24小時論文定制熱線
24小時論文定制熱線
摘 要
長時間處于不正確的坐姿進行工作和學習不利于身體健康，使駝背、脊柱側彎、工作相關肌肉骨骼疾患等疾病的發病率增高。為了減小因坐姿所導致疾病得發病幾率。本文通過對不同坐姿進行分析，設計一套基于壓力傳感器的坐姿監測機器人。
本設計采用 Arduino Mega 2560 作為機器人系統硬件控制核心，包含坐姿監測、光照環境監測和坐時長監測三種監測功能的智能化坐姿監測機器人。主要研究內容如下：
�。�1）分析研究了智能化坐姿監測設備的發展現狀及未來的前景，提出本文設計的坐姿監測機器人監測方法和坐姿識別方式。確定了坐姿監測機器人的三大檢測功能，分別為坐姿監測、光照環境監測和坐時長監測。
�。�2）對坐姿監測機器人的硬件進行設計，并加工出實體模型。具體工作如下：
�。╥）使用 solidworks 軟件完成對坐姿監測機器人的三維建模，并根據 4 種坐姿受力情況用 Ansys Workbench 軟件對坐姿監測機器人進行了靜力學有限元分析和前 6 階模態分析。
�。╥i）選擇 Arduino Mega 2560 開發板為坐姿監測機器人控制元件，按照功能選擇相應的傳感器和 HLK-M35 無線模塊搭建了坐姿監測機器人的控制電路。
�。�3）根據坐姿監測機器人的監測功能進行了軟件設計，使坐姿監測機器人能夠實現實時監測的基本功能，并完成了不同軟件間的串口通信及無線通信。具體工作情況如下：
�。╥）使用 Arduino IDE 軟件采用"SCoop 多線程"的方式完成對坐姿監測機器人下位機的設計。
�。╥i）同時使用 Processing IDE 軟件和 Android Studio 軟件設計兩款軟件，針 對不同用戶設計了 Processing 上位機監測程序手機 APP 上位機軟件。
�。�4）通過實驗對坐姿監測機器人各部分模塊進行測試。由實驗結果可知，各模塊都能正常進行監測工作，同時測得 50 組 4 種坐姿下被激活位置傳感器壓力值數據。最后，利用皮爾遜相關系數理論為依據，對實驗測得的 50 組壓力值數據進行數據處理與分析，驗證身高、體重與傳感器壓力值的相關性。數據分析結果表明：
體重對激活位置的壓力值大小影響關系較大。
關鍵詞：坐姿監測；智能機器人；控制系統；Arduino;數據分析
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:
�。╥） 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.
�。╥i） 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:
�。╥） Using Arduino IDE software and SCoop multi-threading to complete the design of the lower computer of the sitting posture monitoring robot.
�。╥i） 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.
目錄
第 1 章 緒 論
1.1 課題研究背景
青少年的坐姿一直是困擾家長問題，如何讓孩子保持正確的坐姿來學習，一直是比較熱門的話題。由于不正確的坐姿所導致的身體健康疾病也越來越嚴重與普遍，其中駝背、頸椎病、腰椎病肌肉損傷、近視等疾病對青少年健康成長十分不利，帶來不可逆轉傷害。由于學習和工作的原因，使得青少年或上班群體需要長時間坐在椅子上保持一種姿勢。即使保持正確的坐姿，長時間的學習和工作也會給人體的健康帶來危害。而不良的坐姿除了會給人體帶來不可逆轉的傷害以外，對于坐瘡等問題的發生幾率也高于普通人群。長時間的保持同一種姿態或進行重復性的工作或學習，導致頸肩部、腰背部及四肢骨骼肌肉受損，即導致工作相關肌肉骨骼疾患（Work-related musculoskeletal disorders, WMSDs）的產生。