CN111507525B - 兼顾绝对数值与平衡性的运动负荷优化方法 - Google Patents

兼顾绝对数值与平衡性的运动负荷优化方法 Download PDF

Info

Publication number
CN111507525B
CN111507525B CN202010303370.8A CN202010303370A CN111507525B CN 111507525 B CN111507525 B CN 111507525B CN 202010303370 A CN202010303370 A CN 202010303370A CN 111507525 B CN111507525 B CN 111507525B
Authority
CN
China
Prior art keywords
data
matrix
motion
range
span
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010303370.8A
Other languages
English (en)
Other versions
CN111507525A (zh
Inventor
杜聪
邢诗琴
王卫星
李哲
王芬
姚乐辉
殷泽锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuchang University
Original Assignee
Xuchang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xuchang University filed Critical Xuchang University
Priority to CN202310842329.1A priority Critical patent/CN116864076A/zh
Priority to CN202010303370.8A priority patent/CN111507525B/zh
Publication of CN111507525A publication Critical patent/CN111507525A/zh
Application granted granted Critical
Publication of CN111507525B publication Critical patent/CN111507525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Abstract

本发明公开了一种兼顾绝对数值与平衡性的运动负荷优化方法，包括如下步骤：运动目标&运动项目设定、生成待优化矩阵、优化条件限定(限制条件、强制条件)、在矩阵对角化的基础上执行优化、优化结果的终端呈现(电子发送、纸件打印)。本发明能够快速、智能、可调、准确的优化和提升多运动项目、多运动目标情景下的运动负荷，能够同时兼顾运动效果绝对值和多运动目标的最优平衡。

