faye G., Trinidad, Gerald M., Serafica, ReymondD. ,Villanueva, Jules Benedict K. , Dela Cruz, Angelo R., Vicerra Ryan Rhay P., Serrano, KannyKrizzy D. Roxas Edison A. Sitting posture assessment using computer vision[A]. HNICEM2017 - 9th International Conference on Humanoid, Nanotechnology, Information Technology,Communication and Control, Environment and Management.2018,1: 1-5.
　　[14] Andrew P. Claus, Julie A. Hides , G. Lorimer Moseley , Paul W. Hodges. Thoracic and lumbarposture behaviour in sitting tasks and standing:Progressing the biomechanics from observationsto measurements[J]. Applied Ergonomics .2016（53）： 161-168.
　　[15] Lucena,Rui,Quaresma, Cláudia,Jesus, Adelaide,Vieira, Pedro. Intelligent chair sensor-actuator:A novel sensor type for seated posture detection and correction[A]. BIODEVICES 2012 -Proceedings of the International Conference on Biomedical Electronics andDevices.2012,1（1）： 333-336.
　　[16] Van Almkerk Marc,Marc Bierling BartL., Leermakers,Nono, Vinken,Jeroen, Timmermans,Annick A.A Improving posture and sitting behavior through tactile and visual feedback in asedentary environment[A]. Proceedings of the Annual International Conference of the IEEEEngineering in Medicine and Biology Society, EMBS.2015,11（4）： 4570-4573.
　　[17] Giovanni Diraco, Alessandro Leone, Pietro Siciliano. Human posture recognition with a time-offlight 3D sensor for in-home applications[J]. Expert Systems with Applications. 2013（40）：744-751.
　　[18] 王丽君，李黎，张帆。基于 3D 运动捕捉系统的坐姿角度和舒适度研究[J].中南林业科技大学学报，2013,33（12）：146-150.
　　[19] 贾若辰。 基于机器视觉技术的人体坐姿特征提取及识别算法研究[D].哈尔滨理工大学，2015.
　　[20] 刘少华，徐超，许金林，许胜强，元沐南。基于柔性力敏传感器的便携式坐姿监测与提醒系统[J].计算机系统应用，2018,27（07）：63-70.
　　[21] 曾令辉。基于位置传感器的中小学生坐姿提醒器设计[J].宁夏工程技术，2017,16（03）：237-239+247.
　　[22] 徐鹏，曾碧新，陈仁爱，黄胜海，崔贺，戴志岳。基于重力感应芯片的智能坐姿矫正眼镜研究[J].科技信息，2013（09）：8-9+47.
　　[23] 教育部等八部门。教育部等八部门关于印发《综合防控儿童青少年近视实施方案》的通知，[EB/OL].http://www.moe.gov.cn/srcsite/A17/moe_943/s3285/201808/t20180830_346672.html.2018-08-30.
　　[24] 关盼盼。基于压力传感器的坐姿识别系统的设计与实现[D].华中师范大学，2016.
　　[25] Huang Meijie, Lee Taeyong, Gibson Ian, Hajizadeh Khatereh. i-CREATe 2012 - 6th InternationalConvention on Rehabilitation Engineering and Assistive Technology, 2012,i-CREATe 2012 - 6thInternational Convention on Rehabilitation Engineering and Assistive Technology[A]. 6thInternational Convention on Rehabilitation Engineering and Assistive Technology.2012.7（4）。
　　[26] 张宇。基于人脸检测与肤色统计的坐姿行为监测[J].计算机与网络，2017,43（07）：72-75.
　　[27] 韩婉婉 , 姜 楠 , 张 超 . 穿 戴 式 颈 部 姿 态 预 防 矫 正 仪 设 计 探 讨 [J]. 中 国 高 新 技 术 企业，2015（19）：28-29[28] 胥少汀，葛宝丰，徐印坎。实用骨科学（上册）[M].北京：人民军医出版社，2012.
　　[29] 那盟。虚拟人体骨骼建模及静态姿势的形式化描述[A]. 中国自动化学会智能自动化专业委员会。2007 年中国智能自动化会议论文集[C].中国自动化学会智能自动化专业委员会：中国自动化学会智能自动化专业委员会，2007:4.
　　[30] 林婷婷。 乘员人体骨骼系统参数化建模研究[D].吉林大学，2014.
　　[31] Zhang Xudong, Xiong Jinjun, Bishop Angela M. The effects of load and speed on lumbarvertebral kinematics during lifting motions: A more detailed look[A]. Proceedings of the HumanFactors and Ergonomics Society 45th Annual Meeting[C]. Human Factors an ErgonomicsSociety Inc,2001:1064-1068.
　　[32] Dong Xuanliang Neil, Pinninti Rajeshwa, Tvinnereim Amy, Lowe Timothy, Di Paolo David ,Shirvaikar Mukul. Stochastic predictors from the DXA scans of human lumbar vertebrae arecorrelated with the microarchitecture parameters of trabecular bone[J]. Journal ofBiomechanics,2015,9（18）：2968-2975.
　　[33] Gabriel Ana Teresa, Quaresma Cláudia, Secca Mário Forjaz, Vieira Pedro. Vertebral metricsapplication of a non-invasive system to analyse vertebrae position using two seating platforms[A].BIODEVICES 2016 - 9th International Conference on Biomedical Electronics and Devices,Proceedings[C]. Part of 9th International Joint Conference on Biomedical Engineering Systemsand Technologies, BIOSTEC 2016.2016:235-240.
