CN115282573B - 结合物联网和数据分析的跑步机智能控制方法及系统 - Google Patents

结合物联网和数据分析的跑步机智能控制方法及系统 Download PDF

Info

Publication number
CN115282573B
CN115282573B CN202211194536.2A CN202211194536A CN115282573B CN 115282573 B CN115282573 B CN 115282573B CN 202211194536 A CN202211194536 A CN 202211194536A CN 115282573 B CN115282573 B CN 115282573B
Authority
CN
China
Prior art keywords
data
pressure
curve
current
sub
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
CN202211194536.2A
Other languages
English (en)
Other versions
CN115282573A (zh
Inventor
段铁民
盛国选
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.)
Shandong Brightway Fitness Equipment Co ltd
Original Assignee
Shandong Brightway Fitness Equipment Co ltd
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 Shandong Brightway Fitness Equipment Co ltd filed Critical Shandong Brightway Fitness Equipment Co ltd
Priority to CN202211194536.2A priority Critical patent/CN115282573B/zh
Publication of CN115282573A publication Critical patent/CN115282573A/zh
Application granted granted Critical
Publication of CN115282573B publication Critical patent/CN115282573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0087—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0087—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load
    • A63B2024/0093—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load the load of the exercise apparatus being controlled by performance parameters, e.g. distance or speed
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor

Abstract

本发明涉及智能控制领域，具体涉及结合物联网和数据分析的跑步机智能控制方法及系统，包括：根据步频的合适度获得最小周期，根据最小周期获得压力变化曲线的当前子曲线和参考子曲线；根据斜率相似性获得参考子曲线的参考数据段；通过线性拟合获得参考数据段中每个数据点的参考斜率和参考压力；根据当前数据段中第一数据点的斜率与参考斜率，获得当前数据段的状态；当前数据段为激活状态时，根据预测方程获得预测压力；根据预测压力和参考压力计算当前时刻的异常程度；根据异常程度对跑步机的运动速度进行智能调控。本发明通过预测结果，在运动者出现异常情况前，对跑步机的速度进行实时调控，通过智能控制跑步机的速度，使得运动过程更安全。