Description

兼顾绝对数值与平衡性的运动负荷优化方法
技术领域
本发明涉及运动学技术领域，尤其是一种基于负荷管理的运动优化方法。
背景技术
运动负荷是指人体在运动活动中所承受的生理刺激。按其对人体产生刺激的性质，我们又把运动负荷相应地分为负荷强度和负荷量两方面。这种划分的意义在于：一方面便于我们了解、认识并研究运动负荷，而更重要的是便于安排和调节运动负荷。根据现有研究，运动负荷模式有标准型、双峰型、前高后低型、前低后高型等模式。标准型指运动量由小到大逐渐上升到相当水平，持续一定时间再逐渐下降。一般认为，只有使体育锻炼的运动负荷达到极限的压力下，体力、心理和智力的自然潜力才能得到充分发挥，达到增强体能的目的。但是，运动负荷过大，又容易引起疲劳和损伤。
多维度运动负荷管理，一般包括多维度的运动目标，比如减轻体重，区域增肌、腹部减脂、腿部减脂、区域塑型、关节强化、区域力量增强等等，同时包含多维度多运动项目，比如跑步、游泳、瑜伽、平衡器械、力量器械(哑铃、杠铃、区域肌肉器械等等)、自重负荷、竞技项目等等；涉及到诸多不同的组合方式，且不同的组合方式决定或产生十分显著的运动效果差异，并与运动主体的运动目标发生深刻的关联。
因此，运动负荷的优化和管理，尤其是借助多种运动项目、面向多组运动目标的情况下，合理有效安排运动负荷是一个研究中的热点问题和实践中实用价值较大的技术难题。
发明内容
本发明要解决的技术问题是提供一种兼顾绝对数值与平衡性的运动负荷优化方法，能够快速、智能、可调、准确的优化和提升多运动项目、多运动目标情景下的运动负荷设定，兼顾运动效果绝对值和多运动目标的最优平衡。
为解决上述技术问题，本发明所采取的技术方案如下。
兼顾绝对数值与平衡性的运动负荷优化方法，包括如下步骤：
1.1运动目标设定；运动负荷智能优化系统的数据库中设定有可选运动目标范围，在优化系统的屏幕键盘上输入多维度运动目标，运动目标为相互正交的数据组，据此构成一个多维度的行向量aT进行数据存储；对于n组运动目标，行向量aT的维度对应设置为n，系统控制器调用行向量aT生成与行向量aT对等的1×n矩阵A，作为运动目标矩阵进行存储；
1.2运动项目设定；
1.2.1在优化系统的屏幕键盘上弹出运动项目输入键盘，输入运动项目后系统调用数据库内存储的针对多维度运动目标的多维度运动项目效率数值，由于不同的运动项目对于不同的运动目标具有不同的效果，据此将针对任一维度运动目标的不同维度运动项目的效率数值构建成为一个列向量b进行存储；
1.2.2对于m组运动项目，列向量b的维度对应设置为m进行数据存储；进一步，对于n组运动目标构建的n组向量b，通过下角标对其进行区分，且下角标的排序与运动目标的排序一一对应，并进一步将带有下角标的n组列向量依照其下角标顺序构建成为一个m×n阶矩阵B进行存储；
1.3系统控制器后台构建一未知的1×m阶矩阵作为优化矩阵C，优化矩阵设置为满足线性变换A＝C×B；
1.4优化矩阵的限制条件设置；系统控制器自动调用数据库中的存储数据自动设定Range-span Limiting参数和Transition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定限制条件当中的Range-span Limiting参数和Transition-span Limiting参数；
1.4.1其中，所述Range-span Limiting的限制方式为：为优化矩阵的m个数据分别设置以运动时长为单位的最高值与最低值，记作Range-span Limiting；
1.4.2其中，所述Transition-span Limiting的限定方式为：在Range-spanLimiting的范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，记作Range-span Limiting；当优化矩阵当中的数据进行变动时，只能在Range-span Limiting范围内以Transition-span Limiting为单位进行跃迁式变化而不能连续变化；
1.5优化矩阵的强制条件设置；系统控制器自动或者以允许编辑自动设定的方式，挑选优化矩阵当中的1-k组数据作为强制数据，其中k≤m/2；对于每个强制数据进行强制条件的设置，系统控制器自动调用数据库中的存储数据自动设定MustRange-span Limiting参数和MustTransition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定强制条件当中的MustRange-span Limiting参数和MustTransition-spanLimiting参数；
1.5.1其中，MustRange-span Limiting的强制方式为：在Range-span Limiting范围内截取一个小范围作为MustRange-span Limiting；
数据截取时以Range-span Limiting范围内被Transition-span Limiting整除的数据点为端值；
1.5.2其中，MustTransition-span Limiting的强制方式为：在Range-spanLimiting范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，且此间隔数值不大于所述Transition-span Limiting；
1.6构建伴随矩阵X，系统将矩阵A的n组数据进行对角化，得到的n×n阶矩阵作为伴随矩阵X进行存储；
1.7运动负荷智能优化和终端呈现；