　　[34] Chen Wenbin, Xiong Caihua, Sun Ronglei, Huang Xiaolin. On the design of exoskeletonrehabilitation robot with ergonomic shoulder actuation mechanism[A]. Lecture Notes inComputer Science （including subseries Lecture Notes in Artificial Intelligence and Lecture Notesin Bioinformatics）。 Intelligent Robotics and Applications - Second International Conference,ICIRA 2009, Proceedings[C]. 2nd International Conference on Intelligent Robotics andApplications, ICIRA 2009, Springer Verlag.2009:1097-1110.
　　[35] Xu Xu, Robertson Michelle, Chen Karen B., Lin Jia-hua, McGorry Raymond W. Using theMicrosoft Kinect? to assess 3-D shoulder kinematics during computer use[J]. AppliedErgonomics,2017,11:418-423.
　　[36] 刘君华等。智能传感器系统（第二版）[M].西安：西安电子科技大学出版社，2010.
　　[37] 李邓化，陈雯柏，彭书华。智能传感技术[M].北京：清华大学出版社，2011.
　　[38] Arduino. What is Arduino? [EB/OL].https://www.arduino.cc/en/Guide/Introduction?setlang=cn.
　　[39] 嵌入式软件/开发板。 arduino 和开发板的区别[EB/OL]. http://m.elecfans.com/article/576633.html,2017-11-08.
　　[40] Simon Monk（英）著，刘椮楠译。Arduino 编程从零开始[M].北京：科学出版社，2017.
　　[41] 深 圳 市 海 凌 科 电 子 有 限 公 司 .HLK-M35 模 块 产 品 概 况 [EB/OL].http://www.znjj.tv/product/49626.html.
　　[42] 曹振民，陈年生，马强，武凌，武婧。基于 ESP8266 的无线控制电路设计[J].工业控制计算机，2017,30（01）：68-69.
　　[43] 王晓鹏。传感器与检测技术[M].北京：北京理工大学出版社，2016.
　　[44] 李永华，王思野，高英。Arduino 实战指南 游戏开发、智能硬件、人机交互、智能家居与物联网设计 30 例[M].北京：清华大学出版社，2016.
　　[45] Billy Gkekas. GreenHouse 1.8_par1.ino[EB/OL]. http://fritzing.org/projects/greenhouse.
　　[46] http://fritzing.org/projects/arduino-dht11-wifi-humidity-and-temperature.
　　[47] CAD/CAM/CAE 技术联盟编著。Altium Designer 16 电路设计与仿真从入门到精通[M].北京：清华大学出版社，2017.
　　[48] 张峻霞，王新亭。人机工程学与设计应用[M].北京：国防工业出版社，2010.
　　[49] 杨旗航。互动型家具设计的人机因素研究[J].设计，2017,5（02）：110-111.
　　[50] 尹飞鸿。有限元法基本原理及应用[D].北京：高等教育出版社，2018.
　　[51] 天工在线。ANSYS Workbench 17.0 有限元分析从入门到精通实战案例版[M].北京：中国水利水电出版社，2018.
　　[52] 麻柏慧。基于 ANSYS Workbench 的轿车轮毂车削夹具仿真分析及二次开发研究[D].燕山大学，2017.
　　[53] 赵玉成，殷祥超，赵慧明，李冲，杨卫明。结构模态分析与参数辨识[M].徐州：中国矿业大学出版社，2017.
　　[54] 赵宇楠。基于 ANSYS Workbench 的自卸车副车架动态分析[D].内蒙古工业大学，2014.
　　[55] Ankur Saxena, Anand Parey, Manoj Chouksey. Study of Modal Characteristics of a geared rotorsystem[J]. Procedia Technology,2016,23:pp.225-231.
　　[56] Franti?ek Klimenda, Josef Soukup. Modal Analysis of Thin Aluminium Plate[J]. ProcediaEngineering, 2017, 177:pp.11-16.
　　[57] 白意东。拉夹逆向车削细长轴的振动特性及切削力预测研究[D].河北工程大学，2018.
　　[58] 贾维兵。基于 arduino 的土柱入渗性能在线检测装置研制与试验[D].昆明理工大学，2017[59] Pablo Basanta-Val, Marisol García-Valls. A library for developing real-time and embeddedapplications in C[J]. Journal of Systems Architecture,2015,61:pp.239-255.
　　[60] Georgiana Caltais, Bertrand Meyer. On the verification of SCOOP programs[J]. Science ofComputer Programming,2017,133:pp.194-215.
　　[61] Ben Fry, Casey Reas. Processing: A Programming Handbook for Visual Designers, SecondEdition[M].The U.S. : The MIT Press,2014.
　　[62] 郭霖。第一行代码 Android 第二版[D].北京：人民邮电出版社，2016.
　　[63] 王涓，吴旭鸣，王爱凤。应用皮尔逊相关系数算法查找异常电能表用户[J].电力需求侧管理，2014,16（02）：52-54.
　　[64] V. J. DeGhett. Effective use of Pearson's product-moment correlation coefficient: an additionalpoint[J]. Animal Behaviour,2014,98:pp.e1-e2.
　　[65] Susan Prion, Katie Anne Haerling. Making Sense of Methods and Measurement: PearsonProduct-Moment Correlation Coefficient[J]. Clinical Simulation in Nursing, 2014,10:pp.587-588.
　　[66] 车远宏，贾雍，汤卓，兰飞。皮尔逊相关系数在风电功率组合预测中的应用[J].广西电力，2016,39（03）：50-53.
　　[67] Soroosh Afyouni, Stephen M. Smith, Thomas E. Nichols. Effective degrees of freedom of thePearson's correlation coefficient under autocorrelation[J]. NeuroImage, 2019, 199:pp.609-625.
　　[68] Yashuang Mu, Xiaodong Liu, Lidong Wang. A Pearson's correlation coefficient based decisiontree and its parallel implementation[J]. Information Sciences, 2018, 435:pp.40-58.
　　[69] 徐小惠。 基于人体特征的紧身原型领、袖曲线生成规则研究[D].苏州大学，2011.

