CN113244084A - 可适应性主动训练系统 - Google Patents

Abstract

一种可适应性主动训练系统，包括一运动模块、一感测模块以及一控制模块。运动模块包括一训练单元以及一马达。马达连接于训练单元，马达用以带动训练单元依据一运动轨迹移动。感测模块用以感测一用户使用训练单元的一生理状态信号。控制模块连接于运动模块及感测模块，控制模块配置以执行：计算训练单元于前述运动轨迹的一位置；依据一运动模型取得对应前述位置的一阈值；以及判断生理状态信号的一强度值是否大于阈值。当生理状态信号的强度值大于阈值时，控制模块驱动马达以带动训练单元依据运动轨迹移动。

Description

可适应性主动训练系统

技术领域

本发明是关于一种主动训练系统，且特别是关于一种可依据用户的生理状态信号调整训练强度的可适应性主动训练系统。

背景技术

随着现代人对身体健康的重视，如何通过训练以强化身体机能为现代人所关注的课题，连带带动了各种训练设备及训练方法的普及。

中国专利申请公开号CN107280912A公开了一种下肢痉挛的侦测方法，其是将病患的下肢安置于步态复健机的下肢支撑架，再通过马达驱动下肢支撑架以带动病患的下肢复健，并根据马达在一预定时间内所输出的转矩变化取得一统计分布数据，由统计分布数据计算出一阈值，并判断马达在复健过程中所输出的转矩是否大于阈值，倘若大于阈值，表示病患出现痉挛现象。然而，其训练方式属于被动训练，相较于主动训练的方式，训练成效较差。

美国专利申请公告号US8147436B2公开了一种矫正器，其是利用虚拟弹性力场的概念，先以健康人行走的轨迹建立行走轨迹的标准模型，再以此行走轨迹为力场中心，引导使用者运动。然而，基于个体之间存在差异，其标准模型无法适用于每个个体。

美国专利申请公告号US9277883B2公开了一种使用生物回馈的步态训练设备的控制方法，其是侦测并分析使用者使用步态训练设备时的肌电信号，利用肌电信号的中位频率的偏移量来决定使用者的疲劳程度，并依据使用者疲劳程度下修训练强度。然而，该控制方法仅适用于生物状态信号为肌电信号的情形，因此具有泛用性低的缺失。

发明内容

本发明的目的在于提供一种主动训练系统，可依据用户的生理状态信号调整训练强度。

依据本发明的一实施方式是提供一种可适应性主动训练系统，包括一运动模块、一感测模块以及一控制模块。运动模块包括一训练单元以及一马达，马达连接于训练单元，且用以带动训练单元依据一运动轨迹移动。感测模块用以感测一用户使用训练单元的一生理状态信号。控制模块连接于运动模块及感测模块，控制模块配置以执行：计算训练单元于前述运动轨迹的一位置；依据一运动模型取得对应前述位置的一阈值；以及判断生理状态信号的一强度值是否大于阈值。当生理状态信号的强度值大于阈值时，控制模块驱动马达以带动训练单元依据运动轨迹移动；当强度值大于阈值与一放大倍率的乘积时，控制模块根据一学习率参数将阈值上修至一上修阈值；当生理状态信号的强度值小于阈值时，控制模块不驱动马达带动训练单元依据运动轨迹移动；以及当强度值小于阈值与一缩小倍率的乘积时，控制模块根据学习率参数将阈值下修至一下阈值。

相较于现有技术，本发明的可适应性主动训练系统为一种主动训练系统，相较于被动训练系统，可提供较佳的训练成效。本发明的可适应性主动训练系统所使用的生理状态信号不限于肌电信号，具有泛用性高的优点。本发明的可适应性主动训练系统可依据用户当下的生理状态信号，适应上修或下修阈值，一方面可避免阈值过高，训练强度超过用户所能负荷的范围而降低使用者的训练意愿或造成运动伤害，另一方面可避免阈值过低而无法提供足够训练强度，有利于提供渐进式超负荷训练，从而可大幅提升训练成效。

附图说明

图1是依据本发明一实施方式的可适应性主动训练系统及一用户的示意图。

图2是依据本发明一实施方式的可适应性主动训练系统的功能方块示意图。

图3是图1中控制模块配置以控制运动模块的步骤流程图。

图4是依据本发明一实施方式的运动轨迹示意图。

图5是依据本发明另一实施方式的运动轨迹示意图。

图6是依据本发明一实施方式的建立运动模型的步骤流程图。

图7是依据本发明一实施方式的阈值修正示意图。

图8是依据本发明另一实施方式的阈值修正示意图。

附图标记说明：100-可适应性主动训练系统；110-运动模块；111-训练单元；120-感测模块；130-控制模块；112-马达；112a-X轴马达单元；112b-Y 轴马达单元；A-使用者；210-282-步骤；R1,R2,R3,R23-区域；610,620,630, 710,720,730-线条。