1.7.1控制器首先在MustRange-span Limiting内对于强制数据依据MustTransition-span Limiting内的间隔数值进行依次赋值；然后进行非限制数据的赋值；
1.7.2对于任一组已经赋值过强制数据，在Range-span Limiting内对于其余数据依据Transition-span Limiting内的间隔数值进行依次赋值；
1.7.3对于每一组数据赋值通过步骤1.3中的线性变换计算得到1×n阶矩阵A；
1.7.4对于1×n阶矩阵A通过步骤1.6中的对角变换得到伴随矩阵x；
1.7.5对于伴随矩阵X，计算其体积值，并对不同组别的数据赋值进行体积值比较，选定特定比例的最高数值；
1.7.6对于伴随矩阵X，计算其对角线上的绝对数值的和数形成的绝对值，并对不同组别的数据赋值进行绝对值比较，选定特定比例的最高数值；
1.7.7比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，选定共有数据，将共有数据对应的运动项目及其各自最优运动时长作为优化的运动负荷进行终端呈现。
作为本发明的一种优选技术方案，步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5与步骤1.7.6，以同等的比例同时拓宽此两步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
作为本发明的一种优选技术方案，步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5与步骤1.7.6，以同等比例或基于不同步骤的不等比例依次交替拓宽此两步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
作为本发明的一种优选技术方案，在依次交替拓宽两步骤中最高数值的选定比例时，步骤1.7.5作为起始被调整项目。
作为本发明的一种优选技术方案，在依次交替拓宽两步骤中最高数值的选定比例时，步骤1.7.6作为起始被调整项目。
作为本发明的一种优选技术方案，步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5，拓宽此步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
作为本发明的一种优选技术方案，步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.6，拓宽此步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
作为本发明的一种优选技术方案，步骤1.1中，所述运动目标为经过量化处理后的数值参数；所述量化处理的方法为将运动目标的效果数值与对应的现有数值的差值绝对值作为运动目标数值参数；步骤1.3中，所述优化矩阵当中任一数据的单位为运动时长；步骤1.4中，所述Range-span Limiting的端值构成Transition-span Limiting间隔值的整倍数；步骤1.5中，所述MustTransition-span Limiting由Transition-span Limiting除以1-10以内的整数获取。
作为本发明的一种优选技术方案，步骤1.4和1.5中，通过如下方法进行运动负荷优化复杂度的控制：运动目标和运动项目选定后，优化矩阵的限制条件范围和强制条件范围使得优化复杂度超过上限后，首先进行运动目标和运动项目超限报警，再进行限制条件和强制条件超限报警，通过对应数据的调整降低复杂度；运动目标和运动项目超限报警后，如果经过缩减运动目标和/或运动项目后复杂度降低到上限以下，完成设定，如果确认不能缩减运动目标和运动项目或缩减后仍然超限，则进行限制条件和强制条件超限报警；限制条件和强制条件超限报警后，通过减小限制条件和强制条件当中的Range-span Limiting、MustRange-span Limiting的端值降低复杂度；或者通过增大Transition-span Limiting、MustTransition-span Limiting中的间隔值降低复杂度。
作为本发明的一种优选技术方案，步骤1.7.5-1.7.6中，所述特定比例为1-50％；所述特定比例的确定和调整可以参考呈现数值的个数除以总计算量进行反推；所述呈现数值的个数为3-30；步骤1.7.7中，所述终端呈现为屏幕显示呈现、语音播报、通过无线网络进行发送的电子文档报告、通过打印呈现的纸质文档报告。
采用上述技术方案所产生的有益效果在于：本发明研发的兼顾绝对数值与平衡性的运动负荷优化方法，能够实现多种运动项目、多组运动目标情景下的运动负荷优化和提升，尤其能够兼顾运动效果绝对值和多运动目标的最优平衡。
本发明对于伴随矩阵同时求取其对角线数值的加和作为平行指标，与矩阵体积进行交互，前者代表运动效果的总体绝对值，后者代表运动的均衡优化，在结果呈现的时候同时呈现两者的优选结果(比如各取前5个最优组合)，尤其是对于同时出现在两个指标当中的组合数据矩形特别推荐。本发明的方法能够满足多维度运动负荷管理和优化，对于选定的多维度运动目标，比如减轻体重，区域增肌、腹部减脂、腿部减脂、区域塑型、关节强化、区域力量增强等，通过多维数组构建的数据矩阵及其线性变换协同关联多维度的运动项目，比如跑步、游泳、瑜伽、平衡器械、力量器械、哑铃、杠铃、区域肌肉器械、自重负荷、竞技项目等，能够快速、智能、可调、准确的进行运动负荷的协同优化，从诸多不同的运动负荷组合方式中获取与运动主体的运动目标具有最佳协同的运动负荷整体组合方式，达到显著的最佳的运动效果。
