TWI704517B - 以物聯網為基礎之體適能訓練管理裝置 - Google Patents
以物聯網為基礎之體適能訓練管理裝置 Download PDFInfo
- Publication number
- TWI704517B TWI704517B TW106131099A TW106131099A TWI704517B TW I704517 B TWI704517 B TW I704517B TW 106131099 A TW106131099 A TW 106131099A TW 106131099 A TW106131099 A TW 106131099A TW I704517 B TWI704517 B TW I704517B
- Authority
- TW
- Taiwan
- Prior art keywords
- aforementioned
- physical fitness
- fitness training
- cloud network
- fuzzy
- Prior art date
Links
- 238000012549 training Methods 0.000 title claims abstract description 55
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 32
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 31
- 239000001301 oxygen Substances 0.000 claims abstract description 31
- 239000008280 blood Substances 0.000 claims abstract description 29
- 210000004369 blood Anatomy 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 2
- 230000035790 physiological processes and functions Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 21
- 230000036760 body temperature Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000000284 resting effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 206010021143 Hypoxia Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 208000008454 Hyperhidrosis Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 208000018875 hypoxemia Diseases 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000002106 pulse oximetry Methods 0.000 description 2
- 230000002407 ATP formation Effects 0.000 description 1
- 208000012260 Accidental injury Diseases 0.000 description 1
- 206010019345 Heat stroke Diseases 0.000 description 1
- 102100035971 Molybdopterin molybdenumtransferase Human genes 0.000 description 1
