基于驾驶员生物力学特性的拖拉机座椅位置参数优化

座椅为拖拉机与驾驶员的主要接触部件,其参数设计与优化对提高驾驶舒适性具有重要意义。该研究采用生物力学软件AnyBody建立驾驶员-驾驶环境生物力学耦合模型,并以小、中、大体型驾驶员为研究对象,以拖拉机座椅靠背倾角、水平距离及垂直高度为参数,以竖脊肌、多裂肌、腹直肌及腹外斜肌激活程度为评价指标,分析研究座椅位置参数对驾驶员腰部肌肉生物力学特性的影响规律,确定座椅最佳位置参数;以课题组研制的多自由度驾驶平台为基础,按照上述参数调节座椅位置,测试计算不同体型驾驶员腰部4个主要活动肌群的激活程度,并将测试结果与仿真分析结果进行对比,发现二者具有较好一致性,通过调整座椅参数能有效提升驾驶员腰部舒适性。对于小体型驾驶员,当座椅靠背倾角为9.7°,水平距离为472.1 mm,垂直高度为465.3 mm时,4个肌群总的激活程度最低,驾驶员腰部舒适性最高;对于中体型驾驶员,座椅最适靠背倾角为13.9°,水平距离为495.6 mm,垂直高度为485.3 mm;对于大体型驾驶员,座椅最适靠背倾角为14.8°,水平距离为526.4 mm,垂直高度为520.7 mm。研究成果可为农机装备座椅位置参数优化提供一种新思路。     

基于卷积神经网络面部图像识别的拖拉机驾驶员疲劳检测

针对疲劳驾驶极易造成拖拉机交通事故这一问题,该文提出了一种基于卷积神经网络面部特征识别的拖拉机驾驶员疲劳检测方法。首先,利用伽马亮度校正对驾驶员面部图像进行光照预处理,再通过小波包去除图像中的椒盐噪声和高斯噪声,对预处理后的图像分别通过PCA-SCM人脸特征识别定位算法和基于人脸核心特征库及肤色模型的人脸识别算法进行驾驶员面部的识别定位,并通过比对这2种算法识别的偏差大小校验算法识别的有效性,以减小拖拉机工作振动时采样对图像中人脸定位精度的影响。将提取到的驾驶员面部图像输入到卷积神经网络进行深度学习和训练,并建立驾驶员疲劳视觉检测模型,从而实现基于拖拉机驾驶员面部图像的疲劳检测。统计训练过程中各项参数变化情况并进行T-SNE降维迭代分析,与其他常规方法相比,CNN在检测准确度和检测效率方面都有较为明显的优势。试验表明,所提出的检测模型准确率98.9%,图片识别效率38 ms/帧(Inter i7-4510U双核处理器),能够实现拖拉机驾驶员疲劳状况的实时检测,该研究可为解决疲劳驾驶这一安全问题提供参考。     

基于心率变异性的联合收割机驾驶员疲劳分析与评价

为探究联合收割机驾驶员的疲劳变化规律,应用RM6240C多通道生理信号采集系统,在约翰迪尔S660型联合收割机上进行了驾驶疲劳监测试验,采集了10名驾驶员120 min收获驾驶的心电数据。选取非线性动力学指标样本熵作为疲劳监测的特征参数,分析样本熵随驾驶时间的变化规律,确定驾驶疲劳发生时间段,对比不同作业环节的疲劳程度。结果表明:样本熵值随驾驶时间的增加呈下降趋势;样本熵值与主观驾驶疲劳程度的皮尔逊相关系数为-0.824,两者显著负相关;根据样本熵值判定,驾驶疲劳于50 min后开始出现,100 min后疲劳程度加深;转向行驶阶段比直线行驶阶段的驾驶疲劳程度高。基于样本熵的驾驶疲劳判定方法可客观的反映联合收割机驾驶员的体力和精神疲劳状况。     

基于功率密度的玉米收获机车架疲劳分析

为从理论上深入探讨载荷频率对疲劳寿命的影响,引入功率密度的概念,并基于功率密度和时频分析提出一种疲劳寿命预测方法,在疲劳分析过程中可同时考虑应力幅值和频率2个因素对疲劳寿命的影响。以某型号自走式玉米收获机为研究对象,在调研数据和有限元分析的基础上,确定车架上危险点位置,设计并实施了应变信号采集试验方案,对收获机各工况下车架危险位置的动态应变进行采集,获得各测点在不同工况下的载荷-时间历程。在实测载荷基础上,利用基于功率密度的疲劳分析方法对玉米收获机车架的疲劳寿命进行预测,得到危险点的疲劳寿命为394 h,与名义应力法分析得到的疲劳寿命(845 h)相比较,更接近实际工作寿命(400~500 h)。该研究为农业装备关键部件的疲劳寿命提供更精确的分析和预测方法,并促进疲劳分析理论的发展。