附图说明
图1是本发明系统方法的原理图。
图2为本发明运动负荷优化结果的示意图，两种优化重叠区兼顾了运动效果的绝对值和运动平衡性优化。
具体实施方式
以下实施例详细说明了本发明。本发明所使用的各种原料及各项设备均为常规市售产品，均能够通过市场购买直接获得。
在以下实施例的描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
实施例1运动目标设定
多维度运动目标包括减轻体重，区域增肌、腹部减脂、腿部减脂、区域塑型、关节强化、区域力量增强等等。运动负荷智能优化系统的数据库中设定有可选运动目标范围，在优化系统的屏幕键盘上输入多维度运动目标，运动目标为相互正交的数据组，据此构成一个多维度的行向量aT进行数据存储；对于n组运动目标，行向量aT的维度对应设置为n，系统控制器调用行向量aT生成与行向量aT对等的1×n矩阵A，作为运动目标矩阵进行存储；运动目标为经过量化处理后的数值参数；量化处理的方法为将运动目标的效果数值与对应的现有数值的差值绝对值作为运动目标数值参数。
实施例2运动目标设定
多维度的运动项目包括跑步、游泳、瑜伽、平衡器械、力量器械、哑铃、杠铃、区域肌肉器械、自重负荷、竞技项目等等。1.2.1在优化系统的屏幕键盘上弹出运动项目输入键盘，输入运动项目后系统调用数据库内存储的针对多维度运动目标的多维度运动项目效率数值，由于不同的运动项目对于不同的运动目标具有不同的效果，据此将针对任一维度运动目标的不同维度运动项目的效率数值构建成为一个列向量b进行存储；1.2.2对于m组运动项目，列向量b的维度对应设置为m进行数据存储；进一步，对于n组运动目标构建的n组向量b，通过下角标对其进行区分，且下角标的排序与运动目标的排序一一对应，并进一步将带有下角标的n组列向量依照其下角标顺序构建成为一个m×n阶矩阵B进行存储。
实施例3优化矩阵
系统控制器后台构建一未知的1×m阶矩阵作为优化矩阵C，优化矩阵设置为满足线性变换A＝C×B；优化矩阵当中任一数据的单位为运动时长。
实施例4限制条件
优化矩阵的限制条件设置，系统控制器自动调用数据库中的存储数据自动设定Range-span Limiting参数和Transition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定限制条件当中的Range-span Limiting参数和Transition-span Limiting参数；其中，Range-span Limiting的限制方式为：为优化矩阵的m个数据分别设置以运动时长为单位的最高值与最低值，记作Range-span Limiting；其中，Transition-span Limiting的限定方式为：在Range-span Limiting的范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，记作Range-span Limiting；当优化矩阵当中的数据进行变动时，只能在Range-span Limiting范围内以Transition-spanLimiting为单位进行跃迁式变化而不能连续变化；其中，Range-span Limiting的端值构成Transition-span Limiting间隔值的整倍数。
实施例5强制条件
优化矩阵的强制条件设置，系统控制器自动或者以允许编辑自动设定的方式，挑选优化矩阵当中的1-k组数据作为强制数据，其中k≤m/2；对于每个强制数据进行强制条件的设置，系统控制器自动调用数据库中的存储数据自动设定MustRange-span Limiting参数和MustTransition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定强制条件当中的MustRange-span Limiting参数和MustTransition-spanLimiting参数；其中，MustRange-span Limiting的强制方式为：在Range-span Limiting范围内截取一个小范围作为MustRange-span Limiting；数据截取时以Range-span Limiting范围内被Transition-span Limiting整除的数据点为端值；其中，MustTransition-spanLimiting的强制方式为：在Range-span Limiting范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，且此间隔数值不大于Transition-span Limiting；其中，MustTransition-span Limiting由Transition-span Limiting除以1-10以内的整数获取。
同时，通过如下方法进行运动负荷优化复杂度的控制：运动目标和运动项目选定后，优化矩阵的限制条件范围和强制条件范围使得优化复杂度超过上限后，首先进行运动目标和运动项目超限报警，再进行限制条件和强制条件超限报警，通过对应数据的调整降低复杂度。运动目标和运动项目超限报警后，如果经过缩减运动目标和/或运动项目后复杂度降低到上限以下，完成设定，如果确认不能缩减运动目标和运动项目或缩减后仍然超限，则进行限制条件和强制条件超限报警；限制条件和强制条件超限报警后，通过减小限制条件和强制条件当中的Range-span Limiting、MustRange-span Limiting的端值降低复杂度；或者通过增大Transition-span Limiting、MustTransition-span Limiting中的间隔值降低复杂度。