Description

结合物联网和数据分析的跑步机智能控制方法及系统
技术领域
本发明涉及智能控制领域，具体涉及结合物联网和数据分析的跑步机智能控制方法及系统。
背景技术
目前，随着人们生活水平的提高，人们的健身意识也在逐步提高，各种健身器材也逐渐进入人们的生活。其中，跑步机是人们经常选择的健身器械。
通常在使用跑步机时，跑步机的运行速度是按照预先手动设定的速度运行的，但在跑步过程中，经常需要进行变速，通常跑步者需要在跑步过程中进行按钮、滑屏等变速控制操作，操作过程中极易发送身体失去平衡，存在较大的安全风险。传统防摔方法是通过将安全绳与人体进行连接，当运动者摔倒时会拉动安全绳，安全绳拉动磁控开关使跑步机断电，从而减小运动者摔倒后跑步机拖拽造成的二次伤害。由于安全绳会影响运动者的舒适性，调查发现大量运动者在运动过程中会很少使用安全绳，同时安全绳只能在运动者摔倒后才能做出相应的反应，无法预测感知运动者的运动状态，提前做出相应的预防措施。
针对上述情况，本发明提出了一种结合物联网和数据分析的跑步机智能控制方法及系统，通过对运动者的运动状态进行监测，对运动状态做出异常判断，从而进行跑步机的速度调控与紧急制动控制。
发明内容
为了解决上述问题，本发明提供结合物联网和数据分析的跑步机智能控制方法，所述方法包括：
获取压力变化曲线；
根据跑步机当前速度和历史数据，获得步频区间；对于步频区间中的任意一个步频，根据步频大小对压力变化曲线进行分段，获得所有子曲线；根据两个子曲线计算步频的合适度，获得所有步频的合适度，将最大合适度对应的步频作为最小周期；
根据最小周期对压力变化曲线进行分段，获得所有子曲线，将当前时刻所在的子曲线记为当前子曲线，当前子曲线的前一个子曲线记为参考子曲线；获取参考子曲线中每个数据点的斜率，根据相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段；对每个参考数据段进行线性拟合，获得参考数据段中每个数据点的参考斜率和参考压力；
根据参考子曲线中所有参考数据段的长度对当前子曲线进行分段，获得所有数据段，将当前时刻所在的数据段记为当前数据段，将当前数据段中已有的数据点记为第一数据点，将当前数据段中还未产生压力数据的时刻对应的数据点记为第二数据点；根据当前数据段中的部分第一数据点的斜率与参考斜率，获得当前数据段的状态；
当前数据段的状态为激活状态时，根据当前数据段中的部分第一数据点和第二数据点得到预测压力；将参考数据段中最后一个数据点的压力数据作为参考压力；根据预测压力和参考压力计算当前时刻的异常程度；
根据当前时刻的异常程度对跑步机的运动速度进行智能调控。
进一步地，所述根据两个子曲线计算步频的合适度，获得所有步频的合适度的步骤包括:
对于步频区间中的第
Figure DEST_PATH_IMAGE001
个步频，根据第
Figure 919384DEST_PATH_IMAGE001
个步频的大小对压力变化曲线进行分段，获 得第
Figure 774208DEST_PATH_IMAGE001
个步频对应的所有子曲线，根据所有子曲线中的第一个子曲线和第二个子曲线，计算 第
Figure 475316DEST_PATH_IMAGE001
个步频的合适度，具体计算公式为：
Figure 542629DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
表示第一个子曲线中所有数据点的均值，
Figure 75111DEST_PATH_IMAGE004
表示第二个子曲线中所有数 据点的均值，
Figure 569677DEST_PATH_IMAGE005
表示第一个子曲线中所有数据点的方差；
Figure 758082DEST_PATH_IMAGE006
表示第二个子曲线中所有数据 点的方差；
Figure 753720DEST_PATH_IMAGE007
表示第一个子曲线和第二个子曲线中所有数据点的协方差；
Figure 94702DEST_PATH_IMAGE008
和
Figure 9438DEST_PATH_IMAGE009
是计算 常数，
Figure 294926DEST_PATH_IMAGE010
表示第
Figure 704041DEST_PATH_IMAGE001
个步频的合适度。
进一步地，所述根据相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段的步骤包括：
对于参考子曲线中任意两个相邻的数据点，根据两个数据点的斜率计算相邻数据点的斜率相似性，具体计算公式为：
Figure 414377DEST_PATH_IMAGE011
式中，
Figure 516325DEST_PATH_IMAGE012
表示以自然常数为底的指数函数，
Figure DEST_PATH_IMAGE013
表示第
Figure 611146DEST_PATH_IMAGE014
个数据点的斜率，
Figure 683007DEST_PATH_IMAGE015
表示 与第
Figure 247850DEST_PATH_IMAGE014
个数据点相邻的第
Figure 255120DEST_PATH_IMAGE016
个数据点的斜率，
Figure DEST_PATH_IMAGE017
表示超参数，经验值
Figure 843096DEST_PATH_IMAGE018
，
Figure 718648DEST_PATH_IMAGE019
表示相邻 数据点的斜率相似性；