- 101710119577 Molybdopterin molybdenumtransferase Proteins 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000036471 bradycardia Effects 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000001146 hypoxic effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 208000013460 sweaty Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 208000003663 ventricular fibrillation Diseases 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一種以物聯網為基礎之體適能訓練管理裝置，包括一體適能訓練管理裝置設有一中央處理模組、一危險係數感測模組、一溫度感測模組、一心跳感測模組、一血氧濃度感測模組及一第一無線傳輸模組相互電連結，中央處理模組內載有一模糊理論演算法；一雲端網路管理平台設有一第二無線傳輸模組與第一無線傳輸模組間進行無線連結之資料傳輸；據此得以輔助受測者實施體適能訓練時的自主管理或輔助訓練者採一對多方式管理隊員體適能訓練的強度、警示及控制，並藉由模糊理論(Fuzzy Theory)的演算法，即時的顯示目前隊員的生理狀態。
Description
本發明提供一種體適能訓練管理裝置之技術領域，尤指其技術上提供一種以物聯網為基礎之體適能訓練管理裝置，其能即時且有效的輔助訓練者監控訓練的強度，並達到安全之目的。
按，近年來在運動風氣盛行，許多人熱衷於馬拉松、鐵人三項及單車，培養良好體適能，是現代人提升生活品質和促進健康的目標，因此如何以恆心、毅力來從事增進體適能的活動，使運動成為日常生活中不可或缺的一部份，然而隨著運動活動的發展許多意外事件也跟著發生，不論是中暑、心臟病、休克或是血氧不足等運動中所發生的意外都令原本促進身體健康的幸事，變成了一樁樁傷害身體的憾事，然而在訓練的過程中難免會發生意外，而如何在過程中，使學員的運動安全同時獲得確保，此方面是值得研究的議題，然科技已日漸蓬勃，許多可探測人體健康警訊的感測器紛紛問世，藉由整合這些感測器而成的管理裝置，可以有效地建立運動意外傷害處理程序以及
訓練強度的控制，避免發生事故時手足無措而延誤救治的黃金期，創造安全無虞的運動環境，才能享受運動的樂趣，促進健康的身體。
隨著穿戴裝置的流行與物聯網的興起，結合物聯網功能的穿戴裝置開發以及運用越來越廣泛，坊間雖有許多穿戴裝置，如心律手環、智慧型手錶(Artificial IntelligenceWatches)可偵測個人的生理狀態，但是缺乏對於人體在運動狀態中環境及人體影響的判斷及評估，因此本論文提出一套以物聯網為基礎之體適能管理裝置，其主要目的是希望能有效的輔助訓練者管理隊員體適能訓練的強度、警示及控制，其中包含了環境中的危險係數、體溫、心跳率及血氧的監控，透過模糊理論(Fuzzy Theory)的演算法，即時的顯示目前隊員的生理狀態，本發明透過此裝置的提出，能即時且有效的輔助訓練者控制及監控訓練的強度，並達到安全之目的。
本發明之主要目的在於提供一種以物聯網為基礎之體適能訓練管理裝置，其在人體發出警訊時，得以穿戴之體適能訓練管理裝置檢測、並由模糊理論(Fuzzy Theory)的演算法及物聯網推斷人體的各種狀態，回饋偵測或警示訊息至穿戴之體適能訓練管理裝置或其它隨身之智慧裝置，使人員可適時休息或請求協助者。
為達上述目的，本發明提供一種以物聯網為基礎之體適能訓練管理裝置，係包含有：包括一體適能訓練管理裝置設有一中央處理模組、一危險係數感測模組、一溫度感測模組、一心跳感測模組、一血氧濃度感測模組及一第一無線傳輸模組相互電連結，前述中央處理模組內部載有一模糊理論演算法，透過理論演算後透過無線傳輸模組連結至網際網路(Internet)並傳送至雲端網路管理平台；一雲端網路管理平台設有一第二無線傳輸模組與第一無線傳輸模組間進行無線連結之資料傳輸；據此得以輔助受測者實施體適能訓練時的自主管理或輔助訓練者採一對多方式管理隊員體適能訓練的強度、警示及控制，並藉由模糊理論(Fuzzy Theory)的演算法，即時的顯示目前隊員的生理狀態，本發明能即時且有效的輔助訓練者監控訓練的強度，並達到安全之目的。
有關本發明所採用之技術、手段及其功效，茲舉一較佳實施例並配合圖式詳細說明於後，相信本發明上述之目的、構造及特徵，當可由之得一深入而具體的瞭解。
10:體適能訓練管理裝置
11:中央處理模組
111:模糊理論演算法
12:危險係數感測模組
13:溫度感測模組
14:心跳感測模組
15:血氧濃度感測模組
16:無線傳輸模組
161:輸出或傳輸指令
17:電源
20:雲端網路管理平台
22:資訊傳輸模組
23:無線訊號
A1:歸屬度
A2:歸屬度
E1:安全
E2:運動
E3:危險
E4:禁止
F1:正常
F2:注意
F3:危險
G1:正常值
G2:中度值
G3:高溫
H1:正常
H2:中度
H3:過快
I1:危險
I2:正常