实施例6伴随矩阵
构建伴随矩阵X，系统将矩阵A的n组数据进行对角化，得到的n×n阶矩阵作为伴随矩阵X进行存储。
实施例7运动负荷优化
控制器首先在MustRange-span Limiting内对于强制数据依据MustTransition-span Limiting内的间隔数值进行依次赋值；然后进行非限制数据的赋值；对于任一组已经赋值过强制数据，在Range-span Limiting内对于其余数据依据Transition-spanLimiting内的间隔数值进行依次赋值；对于每一组数据赋值通过步骤实施例3中的线性变换计算得到1×n阶矩阵A；对于1×n阶矩阵A通过步骤实施例6中的对角变换得到伴随矩阵x；
对于伴随矩阵X，一方面计算其体积值，并对不同组别的数据赋值进行体积值比较，选定特定比例的最高数值(此步骤记作1.7.5)；另一方面，计算伴随矩阵对角线上的绝对数值的和数形成的绝对值，并对不同组别的数据赋值进行绝对值比较，选定特定比例的最高数值(此步骤记作1.7.6)；最后，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，选定共有数据，将共有数据对应的运动项目及其各自最优运动时长作为优化的运动负荷进行终端呈现。
实施例8交替协同优化拓展策略
在实施例7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5与步骤1.7.6，以同等比例或基于不同步骤的不等比例依次交替拓宽此两步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据；
在依次交替拓宽两步骤中最高数值的选定比例时，如果更加注重运动的平衡性，将步骤1.7.6作为起始被调整项目；如果更加注重运动的绝对数值，将步骤1.7.5作为起始被调整项目。
实施例9共进协同优化拓展策略
在实施例7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5与步骤1.7.6，以同等的比例同时拓宽此两步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
实施例10
本发明的硬件实现，可以直接采用现有的智能设备，包括但不限于工控机、PC机、智能手机、手持单机、落地式单机等。其输入设备优选采用屏幕键盘，其数据存储和计算模块采用现有的存储器、计算器、控制器，其内部通信模块采用现有的通信端口和协议，其远程通信采用现有的gprs网络、互联网络等。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：该方法包括如下步骤：
1.1 运动目标设定；运动负荷智能优化系统的数据库中设定有可选运动目标范围，在优化系统的屏幕键盘上输入多维度运动目标，运动目标为相互正交的数据组，据此构成一个多维度的行向量aT进行数据存储；对于n组运动目标，行向量aT的维度对应设置为n，系统控制器调用行向量aT生成与行向量aT对等的1×n矩阵A，作为运动目标矩阵进行存储；
1.2 运动项目设定；
1.2.1 在优化系统的屏幕键盘上弹出运动项目输入键盘，输入运动项目后系统调用数据库内存储的针对多维度运动目标的多维度运动项目效率数值，由于不同的运动项目对于不同的运动目标具有不同的效果，据此将针对任一维度运动目标的不同维度运动项目的效率数值构建成为一个列向量b进行存储；
1.2.2 对于m组运动项目，列向量b的维度对应设置为m进行数据存储；进一步，对于n组运动目标构建的n组向量b，通过下角标对其进行区分，且下角标的排序与运动目标的排序一一对应，并进一步将带有下角标的n组列向量依照其下角标顺序构建成为一个m×n阶矩阵B进行存储；
1.3 系统控制器后台构建一未知的1×m阶矩阵作为优化矩阵C，优化矩阵设置为满足线性变换A=C×B；
1.4 优化矩阵的限制条件设置；系统控制器自动调用数据库中的存储数据自动设定Range-span Limiting参数和Transition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定限制条件当中的Range-span Limiting参数和Transition-span Limiting参数；
1.4.1其中，所述Range-span Limiting的限制方式为：为优化矩阵的m个数据分别设置以运动时长为单位的最高值与最低值，记作Range-span Limiting；
1.4.2其中，所述Transition-span Limiting的限定方式为：在Range-span Limiting的范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，记作Transition-span Limiting；当优化矩阵当中的数据进行变动时，只能在Range-spanLimiting范围内以Transition-span Limiting为单位进行跃迁式变化而不能连续变化；
1.5 优化矩阵的强制条件设置；系统控制器自动或者以允许编辑自动设定的方式，挑选优化矩阵当中的1-k组数据作为强制数据，其中k≤m/2；对于每个强制数据进行强制条件的设置，系统控制器自动调用数据库中的存储数据自动设定MustRange-span Limiting参数和MustTransition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定强制条件当中的MustRange-span Limiting参数和MustTransition-spanLimiting参数；