致 谢

　　在论文的最后，首先要向河北工程大学机械与装备工程学院孟彩茹老师致以崇高的敬意和真挚的感谢。

　　感谢老师在研究生学习期间，对课题选择、学习计划和学术问题研究方面给我大量的指导与帮助。在研究方向的确定、论文的选题、论文整体框架的建议和论文的创作，都体现了老师的心血和谆谆教诲。正是有老师的专业指导和严格要求，才使我的论文能够顺利的完成。

　　老师在学术研究中认真负责的态度深深的影响到了我。在论文撰写期间，老师认真负责的态度，让我能及时发现研究中的错误并及时改正。同时，也让我养成多角度研究问题的好习惯。因此，感谢老师对我的悉心指导。在研究生三年的学习时光里，孟老师为我提供了良好的学习环境，为我的研究工作和论文写作提供了重要保障。老师的认真负责、精益求精的工作态度对我产生深深的影响。

　　感谢河北工程大学给予了我宝贵的研究生学习机会，感谢研究生期间授课老师们传授的知识，为我的学习和研究打下了良好的基础。感谢教研室的老师和同学们提供的支持和帮助，这是我不断前进的动力。

　　最后，感谢各位评阅论文和参加答辩的老师对论文提出的宝贵建议。

（如您需要查看本篇毕业设计全文，请您联系客服索取）