计算参考子曲线中所有相邻数据点的斜率相似性，根据所有相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段，对于任意一个参考数据段，所述参考数据段中的所有数据点都是连续的，并且任意两个相邻的数据点的斜率相似性均大于经验阈值。
进一步地，所述对每个参考数据段进行线性拟合，获得参考数据段中每个数据点的参考斜率和参考压力的步骤包括：
对每个参考数据段进行线性拟合，得到每个参考数据段的拟合直线方程，将每个参考数据段的拟合直线方程的斜率，作为每个参考数据段中所有数据点的参考斜率，根据每个参考数据段的拟合直线方程，获得参考数据段中每个数据点的压力数据，作为参考数据段中每个数据点的参考压力。
进一步地，所述根据当前数据段中的部分第一数据点的斜率和参考斜率，获得当前数据段的状态的步骤包括：
根据当前数据段中第
Figure 137997DEST_PATH_IMAGE020
个第一数据点到第
Figure 581748DEST_PATH_IMAGE021
个第一数据点的斜率和参考 斜率，计算当前数据段的状态值，具体计算公式为：
Figure 453758DEST_PATH_IMAGE022
式中，
Figure 133001DEST_PATH_IMAGE012
表示以自然常数为底的指数函数,
Figure 157589DEST_PATH_IMAGE023
表示当前数据段中的第
Figure 21508DEST_PATH_IMAGE024
个第一 数据点的斜率，
Figure 131547DEST_PATH_IMAGE025
表示当前数据段中的第
Figure 348902DEST_PATH_IMAGE024
个第一数据点的参考斜率，
Figure 742843DEST_PATH_IMAGE021
表示当前数据段 中第一数据点的数量，
Figure 262817DEST_PATH_IMAGE017
表示超参数，经验值
Figure 984785DEST_PATH_IMAGE018
，
Figure 130465DEST_PATH_IMAGE026
表示当前数据段的状态值，当
Figure 129645DEST_PATH_IMAGE027
时，
Figure 341226DEST_PATH_IMAGE028
，当
Figure 284911DEST_PATH_IMAGE029
时，
Figure 640806DEST_PATH_IMAGE030
；
如果当前数据段的状态值
Figure 619127DEST_PATH_IMAGE031
，则当前数据段的状态为激活状态，否则前数据 段的状态为未激活状态。
进一步地，所述根据预测压力和参考压力计算当前时刻的异常程度的步骤包括：
Figure 480904DEST_PATH_IMAGE032
式中，
Figure 302098DEST_PATH_IMAGE012
表示以自然常数为底的指数函数，
Figure 789580DEST_PATH_IMAGE033
表示超参数，
Figure 887986DEST_PATH_IMAGE034
表示预测压力，
Figure 904352DEST_PATH_IMAGE035
表 示参考压力，
Figure 963575DEST_PATH_IMAGE036
表示当前时刻的异常程度。
进一步地，所述根据当前时刻的异常程度对跑步机的运动速度进行智能调控的步骤包括：
当
Figure DEST_PATH_IMAGE037
时，跑步机的运动速度保持当前速度；
当
Figure 51486DEST_PATH_IMAGE038
时，根据异常程度对跑步机的运动速度进行调控，调控后的跑步 机的运动速度为
Figure 614185DEST_PATH_IMAGE039
，具体计算公式为：
Figure 332611DEST_PATH_IMAGE040
式中，
Figure 738185DEST_PATH_IMAGE041
表示跑步机的当前速度，
Figure 583781DEST_PATH_IMAGE036
表示当前时刻的异常程度，
Figure 345912DEST_PATH_IMAGE039
为调控后的跑步 机的运行速度；
当
Figure 985972DEST_PATH_IMAGE042
时，对跑步机进行紧急制动处理。
进一步地，所述获取压力变化曲线的步骤包括：
通过布置在布置跑步机上的压力传感器，采集压力传感器在每一时刻的产生的压力数据；将压力数据按照时间顺序组成曲线，对曲线进行平滑处理，将处理后的曲线记为压力变化曲线，每个时刻的压力数据对应压力变化曲线上的一个数据点。
本发明实施例提出结合物联网和数据分析的跑步机智能控制系统，包括数据采集模块、数据存储模块、数据处理模块、速度控制模块、电机驱动板、直流电机，所述数据采集模块通过设置在传感器跑步机上的压力传感器采集压力数据，所述数据存储模块将数据采集模块获得的压力数据进行存储，所述数据处理模块读取数据存储模块的压力数据，执行所述结合物联网和数据分析的跑步机智能控制方法，获得速度调节数据，所述速度控制模块根据速度调节数据对所述直流电机和电机驱动板进行控制，调节跑步机的速度，实现对跑步机的运动速度进行智能调控。
本发明实施例至少具有如下有益效果：
（1）本发明通过传感器获取运动者的压力数据，通过分析压力数据的变化情况进行运动状态的预测，通过预测结果对跑步机的速度进行相应的调控，使得在运动者运动状态即将出现异常时做出相应的反应，达到跑步机智能控制的目的，使得运动过程更具安全性，避免跑步机对摔倒的运动者造成二次伤害。
（2）本发明通过最小周期对压力变化曲线进行分段处理，将相似的数据点分为一段，通过分析拟合的线性方程进行异常数据的判断，避免由于外界因素的影响对异常检测的检测结果造成影响，同时通过分段处理可以大大减小数据计算量，达到实时预测的目的，使得跑步机的速度调控更具备实时性，在运动者摔倒之前提前做出相应的反应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的结合物联网和数据分析的跑步机智能控制方法及系统的步骤流程图。
图2为本发明一个实施例提供的初始压力变化曲线。
图3为本发明一个实施例提供的平滑处理后的压力变化曲线。
图4为本发明一个实施例提供的受力分解示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的结合物联网和数据分析的跑步机智能控制方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的结合物联网和数据分析的跑步机智能控制方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的结合物联网和数据分析的跑步机智能控制方法及系统的步骤流程图，该方法包括以下步骤：
S001，布置压力传感器，获取压力变化曲线。
(1)通过压力传感器，获得初始压力变化曲线。
需要说明的是，运动者在跑步机上运动时，通常是以一定的规律进行运动的，即运动者的步频呈现进行周期性，同时运动者的脚掌在与跑步机接触时存在一个压力，由于运动者为了保持自身的运动平衡与节奏，故左右脚交替对跑步机的压力是相似的，因此需要在合适的位置均匀的布置压力传感器，保证可以采集到完整的压力数据。
在本实施例中，在跑步机传送带的下方均匀地布置的压力传感器，采集压力传感器在每一时刻的产生的压力数据；将压力数据按照时间顺序组成的曲线，记为初始压力变化曲线，如图2所示，初始压力变化曲线的横坐标表示时刻，纵坐标表示压力传感器在对应时刻所获取到的压力数据，每个时刻的压力数据对应初始压力变化曲线上的一个数据点。
(2)对初始压力变化曲线进行平滑处理，获得处理后的压力变化曲线。
需要说明的是，由于跑步机在运行过程中存在轻微的振动，会导致传感器与跑步机传送带存在轻微接触，造成压缩传感器检测到细小的波动的压力值，同时在脚掌与传送带的接触过程中也会存在这种问题，故为了便于后续计算，同时减小振动带来的干扰影响，对初始压力变化曲线进行平滑处理，获得处理后的压力变化曲线，将如图3所示。
S002，根据步频大小对压力变化曲线进行分段，获得所有子曲线；根据两个子曲线计算步频的合适度，根据步频的合适度得到最小周期。
需要说明的是，一个完整的跑步过程中，以左脚为例，大体包括三个状态，即腾空状态、左脚落地接触跑步机和左脚发力向后蹬伸三个状态，腾空时脚与跑步机没有接触，即压力传感器上监测到的压力数据为0；左脚落地接触跑步机时，由于重力作用，压力传感器检测到的压力随着脚掌的落下逐渐增大，当完全落下时达到临界点；左脚发力蹬伸时，由于脚掌与跑步机表面存在一个斜向下的作用力F，通过力的分解后会得到一个水平方向的力F2与一个垂直向下的力F1，如图4的受力分解示意图所示，此时压力传感器检测到的压力值会随着力的作用逐渐增大，直至达到临界点；即通常运动者的步频、脚掌与跑步机接触面的压力是近似于周期性存在的，因此这三个状态在压力变化曲线上对应一个周期。
在本实施例中，根据跑步机当前速度和历史数据，获得步频区间，例如跑步机当前 速度为
Figure 613262DEST_PATH_IMAGE043
时,根据所述速度下的历史数据，统计得到速度为
Figure 246238DEST_PATH_IMAGE043
时，步频为2秒每步 到3秒每步，即速度为
Figure 783530DEST_PATH_IMAGE043
时的步频区间为
Figure 719125DEST_PATH_IMAGE044
；对于步频区间中的第
Figure 223924DEST_PATH_IMAGE001
个步频，根据第
Figure 145744DEST_PATH_IMAGE001
个步频的大小对压力变化曲线进行分段，获得第
Figure 52389DEST_PATH_IMAGE001
个步频对应的所有子曲线，根据所有子曲 线中的第一个子曲线和第二个子曲线，计算第
Figure 158885DEST_PATH_IMAGE001
个步频的合适度，具体计算公式为：
Figure 901713DEST_PATH_IMAGE002
式中，
Figure 876491DEST_PATH_IMAGE003
表示第一个子曲线中所有数据点的均值，
Figure 388375DEST_PATH_IMAGE004
表示第二个子曲线中所有数 据点的均值，
Figure 665773DEST_PATH_IMAGE005
表示第一个子曲线中所有数据点的方差；
Figure 879585DEST_PATH_IMAGE006
表示第二个子曲线中所有数据 点的方差；
Figure 408787DEST_PATH_IMAGE007
表示第一个子曲线和第二个子曲线中所有数据点的协方差；
Figure 24445DEST_PATH_IMAGE008
和
Figure 207164DEST_PATH_IMAGE009
是计算 常数，
Figure 190164DEST_PATH_IMAGE045
，
Figure 506745DEST_PATH_IMAGE046
，
Figure 586696DEST_PATH_IMAGE047
是曲线段中数据的最大值范围，
Figure 346842DEST_PATH_IMAGE010
表示第
Figure 806685DEST_PATH_IMAGE001
个步频的 合适度。
对于步频区间中的每个步频，根据步频大小对压力变化曲线进行分段，获得所有子曲线；根据两个子曲线计算每个步频的合适度，获得所有步频的合适度，将最大合适度对应的步频作为最小周期；
S003，根据最小周期对压力变化曲线进行分段，获得当前子曲线和参考子曲线；根据参考子曲线中相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段；对每个参考数据段进行线性拟合，获得参考数据段中每个数据点的参考斜率和参考压力。
需要说明的是，运动者在跑步机上运动时，通常会有一个相应的配速，在相应的配速中运动者以一定的节奏进行运行，为了保证呼吸节奏与身体的平衡，通常运动者的步频、脚掌与跑步机接触面的压力是近似于周期性存在的，即使存在一定的差异，但差异会较小。而摔倒通常是一个失去平衡的过程，一次异常摔倒过程一般历时2到4秒，由初始稳定的运动状态到失去平衡，然后与跑步机发生碰撞，最后倒地，摔倒通常是由于速度不合适或脚底踩滑所导致的，当跑步机速度过快或者脚底踩滑就会导致步频紊乱，从而破坏重心平衡，导致摔倒，故通过获取运动者的步频变化规律与压力的波动幅度进行摔倒风险判断，并根据当前时刻与历史时刻的差异程度进行摔倒预测，根据预测结果进行跑步机的智能控制。
（1）根据最小周期对压力变化曲线进行分段，获得当前子曲线和参考子曲线。
在本实施例中，根据最小周期对压力变化曲线进行分段，获得所有子曲线，分别记 为
Figure 412110DEST_PATH_IMAGE048
，将当前时刻所在的子曲线
Figure 612147DEST_PATH_IMAGE049
记为当前子曲线，当前子曲线的前一个子 曲线
Figure 792462DEST_PATH_IMAGE050
记为参考子曲线。
(2) 根据参考子曲线中相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段。
获取参考子曲线中每个数据点的斜率，对于参考子曲线中任意两个相邻的数据点，根据两个数据点的斜率计算相邻数据点的斜率相似性，具体计算公式为：
Figure 218895DEST_PATH_IMAGE011
式中，
Figure 877278DEST_PATH_IMAGE012
表示以自然常数为底的指数函数，
Figure 197401DEST_PATH_IMAGE013
表示第
Figure 299349DEST_PATH_IMAGE051
个数据点的斜率，
Figure 196767DEST_PATH_IMAGE015
表示 与第
Figure 409574DEST_PATH_IMAGE051
个数据点相邻的第
Figure 849782DEST_PATH_IMAGE016
个数据点的斜率，
Figure 840741DEST_PATH_IMAGE017
表示超参数，经验值
Figure 241766DEST_PATH_IMAGE018
，
Figure 117318DEST_PATH_IMAGE019
表示相邻 数据点的斜率相似性；当
Figure 536667DEST_PATH_IMAGE019
的值越大，说明此相邻两个数据点的斜率越相似，即越能被分为 一类。设定经验阈值
Figure 980418DEST_PATH_IMAGE052
,当f的值大于等于0.85时，越希望被分在同一个参考数据段 中。
计算参考子曲线中所有相邻数据点的斜率相似性，根据所有相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段，对于任意一个参考数据段，所述参考数据段中的所有数据点都是连续的，并且任意两个相邻的数据点的斜率相似性均大于经验阈值。
（3）对每个参考数据段进行线性拟合，获得参考数据段中每个数据点的参考斜率和参考压力。
对参考子曲线中的每个参考数据段进行线性拟合，获得每个参考数据段的拟合直线方程，将每个参考数据段的拟合直线方程的斜率，作为参考数据段中每个数据点的参考斜率，根据每个参考数据段的拟合直线方程，获得参考数据段中每个数据点的参考压力。
本发明通过最小周期对压力变化曲线进行分段处理，将相似的数据点分为一段，通过分析拟合的线性方程进行异常数据的判断，避免由于外界因素的影响对异常检测的检测结果造成影响，同时通过分段处理可以大大减小数据计算量，达到实时预测的目的，使得跑步机的速度调控更具备实时性，在运动者摔倒之前提前做出相应的反应。
S004，根据当前子曲线的当前数据段中第一数据点的斜率与参考斜率，获得当前数据段的状态。
需要说明的是，运动时发生摔倒通常是脚部踩滑或步频紊乱，即相应的压力曲线的周期性会被破坏，即以前一周期为参考，根据当前压力值进行预测，获取预测值与参考周期中相应位置值的差异情况
根据参考子曲线中所有参考数据段的长度对当前子曲线进行分段，获得所有数据段，将当前时刻所在的数据段记为当前数据段，将当前数据段中已有的数据点记为第一数据点，将当前数据段中还未产生压力数据的时刻对应的数据点记为第二数据点。
根据当前数据段中第
Figure 55690DEST_PATH_IMAGE020
个第一数据点到第
Figure 859567DEST_PATH_IMAGE021
个第一数据点的斜率和参考 斜率，计算当前数据段的状态值，具体计算公式为：
Figure 149734DEST_PATH_IMAGE022
式中，
Figure 889020DEST_PATH_IMAGE012
表示以自然常数为底的指数函数,
Figure 242467DEST_PATH_IMAGE023
表示当前数据段中的第
Figure 335188DEST_PATH_IMAGE024
个第一 数据点的斜率，
Figure 729129DEST_PATH_IMAGE025
表示当前数据段中的第
Figure 514682DEST_PATH_IMAGE024
个第一数据点的参考斜率，
Figure 626864DEST_PATH_IMAGE021
表示当前数据段 中第一数据点的数量，
Figure 647909DEST_PATH_IMAGE017
表示超参数，经验值
Figure 912668DEST_PATH_IMAGE018
，
Figure 383970DEST_PATH_IMAGE026
表示当前数据段的状态值，当
Figure 468601DEST_PATH_IMAGE027
时，
Figure 152392DEST_PATH_IMAGE028
，当
Figure 6078DEST_PATH_IMAGE029
时，
Figure 258068DEST_PATH_IMAGE030
；
如果当前数据段的状态值
Figure 79262DEST_PATH_IMAGE031
，此时当前时刻的前
Figure 317477DEST_PATH_IMAGE053
个时刻的压力均异常，因 此，后续的压力很大概率也出现异常，则将当前数据段的状态记为激活状态，并对当前数据 段的后续时刻进行预测；否则将前数据段的状态记为未激活状态。不进行预测。
S005，根据当前数据段中的第一数据点获得预测方程；根据预测方程获得预测压力和参考压力；根据预测压力和参考压力计算当前时刻的异常程度。
当前数据段的状态为激活状态时，根据当前数据段中的第
Figure 884724DEST_PATH_IMAGE020
个第一数据 点到第
Figure 432249DEST_PATH_IMAGE021
个第一数据点的压力进行线性拟合，获得预测方程；根据预测方程对当前数据段 中的最后一个第二数据点进行预测，获得预测压力；将参考数据段中最后一个数据点的压 力数据作为参考压力；根据预测压力和参考压力计算当前时刻的异常程度；计算公式为：
Figure 491472DEST_PATH_IMAGE032
式中，
Figure 517066DEST_PATH_IMAGE012
表示以自然常数为底的指数函数，
Figure 469978DEST_PATH_IMAGE033
表示超参数，
Figure 939137DEST_PATH_IMAGE034
表示预测压力，
Figure 475204DEST_PATH_IMAGE035
表 示参考压力，
Figure 320800DEST_PATH_IMAGE036
表示当前时刻的异常程度。预测压力与参考压力的差异越大，说明当前时刻 的异常程度越大，随着时间的推移，运动者摔倒的风险越大。
S006，根据当前时刻的异常程度对跑步机的运动速度进行智能调控。
需要说明的是，本发明通过传感器获取运动者的压力数据，通过分析压力数据的变化情况进行运动状态的预测，通过预测结果对跑步机的速度进行相应的调控，使得在运动者运动状态即将出现异常时做出相应的反应，达到跑步机智能控制的目的，使得运动过程更具安全性，避免跑步机对摔倒的运动者造成二次伤害。
运动者在跑步过程中存在速度波动，即会影响压力变化曲线，故根据当前时刻的异常程度对跑步机的运动速度进行智能调控，具体方法为：
当
Figure 128219DEST_PATH_IMAGE037
时，说明当前时刻压力的异常是由于运动者的速度变化或其他微小 影响因素造成的，此时运动者摔倒的可能性较低，故跑步机的运动速度保持当前速度；
当
Figure 17546DEST_PATH_IMAGE038
时，说明当前时刻压力的异常是由于运动者的要弄懂行为异常 导致的，此时运动者摔倒的风险较大，摔倒原因可能是跑步机运行速度过快所，故根据当前 时刻的异常程度对跑步机的运动速度的进行调控，调控后的跑步机的运动速度为
Figure 785782DEST_PATH_IMAGE039
，具体 计算公式为：
Figure 153178DEST_PATH_IMAGE040
式中，
Figure 80683DEST_PATH_IMAGE041
表示跑步机的当前速度，
Figure 891644DEST_PATH_IMAGE036
表示当前时刻的异常程度，
Figure 396444DEST_PATH_IMAGE039
为调控后的跑步 机的运行速度，当前时刻的异常程度越大，则调控后跑步机的运动速度越小；
当
Figure 318264DEST_PATH_IMAGE042
时，说明运动者已经发生步频紊乱，此时运动大概率会发生摔倒，为了 避免运动者摔倒后被跑步机拖拽而造成二次伤害，此时对跑步机进行紧急制动处理。
综上所述，本发明根据步频的合适度获得最小周期，根据最小周期获得压力变化曲线的当前子曲线和参考子曲线；根据斜率相似性获得参考子曲线的参考数据段；通过线性拟合获得参考数据段中每个数据点的参考斜率和参考压力；根据当前数据段中第一数据点的斜率与参考斜率，获得当前数据段的状态；当前数据段为激活状态时，根据预测方程获得预测压力；根据预测压力和参考压力计算当前时刻的异常程度；根据异常程度对跑步机的运动速度进行智能调控。本发明通过预测结果，在运动者出现异常情况前，对跑步机的速度进行实时调控，通过智能控制跑步机的速度，使得运动过程更安全。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (7)

1.结合物联网和数据分析的跑步机智能控制方法，其特征在于，所述方法包括：
获取压力变化曲线；
根据跑步机当前速度和历史数据，获得步频区间；对于步频区间中的任意一个步频，根据步频大小对压力变化曲线进行分段，获得所有子曲线；根据两个子曲线计算步频的合适度，获得所有步频的合适度，将最大合适度对应的步频作为最小周期；
根据最小周期对压力变化曲线进行分段，获得所有子曲线，将当前时刻所在的子曲线记为当前子曲线，当前子曲线的前一个子曲线记为参考子曲线；获取参考子曲线中每个数据点的斜率，根据相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段；对每个参考数据段进行线性拟合，获得参考数据段中每个数据点的参考斜率和参考压力；
根据参考子曲线中所有参考数据段的长度对当前子曲线进行分段，获得所有数据段，将当前时刻所在的数据段记为当前数据段，将当前数据段中已有的数据点记为第一数据点，将当前数据段中还未产生压力数据的时刻对应的数据点记为第二数据点；根据当前数据段中的部分第一数据点的斜率与参考斜率，获得当前数据段的状态；
当前数据段的状态为激活状态时，根据当前数据段中的部分第一数据点和第二数据点得到预测压力；将参考数据段中最后一个数据点的压力数据作为参考压力；根据预测压力和参考压力计算当前时刻的异常程度；
根据当前时刻的异常程度对跑步机的运动速度进行智能调控；
所述根据两个子曲线计算步频的合适度，获得所有步频的合适度的步骤包括：
对于步频区间中的第
Figure DEST_PATH_IMAGE002
个步频，根据第
Figure 336514DEST_PATH_IMAGE002
个步频的大小对压力变化曲线进行分段，获得第
Figure 830818DEST_PATH_IMAGE002
个步频对应的所有子曲线，根据所有子曲线中的第一个子曲线和第二个子曲线，计算第
Figure 548238DEST_PATH_IMAGE002
个步频的合适度，具体计算公式为：
Figure DEST_PATH_IMAGE004
式中，
Figure DEST_PATH_IMAGE006
表示第一个子曲线中所有数据点的均值，
Figure DEST_PATH_IMAGE008
表示第二个子曲线中所有数据点的均值，
Figure DEST_PATH_IMAGE010
表示第一个子曲线中所有数据点的方差；
Figure DEST_PATH_IMAGE012
表示第二个子曲线中所有数据点的方差；
Figure DEST_PATH_IMAGE014
表示第一个子曲线和第二个子曲线中所有数据点的协方差；
Figure DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE018
是计算常数，
Figure DEST_PATH_IMAGE020
表示第
Figure 290585DEST_PATH_IMAGE002
个步频的合适度；
所述根据当前数据段中的部分第一数据点的斜率和参考斜率，获得当前数据段的状态的步骤包括：
根据当前数据段中第
Figure DEST_PATH_IMAGE022
个第一数据点到第
Figure DEST_PATH_IMAGE024
个第一数据点的斜率和参考斜率，计算当前数据段的状态值，具体计算公式为：
Figure DEST_PATH_IMAGE026
式中，
Figure DEST_PATH_IMAGE028
表示以自然常数为底的指数函数,
Figure DEST_PATH_IMAGE030
表示当前数据段中的第
Figure DEST_PATH_IMAGE032
个第一数据点的斜率，
Figure DEST_PATH_IMAGE034
表示当前数据段中的第
Figure 72334DEST_PATH_IMAGE032
个第一数据点的参考斜率，
Figure 832479DEST_PATH_IMAGE024
表示当前数据段中第一数据点的数量，
Figure DEST_PATH_IMAGE036
表示超参数，经验值
Figure DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE040
表示当前数据段的状态值，当
Figure DEST_PATH_IMAGE042
时，
Figure DEST_PATH_IMAGE044
，当
Figure DEST_PATH_IMAGE046
时，
Figure DEST_PATH_IMAGE048
；
如果当前数据段的状态值
Figure DEST_PATH_IMAGE050
，则当前数据段的状态为激活状态，否则前数据段的状态为未激活状态。
2.根据权利要求1所述的结合物联网和数据分析的跑步机智能控制方法，其特征在于，所述根据相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段的步骤包括：
对于参考子曲线中任意两个相邻的数据点，根据两个数据点的斜率计算相邻数据点的斜率相似性，具体计算公式为：
Figure DEST_PATH_IMAGE052
式中，
Figure 818888DEST_PATH_IMAGE028
表示以自然常数为底的指数函数，
Figure DEST_PATH_IMAGE054
表示第
Figure DEST_PATH_IMAGE056
个数据点的斜率，
Figure DEST_PATH_IMAGE058
表示与第
Figure 594952DEST_PATH_IMAGE056
个数据点相邻的第
Figure DEST_PATH_IMAGE060
个数据点的斜率，
Figure 372153DEST_PATH_IMAGE036
表示超参数，经验值
Figure 37621DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE062
表示相邻数据点的斜率相似性；
计算参考子曲线中所有相邻数据点的斜率相似性，根据所有相邻数据点的斜率相似性，对参考子曲线进行分段，获得所有参考数据段，对于任意一个参考数据段，所述参考数据段中的所有数据点都是连续的，并且任意两个相邻的数据点的斜率相似性均大于经验阈值。
3.根据权利要求1所述的结合物联网和数据分析的跑步机智能控制方法，其特征在于，所述对每个参考数据段进行线性拟合，获得参考数据段中每个数据点的参考斜率和参考压力的步骤包括：
对每个参考数据段进行线性拟合，得到每个参考数据段的拟合直线方程，将每个参考数据段的拟合直线方程的斜率，作为每个参考数据段中所有数据点的参考斜率，根据每个参考数据段的拟合直线方程，获得参考数据段中每个数据点的压力数据，作为参考数据段中每个数据点的参考压力。
4.根据权利要求1所述的结合物联网和数据分析的跑步机智能控制方法，其特征在于，所述根据预测压力和参考压力计算当前时刻的异常程度的步骤包括：
Figure DEST_PATH_IMAGE064
式中，
Figure 640552DEST_PATH_IMAGE028
表示以自然常数为底的指数函数，
Figure DEST_PATH_IMAGE066
表示超参数，
Figure DEST_PATH_IMAGE068
表示预测压力，
Figure DEST_PATH_IMAGE070
表示参考压力，
Figure DEST_PATH_IMAGE072
表示当前时刻的异常程度。
5.根据权利要求1所述的结合物联网和数据分析的跑步机智能控制方法，其特征在于，所述根据当前时刻的异常程度对跑步机的运动速度进行智能调控的步骤包括：
当
Figure DEST_PATH_IMAGE074
时，跑步机的运动速度保持当前速度；
当
Figure DEST_PATH_IMAGE076
时，根据异常程度对跑步机的运动速度进行调控，调控后的跑步机的运动速度为
Figure DEST_PATH_IMAGE078
，具体计算公式为：
Figure DEST_PATH_IMAGE080
式中，
Figure DEST_PATH_IMAGE082
表示跑步机的当前速度，
Figure 485886DEST_PATH_IMAGE072
表示当前时刻的异常程度，
Figure 212534DEST_PATH_IMAGE078
为调控后的跑步机的运行速度；
当
Figure DEST_PATH_IMAGE084
时，对跑步机进行紧急制动处理。
6.根据权利要求1所述的结合物联网和数据分析的跑步机智能控制方法，其特征在于，所述获取压力变化曲线的步骤包括：
通过布置在布置跑步机上的压力传感器，采集压力传感器在每一时刻的产生的压力数据；将压力数据按照时间顺序组成曲线，对曲线进行平滑处理，将处理后的曲线记为压力变化曲线，每个时刻的压力数据对应压力变化曲线上的一个数据点。
7.结合物联网和数据分析的跑步机智能控制系统，包括数据采集模块、数据存储模块、数据处理模块、速度控制模块、电机驱动板、直流电机，其特征在于，所述数据采集模块通过设置在传感器跑步机上的压力传感器采集压力数据，所述数据存储模块将数据采集模块获得的压力数据进行存储，所述数据处理模块读取数据存储模块的压力数据，执行所述结合物联网和数据分析的跑步机智能控制方法如权利要求1-6任意一项所述方法的步骤，获得速度调节数据，所述速度控制模块根据速度调节数据对所述直流电机和电机驱动板进行控制，调节跑步机的速度，实现对跑步机的运动速度进行智能调控。
CN202211194536.2A 2022-09-29 2022-09-29 结合物联网和数据分析的跑步机智能控制方法及系统 Active CN115282573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211194536.2A CN115282573B (zh) 2022-09-29 2022-09-29 结合物联网和数据分析的跑步机智能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211194536.2A CN115282573B (zh) 2022-09-29 2022-09-29 结合物联网和数据分析的跑步机智能控制方法及系统

Publications (2)

Publication Number Publication Date
CN115282573A CN115282573A (zh) 2022-11-04
CN115282573B true CN115282573B (zh) 2022-12-20

Family

ID=83834529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211194536.2A Active CN115282573B (zh) 2022-09-29 2022-09-29 结合物联网和数据分析的跑步机智能控制方法及系统

Country Status (1)

Country Link
CN (1) CN115282573B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117828408A (zh) * 2024-03-04 2024-04-05 新风光电子科技股份有限公司 一种储能容量数据处理方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6443875B1 (en) * 1999-09-07 2002-09-03 Brunswich Corporation Treadmill motor control
CN108195395A (zh) * 2017-11-17 2018-06-22 捷开通讯(深圳)有限公司 移动终端及其计步方法、存储装置
US10617331B1 (en) * 2018-04-11 2020-04-14 Life Fitness, Llc Systems and methods for detecting if a treadmill user is running or walking
CN108742637B (zh) * 2018-05-31 2021-02-12 北京辰安科技股份有限公司 基于步态识别装置的身体状态检测方法和检测系统
CN108981744B (zh) * 2018-08-06 2020-07-07 浙江大学 一种基于机器学习与低通滤波的步频实时计算方法
TWI688423B (zh) * 2019-05-30 2020-03-21 華勛股份有限公司 應用於跑步機之跑步參數偵測系統及其偵測方法
CN113750452B (zh) * 2021-10-08 2022-10-14 浙江大跑科技有限公司 降低运动损伤的速度自适应跑步机控制系统及方法

Also Published As

Publication number Publication date
CN115282573A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN115282573B (zh) 结合物联网和数据分析的跑步机智能控制方法及系统
US10912495B2 (en) Activity recognition
JP2023075094A5 (zh)
EP3153093B1 (en) Method and apparatus for generating assessments using physical activity and biometric parameters
DE69720799T2 (de) Durch herzfrequenz kontrolliertes herz-lungen-intervalltraining
CN109506342B (zh) 空调的控制方法、装置和空调
US7330752B2 (en) Procedure for detection of stress by segmentation and analyzing a heart beat signal
US5649968A (en) Accelerometer-based rate-adaptive cardiac pacing with second generation signal processing
CN1272926A (zh) 测量人在运动中脚的触地时间和脚的腾空时间
JPH0592039A (ja) 覚醒度維持装置
EP1316021A2 (en) Combining measurements from different sensors
AU2011333730A1 (en) Analysis of EEG signals to detect hypoglycaemia
CN110787414A (zh) 跑步机速度控制方法、装置及智能跑步机
Vadnerkar et al. Design and validation of a biofeedback device to improve heel-to-toe gait in seniors
CN111329457A (zh) 一种穿戴式运动指数检测设备和检测方法
Li et al. An automatic recognition system for patients with movement disorders based on wearable sensors
CN115063891B (zh) 一种人体异常体征数据监测方法
CN116612875A (zh) 一种智能数字化管理制氧机监测控制系统
CN116135267A (zh) 一种具有人机交互功能的健康运动设备智能控制系统
US20210121657A1 (en) Method for determining the risk of a user waking up in an undesirable state
CN108371784A (zh) 一种体感智能跑步机的控制方法和装置
CN113491871B (zh) 一种用于监控一使用者的一运动期间的方法
CN113750453A (zh) 具有状态监测功能的智能跑步机
CN113077867A (zh) 一种健身车智能控制方法、系统、智能终端及存储介质
KR20190016753A (ko) 주행 및 보행 시 좌우 불균형 평가 방법 및 장치

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Intelligent Control Method and System for Treadmill Based on Internet of Things and Data Analysis

Effective date of registration: 20230523

Granted publication date: 20221220

Pledgee: Qilu bank Limited by Share Ltd. Dezhou Ningjin branch

Pledgor: SHANDONG BRIGHTWAY FITNESS EQUIPMENT CO.,LTD.

Registration number: Y2023980041402