經研究發現，不良坐姿、長時間受力、重復操作等問題是導致該癥狀發生的重要因素[1-3].學生、教師、醫護人員和辦公室職員等需要長時間保持同種狀態工作學習的群體成為該病的重災區。隨著電腦在學習和工作中的作用越來越明顯。人們使用電腦的頻率逐漸增加，導致人們患病的幾率進一步增加。不同的行業對于人體不同部位的 WMSDs 的發病率也會有明顯的差異。汕頭大學對該市的幾所中小學教師 WMSDs 的患病率進行了統計，其中 WMSDs 發病部位最高的分別為：頸部（42.0%），肩部（35.9%），腰部（38.4%）和背部（29.2%），并且具有明顯的統計學差異[4].新疆某醫院對該院 1 年內患病的醫護人員進行分析，該行業 WMSDs 發病部位最高的分別為：頸部（67.9%），腰部（67.6%），肩部（54.6%）[5].吉林某電力公司對其員工的發病率進行了統計，發現工人各部位的發病率為 7.5%~57.9%,其中頸部（57.9%）、下背部（56.9%）和肩部（39.2%）發病率最高[6].綜上所示，雖然不同行業的發病率存在差異，但發病率最高的部位都為頸部、肩部和腰部。并且坐姿問題致該病產生的一個重要因素。
不正確的坐姿對脊椎的傷害最大，青少年長時間處于不正確的坐姿進行學習，導致的最直接的后果就是使駝背和脊椎側彎的患病幾率增加。駝背不僅會對青少年的形象產生影響，嚴重會導致肩部軟組織過于緊張，大腦供血不足所引發的頭疼問題，不利于青少年的健康成長[7].脊柱側彎發生的原因之一是由于青少年處于青春期發育的過程中，由于長時間使身體處于不正確的體態，導致脊柱呈一定弧度的側彎。其中青少年養成不正確的坐姿是導致該問題的重要原因之一。襄陽市的相關研究人員對該市 2 所學校學生的脊柱側彎患病率進行了統計及分析，發現長期的錯誤的姿勢習慣和不良的學習習慣有重要的聯系[8].保持正確的坐姿是預防該病的發生，使青少年健康成長的重要措施之一。
不良的坐姿除了會給人的背部帶來傷害以外，對眼睛的損害也是相當嚴重。由于青少年眼睛正處于發育時期，不正確的用眼方式都會導致近視的發生。其中，不正確的坐姿及疲勞用眼是導致近視的重要原因。隨著電腦、手機等科技設備的普及，青少年使用電子設備的時間也隨之增長。電腦手機游戲的火爆，由于青少年自控力不強，極容易沉迷其中。進而由于長時間觀看手機和電腦，使眼睛得不到充分的休息，進一步的加大了青少年近視患病的程度。2014 年，全國中小學生近視患病率為 45.71%、74.36%;2018 年，全國小學生僅四年級和八年級近視患病率分別為36.5%、65.3%,部分偏遠地區視力不良情況甚至高達 60%、80%[9].可見近視問題在青少年中出現逐漸增加的情況。預防青少年近視成為重中之重。在預防青少年近視問題上，改善學習環境、糾正學習姿勢和養成良好的用眼習慣，一直是比較有效果的措施。在糾正學習姿勢方面，一般采用自我矯正和裝置輔助矯正兩種方式來實現。其中后者的成功率略高于前者�？梢�，相應的坐姿監測矯正裝置在預防近視方面具有一定的作用。
綜上所述，長時間處于不正確的坐姿，會導致 WMSDs、脊柱側彎、駝背和近視的患病幾率增加，對人的身體健康帶來傷害，十分不利于青少年的健康成長。為了降低以上不利于成長因素的發生幾率，除了在日常學習工作中多注意適當的自我調節之外，相應的坐姿監測設備在其中也扮演著重要的角色，為青少年及上班族等相關人群矯正不良坐姿具有輔助作用。
1.2 國內外研究現狀
1.2.1 國外研究現狀
為了減少由于坐姿不正確的所導致的一系列問題，坐姿監測矯正裝置一直是市場上比較熱門的產品，國內外有大量的企業以及科研單位對此進行研究與開發，已取得一系列坐姿監測與矯正的產品。來自韓國的 ShiHyun Ahn 等設計一款基于FSR（柔性壓力傳感器）非穿戴式坐姿監測系統[10].利用不同坐姿下，人體對座椅的壓力分布的差異實現對坐姿判定的問題，實現了坐姿監測的要求。
Michael Haller 等團隊研發出一款可以進行坐姿識別和校正的智能辦公椅[11].
將幾組壓力傳感器置于辦公椅的坐墊下，作為識別不同坐姿的主要裝置。然后制定三種警報裝置作為反饋裝置，通過實驗的方式，利用震動模塊進行警報的物理反饋具有明顯的效果，能夠實現對坐姿的反饋，能夠幫助使用者進行坐姿監測與矯正。
Ali Asghar Nazari Shirehjini 團隊設計壓力傳感器制作的人體姿態識別系統[12].
該系統除了在坐墊處安放壓力傳感器以外，還在坐椅靠背處放置一定數量的壓力傳感器進行坐姿識別。此系統對不同坐姿識別的準確度明顯高于其他同類裝置。
除了利用壓力傳感器來監測坐姿的變化，Mallare John Cloie T.等[13]提出一種通過測量胸角[TA]、頸角[CA]、后退角[RA]、坐高[SH]、坐眼高度[SEH]、坐肩高度[SSH]、肩寬[SB]、臀部寬[HB]、臀部-足掌高度[BPH]、臀部高度[PH]等參數來評定坐姿的方法。使用角度計和座椅上的壓力傳感器相結合的方式來檢測坐姿的變化，形成一套相關的評估系統。該方法應用于相關的坐姿矯正設備，使得測量的坐姿判定的準確率高達 61.9%,具有一定的可靠性，為坐姿評定和矯正提供了一種輔助手段。Andrew P. Claus 等對在不同坐姿下，人腰椎進行的變化進行了研究[14],利用三維光學傳感器測量人在不同姿勢下，人體腰椎產生的變化。當用戶保持某種姿勢10 分鐘時，利用三維光學傳感器對腰部表面脊柱的角度和相對于脊柱垂直方向角度的變化進行跟蹤采集。電腦分析后，得出如下結論：當處于站立姿勢時，男性和女性在胸部位置的脊柱曲線類似，但在腰椎的脊柱曲線，女性比男性更少后凸或更多的后凸。性別差異為 1/3,當位于坐姿時，其參數變化為處于站立姿勢的 1/3,即脊柱彎曲角度相比在站立位時在腰部彎曲了 24（7e9）度，男性比女性彎曲程度大，但位于胸部的脊柱彎曲沒有明顯的變化。該方法為對脊柱建模以及坐姿相關研究提供輔助作用。為以后的相關研究提供了重要的依據。
來自葡萄牙里斯本大學物理科學與技術學院的 Lucena Rui 團隊設計出一款壓電傳感器并應用于辦公座椅坐墊上[15].通過測量 10 種不同的坐姿下所形成的壓力圖，實現了對不同坐姿的判定問題，從而實現了坐姿監測的問題，為智能化家電設備提供了新穎的思路。
Van Almkerk Marc 等[16]設計出一款具有坐姿監測和矯正的辦公椅，除了對坐姿進行監測之外，其最重要的功能則是完成對不正確坐姿進行矯正。辦公椅基于Backtive 的概念進行設計，為用戶提供觸覺和視覺反饋，從而達到監測坐姿的目的。通過以用戶為中心的設計方法和通過建立一個原型來測試可行性以及評估概念來開發的系統。該座椅改善姿勢方面有較高的可靠性，并且取得了一些積極的效果。用戶在可以進行簡單的操作就可以進行使用，具有很高的市場價值。
除了以上采用壓力傳感器作為坐姿識別裝置之外， Giovanni Diraco 團隊設計一款基于角度傳感器視覺識別的人體姿態識別系統[17].該系統通過對攝像頭采集到的圖像信息利用計算機算法將圖像信息編碼為基于骨架結構的拓撲編碼。通過對此類編碼進行分析，從而實現對人體姿態的識別。
1.2.2 國內研究現狀
相比國外，國內一些研究團隊設計的產品更是琳瑯滿目，其中具有代表性的就是"背背佳"系列產品，該產品通過矯正背帶進行的"穿戴式"矯正裝置。遵循人體生物學的原理實現對坐姿進行"干預式"矯正，目前仍是家長們的首選。除了傳統的矯正方式，近年來國內也有很多團隊研發了"智能化"的矯正設備。