J1:危險係數
J2:溫度
J3:心跳率
J4:血氧
K1:起跑
K2:跑步中
K3:恢復中
M1:危險係數輸入值
第一圖係本發明其一實施例之方塊示意圖。
第二圖係本發明體適能指標(Physical Fitness)論域集圖。
第三圖係本發明危險係數模糊化的論域集圖。
第四圖係本發明體溫模糊化的論域集圖。
第五圖係本發明心跳率模糊化的論域集圖。
第六圖係本發明血氧模糊化的論域集圖。
第七圖係本發明體適能訓練管理裝置模糊規則圖。
第八圖係本發明雲端網路管理平台危險係數監控記錄圖。
第九圖係本發明雲端網路管理平台體溫監控記錄圖。
第十圖係本發明雲端網路管理平台心跳率監控記錄圖。
第十一圖係本發明雲端網路管理平台血氧監控記錄圖。
第十二圖係本發明雲端網路管理平台體適能指標(Physical Fitness)監控記錄圖。
本發明係提供一種以物聯網為基礎之體適能訓練管理裝置之設計者。
為使 貴審查委員對本發明之目的、特徵及功效能夠有更進一步之瞭解與認識，茲配合實施方式及圖式詳述如後：體適能(Physical Fitness)的定義，可視為身體適應生活、動與環境(例如；溫度、氣候變化或病毒等因素)的綜合能力，通常包含了兩個面向，一般素質(身體健康的狀態)以及特定素質(執行某種職業或運動所需要的特定身體能力)，近年來許多的運動都提倡體適能的概念
，不僅僅是運動強度的承受，也是對於環境中、訓練中依據每個人生理的狀況做一個循序漸進的調節，使其身體慢慢適應運動中的負荷，促使體能狀態成長及有效率的運動，因此我們瞭解，體適能狀態佳的人，在日常生活或工作中，執行體力性活動或運動都會有較佳的表現，比較不會輕易產生疲勞及倦怠，在科技進步的社會中，現在的人們運動的時間越來越少、飲食習慣不常及攝取的營養越來越高，然而工作與生活壓力卻相對增加，每個人更加感受到良好體適能和規律運動的重要性，因此良好體適能和規律運動的重要性就顯得格外的重要，所以適當的運動，可以說是改善現代人的生活，達至健康的生活方式的主要途徑，進行適當的運動，以現代體育科學理論，作為鍛煉活動的依據，可培養適當的體適能水平，優化生活，達至健康人生。然而我們知道運動中的危險絕非單一因素可影響的，而體適能訓練在每個不同領域上均有不同應用，常見的體能測試有：有氧運動(跑步)、身體物質構成(如腰圍)、仰臥起坐和伏地挺身等，本研究是以一般較為廣泛運用體溫、心跳、血氧及環境中溫度、濕度的變化作為量測生理狀態的標準，藉由感測裝置及理論演算，量測受測者的身體狀態並作出判斷，進而設計一套適合個人需要的運動計劃，以有效改善體適能危機，促進身體健康。
參閱第一圖所示，本發明提供一種以物聯網為
基礎之體適能訓練管理裝置，係包含有：複數個體適能訓練管理裝置10，前述每一體適能訓練管理裝置10內部設有一中央處理模組11、一危險係數感測模組12、一溫度感測模組13、一心跳感測模組14、一血氧濃度感測模組15、一無線傳輸模組16及一電源17相互電連結，前述中央處理模組11內部載有模糊理論演算法111，前述模糊理論演算法111係為馬丹尼(mamdani)的Min-MAX推論法，前述體適能訓練管理裝置10穿戴於人體；一雲端網路管理平台20，前述雲端網路管理平台20連接有一資訊傳輸模組22得以經由無線訊號23與前述無線傳輸模組16間進行無線連結之資料傳輸；前述體適能訓練管理裝置10測得各項數據，經前述中央處理模組11內模糊理論演算法111演算後，以無線傳輸模組16及網際網路(Internet)輸出或傳輸指令161至前述雲端網路管理平台20，且記錄至前述雲端網路管理平台20內。雲端網路管理平台20主要功能為接收中央處理模組11的訊息即時顯示、記錄監控數據並依使用者設定需求發出推播或是警訊。據此得以輔助訓練者管理隊員體適能訓練的強度、警示及控制，其藉由前述模糊理論演算法111演算後，即時的輸出顯示目前隊員的生理狀態，本發明能即時且有效的輔助訓練者監控訓練的強度，並達到安全之目的。
所述之以物聯網為基礎之體適能訓練管理裝置，其中前述體適能訓練管理裝置10更設有一組LED燈、一蜂鳴器或一組LED燈及一蜂鳴器，前述模糊理論演算法111演算後數值或接近危險或禁止時，前述LED燈或前述蜂鳴器得顯示或警示。
所述之以物聯網為基礎之體適能訓練管理裝置，其中前述雲端網路管理平台20之前述輸出得對智慧型行動裝置進行輸出。
所述之以物聯網為基礎之體適能訓練管理裝置，其中前述雲端網路管理平台20之前述輸出得對手機、平板電腦、筆記型電腦或個人電腦進行輸出。
所述之以物聯網為基礎之體適能訓練管理裝置，其中前述無線訊號23係為3G無線訊號、4G無線訊號或WIFI無線訊號，前述無線訊號並連結至網際網路(Internet)。
前述雲端網路管理平台20也可以設定觸發條件和動作，當特定資料回傳的值超過所設定的範圍時，前述雲端網路管理平台20將會發出電子郵件或是手機推播通知有權限的所有使用者。藉由這個系統功能，本發明可以即時依據設定的觸發條件通知管理者，目前受測者的生理變化，並提供適時的訓練調整及醫療處置，達到風險管理及預防的效果。
前述心跳感測模組14測得數據得進行心跳率計算，心跳率(Heart Rate)可以反映運動對於身體的刺激，而最高心跳率(Maximal Heart Rate)就是衡量運動強度是否恰當的指標，計算方式=220-年齡。適當的運動強度是指運動時心跳率應達最高心跳率百分之六十以上，稍微有點流汗並自覺有點喘又不會太喘，由於心跳在不同年齡層會有不同標準，甚至是常運動的人與一般人都會有所不同，容易造成系統的誤判，因此本發明採用心跳率來計算心跳程度，其測量方法如下：步驟一：220-年齡=最高心跳率。步驟二：儲備心跳率=最高心跳率-靜止心跳率。步驟三：目標心跳率=靜止心跳率+(儲備心跳率 x 運動程度)。那就是運動的時候，把心跳率提升到指標性的範圍裏面，而你的心跳指標範圍應該是你身體最高的心跳率75%，不同年齡有不同的心跳指標，而超越這個心跳就屬於危險了。人員體適能訓練前必須先行輸入年齡及靜止心跳率。靜止心跳率是在人員平靜狀態下量測數值。
前述危險係數感測模組12測得數據得進行計算，公式為[室外溫度(℃)+室外相對濕度(%)x0.1]，計算後所得的係數區分為安全(<30)、注意(30~35)、警戒(35~40)或是需要調整(>40)。前述溫度感測模組13測得數據得進行分析，[>35.4~37.4℃]為正常體溫，[37.4~39.5℃]為運動或發燒時，[40~42℃]為散熱功能失調或體溫過熱。前述血氧濃度
感測模組15得以光學式脈搏血氧濃度計(Pulse Oximeter)量測血氧濃度，測得數據得進行分析[>94%]為正常。[<94%]供氧不足。[<90%]低血氧症。
本發明採用的模糊推斷法是利用歸屬函數取得各規則的適合程度，然後綜合各規則的適合度得到適當的推論，即使規則條件部分的命題不完全一致，也能依據一致度的高低比較得到合適的推論，推理過程按四個步驟執行(一)輸入變數的模糊化；(二)規則評估；(三)聚合規則的輸出；(四)最終的逆模糊化，以下我們就演算方式做出說明。
參閱第二圖所示，本發明將所搜集的數值進行處理，並將處理完成後的數值抽樣進行比較並放入，其中水平軸表示論域一某一變數所有可能取值的範圍，另外垂直軸表示模糊集中的歸屬度假設X為論域，其中的元素可記為x，在經典的集合論中，X的清晰集A定義為函數fA(x)，稱為A的特徵函數：
該集合將X的論域對應到兩個元素。對於論域X的任何元素x，如果x是集合A中的元素，特徵函數f A (x)為1，如果x不是A中的元素，則特徵函數f A (x)為0，在輸入表達模糊集先必須先定義歸屬函數，兩個集的交
集包含兩個集中都有的元素。例如在運動程度中有「安全」和「中度」兩個集，交集就是這兩個集重疊的部分，但是在模糊集中，元素可能是部分地屬於兩個集，模糊交集中的元素在每個集中的歸屬度都比較低。因此論域E中建立模糊集E1和E2交集的模糊操作為我們討論的生理狀態(Physical Fitness)論域包含四個集：E1(安全)、E2(運動)、E3(危險)和E4(禁止)，第二圖為模糊後輸出值的歸屬情形。
參閱第三圖所示，在本發明中，體適能訓練管理裝置系統每一個裝置監控的數值範圍均包含模糊集，語言變數中，危險係數(Risk Factor)的論域是0~60指數(整數)，危險係數的量測標準包含了0~30之前為F1(正常)、27~39之間為F2(注意)、40~60為F3(危險)這樣的模糊集，其中水平軸表示論域一某一變數所有可能取值的範圍，另外垂直軸表示模糊集中的歸屬度，正常與注意間採26~30之前為模糊歸取1~0為其歸屬範圍，1則是完全歸屬(100%)，0則是無歸屬，如所量測的危險係數輸入值M1為29，則A1的歸屬度為0.4、A2的歸屬度為0.6。
參閱第四圖所示，接著說明體溫、心跳及血氧量測數入的歸屬函數範圍，首先是個人體溫(Body temperature)的量測標準，也就是我們常說的體感溫，依照本論文的第二章2.3節裡，我們瞭解人體平均正常體溫約攝
氏35.4-37.4℃，超過攝氏40℃以上就必須停止運動並採取醫療措施，因此在設定上我們採取正常值為G1(攝氏26-30℃)、中度值G2(攝氏27-39℃)、高溫G3(攝氏40℃以上)，作為模糊中歸屬函數的範圍，圖3.21表示體溫輸入後歸屬函數中得到的論域集。
參閱第五圖所示，心跳對生理的影響心跳數通常代表心臟在1分鐘內跳動的次數，藉由上述心跳率的計算，在本發明中透過手動輸入年齡及靜止心跳率即可自動演算心跳率，而心跳率中在一般運動的過程中約在50%~80%之間，這個程度大約是稍微有點流汗並自覺有點喘又不會太喘的狀態，因此透過系統演算後輸入的心跳率(Heart Rate)的歸屬函數為正常H1(20~40%)、中度H2(40~79%)、過快H3(80~100%)。
參閱第六圖所示，血氧的輸入為本發明中最後一項的輸入，運用MAX30100脈搏血氧飽和感測器量測脈搏血氧飽和度(SpO2)正常值應不低於94%，在94%以下為供氧不足，而在嚴重的低氧狀況(SpO2<80%)時，由於心內膜下乳酸堆積，ATP合成降低，產生心肌抑制，導致心動過緩，腦部、心臟及其他器官的功能可能會受損及出現室顫等心率失常乃至停搏，故SpO2值的歸屬函數介定為危險I1(SpO2 
90%)、正常I2(SpO2=91-100%)，血氧一旦低於90%，系統便發出警訊通知施訓者應停止運動，採取適當處
置。
利用已知的相關知識所得的規則，轉化為“IF-THEN”的法則形式，Fuzzy規則庫的建立是本發明演算法的重點之一，IF部分的敘述為模糊規則的前提部分，而THEN部分的敘述則為結論，這些由語言變數所形成的IF-THEN規則用來建立系統輸入輸出的關係，而大多數的推論並非只有一個法則在本系統中，所有的規則在一定程度上都被激發，換句話說，規則被部分激發，如果前項在某種程度上為真，那麼後項在該程度上也為真，第二個步驟為取得模糊化後的輸入，並將它們應用到模糊規則的前項，如果給定的模糊規則有多個前項，則使用模糊操作(AND或OR)來得到表示前項評估結果的一個數值，這個數值(真值)接下來應用在後項歸屬函數中，為了評估規則前項的邏輯析取，使用OR模糊操作。通常，稱這類型的模糊操作「聯集」、另一項則是AND模糊操作，就是為了評估規則前項的「合取」，公式如後：OR的模糊操作：μA ∪ B(x)=max[μA(x),μB(x)]。
AND的模糊操作：μA ∪ B(x)=min[μA(x),μB(x)]。
簡單來說，本發明的模糊輸入集合經由模糊邏輯推論，並透過模糊規則庫結合所有IF-THEN規則映射到模糊輸出集合(或得到結論)的過程推論的運算以T-norm運算和T-conorm運算為主體，T-norm運算是指於模糊集
合交集運算運算子可選取最小值法或代數乘積法，也就是「AND」的運算，而T-conorm運算(又稱為S-norm)是屬於模糊集合聯集運算運算子則可選取最大值法或代數和，也就是IF部分前提敘述中「OR」的運算。
接著要進行模糊化機構(Fuzzifier)模型建置：模糊化機構是將明確的輸入資料轉成適當的語意式模糊資訊；也就是說將明確資料模糊化成為模糊規則庫，藉由模糊規則庫(Fuzzy Rule Base)用以描述系統的輸入輸出關係，就可以將本實驗的輸出資料：危險係數(Risk Factor)、個體溫度(Body temperature)、心跳率(Heart Rate)及血氧(SpO2)等4項資料多輸入/多輸出的系統分解成數個多輸入/單輸出的系統，每項輸出變數有2~3項的論域範圍，因此模糊規則庫共有54種(3×3×3×2)狀態的組合變化，透過AND及OR的IF-THEN規則可節縮為9種運用語意式模糊規則(Mamdani Fuzzy Rule)，完成模糊規則庫的建置，分述如後：
模糊規則庫1：IF危險係數是安全的AND溫度是安全的AND心跳率是正常的AND血氧是正常的THEN體能指標是安全。
模糊規則庫2：IF危險係數是注意的AND溫度是安全的AND心跳率是正常的AND血氧是正常的THEN體能指標是安全。
模糊規則庫3：IF溫度是中度的AND心跳率是中度的AND血氧是正常的THEN體能指標是運動。
模糊規則庫4：IF溫度是正常的AND心跳率是中度的AND血氧是正常的THEN體能指標是運動。
模糊規則庫5：IF溫度是中度的AND心跳率是正常的AND血氧是正常的THEN體能指標是運動。
模糊規則庫6：IF危險係數是危險的AND溫度是中度的AND心跳率是中度的AND血氧是正常的THEN體能指標是危險。
模糊規則庫7：IF危險係數是危險的AND溫度是中度的AND心跳率是正常的AND血氧是正常的THEN體能指標是危險。
模糊規則庫8：IF危險係數是危險的AND溫度是正常的AND心跳率是中度的AND血氧是正常的THEN體能指標是危險。
模糊規則庫9：IF溫度是高溫的OR心跳率是過快的OR血氧是不足的THEN體能指標是禁止。
參閱第七圖所示，綜合以上所述，係模糊系統中推論引擎將藉由這些模糊規則來進行推論，以決定下一步驟所要採取的決定，本發明的模糊規則是由體適能訓練演算法則從量測資料中萃取出來的，透過歸屬函數以收集之量測資料來細調歸屬函數的參數，運用危險係數J1、溫
度J2、心跳率J3及血氧J4的模糊集就可以和模糊規則聯繫起來，藉建立的模糊規則庫推論被量測者的生理狀態，提高系統的有效性。
聚合規則的輸出，聚合是所有規則輸出進行單一化的過程，取之前經過剪切和縮放的所有規則後項的歸屬函數並將它們合併到一個模糊集中，聚合過程的輸入是已經過剪切或縮放的後項歸屬函數的列表，輸出是每個輸出變數分別有一個模糊集，接著以危險係數(X1)29，溫度(X2)29℃，心跳率(X3)29%，血氧(X4)98%，的量測輸入值來做一次聚合規則輸出的演算。首先將X1~X4的輸入值匯入模糊規則庫模型中，可得到每項變數中的歸屬函數。
最終的逆模糊化，模糊推理過程的最後一個步驟是逆模糊化，也是模糊推論引擎的核心，它可以藉由近似推論或模糊推論的進行，來模擬人類的思考決策模式，以達到解決問題的目地，模糊化可以幫助評估規則，但是模糊系統的最終輸出必須是一個清晰的數值，逆模糊化過程的輸入是聚合模糊集的輸出，且輸出是單一的數值，本發明所使用的是最常用的質心技術，這種技術尋找一個點，這個點所在的垂直線能夠將聚合集分割成兩個相等的部分，這個重力的質心(COG)的數學公式表示如下：
參閱第八至第十二圖，係例舉一實施例說明本發明，該例為33歲男子，靜止心跳率62(次/分)，危險係數為31(如第八圖所示)，身體溫度為32.97℃(如第九圖所示)，心跳率為9%(如第十圖所示)，血氧為96%(如第十一圖所示)，體適能指標(Physical Fitness)為1.26(如第十二圖所示)，其中K1為起跑，K2為跑步中，K3為恢復中。
體適能訓練管理裝置量測人體在運動下的體適能指標(Physical Fitness)分析：
體適能訓練管理裝置使用案例參考：
由其上述可知，本發明之以物聯網為基礎之體適能訓練管理裝置，確為業界首見而符合發明專利之新穎性要件者，而其全面性之創新設計，符合發明專利之進步性要件，而其在人體發出警訊時，得以穿戴之體適能訓練管理裝置檢測、並由模糊理論(Fuzzy Theory)的演算法及物聯網推斷人體的各種狀態，回饋偵測或警示訊息至穿戴之體適能訓練管理裝置或其它隨身之智慧裝置，使人員可適時休息或請求協助，符合較佳之產業利用性者。
前文係針對本發明之較佳實施例為本發明之技術特徵進行具體之說明；惟，熟悉此項技術之人士當可在不脫離本發明之精神與原則下對本發明進行變更與修改，而該等變更與修改，皆應涵蓋於如下申請專利範圍所界定之範疇中。
綜上所述，本發明係提供一種以物聯網為基礎之體適能訓練管理裝置，其確已達到本發明之所有目的，另其組合結構之空間型態未見於同類產品，亦未曾公開於申請前，已符合專利法之規定，爰依法提出申請。
10:體適能訓練管理裝置
11:中央處理模組
111:模糊理論演算法
12:危險係數感測模組
13:溫度感測模組
14:心跳感測模組
15:血氧濃度感測模組
16:無線傳輸模組
161:輸出或傳輸指令
17:電源
20:雲端網路管理平台
22:資訊傳輸模組
23:無線訊號
Claims (1)
- 一種以物聯網為基礎之體適能訓練管理裝置，包括：複數個體適能訓練管理裝置，前述每一體適能訓練管理裝置內部設有一中央處理模組、一危險係數感測模組、一溫度感測模組、一心跳感測模組、一血氧濃度感測模組、一無線傳輸模組及一電源相互電連結，中央處理模組內載有一模糊理論演算法，前述模糊理論演算法係為馬丹尼(mamdani)的Min-MAX推論法，前述體適能訓練管理裝置穿戴於人體；一雲端網路管理平台，前述雲端網路管理平台連接有一資訊傳輸模組得以經由無線訊號與前述無線傳輸模組間進行無線連結之資料傳輸；前述體適能訓練管理裝置測得各項數據，經前述中央處理模組之模糊理論演算法演算後，輸出或傳輸指令至前述雲端網路管理平台，且記錄至前述雲端網路管理平台內，前述雲端網路管理平台得輸出顯示、推播或警訊；前述體適能訓練管理裝置更設有一組LED燈、一蜂鳴器或一組LED燈及一蜂鳴器，前述模糊理論演算法演算後數值或接近危險或禁止時，前述LED燈或前述蜂鳴器得顯示或警示；前述雲端網路管理平台之前述輸出顯示、推播或警訊得對智慧型行動裝置進行輸出； 前述雲端網路管理平台之前述輸出顯示、推播或警訊得對手機、平板電腦、筆記型電腦或個人電腦進行輸出；前述無線訊號係為3G無線訊號、4G無線訊號或WIFI無線訊號，前述3G無線訊號、4G無線訊號或WIFI無線訊號並連結至網際網路(Internet)；前述雲端網路管理平台也可以設定觸發條件和動作，當特定資料回傳的值超過所設定的範圍時，前述雲端網路管理平台將會發出電子郵件或是手機推播通知有權限的所有使用者。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106131099A TWI704517B (zh) | 2017-09-12 | 2017-09-12 | 以物聯網為基礎之體適能訓練管理裝置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106131099A TWI704517B (zh) | 2017-09-12 | 2017-09-12 | 以物聯網為基礎之體適能訓練管理裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201913551A TW201913551A (zh) | 2019-04-01 |
| TWI704517B true TWI704517B (zh) | 2020-09-11 |
Family
ID=66992083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106131099A TWI704517B (zh) | 2017-09-12 | 2017-09-12 | 以物聯網為基礎之體適能訓練管理裝置 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI704517B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI801960B (zh) * | 2020-08-11 | 2023-05-11 | 博晶醫電股份有限公司 | 用於決定使用者傷害風險的方法、裝置以及電腦可讀取媒體 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201411543A (zh) * | 2012-09-11 | 2014-03-16 | Nat Univ Kaohsiung | 遠端即時健康預警照護系統 |
| TWM526141U (zh) * | 2015-11-12 | 2016-07-21 | 先進醫照股份有限公司 | 鍛練方案的管理系統及設備 |
-
2017
- 2017-09-12 TW TW106131099A patent/TWI704517B/zh not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201411543A (zh) * | 2012-09-11 | 2014-03-16 | Nat Univ Kaohsiung | 遠端即時健康預警照護系統 |
| TWM526141U (zh) * | 2015-11-12 | 2016-07-21 | 先進醫照股份有限公司 | 鍛練方案的管理系統及設備 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI801960B (zh) * | 2020-08-11 | 2023-05-11 | 博晶醫電股份有限公司 | 用於決定使用者傷害風險的方法、裝置以及電腦可讀取媒體 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201913551A (zh) | 2019-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gedam et al. | A review on mental stress detection using wearable sensors and machine learning techniques | |
| Rastgoo et al. | A critical review of proactive detection of driver stress levels based on multimodal measurements | |
| US10234936B2 (en) | Smart wearable devices and methods with attention level and workload sensing | |
| Sikander et al. | Driver fatigue detection systems: A review | |
| Li et al. | A method for fatigue detection based on Driver's steering wheel grip | |
| DK2047392T3 (en) | Real-time monitoring and management of physical and arousal status of individual organisms. | |
| US20150223743A1 (en) | Method for monitoring a health condition of a subject | |
| WO2011011243A1 (en) | Monitoring wellness using a wireless handheld device | |
| Bier et al. | How to measure monotony-related fatigue? A systematic review of fatigue measurement methods for use on driving tests | |
| Abbood et al. | Prediction of driver fatigue: Approaches and open challenges | |
| Can et al. | Approaches, applications, and challenges in physiological emotion recognition—a tutorial overview | |
| TWI704517B (zh) | 以物聯網為基礎之體適能訓練管理裝置 | |
| Fernández et al. | Self-Aware Trader: A New Approach to Safer Trading. | |
| Zhou et al. | Event-related driver stress detection with smartphones among young novice drivers | |
| KR20150125599A (ko) | 무선 통신을 이용한 뇌파/심박도 기반의 콘텐츠 추천 시스템 및 콘텐츠 추천 방법 | |
| CN109620263B (zh) | 一种企事业单位上岗人员体征安全分析方法 | |
| Holland et al. | Conceptual framework for stress and comfort enhancement using fuzzy controller | |
| Tangtisanon | Real time human emotion monitoring based on bio-signals | |
| Luzzani et al. | A review of physiological measures for mental workload assessment in aviation: A state-of-the-art review of mental workload physiological assessment methods in human-machine interaction analysis | |
| Kovacs | Scuba diving and the stress response: considerations and recommendations for professional and recreational divers | |
| Montanaro et al. | A hybrid approach based on behavioural and physiological data for driver monitoring systems | |
| Walmsley | Physical Readiness Assessment and staff resilience | |
| Duffy et al. | A systematic literature review of operator state detection using physiological measures | |
| Savur et al. | Human Comfortability Index Estimation in Industrial Human-Robot Collaboration Task | |
| Sukma | Analysis of body esteem and social anxiety in late adolescents |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |