CN116392779B - 基于功率车的用户心率控制方法及装置 - Google Patents
基于功率车的用户心率控制方法及装置 Download PDFInfo
- Publication number
- CN116392779B CN116392779B CN202310186878.8A CN202310186878A CN116392779B CN 116392779 B CN116392779 B CN 116392779B CN 202310186878 A CN202310186878 A CN 202310186878A CN 116392779 B CN116392779 B CN 116392779B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- user
- model
- power
- loss function
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008859 change Effects 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 83
- 238000004590 computer program Methods 0.000 claims description 15
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
- A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only
- A63B2230/065—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only within a certain range
- A63B2230/067—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only within a certain range used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Feedback Control In General (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明提供一种基于功率车的用户心率控制方法及装置,涉及计算机技术领域,其中所述基于功率车的心率控制方法包括:基于用户的实时心率数据,生成第一模型及第二模型,第一模型用于表征功率车的运动功率与用户的储备心率百分比的线性关系,第二模型用于表征用户的心率漂移程度;基于第一模型及第二模型,生成线性空间状态模型;基于线性空间状态模型,生成目标损失函数;目标损失函数用于确定功率车的目标输入量,目标输入量为用户的实时心率数据达到期望值时功率车功率的变化量;基于目标输入量控制功率车的功率,以使用户的实时心率保持在期望值。通过上述方法,基于目标输入量对功率车的功率进行调整,可以实时控制用户运动时的心率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于功率车的用户心率控制方法及装置。
背景技术
运动强度是运动过程中非常重要的指标,运动强度过大不仅会造成身体不适,而且会造成运动风险,尤其对于慢病患者、孕妇、肥胖患者、老年人等。
目前,骑行功率车是一种热门的运动方式,在用户骑行功率车的过程中,心率是反映运动强度的重要衡量指标。相关技术中,对于用户心率的采集方法虽然较多,但是欠缺能够实时维持用户心率的方法。因此,如何在用户骑行功率车的过程中,对用户心率进行实时控制是目前亟待解决的问题。
发明内容
针对现有技术存在的问题,本发明实施例提供一种基于功率车的用户心率控制方法及装置。
本发明提供一种基于功率车的用户心率控制方法,包括:
基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;
基于所述第一模型及所述第二模型,生成线性空间状态模型;
基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;
基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值。
可选地,所述线性空间状态模型中包括所述功率车的输入量及所述用户的状态量,所述输入量为所述功率车功率的变化量,所述状态量用于表征所述用户的储备心率百分比;
所述基于所述线性空间状态模型,生成第一损失函数,包括:
基于所述输入量及所述状态量,生成所述第一损失函数;
其中,所述第一损失函数包括输入幅度、预期误差及结果误差,所述输入幅度用于表征所述功率车功率变化的幅度,所述预期误差用于表征所述用户的实时心率达到期望值时预期的储备心率百分比误差,所述结果误差用于表征所述用户的实时心率达到期望值时实际的储备心率百分比误差。
可选地,在所述生成第一损失函数之后,所述方法还包括:
将所述第一损失函数进行预处理,生成目标损失函数;
基于所述目标损失函数,确定所述目标输入量。
可选地,所述基于所述目标损失函数,确定所述目标输入量,包括:
对所述目标损失函数进行求导,确定所述目标损失函数的极值;
基于所述极值,确定所述目标输入量。
可选地,所述基于所述目标损失函数,确定所述目标输入量,包括:
获取所述储备心率百分比的预设最大值;
基于所述预设最大值,确定所述储备心率百分比的取值范围;
将所述取值范围中的值、所述极值代入所述目标损失函数,确定所述目标输入量。
本发明还提供一种基于功率车的用户心率控制装置,包括:
第一生成模块,用于基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;