1.5.1其中，MustRange-span Limiting的强制方式为：在Range-span Limiting范围内截取一个小范围作为MustRange-span Limiting；
数据截取时以Range-span Limiting范围内被Transition-span Limiting整除的数据点为端值；
1.5.2其中，MustTransition-span Limiting的强制方式为：在Range-span Limiting范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，且此间隔数值不大于所述Transition-span Limiting；
1.6 构建伴随矩阵X，系统将矩阵A的n组数据进行对角化，得到的n×n阶矩阵作为伴随矩阵X进行存储；
1.7 运动负荷智能优化和终端呈现；
1.7.1控制器首先在MustRange-span Limiting内对于强制数据依据MustTransition-span Limiting内的间隔数值进行依次赋值；然后进行非限制数据的赋值；
1.7.2 对于任一组已经赋值过强制数据，在Range-span Limiting内对于其余数据依据Transition-span Limiting内的间隔数值进行依次赋值；
1.7.3对于每一组数据赋值通过步骤1.3中的线性变换计算得到1×n阶矩阵A；
1.7.4对于1×n阶矩阵A通过步骤1.6中的对角变换得到伴随矩阵x；
1.7.5 对于伴随矩阵X，计算其体积值，并对不同组别的数据赋值进行体积值比较，选定特定比例的最高数值；
1.7.6对于伴随矩阵X，计算其对角线上的绝对数值的和数形成的绝对值，并对不同组别的数据赋值进行绝对值比较，选定特定比例的最高数值；
1.7.7比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，选定共有数据，将共有数据对应的运动项目及其各自最优运动时长作为优化的运动负荷进行终端呈现。
2.根据权利要求1所述的兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5与步骤1.7.6，以同等的比例同时拓宽此两步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
3.根据权利要求1所述的兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5与步骤1.7.6，以同等比例或基于不同步骤的不等比例依次交替拓宽此两步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
4.根据权利要求3所述的兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：在依次交替拓宽两步骤中最高数值的选定比例时，步骤1.7.5作为起始被调整项目。
5.根据权利要求3所述的兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：在依次交替拓宽两步骤中最高数值的选定比例时，步骤1.7.6作为起始被调整项目。
6.根据权利要求1所述的兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.5，拓宽此步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
7.根据权利要求1所述的兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：步骤1.7.7中，比较步骤1.7.5与步骤1.7.6中所筛选出的数值所对应的数据组，如果不存在共有数据；则返回步骤1.7.6，拓宽此步骤中最高数值的选定比例；直至步骤1.7.7中得到共有数据。
8.根据权利要求1-7任一项所述的兼顾绝对数值与平衡性的运动负荷优化方法，其特征在于：步骤1.7.5和1.7.6中，所述特定比例为1%-50％；步骤1.7.7中，所述终端呈现为屏幕显示呈现、语音播报、通过无线网络进行发送的电子文档报告、通过打印呈现的纸质文档报告。
CN202010303370.8A 2020-04-17 2020-04-17 兼顾绝对数值与平衡性的运动负荷优化方法 Active CN111507525B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310842329.1A CN116864076A (zh) 2020-04-17 2020-04-17 运动负荷优化方法及系统
CN202010303370.8A CN111507525B (zh) 2020-04-17 2020-04-17 兼顾绝对数值与平衡性的运动负荷优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010303370.8A CN111507525B (zh) 2020-04-17 2020-04-17 兼顾绝对数值与平衡性的运动负荷优化方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310842329.1A Division CN116864076A (zh) 2020-04-17 2020-04-17 运动负荷优化方法及系统

Publications (2)

Publication Number Publication Date
CN111507525A CN111507525A (zh) 2020-08-07
CN111507525B true CN111507525B (zh) 2023-05-23

Family

ID=71876137

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010303370.8A Active CN111507525B (zh) 2020-04-17 2020-04-17 兼顾绝对数值与平衡性的运动负荷优化方法
CN202310842329.1A Pending CN116864076A (zh) 2020-04-17 2020-04-17 运动负荷优化方法及系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310842329.1A Pending CN116864076A (zh) 2020-04-17 2020-04-17 运动负荷优化方法及系统

Country Status (1)

Country Link
CN (2) CN111507525B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112632028B (zh) * 2020-12-04 2021-08-24 中牟县职业中等专业学校 一种基于多维矩阵外积数据库构型的工业生产要素优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049633A (zh) * 2011-10-12 2013-04-17 (株)拜斯倍斯 提供社会网络锻炼服务的系统与方法
CN108619700A (zh) * 2018-04-03 2018-10-09 北京卡路里科技有限公司 运动记录方法及装置
CN108805965A (zh) * 2018-05-18 2018-11-13 合肥工业大学 基于多目标进化的人体物理运动生成方法
CN109712686A (zh) * 2018-11-26 2019-05-03 Oppo广东移动通信有限公司 健身控制方法及相关装置
CN109901397A (zh) * 2019-03-25 2019-06-18 西北工业大学 一种使用粒子群优化算法的机械臂逆运动学方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10569134B2 (en) * 2005-01-26 2020-02-25 K-Motion Interactive, Inc. Method and system for athletic motion analysis and instruction

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049633A (zh) * 2011-10-12 2013-04-17 (株)拜斯倍斯 提供社会网络锻炼服务的系统与方法
CN108619700A (zh) * 2018-04-03 2018-10-09 北京卡路里科技有限公司 运动记录方法及装置
CN108805965A (zh) * 2018-05-18 2018-11-13 合肥工业大学 基于多目标进化的人体物理运动生成方法
CN109712686A (zh) * 2018-11-26 2019-05-03 Oppo广东移动通信有限公司 健身控制方法及相关装置
CN109901397A (zh) * 2019-03-25 2019-06-18 西北工业大学 一种使用粒子群优化算法的机械臂逆运动学方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
场地受限背景下青少年灵敏素质练习内容构建与实践研究;杜聪;《社会科学Ⅱ辑》;全文 *
基于运动类APP的体育实践教学资源开发与应用;姚乐辉;《当代体育科技》;第8卷(第12期);全文 *
运动目标最优角点选择算法;宋俊芳等;《科学技术与工程》(第12期);全文 *

Also Published As

Publication number Publication date
CN111507525A (zh) 2020-08-07
CN116864076A (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN111507525B (zh) 兼顾绝对数值与平衡性的运动负荷优化方法
CN108667878A (zh) 服务器负载均衡方法及装置、存储介质、电子设备
TWI781576B (zh) 資料增強策略的更新方法、設備及儲存介質
CN111507526B (zh) 一种运动负荷智能优化方法
CN109671481A (zh) 一种健身管理方法、装置、终端设备及存储介质
CN110267112B (zh) 教学视频的展示方法、装置、终端设备、服务器及存储介质
CN110648747A (zh) 一种数据推荐方法及相关装置
CN111589092B (zh) 一种运动指导方法和装置
KR20180027057A (ko) 트레이닝 루틴을 추천하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
CN109830279B (zh) 动态调整式私人教练系统
US20050064995A1 (en) Exercise support system
CN104809737A (zh) 一种基于双策略和声搜索算法的柚子图像分割方法
US20220336077A1 (en) Predicting exercises based on user-selected variance
CN110210548A (zh) 一种基于强化学习的图片动态自适应压缩方法
CN113679371B (zh) 一种体成分检测方法、电子设备和计算机可读存储介质
KR102511977B1 (ko) 식약처 공공데이터를 활용한 식제품 큐레이팅 서비스를 제공하는 방법 및 그 시스템
CN112509697A (zh) 一种多模块智慧健康管理信息系统
CN115837147B (zh) 一种情景互动式的下肢肌肉加强训练方法及系统
CN111265871A (zh) 虚拟对象的控制方法及装置、设备、存储介质
WO2023048068A1 (ja) サプリ配合調製端末、サプリ供給システム、及びサプリ配合調製方法
US20220331659A1 (en) Determining a user's current exercise capability
CN111026934A (zh) 智能推荐方法及相关设备
CN112349387A (zh) 数据管理方法、装置、智能穿戴设备及存储介质
Sivarajasingam A method to estimate economic weights for traits of disease resistance in sheep
TWI791317B (zh) 最大肌力估計及修正方法及最大肌力估計及修正裝置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant