《Frontiers in Bioengineering and Biotechnology》：Development of a shoulder muscle feedback controller for human body models
编辑推荐：
本研究开发并验证了一种用于有限元人体模型（FE-HBM）的新型肩部肌肉控制器，其创新性在于整合了基于志愿者动态肌肉活动（EMG）测量的、具有方向依赖性的肌肉间载荷分担机制。通过在包含躯干和右上肢的子模型中模拟动态肘部八方向加载实验，结果显示该控制器能够成功预测与志愿者相符的肘部运动学峰值。这一进展为实现能够准确模拟驾驶者在紧急制动或转向等防撞机动中（特别是与方向盘有交互时）运动响应的全身主动人体模型，迈出了关键一步，对优化车辆预碰撞与碰撞阶段的乘员安全系统设计具有重要意义。
引言
汽车碰撞前常伴随紧急制动、转向等规避机动，这会影响乘员的姿态与位置，进而可能影响后续碰撞的损伤后果。对于手握方向盘的驾驶者，来自手臂的力传递在其姿态控制中扮演重要角色。肩关节是人体活动度最大的关节，其稳定性依赖肌肉的收缩活动。有限元人体模型是设计更安全车辆的重要工具，但现有的驾驶者模型中，肩部肌肉控制器多基于几何位置或模型功能来预设肌肉间载荷分担，缺乏基于真实人体动态肌肉活动数据。研究表明，肌肉协同收缩以维持肩部稳定，因此肌肉间载荷分担不能仅从肌肉的几何位置决定。本研究的首要目标，是通过开发一种基于志愿者实测肌肉活动数据的肩部肌肉控制方法，为创建能够预测驾驶者在规避机动中运动响应的主动有限元人体模型迈出关键一步。
方法
为实现和评估新的肩部肌肉控制器概念，研究在SAFER HBM v10模型基础上，提取了包含胸廓和右上肢（不含内脏）的子模型。模型对肩关节进行了特定自由度约束。输入与评估数据来源于一项志愿者实验，该实验中，8名男性和9名女性志愿者在坐姿下，接受八个方向（屈曲、伸展、内收、外展及其组合）的动态肘部加载，并被要求尽快返回初始位置。研究者测量了13块肩部肌肉的表面肌电图（EMG）活动，并提取了峰值肌肉活动来构建空间调谐模式（STP），用于定义控制器中的肌肉间载荷分担。实验设置示意图和有限元模型及加载系统如图2所示。肘部运动学数据用于评估模型性能。
肌肉实现方面，研究更新了SAFER HBM的肩部肌肉包，共包含179个一维单元，采用LS-DYNA的希尔类型肌肉材料模型。对于跨关节肌肉（如肱二头肌、肱三头肌），其生理横截面积在肩肘控制器间进行了分配。肌肉控制器包括两部分：1. 控制盂肱关节旋转的角位置反馈（APF）控制器，它通过一个比例-微分（PD）控制器响应肱骨参考向量的角偏差，并在垂直于初始肱骨方向的平面内，将实验得出的STP作为肌肉间载荷分担的依据；2. 控制肩胛骨运动的肌肉长度反馈（MLF）控制器，每个肌肉由一个独立的PD控制器响应其拉伸。控制器中加入了信号延迟和激活动力学以模拟生理过程。PD控制器的增益基于被动模型的响应设定。
结果
模型在单独激活每块肌肉时，大部分肌肉的运动功能与文献描述一致。运动学验证显示，主动肌肉控制显著降低了所有加载方向上的肘部峰值位移，而被动模型的峰值位移则更大。在屈曲、伸展、内收、外展等八个方向的详细运动学轨迹图中，主动模型（基线增益）与志愿者平均轨迹在峰值位移后的初始运动方向一致，但模型后期在返回初始位置的过程中与志愿者轨迹有所偏离。在三个方向（内收、伸展、伸展内收）上，主动模型的峰值位移落在志愿者数据的1个标准差椭圆内。
灵敏度研究表明，改变APF控制器的比例（P）和微分（D）增益会影响模型的响应。总体而言，增加P或D增益通常会减小峰值位移，并缩短达到峰值位移的时间。在包含内收的加载方向，由于上臂与躯干接触限制了运动，增益变化对峰值位移影响很小。比较不同增益组合下的峰值位移和达到峰值时间，具有低D增益和基线P增益的模型（DLow）在多个指标上与志愿者数据吻合较好。
讨论
本研究成功实现了一种基于志愿者实测肌肉活动数据来确定肌肉间载荷分担的主动肩部肌肉控制器。该控制器成功预测了所有八个加载方向的肘部峰值位移，证明了使用人体肌肉活动数据指导有限元模型中肌肉控制的可行性。然而，模型在运动后期与志愿者数据的偏离，可能与控制器主要模拟反射行为（一种对刺激的早期反应）有关，而后期运动则涉及更多随意的自愿控制。实验中志愿者被要求快速返回中心，但未规定具体路径，这也解释了运动轨迹后期较大的个体差异。
当前研究存在一些局限性。首先，使用的是躯干-上肢子模型，并约束了脊柱和臀部，忽略了躯干动力学和全身相互作用，这在真实驾驶机动中可能会影响肌肉协调与稳定性。其次，控制器的增益仅在有限的肘部加载场景下进行了调谐和评估，需要在更符合驾驶场景（如手扶方向盘）的负载条件下进行优化。此外，当前的控制器未明确考虑驾驶者为预期撞击而紧握方向盘的自愿性肌肉收缩（支撑行为），这部分功能可在集成到全身模型时通过调整目标姿态来实现。最后，为确保肌肉绕过肋骨等结构，模型采用了串联一维单元的方法，未来可考虑采用更先进的肌肉路径规划方法（如经由椭圆路径）以优化力线作用。
结论与展望
总而言之，本研究在有限元人体模型中实现了一个主动肩部肌肉控制器，其肌肉间载荷分担基于志愿者记录的肌肉活动数据。通过在动态肘部八方向加载实验中的验证，模型成功预测了肘部峰值位移。这表明该控制器已准备好集成到一个全身有限元人体驾驶者模型中，用于评估紧急规避机动下的运动响应，从而为预碰撞和碰撞阶段的乘员安全系统设计提供更精确的仿真工具。未来的工作将侧重于将该控制器集成到全身模型中，并在真实的车辆加速度场景下进行验证和调优。