第二生成模块,用于基于所述第一模型及所述第二模型,生成线性空间状态模型;
第三生成模块,用于基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;
控制模块,用于基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于功率车的用户心率控制方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于功率车的用户心率控制方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述基于功率车的用户心率控制方法。
本发明提供的基于功率车的用户心率控制方法及装置,基于用户的实时心率数据,生成用于表征功率车的运动功率与用户的储备心率百分比的线性关系的第一模型,以及用于表征用户的心率漂移程度的第二模型,然后基于第一模型及第二模型,生成线性空间状态模型,基于线性空间状态模型,生成用于确定功率车目标输入量的第一损失函数,基于目标输入量对用户骑行的功率车的功率进行实时调整,从而可以实时控制用户运动时的心率,进而达到用户在运动时安全高效的目的。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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他的附图。
图1是本发明提供的基于功率车的用户心率控制方法的流程示意图之一;
图2是本发明提供的基于功率车的用户心率控制方法的流程示意图之二;
图3是本发明提供的基于功率车的用户心率控制装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1至图2对本发明提供的基于功率车的用户心率控制方法进行具体描述。图1是本发明提供的基于功率车的用户心率控制方法的流程示意图之一,参见图1所示,该方法包括步骤101-步骤104,其中:
步骤101、基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度。
首先需要说明的是,本发明的执行主体可以是能够监测用户实时心率数据,并能够实现对功率车的功率进行控制的任何电子设备,例如可以为智能手机、智能手表、台式电脑、手提电脑等任何一种。本发明实施例可应用于用户骑行功率车的场景中。
为了在用户骑行功率车的过程中,对用户心率进行实时控制,在本实施例中,首先需要采集用户的实时心率数据。
实时心率数据例如为:用户在骑行功率车时的储备心率百分比、心率漂移数据等。
在获取到用户的实时心率数据后,需要基于实时心率数据,建立运动心率模型,其中,运动心率模型包括第一模型及第二模型。
具体地,第一模型又称“运动功率-储备心率百分比的线性模型”,该模型可以利用公式(1)表示:
%HRRtarget(t)=d×P(d-1)+b (1)
其中,%HRRtarget(t)表示用户在t时刻的储备心率百分比;参数d、b为通过运动测试后用最小二乘法计算可得数值;P(t-1)表示功率车在t-1时刻的运动功率。
第二模型又称“心率漂移模型”,用于表征用户在运动负荷过程中的心率漂移程度。第二模型可以利用公式(2)表示:
其中,%HRRdrift(t)表示用户在t时刻的心率漂移程度;参数a、h为通过运动测试后用最小二乘法计算可得数值;%HRR(i)表示是储备心率百分比,累加和乘以系数是表达运动量对第一模型中心率的影响,其中,运动量是平均储备心率百分乘以时间,由于t为定值,步长也为定值,因此用h表示。
综上所述,运动心率模型可以利用公式(3)表示:
步骤102、基于所述第一模型及所述第二模型,生成线性空间状态模型。
在本实施例中,线性空间状态模型可以利用公式(4)表示;
其中,xk表示用户k时刻的状态量,状态量表征用户的储备心率百分比;xk+1表示用户k+1时刻的状态量;uk表示功率车k时刻的输入量,输入量用于表征功率车功率的变化量;A、B表示系数矩阵。
此处需要说明的是,uk=ΔP(k),xk=%HRR(k)。系数矩阵A、B可以通过以下方式得到:
首先,基于模型预测控制(Model Predictive Control,MPC)算法对线性空间状态模型进行处理,得到处理后的线性空间状态模型,具体利用公式(5)表示:
将公式(5)代入至xk+1=Axk+Buk,即可得到A=d+1,B=h。
步骤103、基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量。
步骤104、基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值。
具体地,用户的实时心率保持在期望值,是指通过控制功率车的功率,使用户的实时心率保持在目标心率区间内。
本发明提供的基于功率车的用户心率控制方法,基于用户的实时心率数据,生成用于表征功率车的运动功率与用户的储备心率百分比的线性关系的第一模型,以及用于表征用户的心率漂移程度的第二模型,然后基于第一模型及第二模型,生成线性空间状态模型,基于线性空间状态模型,生成用于确定功率车目标输入量的第一损失函数,基于目标输入量对用户骑行的功率车的功率进行实时调整,从而可以实时控制用户运动时的心率,进而达到用户在运动时安全高效的目的。
可选地,所述线性空间状态模型中包括所述功率车的输入量及所述用户的状态量,所述输入量为所述功率车功率的变化量,所述状态量用于表征所述用户的储备心率百分比;
所述基于所述线性空间状态模型,生成第一损失函数,具体可以通过以下步骤实现:
基于所述输入量及所述状态量,生成所述第一损失函数;
其中,所述第一损失函数包括输入幅度、预期误差及结果误差,所述输入幅度用于表征所述功率车功率变化的幅度,所述预期误差用于表征所述用户的实时心率达到期望值时预期的储备心率百分比误差,所述结果误差用于表征所述用户的实时心率达到期望值时实际的储备心率百分比误差。
在本实施例中,在基于第一模型及第二模型,生成线性空间状态模型之后,首先基于输入量uk及状态量xk,生成输入量矩阵Uk及状态量矩阵Xk。
具体地,基于线性空间状态模型中的xk+1=Axk+Buk,可推导得到进而可得Xk=αx0+βUk=[x0,……,xk-1]T;Uk=[u0,……,uk-1]T。
此处需要说明的是,α、β表示状态量矩阵Xk中的权重,其中,
在生成输入量矩阵Uk及状态量矩阵Xk之后,基于Uk及Xk生成第一损失函数J(k),具体地,第一损失函数J(k)可以利用公式(6)表示:
其中,表示输入幅度;/>表示预期误差;xkQfxk表示结果误差。
在上述实施方式中,基于第一损失函数可以确定出用户的实时心率数据达到期望值时功率车所需要的功率变化量,基于目标输入量对用户骑行的功率车的功率进行实时调整,可以实时控制用户运动时的心率,进而达到用户在运动时安全高效的目的。
可选地,在所述生成第一损失函数之后,需要确定出用户的实时心率数据达到期望值时功率车所需要的功率变化量(即目标输入量);具体可以通过以下步骤1)至步骤2)实现:
步骤1)、将所述第一损失函数进行预处理,生成目标损失函数;
步骤2)、基于所述目标损失函数,确定所述目标输入量。
在本实施例中,首先需要将第一损失函数J(k)替换为与Uk相关的形式,生成目标损失函数;其中,目标损失函数可以利用公式(7)表示:
其中,
在将第一损失函数J(k)替换为与Uk相关的形式之后,便基于替换后的目标损失函数,确定目标输入量。
可选地,基于所述目标损失函数,确定所述目标输入量,具体可以通过以下两种方式实现:
方式1,具体包括步骤[1]-步骤[2]:
步骤[1]、对所述目标损失函数进行求导,确定所述目标损失函数的极值;
步骤[2]、基于所述极值,确定所述目标输入量。
在本实施例中,首先对目标损失函数进行求导,即,对公式(7)进行求导,得到求导结果求导结果具体可以利用公式(8)表示:
在的情况下,可求得目标损失函数的极值Uk=-H-1Fx0。
基于极值Uk,将Uk中的u0确定为目标输入量。
方式2、具体包括步骤[a]-步骤[c]:
步骤[a]、获取所述储备心率百分比的预设最大值;
步骤[b]、基于所述预设最大值,确定所述储备心率百分比的取值范围;
步骤[c]、将所述取值范围中的值、所述极值代入所述目标损失函数,确定所述目标输入量。
在本实施例中,首先需要获取用户储备心率百分比的预设最大值Xmax,其中,Xmax=[xmax,……,xmax]T。
然后基于Xmax,确定储备心率百分比的取值范围(又称用户状态量的边界值,用于对用户的储备心率百分比进行约束),取值范围可以利用公式(9)表示:
βUk<=Xmax-αx0 (9)
在确定出储备心率百分比的取值范围之后,将βUk<=Xmax-αx0以及Uk=-H-1Fx0代入至中,将J(Uk,x0)的最小值确定为目标输入量。
在上述实施方式中,通过对用户的储备心率百分比进行约束,可以实时控制用户运动时的心率,同时也可对用户的心率范围进行控制。
图2是本发明提供的基于功率车的用户心率控制方法的流程示意图之二,参见图2所示,该方法包括步骤201-步骤210,其中:
步骤201、基于用户的实时心率数据,生成运动心率模型;其中,运动心率模型中包括第一模型和第二模型。
具体地,第一模型用于表征功率车的运动功率与用户的储备心率百分比的线性关系;第二模型用于表征用户的心率漂移程度。
步骤202、基于运动心率模型中的第一模型及第二模型,生成线性空间状态模型;其中,线性空间状态模型中包括功率车的输入量及用户的状态量。
具体地,输入量为功率车功率的变化量,状态量用于表征用户的储备心率百分比。
步骤203、基于输入量及状态量,生成第一损失函数。
具体地,第一损失函数包括输入幅度、预期误差及结果误差;其中,输入幅度用于表征功率车功率变化的幅度;预期误差用于表征用户的实时心率达到期望值时预期的储备心率百分比误差;结果误差用于表征用户的实时心率达到期望值时实际的储备心率百分比误差。
步骤204、将第一损失函数进行预处理,生成目标损失函数。
步骤205、对目标损失函数进行求导,确定目标损失函数的极值。
步骤206、基于极值,确定目标输入量。
步骤207、获取储备心率百分比的预设最大值。
步骤208、基于预设最大值,确定储备心率百分比的取值范围。
步骤209、将取值范围中的值、极值代入目标损失函数,确定目标输入量。
需要说明的是,步骤206与步骤207-步骤209的执行顺序不分先后。
步骤210、基于目标输入量控制功率车的功率,以使用户的实时心率保持在期望值。
具体地,用户的实时心率保持在期望值,是指通过控制功率车的功率,使用户的实时心率保持在目标心率区间内。
下面对本发明提供的基于功率车的用户心率控制装置进行描述,下文描述的基于功率车的用户心率控制装置与上文描述的基于功率车的用户心率控制方法可相互对应参照。图3是本发明提供的基于功率车的用户心率控制装置的结构示意图,如图3所示,该基于功率车的用户心率控制装置300包括:第一生成模块301、第二生成模块302、第三生成模块303及控制模块304,其中:
第一生成模块301,用于基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;
第二生成模块302,用于基于所述第一模型及所述第二模型,生成线性空间状态模型;
第三生成模块303,用于基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;
控制模块304,用于基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值。
本发明提供的基于功率车的用户心率控制装置,基于用户的实时心率数据,生成用于表征功率车的运动功率与用户的储备心率百分比的线性关系的第一模型,以及用于表征用户的心率漂移程度的第二模型,然后基于第一模型及第二模型,生成线性空间状态模型,基于线性空间状态模型,生成用于确定功率车目标输入量的第一损失函数,基于目标输入量对用户骑行的功率车的功率进行实时调整,从而可以实时控制用户运动时的心率,进而达到用户在运动时安全高效的目的。
可选地,所述线性空间状态模型中包括所述功率车的输入量及所述用户的状态量,所述输入量为所述功率车功率的变化量,所述状态量用于表征所述用户的储备心率百分比;
所述第三生成模块303,进一步用于:
基于所述输入量及所述状态量,生成所述第一损失函数;
其中,所述第一损失函数包括输入幅度、预期误差及结果误差,所述输入幅度用于表征所述功率车功率变化的幅度,所述预期误差用于表征所述用户的实时心率达到期望值时预期的储备心率百分比误差,所述结果误差用于表征所述用户的实时心率达到期望值时实际的储备心率百分比误差。
可选地,所述装置还包括:
预处理模块,用于将所述第一损失函数进行预处理,生成目标损失函数;
确定模块,用于基于所述目标损失函数,确定所述目标输入量。
可选地,所述确定模块,进一步用于:
对所述目标损失函数进行求导,确定所述目标损失函数的极值;
基于所述极值,确定所述目标输入量。
可选地,所述确定模块,进一步用于:
获取所述储备心率百分比的预设最大值;
基于所述预设最大值,确定所述储备心率百分比的取值范围;
将所述取值范围中的值、所述极值代入所述目标损失函数,确定所述目标输入量。
图4是本发明提供的电子设备的结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行基于功率车的用户心率控制方法,该方法包括:基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;基于所述第一模型及所述第二模型,生成线性空间状态模型;基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的基于功率车的用户心率控制方法,该方法包括:基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;基于所述第一模型及所述第二模型,生成线性空间状态模型;基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的基于功率车的用户心率控制方法,该方法包括:基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;基于所述第一模型及所述第二模型,生成线性空间状态模型;基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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。
Claims (8)
1.一种基于功率车的用户心率控制方法,其特征在于,包括:
基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;
基于所述第一模型及所述第二模型,生成线性空间状态模型;
基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;
基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值;
所述线性空间状态模型中包括所述功率车的输入量及所述用户的状态量,所述输入量为所述功率车功率的变化量,所述状态量用于表征所述用户的储备心率百分比;
所述基于所述线性空间状态模型,生成第一损失函数,包括:
基于所述输入量及所述状态量,生成所述第一损失函数;
其中,所述第一损失函数包括输入幅度、预期误差及结果误差,所述输入幅度用于表征所述功率车功率变化的幅度,所述预期误差用于表征所述用户的实时心率达到期望值时预期的储备心率百分比误差,所述结果误差用于表征所述用户的实时心率达到期望值时实际的储备心率百分比误差。
2.根据权利要求1所述的基于功率车的用户心率控制方法,其特征在于,在所述生成第一损失函数之后,所述方法还包括:
将所述第一损失函数进行预处理,生成目标损失函数;
基于所述目标损失函数,确定所述目标输入量。
3.根据权利要求2所述的基于功率车的用户心率控制方法,其特征在于,所述基于所述目标损失函数,确定所述目标输入量,包括:
对所述目标损失函数进行求导,确定所述目标损失函数的极值;
基于所述极值,确定所述目标输入量。
4.根据权利要求3所述的基于功率车的用户心率控制方法,其特征在于,所述基于所述目标损失函数,确定所述目标输入量,包括:
获取所述储备心率百分比的预设最大值;
基于所述预设最大值,确定所述储备心率百分比的取值范围;
将所述取值范围中的值、所述极值代入所述目标损失函数,确定所述目标输入量。
5.一种基于功率车的用户心率控制装置,其特征在于,包括:
第一生成模块,用于基于用户的实时心率数据,生成第一模型及第二模型,所述第一模型用于表征功率车的运动功率与所述用户的储备心率百分比的线性关系,所述第二模型用于表征所述用户的心率漂移程度;
第二生成模块,用于基于所述第一模型及所述第二模型,生成线性空间状态模型;
第三生成模块,用于基于所述线性空间状态模型,生成第一损失函数;所述第一损失函数用于确定所述功率车的目标输入量,所述目标输入量为所述用户的实时心率数据达到期望值时所述功率车功率的变化量;
控制模块,用于基于所述目标输入量控制所述功率车的功率,以使所述用户的实时心率保持在期望值;
所述线性空间状态模型中包括所述功率车的输入量及所述用户的状态量,所述输入量为所述功率车功率的变化量,所述状态量用于表征所述用户的储备心率百分比;
所述第三生成模块,进一步用于:
基于所述输入量及所述状态量,生成所述第一损失函数;
其中,所述第一损失函数包括输入幅度、预期误差及结果误差,所述输入幅度用于表征所述功率车功率变化的幅度,所述预期误差用于表征所述用户的实时心率达到期望值时预期的储备心率百分比误差,所述结果误差用于表征所述用户的实时心率达到期望值时实际的储备心率百分比误差。
6.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述基于功率车的用户心率控制方法。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于功率车的用户心率控制方法。
8.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于功率车的用户心率控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310186878.8A CN116392779B (zh) | 2023-03-01 | 2023-03-01 | 基于功率车的用户心率控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310186878.8A CN116392779B (zh) | 2023-03-01 | 2023-03-01 | 基于功率车的用户心率控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116392779A CN116392779A (zh) | 2023-07-07 |
CN116392779B true CN116392779B (zh) | 2024-03-05 |
Family
ID=87008185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310186878.8A Active CN116392779B (zh) | 2023-03-01 | 2023-03-01 | 基于功率车的用户心率控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116392779B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1646361A (zh) * | 2002-02-08 | 2005-07-27 | 新时代技研株式会社 | 用于进行有氧运动的电动助力自行车 |
CN101496944A (zh) * | 2008-02-01 | 2009-08-05 | 三洋电机株式会社 | 被动型运动设备及其控制装置 |
CN102258848A (zh) * | 2010-05-25 | 2011-11-30 | 上海薄荷信息科技有限公司 | 一种虚拟私人运动教练脚踏车设备及控制系统 |
WO2011149922A1 (en) * | 2010-05-24 | 2011-12-01 | Saris Cycling Group, Inc | System and apparatus for correlating heart rate to exercise parameters |
CN107184215A (zh) * | 2016-03-14 | 2017-09-22 | 精工爱普生株式会社 | 生物体信息处理系统、服务器以及生物体信息推断方法 |
CN108479026A (zh) * | 2018-05-30 | 2018-09-04 | 北京小汤山医院 | 根据靶心率实时调整速度的系统 |
CN110368644A (zh) * | 2019-08-27 | 2019-10-25 | 云坊空间智能科技(南通)有限公司 | 一种随实时心率可自动调节阻力的智能动感单车以及阻力控制系统 |
CN112023343A (zh) * | 2020-08-24 | 2020-12-04 | 北京动亮健康科技有限公司 | 调整功率车扭矩的方法、运动训练方法和功率车 |
KR20200137254A (ko) * | 2019-05-29 | 2020-12-09 | 주식회사 바디프랜드 | 운동 효과를 극대화시켜주는 사운드를 제공하는 런닝머신 및 그 제어방법 |
CN113192654A (zh) * | 2021-05-12 | 2021-07-30 | 广东高驰运动科技有限公司 | 一种运动心率的追踪方法、装置、设备和存储介质 |
CN114631798A (zh) * | 2022-03-23 | 2022-06-17 | 深圳市爱都科技有限公司 | 体能测试方法、系统、可穿戴设备及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210106874A1 (en) * | 2019-10-15 | 2021-04-15 | Technogym S.P.A. | Exercise machine with power-controlled training mode and method thereof |
-
2023
- 2023-03-01 CN CN202310186878.8A patent/CN116392779B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1646361A (zh) * | 2002-02-08 | 2005-07-27 | 新时代技研株式会社 | 用于进行有氧运动的电动助力自行车 |
CN101496944A (zh) * | 2008-02-01 | 2009-08-05 | 三洋电机株式会社 | 被动型运动设备及其控制装置 |
WO2011149922A1 (en) * | 2010-05-24 | 2011-12-01 | Saris Cycling Group, Inc | System and apparatus for correlating heart rate to exercise parameters |
CN102258848A (zh) * | 2010-05-25 | 2011-11-30 | 上海薄荷信息科技有限公司 | 一种虚拟私人运动教练脚踏车设备及控制系统 |
CN107184215A (zh) * | 2016-03-14 | 2017-09-22 | 精工爱普生株式会社 | 生物体信息处理系统、服务器以及生物体信息推断方法 |
CN108479026A (zh) * | 2018-05-30 | 2018-09-04 | 北京小汤山医院 | 根据靶心率实时调整速度的系统 |
KR20200137254A (ko) * | 2019-05-29 | 2020-12-09 | 주식회사 바디프랜드 | 운동 효과를 극대화시켜주는 사운드를 제공하는 런닝머신 및 그 제어방법 |
CN110368644A (zh) * | 2019-08-27 | 2019-10-25 | 云坊空间智能科技(南通)有限公司 | 一种随实时心率可自动调节阻力的智能动感单车以及阻力控制系统 |
CN112023343A (zh) * | 2020-08-24 | 2020-12-04 | 北京动亮健康科技有限公司 | 调整功率车扭矩的方法、运动训练方法和功率车 |
CN113192654A (zh) * | 2021-05-12 | 2021-07-30 | 广东高驰运动科技有限公司 | 一种运动心率的追踪方法、装置、设备和存储介质 |
CN114631798A (zh) * | 2022-03-23 | 2022-06-17 | 深圳市爱都科技有限公司 | 体能测试方法、系统、可穿戴设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116392779A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109461001B (zh) | 基于第二模型获取第一模型的训练样本的方法和装置 | |
JP2019528113A (ja) | 機械学習モデルを使用した眼底画像の処理 | |
CN109271958B (zh) | 人脸年龄识别方法及装置 | |
CN110245364B (zh) | 零平行语料多模态神经机器翻译方法 | |
US10115208B2 (en) | Image characteristic estimation method and device | |
CN109975250B (zh) | 一种叶面积指数反演方法及装置 | |
CN111630572A (zh) | 基于深度学习的图像品质因数预测 | |
CN116392779B (zh) | 基于功率车的用户心率控制方法及装置 | |
JP2009112330A (ja) | 特徴量候補作成装置および特徴量候補作成方法 | |
US11966454B2 (en) | Self-contrastive learning for image processing | |
EP3792748A1 (en) | Information processing device and method, and program | |
CN111476204B (zh) | 假肢踝关节角度的预测方法和预测装置 | |
Aravindan et al. | State-aware variational thompson sampling for deep q-networks | |
CN115170902B (zh) | 图像处理模型的训练方法 | |
CN111160487B (zh) | 人脸图像数据集的扩充方法和装置 | |
US11631500B2 (en) | Patient specific risk prediction of cardiac events from image-derived cardiac function features | |
CN113297993B (zh) | 神经刺激信号确定装置和方法 | |
EP4040286A1 (en) | Reinforcement learning-based apparatus and method for generating random numbers | |
Hilhorst et al. | Efficient sensitivity analysis for biomechanical models with correlated inputs | |
US20210326705A1 (en) | Learning device, learning method, and learning program | |
CN114423335A (zh) | 睡眠阶段估计设备、睡眠阶段估计方法及程序 | |
CN116407088B (zh) | 基于功率车的运动心率预测模型训练方法、心率预测方法 | |
CN118036751A (zh) | 模型推理方法、装置、电子设备、存储介质和程序产品 | |
CN112202886B (zh) | 任务卸载方法、系统、装置和存储介质 | |
US20230274844A1 (en) | Information processing method and information processing device |
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 |