具体实施方式

有关本发明的前述及其它技术内容、特点与功效，在以下配合参考图式的较佳实施例的详细说明中，将可清楚地呈现。以下实施例所提到的方向用语，例如：上、下、左、右、前或后等，仅是参考附加图式的方向。因此，使用的方向用语是用以说明，而非对本发明加以限制。此外，在下列各实施例中，相同或相似的组件将采用相同或相似的标号。以下实施例中所提到的连接，代表组件间可以直接或间接、有线或无线的方式传递电信号、磁信号以及命令信号等电性能量或数据。

请参照图1及图2，可适应性主动训练系统100包括一运动模块110、一感测模块120以及一控制模块130。运动模块110包括一训练单元111以及一马达112，马达112包括X轴马达单元112a以及Y轴马达单元112b，马达 112连接于训练单元111且用以带动训练单元111依据一运动轨迹移动。感测模块120用以感测一用户A使用训练单元111的一生理状态信号。控制模块 130连接于运动模块110及感测模块120。

图1中，运动模块110为一步态训练设备，然而，其仅为例示，本发明中，运动模块110包括用来帮助使用者A恢复因疾病或外伤而受损或丧失的行动能力的复健设备，运动模块110也包括用户A为了提升肌力、肌耐力所使用的重量训练设备。训练单元111为运动模块110中适于用户A操作或带动的部分，以图1为例，训练单元111为踏板，藉此可训练使用者A的腿部及/或足部，在其他实施方式中，可依据使用者A所欲训练的部位，配置不同种类的训练单元111。

图1中，感测模块120为一肌电传感器，用以感测用户A于使用训练单元111时的一肌电信号，具体来说，肌电传感器可为贴附于使用者A的腿部的贴片，而可收集使用者A的腿部的肌电信号，然而，其仅为例示，在其他实施方式中，感测模块120可为一压力传感器(图未示)，用以感测使用者A施加于训练单元111的一压力，例如，压力传感器可安装于踏板以感测使用者A 施加于踏板的压力，或者，感测模块120可为一扭矩传感器(图未示)，连接于马达112，用以感测用户A于使用训练单元111时马达112的一扭矩。换句话说，生理状态信号可为肌电信号、压力、扭矩或其他可反应使用者A的生理状态的信号，并可以依据生理状态信号的种类，选择适当的感测模块120。控制模块130具有分析及计算能力，控制模块130可为但不限于中央处理单元(Central Processing Unit,CPU)。

请参照图3，控制模块130被配置以执行以下步骤。步骤210是建立运动模型。步骤220计算训练单元111于前述运动轨迹的一位置。步骤230是依据一运动模型取得对应前述位置的一阈值。步骤240是判断生理状态信号的一强度值是否大于阈值，当判断为是，即生理状态信号的强度值大于阈值时，进行步骤250，控制模块130驱动马达112以带动训练单元111依据运动轨迹移动。步骤260是判断强度值是否大于阈值与一放大倍率的乘积，当判断为是，即强度值大于阈值与放大倍率的乘积时，进行步骤261，控制模块130根据一学习率参数将阈值上修至一上修阈值，当判断为否，即强度值小于或等于阈值与放大倍率的乘积时，进行步骤262，控制模块130不修改阈值。实务上，步骤250及步骤260可同时进行。

详细来说，运动模块110可依据实际需求提供不同的运动模式，以图1 的步态训练设备为例，其训练单元111(即踏板)被配置为可依据不同的运动轨迹移动，如图4、图5所示，其中横坐标及纵坐标分别代表训练单元111的水平位置及垂直位置，单位皆为公分，图4中的运动轨迹为走路时的运动轨迹，图5中的运动轨迹为椭圆轨迹，相较于图4的运动轨迹，其具有较高的垂直位移量，而可加强腿部沿垂直方向的灵活度，然而，图4、图5仅为例示，本发明不以此为限。此外，关于如何将训练单元111配置为可依据不同的运动轨迹移动，其为现有技术且非本发明的重点，在此不予赘述。

在正式训练前，可先建立适于用户A的运动模型，如图6所示，步骤211 中，控制模块130在用户A不出力的情况下驱动马达112带动训练单元111，训练单元111带动用户A的一部位(在此为足部)依据运动轨迹移动，以下系以图5的运动轨迹举例说明。

步骤212中，控制模块130将运动轨迹划分为多个区域，例如，当将运动轨迹划分为n个区域时，各区域的命名为Ri，i为1至n的正整数，以图5 为例，运动轨迹被划分为23个区域，多个区域依序为R1～R23，图5中仅标出R1,R2,R3及R23作为例示。

步骤213中，控制模块130控制感测模块120感测用户A于各区域的多个生理状态信号。各区域的多个生理状态信号可为训练单元111于一次运动周期所取得的信号，其中一次运动周期是指训练单元111依据运动轨迹行走一圈，亦即各区域的多个生理状态信号可为训练单元111仅依据运动轨迹行走一圈，而于该圈在各区域取得的多个生理状态信号(即取样数大于区域的数量)，更具体来说，假设区域的数量为100个，取样数为200，则每个区域有2 个生理状态信号。或者，各区域的多个生理状态信号可为训练单元111于多次运动周期所取得的信号，例如，训练单元111每走一圈仅于各区域取得一个生理状态信号(即取样数等于区域的数量)，走多圈则可得到多个生理状态信号，或者，训练单元111每走一圈先于各区域取得多个生理状态信号(即取样数大于区域的数量)并以强度值的算术平均数代表该圈该区域的生理状态信号，当训练单元111走多圈，则可得到多个代表该区域的生理状态信号。

步骤214中，控制模块130依据各区域的多个生理状态信号计算各区域的阈值。依据本发明一实施方式，阈值可依据式(I)计算得到：

式(I)中，Vth为Ri区域的阈值，

为Ri区域的多个生理状态信号的强度值的算术平均数，σi为Ri区域的多个生理状态信号的强度值的标准偏差。假设于各区域感测到m个生理状态信号，各生理状态信号的强度值为Sij，j为 1至m的正整数，例如m＝3，则区域R1所感测到的生理状态信号的强度值为S11,S12,S13，区域R2所感测到的生理状态信号的强度值为S21,S22,S23，依此类推。

可依据式(II)计算获得，σi可依据式(III)计算获得：

藉此，本发明的可适应性主动训练系统100可建立适于用户A的运动模型。

正式训练时，控制模块130计算训练单元111于运动轨迹的位置(步骤 220)，例如，可通过与马达112连接的编码器，计算获得前述位置，编码器可为绝对型编码器，例如型号MHMD082S1V的编码器。关于如何获得训练单元111的位置为本领域所熟知，在此不另赘述。藉由训练单元111的位置，可找到训练单元111位于运动轨迹的区域，进而可通过运动模型取得对应该区域的阈值(步骤230)。当使用者A当下所感测到的生理状态信号的强度值大于阈值时，控制模块130驱动马达112以带动训练单元111依据运动轨迹移动(步骤250)，亦即本发明的可适应性主动训练系统100属于主动训练系统，同时，控制模块130会判断强度值是否大于阈值与一放大倍率的乘积，即强度值是否满足式(IV)，其中Sc为当下生理状态信号的强度值，γ为放大倍率，且γ大于1的实数：

Sc>Vth×γ (IV)。

当判断结果为否时，表示强度值虽大于阈值，但二者差距不致太大，对使用者A仍有训练效果，故控制模块130不修改阈值(步骤262)，当判断结果为是时，表示强度值远远大于阈值，对使用者A而言太过轻松，控制模块130 根据学习率参数将阈值上修至一上修阈值(步骤261)，上修阈值可依据式(V) 计算获得：

Vin＝Vth×(1+η) (V)。

式(V)中，Vin为上修阈值，0<η<1，且η为实数，例如，η可为0.3、0.4 或0.5。

请参照图7，其中横坐标为训练单元111的位置，纵坐标为生理状态信号的强度值，线条610为运动轨迹其中一区域中不同位置的生理状态信号的强度值，线条620为该区域的阈值，线条630为该区域的上修阈值。藉此，可依据使用者A当下的身体状况提升训练强度。较佳地，上修阈值小于或等于强度值，藉此，可避免训练强度调整过高而超过用户A所能负荷的程度。

请复参照图3，步骤230中，当控制模块130判断生理状态信号的强度值小于阈值时，进行步骤270，控制模块130不驱动马达112带动训练单元111 依据运动轨迹移动，亦即，使用者A当下的出力不足，而无法带动训练单元 111移动。步骤280中，控制模块130判断生理状态信号的强度值是否小于阈值与一缩小倍率的乘积，即强度值是否满足式(VI)，其中Sc为当下生理状态信号的强度值，α为缩小倍率，0<α<1，且α为实数：

Sc<Vth×α (VI)。

当判断结果为否时，表示强度值虽小于阈值，但二者差距不致太大，对使用者A仍有机会藉由增加出力达到阈值，此时进行步骤282，控制模块130 不修改阈值，当判断结果为是时，表示强度值远远小于阈值，对使用者A而言难度太高，进行步骤281，控制模块130根据学习率参数将阈值下修至一下修阈值，下修阈值可依据式(VII)计算获得：

Vde＝Vth×(1-η) (VII)。

式(VII)中，Vde为下修阈值，η的定义请参照上文，此外，步骤270及步骤280可同时进行。

请参照图8，其中横坐标为训练单元111的位置，纵坐标为生理状态信号的强度值，线条710为运动轨迹其中一区域中不同位置的生理状态信号的强度值，线条720为该区域的阈值，线条730为该区域的下修阈值。藉此，可依据使用者A当下的身体状况调降训练难度。较佳地，下修阈值大于或等于强度值，藉此，可避免训练强度调降过多，让使用者A轻松完成而失去训练效果。

相较于现有技术，本发明的可适应性主动训练系统为一种主动训练系统，相较于被动训练系统，可提供较佳的训练成效。本发明的可适应性主动训练系统所使用的生理状态信号不限于肌电信号，具有泛用性高的优点。本发明的可适应性主动训练系统可依据用户当下的生理状态信号，适应上修或下修阈值，一方面可避免阈值过高，训练强度超过用户所能负荷的范围而降低使用者的训练意愿或造成运动伤害，另一方面可避免阈值过低而无法提供足够训练强度，有利于提供渐进式超负荷训练，而可大幅提升训练成效。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (8)

1.一种可适应性主动训练系统，其特征在于，包括：

一运动模块，包括：

一训练单元；以及

一马达，连接于该训练单元，该马达用以带动该训练单元依据一运动轨迹移动；

一感测模块，用以感测一用户使用该训练单元的一生理状态信号；以及

一控制模块，连接于该运动模块及该感测模块，该控制模块配置以执行：

计算该训练单元于该运动轨迹的一位置；

依据一运动模型取得对应该位置的一阈值；以及

判断该生理状态信号的一强度值是否大于该阈值，其中：

当该生理状态信号的该强度值大于该阈值时，该控制模块驱动该马达以带动该训练单元依据该运动轨迹移动；

当该强度值大于该阈值与一放大倍率的乘积时，该控制模块根据一学习率参数将该阈值上修至一上修阈值；

当该生理状态信号的该强度值小于该阈值时，该控制模块不驱动该马达带动该训练单元依据该运动轨迹移动；以及

当该强度值小于该阈值与一缩小倍率的乘积时，该控制模块根据该学习率参数将该阈值下修至一下修阈值。

2.如权利要求1所述的可适应性主动训练系统，其特征在于，该上修阈值小于或等于该强度值，该下修阈值大于或等于该强度值。

3.如权利要求1所述的可适应性主动训练系统，其特征在于，该阈值为Vth，该上修阈值为Vin，该学习率参数为η，其满足下列条件：

Vin＝Vth×(1+η)；以及

0<η<1，且η为实数。

4.如权利要求1所述的可适应性主动训练系统，其特征在于，该阈值为Vth，该下修阈值为Vde，该学习率参数为η，其满足下列条件：

Vde＝Vth×(1-η)；以及

0<η<1，且η为实数。

5.如权利要求1所述的可适应性主动训练系统，其特征在于，该控制模块更配置以执行：

建立该运动模型，包括：

该控制模块在该用户不出力的情况下驱动该马达带动该训练单元，使该训练单元带动该用户的一部位依据该运动轨迹移动；

该控制模块将该运动轨迹划分为多个区域；

该控制模块控制该感测模块感测该用户于各该区域的多个生理状态信号；以及

该控制模块依据各该区域的该多个生理状态信号计算各该区域的该阈值。

6.如权利要求1所述的可适应性主动训练系统，其特征在于，该感测模块为一压力传感器，用以感测该使用者施加于该训练单元的一压力，以产生该生理状态信号。

7.如权利要求1所述的可适应性主动训练系统，其特征在于，该感测模块为一肌电传感器，用以感测该用户于使用该训练单元时的一肌电信号，以产生该生理状态信号。

8.如权利要求1所述的可适应性主动训练系统，其特征在于，该感测模块为一扭矩传感器，连接于该马达，用以感测该用户于使用该训练单元时该马达的一扭矩，以产生该生理状态信号。

Images