王麗君等[18]基于 3D 運動捕捉建立坐姿監測系統，利用紅外線光學式動作捕捉分析系統 BTS SMART-capture 獲�。˙TS,Italy），6 個相機環繞在實驗場地，通過反光標記點位置（Retro-reflective Markers）獲得各點坐標，進而實現對坐姿進行相應的分析。
賈若辰將人臉檢測和彩色標記點跟蹤相結合，設計出基于機器視覺技術的人體特征提取系統[19].該系統基于 AdaBoost 算法對人臉進行檢測，通過對人臉變化進行檢測，間接的實現對人體上半身軀干運動進行判斷。通過 KLT（Kanade-LucasTomasi）算法提高人臉識別、跟蹤的精度提高，使得系統的更具有準確性。用 10*10黑色矩形標記點實現對下半身軀體的運動完成了檢測。此方法實現了對全身進行監控，該系統具有很大的兼容性，在很多設備上都可以進行相關的運用。
劉少華等將柔性力學傳感器作為數據采集的主要依據建立的便攜式坐姿監測與提醒系統[20].通過采集臀部的壓力分布數據，進過以 K-means 算法為主的處理程序分析后，將結果發送至與其相配套的手機 APP,給用戶相關的警示的作用，不 僅在一定程度上能夠達到坐姿矯正目的。采用柔性傳感器與手機 APP 結合的設計，為用戶觀察自身坐姿情況提供了方便。
除了利用壓力傳感器來測試下半身信號變化的方式來進行坐姿矯正之外，曾令輝設計一款可穿戴在耳朵上的坐姿提醒器[21].設計比較新穎，該裝置主要由位置傳感器制成，將裝置穿戴在耳朵處，當用戶坐姿發生改變時，頭部角度發生變化產生的信號使系統激活，通過微聲、發光的方式提醒用戶注意坐姿。該裝置最大的優點就是輕質、便攜，更加適合青少年的使用。并且將磁珠開關引入其中，大大的降低了誤觸發現象的產生，提高裝置的準確性。
徐鵬等另辟蹊徑，為了防止已經患有的近視人群近視程度進一步惡化，設計了一款基于重力感應芯片的智能坐姿矯正眼鏡[22].該款眼鏡使用 MMA7260 重力感應芯片對用戶的頭部位移進行監測，當頭部發生位移改變時，傳感器 X,Y,Z 的三個引腳發生電壓差，進而產生信號，由 Arduino Mini 對信號進行處理、控制反饋給用戶，使其知曉坐姿不準確并且進行改正，從而達到坐姿監測矯正的目的。
通過對國內外現狀分析，現階段坐姿監測設備的監測功能單一，"穿戴式"監測裝置材料使用壽命低，矯正成本高，而"被動式"坐姿監測裝置測試重點主要集中在座椅底部，對坐姿判斷仍存在較大誤差。綜上所述，設計一款"被動式"具有多種監測功能的坐姿監測設備存在較大的優勢。
1.3 課題主要研究內容和技術路線
1.3.1 課題主要研究內容
通過對現階段對此類機器人的研究成果進行分析研究，設計一款包含坐姿監測、坐時長監測和光照環境監測的坐姿監測機器人。首先經過理論分析后，加工實體模型后與相關的控制系統組成機器人的主體后，通過大量的實驗來研究不同坐姿的關系，并得出相關結論，具體進行以下研究：
�。�1）對機器人主體結構使用 Solidworks 軟件進行三維建模。
根據前期所查閱的國內外研究現狀，對坐姿監測機器人進行主體機構的設計，利用 Solidworks 軟件進行三維建模，再使用有限元分析軟件對主體結構模型進行力學分析，優化三維模型，最后加工出實體。
�。�2）搭建基于壓力傳感器的檢測機器人的控制系統。
根據所查閱資料繪制控制系統的電路原理圖，根據選用合適的單片機、傳感器模塊和其他相關的電子元件，完成控制系統的硬件安裝工作。使用 Arduino IDE、 Processing 2.2 軟件進行對坐姿監測機器人控制系統軟件的開發工作。
�。�3）根據控制系統進行配套的手機 APP 開發。
使用 Android Studio 軟件開發出一款基于安卓系統的手機 APP,實現通過手機軟件，就可以對坐姿情況進行實時監測功能。
�。�4）通過坐姿監測機器人進行相應測試實驗，通過對實驗數據進行分析，并得出相應的結論。
當坐姿監測機器人樣機加工完成后，通過相關的測試和調試工作后，可以選擇一定數量的學生參加坐姿監測實驗，讓學生完成幾種不同的坐姿來獲取相應的實驗數據作為樣本，對實驗樣本進行數據分析，得出不同人之間坐姿的差異性，從而完善坐姿監測控制系統。
1.3.2 技術路線
根據本文的研究內容，繪制的技術路線圖，如圖 1-1 和圖 1-2 所示。
1.4 本章小結
本章介紹了課題的研究背景和意義，然后對現階段國內外坐姿監測相關的發展現狀進行了分析，根據目前的研究現狀及不足之處提出了本論文需要研究的主要內容和技術路線。
第二章 坐資情況分析及檢測點的選擇
2.1坐姿情況的分析
2.1.1正確坐姿的分析
2.1.2不正確坐姿的分析
2.2監測點的選擇
2.2.1坐姿監測方法的種類
2.2.2傳感器監測點位置的確定
2.3本章小結
第3章坐姿監測機器人的硬件設計
3.1壓力傳感器
3.1.1壓力傳感器的工作原理
3.1.2壓力傳感器的理論分析
3.2開發板的選擇
3.2.1單片機與開發板簡介
3.2.2Arduino開發板型號的確定
3.3其他傳感器
3.3.1無線模塊
3.3.2光敏傳感器模塊
3.3.3傳感器信號轉換模塊
3.3.4信息反饋模塊
3.4機器人系統的電路設計
3.4.1電路連接的基本方案
3.4.2電路的虛擬連接
3.5機器人支架的結構設計
3.5.1機器人結構理論分析
3.5.2機器人監測支架三維建模
3.6坐姿監測機器人監測支架的有限元仿真分析
3.6.1ANSYSWorkbench軟件簡介
3.6.2監測支架的靜力學仿真
3.6.3靜力學有限元分析結果
3.6.4大監測支架的模態分析
3.7本章小結
第4章坐姿監測機器人的軟件設計
4.1下位機軟件設計
4.1.1ArduinoIDE軟件簡介
4.1.2坐姿監測機器人主程序框架的設計
4.1.3壓力傳感器的測試實驗
4.1.4坐姿監測部分的程序設計
4.1.5光照強度監測部分的程序設計
4.1.6坐時監測部分程序設計
4.2上位機軟件程序設計
4.2.1Processing軟件簡介
4.2.2Processing程序設計
4.2.3AndroidStudio軟件簡介
4.2.4手機APP軟件的設計
4.3無線通信的設計
4.4本章小結
第5章坐姿監測機器人功能的測試與分析
5.1坐姿監測機器人的組裝與測試
5.2坐姿監測機器人各模塊測試方案
5.2.1光照環境監測模塊的測試方案
5.2.2坐時長監測模塊的測試方案
5.2.3Processing上位機監測模塊的測試方案
5.2.4坐姿監測模塊的測試方案
5.2.5手機APP的測試方案
5.3坐姿監測機器人的測試結果
5.3.1光照環境監測模塊的測試結果
5.3.2坐時長監測模塊的測試結果
5.3.3Processing上位機監測模塊測試結果
5.3.4坐姿監測模塊的測試結果
5.3.5手機APP的測試結果
5.4基于皮爾遜相關系數對坐姿監測實驗數據的處理與分析
5.4.1皮爾遜相關系數簡介
5.4.2實驗數據分析與處理
5.5本章小結
結論與展望
長時間處于不正確的坐姿進行工作和學習不利于身體健康，使駝背、脊柱側彎、工作相關肌肉骨骼疾患等疾病的發病率增高。為了減輕因坐姿問題影響青少年健康成長。本文通過對不同坐姿進行分析，設計一套基于壓力傳感器的坐姿監測機器人。本設計采用 Arduino Mega 2560 作為機器人系統硬件控制核心，采用"被動式"監測的方式使坐姿監測機器人實現功能。本文完成的工作及創新點如下：
�。�1）分析研究了智能化坐姿監測設備的發展現狀及未來的前景，提出本文設計的坐姿監測機器人監測方法和坐姿識別方式。并結合現有的坐姿監測設備的功能，提出本文設計的坐姿監測機器人包括坐姿監測、光照環境監測和坐時長監測三大監測功能。
�。�2）通過對坐姿識別和監測方法的分析，完成了對坐姿監測機器人的結構設計。并使用 solidworks 軟件完成對坐姿監測機器人的三維建模。根據不同坐姿下坐姿監測機器人的受力分析，使用 Ansys Workbench 軟件對坐姿監測機器人進行了靜力學有限元分析和前 6 階模態分析。同時根據功能選擇相應的傳感器原件，根據控制系統的電路原理圖和各模塊的工作原理，完成對坐姿監測機器人控制系統的硬件裝配工作。
�。�3）使用 Arduino IDE 軟件按設計要求為坐姿監測機器人下位機控制軟件進行設計。然后，分別完成了機器人與 Processing 上位機軟件串口通信和手機 APP在 AP 模式下的無線通信，實現了坐姿信息的實時反饋功能。
�。�4）通過實驗的方式，對坐姿監測機器人各部分模塊進行測試，光照環境監測模塊能夠在光照環境影響學習時，及時做出反饋，工作情況穩定；坐時監測模塊對 3 種情況下的坐時長反饋準確率分別為 100%、100%和 96%;坐姿監測模塊對 4種坐姿的識別準確率分別為 98%、98%、94%和 92%.由實驗結果可知，各模塊都能實現其功能。同時，對不足的地方進行優化并改進，使其按設計要求進行監測與反饋。
�。�5）利用皮爾遜相關系數理論為依據，對 50 組 4 種坐姿下被激活位置壓力值數據進行數據處理與分析，驗證身高、體重與傳感器壓力值的相關性。數據分析結果表明：體重對激活位置的壓力值大小影響關系較大。
本文的創新之處為：
�。�1）通過對現有坐姿監測設備的工作原理進行研究分析后，采用"被動式"監測方式作為坐姿監測機器人的監測和識別坐姿的方式。根據不同坐姿下，人體上身的差異選取 8 處壓力信號監測點，實現坐姿監測機器人對不同坐姿的識別。
�。�2）下位機程序中采用"SCoop 多線程"為機器人控制系統的主框架，實現了坐姿監測、坐時長監測和光照環境監測三大功能進行實時監測與反饋。同時使用Processing IDE 軟件和 Android Studio 軟件，針對不同用戶同時設計了 Processing上位機監測程序和手機 APP 上位機軟件。
本文通過對坐姿監測機器人的研究與設計，使坐姿監測機器人能夠對 4 種不正確坐姿進行識別與反饋。但由于個人的研究水平有限以及實驗設備的限制，使得坐姿監測機器人的研究還存在很多問題，需要在以后的工作中解決。本設計中存在以下幾點不足之處：
�。�1）坐姿監測機器人大支架的可調節設計區間包含不足。對于身高低于 150cm區間的用戶會導致監測點傳感器無法與身體貼合在一起，導致監測和識別的準確率偏低。對于高于 185cm 的用戶因身高，機器人調節為最大尺寸仍無法進行監測原因，使此類用戶無法使用。
�。�2）坐姿監測機器人采用在 AP 模式下對坐姿數據進行顯示，無后臺存儲功能。使用戶無法查看在使用機器人一段時間內的坐姿數據變化。未能實現在連接互聯網情況下向服務器存儲和調取個人坐姿變化信息。由于時間及條件的限制，本研究只能告一段落，希望能在今后的研究中完善此功能。
綜上所述，仍需要對坐姿監測機器人的不足之處在今后的工作中做更深入的研究，才能使坐姿監測機器人的監測功能變得更加完善，提供更可靠的服務。
參考文獻
[1] 秦東亮，王生，張忠彬，何麗華。工作相關肌肉骨骼疾患判別標準研究進展[J].中國職業醫學，2017,44（03）：362-364+370.
[2] 科學防治工作相關肌肉骨骼疾患[J].中國職業醫學，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] 岳鵬瑩，李麗萍，劉鳳英，王生。中小學教師工作相關肌肉骨骼疾患及其危險因素的研究[J].人類工效學，2013,19（02）：1-5.
[5] 薛晨晨，周玉蘭，塞拜努爾·阿布都熱依木，寧麗。新疆某醫院醫務人員肌肉骨骼系統疾患的調查分析[J].工業衛生與職業病，2018,44（04）：241-244+249.
[6] 張丹，陳濤，孫成勛，李宏彥，曲穎，徐華雷，鐘思武，張雪艷，賈寧。某供電企業運檢人員工作相關肌肉骨骼疾患及其危險因素研究[J].中國工業醫學雜志，2018,31（06）：403-407+474.
[7] 王春陽。國內青少年體態調查現狀分析[J].體育師友，2018,41（01）：44-46.
[8] 鄧萬霞，張金枝，杜銳，汪雪洋。襄陽市區中小學生脊柱彎曲異�，F狀及影響因素分析[J].中國校醫，2016,30（04）：285-287.
[9] 樊澤民，劉立京，王海濤。扎實推進全國兒童青少年近視防控工作 [J].中國學校衛生，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] 王麗君，李黎，張帆�；� 3D 運動捕捉系統的坐姿角度和舒適度研究[J].中南林業科技大學學報，2013,33（12）：146-150.
[19] 賈若辰。 基于機器視覺技術的人體坐姿特征提取及識別算法研究[D].哈爾濱理工大學，2015.
[20] 劉少華，徐超，許金林，許勝強，元沐南�；谌嵝粤γ魝鞲衅鞯谋銛y式坐姿監測與提醒系統[J].計算機系統應用，2018,27（07）：63-70.
[21] 曾令輝�；谖恢脗鞲衅鞯闹行W生坐姿提醒器設計[J].寧夏工程技術，2017,16（03）：237-239+247.
[22] 徐鵬，曾碧新，陳仁愛，黃勝海，崔賀，戴志岳�；谥亓Ω袘酒闹悄茏顺C正眼鏡研究[J].科技信息，2013（09）：8-9+47.
[23] 教育部等八部門。教育部等八部門關于印發《綜合防控兒童青少年近視實施方案》的通知，[EB/OL].http://www.moe.gov.cn/srcsite/A17/moe_943/s3285/201808/t20180830_346672.html.2018-08-30.
[24] 關盼盼�；趬毫鞲衅鞯淖俗R別系統的設計與實現[D].華中師范大學，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] 張宇�；谌四槞z測與膚色統計的坐姿行為監測[J].計算機與網絡，2017,43（07）：72-75.
[27] 韓婉婉 , 姜 楠 , 張 超 . 穿 戴 式 頸 部 姿 態 預 防 矯 正 儀 設 計 探 討 [J]. 中 國 高 新 技 術 企業，2015（19）：28-29[28] 胥少汀，葛寶豐，徐印坎。實用骨科學（上冊）[M].北京：人民軍醫出版社，2012.
[29] 那盟。虛擬人體骨骼建模及靜態姿勢的形式化描述[A]. 中國自動化學會智能自動化專業委員會。2007 年中國智能自動化會議論文集[C].中國自動化學會智能自動化專業委員會：中國自動化學會智能自動化專業委員會，2007:4.
[30] 林婷婷。 乘員人體骨骼系統參數化建模研究[D].吉林大學，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] 劉君華等。智能傳感器系統（第二版）[M].西安：西安電子科技大學出版社，2010.
[37] 李鄧化，陳雯柏，彭書華。智能傳感技術[M].北京：清華大學出版社，2011.
[38] Arduino. What is Arduino? [EB/OL].https://www.arduino.cc/en/Guide/Introduction?setlang=cn.
[39] 嵌入式軟件/開發板。 arduino 和開發板的區別[EB/OL]. http://m.elecfans.com/article/576633.html,2017-11-08.
[40] Simon Monk（英）著，劉椮楠譯。Arduino 編程從零開始[M].北京：科學出版社，2017.
[41] 深 圳 市 海 凌 科 電 子 有 限 公 司 .HLK-M35 模 塊 產 品 概 況 [EB/OL].http://www.znjj.tv/product/49626.html.
[42] 曹振民，陳年生，馬強，武凌，武婧�；� ESP8266 的無線控制電路設計[J].工業控制計算機，2017,30（01）：68-69.
[43] 王曉鵬。傳感器與檢測技術[M].北京：北京理工大學出版社，2016.
[44] 李永華，王思野，高英。Arduino 實戰指南 游戲開發、智能硬件、人機交互、智能家居與物聯網設計 30 例[M].北京：清華大學出版社，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 技術聯盟編著。Altium Designer 16 電路設計與仿真從入門到精通[M].北京：清華大學出版社，2017.
[48] 張峻霞，王新亭。人機工程學與設計應用[M].北京：國防工業出版社，2010.
[49] 楊旗航�；有图揖咴O計的人機因素研究[J].設計，2017,5（02）：110-111.
[50] 尹飛鴻。有限元法基本原理及應用[D].北京：高等教育出版社，2018.
[51] 天工在線。ANSYS Workbench 17.0 有限元分析從入門到精通實戰案例版[M].北京：中國水利水電出版社，2018.
[52] 麻柏慧�；� ANSYS Workbench 的轎車輪轂車削夾具仿真分析及二次開發研究[D].燕山大學，2017.
[53] 趙玉成，殷祥超，趙慧明，李沖，楊衛明。結構模態分析與參數辨識[M].徐州：中國礦業大學出版社，2017.
[54] 趙宇楠�；� ANSYS Workbench 的自卸車副車架動態分析[D].內蒙古工業大學，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] 白意東。拉夾逆向車削細長軸的振動特性及切削力預測研究[D].河北工程大學，2018.
[58] 賈維兵�；� arduino 的土柱入滲性能在線檢測裝置研制與試驗[D].昆明理工大學，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。第一行代碼 Android 第二版[D].北京：人民郵電出版社，2016.
[63] 王涓，吳旭鳴，王愛鳳。應用皮爾遜相關系數算法查找異常電能表用戶[J].電力需求側管理，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] 車遠宏，賈雍，湯卓，蘭飛。皮爾遜相關系數在風電功率組合預測中的應用[J].廣西電力，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。 基于人體特征的緊身原型領、袖曲線生成規則研究[D].蘇州大學，2011.
致 謝
在論文的最后，首先要向河北工程大學機械與裝備工程學院孟彩茹老師致以崇高的敬意和真摯的感謝。
感謝老師在研究生學習期間，對課題選擇、學習計劃和學術問題研究方面給我大量的指導與幫助。在研究方向的確定、論文的選題、論文整體框架的建議和論文的創作，都體現了老師的心血和諄諄教誨。正是有老師的專業指導和嚴格要求，才使我的論文能夠順利的完成。
老師在學術研究中認真負責的態度深深的影響到了我。在論文撰寫期間，老師認真負責的態度，讓我能及時發現研究中的錯誤并及時改正。同時，也讓我養成多角度研究問題的好習慣。因此，感謝老師對我的悉心指導。在研究生三年的學習時光里，孟老師為我提供了良好的學習環境，為我的研究工作和論文寫作提供了重要保障。老師的認真負責、精益求精的工作態度對我產生深深的影響。
感謝河北工程大學給予了我寶貴的研究生學習機會，感謝研究生期間授課老師們傳授的知識，為我的學習和研究打下了良好的基礎。感謝教研室的老師和同學們提供的支持和幫助，這是我不斷前進的動力。
最后，感謝各位評閱論文和參加答辯的老師對論文提出的寶貴建議。
（如您需要查看本篇畢業設計全文，請您聯系客服索�。