TWI749452B

TWI749452B - 可適應性主動訓練系統

Info

Publication number: TWI749452B
Application number: TW109102777A
Authority: TW
Inventors: 黃以德; 謝富翰
Original assignee: 上銀科技股份有限公司
Priority date: 2020-01-30
Filing date: 2020-01-30
Publication date: 2021-12-11
Also published as: TW202128098A

Abstract

一種可適應性主動訓練系統，包括一運動模組、一感測模組以及一控制模組。運動模組包括一訓練單元以及一馬達。馬達連接於訓練單元，馬達用以帶動訓練單元依據一運動軌跡移動。感測模組用以感測一使用者使用訓練單元的一生理狀態訊號。控制模組連接於運動模組及感測模組，控制模組配置以執行：計算訓練單元於前述運動軌跡之一位置；依據一運動模型取得對應前述位置之一閾值；以及判斷生理狀態訊號的一強度值是否大於閾值。當生理狀態訊號的強度值大於閾值，控制模組驅動馬達以帶動訓練單元依據運動軌跡移動。

Description

可適應性主動訓練系統

本發明是關於一種主動訓練系統，且特別是關於一種可依據使用者之生理狀態訊號調整訓練強度的可適應性主動訓練系統。

隨著現代人對身體健康的重視，如何透過訓練以強化身體機能為現代人所關注的課題，連帶帶動了各種訓練設備及訓練方法的普及。

中國專利申請公開號CN 107280912 A揭露一種下肢痙攣的偵測方法，其是將病患的下肢安置於步態復健機的下肢支撐架，再通過馬達驅動下肢支撐架以帶動病患的下肢復健，並根據馬達在一預定時間內所輸出的轉矩變化取得一統計分佈資料，由統計分佈資料計算出一閾值，並判斷馬達在復健過程中所輸出的轉矩是否大於閾值，倘若大於閾值，表示病患出現痙攣現象。然而，其訓練方式屬於被動訓練，相較於主動訓練的方式，訓練成效較差。

美國專利申請公告號US 8147436 B2揭露一種矯正器，其是利用虛擬彈性力場的概念，先以健康人行走的軌跡建立行走軌跡的標準模型，再以此行走軌跡為力場中心，引導使用者運動。然而，基於個體之間存在差異，其標準模型無法適用於每個個體。

美國專利申請公告號US 9277883 B2揭露一種使用生物回饋之步態訓練設備之控制方法，其是偵測並分析使用者使用步態訓練設備時的肌電訊號，利用肌電訊號之中位頻率的偏移量來決定使用者的疲勞程度，並依據使用者疲勞程度下修訓練強度。然而，該控制方法僅適用於生物狀態訊號為肌電訊號的情形，因此具有泛用性低的缺失。

本發明之目的在於提供一種主動訓練系統，可依據使用者之生理狀態訊號調整訓練強度。

依據本發明之一實施方式是提供一種可適應性主動訓練系統，包括一運動模組、一感測模組以及一控制模組。運動模組包括一訓練單元以及一馬達，馬達連接於訓練單元，且用以帶動訓練單元依據一運動軌跡移動。感測模組用以感測一使用者使用訓練單元的一生理狀態訊號。控制模組連接於運動模組及感測模組，控制模組配置以執行：計算訓練單元於前述運動軌跡之一位置；依據一運動模型取得對應前述位置之一閾值；以及判斷生理狀態訊號的一強度值是否大於閾值。當生理狀態訊號的強度值大於閾值，控制模組驅動馬達以帶動訓練單元依據運動軌跡移動；當強度值大於閾值與一放大倍率的乘積，控制模組根據一學習率參數將閾值上修至一上修閾值；當生理狀態訊號的強度值小於閾值，控制模組不驅動馬達帶動訓練單元依據運動軌跡移動；以及當強度值小於閾值與一縮小倍率的乘積，控制模組根據學習率參數將閾值下修至一下閾值。

相較於先前技術，本發明的可適應性主動訓練系統為一種主動訓練系統，相較於被動訓練系統，可提供較佳的訓練成效。本發明的可適應性主動訓練系統所使用的生理狀態訊號不限於肌電訊號，具有泛用性高的優點。本發明的可適應性主動訓練系統可依據使用者當下的生理狀態訊號，適應上修或下修閾值，一方面可避免閾值過高，訓練強度超過使用者所能負荷的範圍而降低使用者的訓練意願或造成運動傷害，另一方面可避免閾值過低而無法提供足夠訓練強度，有利於提供漸進式超負荷訓練，而可大幅提升訓練成效。

有關本發明之前述及其它技術內容、特點與功效，在以下配合參考圖式之較佳實施例的詳細說明中，將可清楚地呈現。以下實施例所提到的方向用語，例如：上、下、左、右、前或後等，僅是參考附加圖式的方向。因此，使用的方向用語是用以說明，而非對本發明加以限制。此外，在下列各實施例中，相同或相似的元件將採用相同或相似的標號。以下實施例中所提到的連接，代表元件間可以直接或間接、有線或無線的方式傳遞電訊號、磁訊號以及命令訊號等電性能量或資料。

請參照第1圖及第2圖，可適應性主動訓練系統100包括一運動模組110、一感測模組120以及一控制模組130。運動模組110包括一訓練單元111以及一馬達112，馬達112包括X軸馬達單元112a以及Y軸馬達單元112b，馬達112連接於訓練單元111且用以帶動訓練單元111依據一運動軌跡移動。感測模組120用以感測一使用者A使用訓練單元111的一生理狀態訊號。控制模組130連接於運動模組110及感測模組120。

第1圖中，運動模組110為一步態訓練設備，然而，其僅為例示，本發明中，運動模組110包括用來幫助使用者A恢復因疾病或外傷而受損或喪失的行動能力的復健設備，運動模組110也包括使用者A為了提升肌力、肌耐力所使用的重量訓練設備。訓練單元111為運動模組110中適於使用者A操作或帶動的部分，以第1圖為例，訓練單元111為踏板，藉此可訓練使用者A的腿部及/或足部，在其他實施方式中，可依據使用者A所欲訓練的部位，配置不同種類的訓練單元111。

第1圖中，感測模組120為一肌電感測器，用以感測使用者A於使用訓練單元111時的一肌電訊號，具體來說，肌電感測器可為貼附於使用者A之腿部的貼片，而可收集使用者A之腿部的肌電訊號，然而，其僅為例示，在其他實施方式中，感測模組120可為一壓力感測器(圖未示)，用以感測使用者A施加於訓練單元111的一壓力，例如，壓力感測器可安裝於踏板以感測使用者A施加於踏板的壓力，或者，感測模組120可為一扭矩感測器(圖未示)，連接於馬達112，用以感測使用者A於使用訓練單元111時馬達112的一扭矩。換句話說，生理狀態訊號可為肌電訊號、壓力、扭矩或其他可反應使用者A之生理狀態的訊號，並可以依據生理狀態訊號的種類，選擇適當的感測模組120。控制模組130具有分析及計算能力，控制模組130可為但不限於中央處理單元(Central Processing Unit, CPU)。

請參照第3圖，控制模組130被配置以執行以下步驟。步驟210是建立運動模型。步驟220計算訓練單元111於前述運動軌跡之一位置。步驟230是依據一運動模型取得對應前述位置之一閾值。步驟240是判斷生理狀態訊號的一強度值是否大於閾值，當判斷為是，即生理狀態訊號的強度值大於閾值，進行步驟250，控制模組130驅動馬達112以帶動訓練單元111依據運動軌跡移動。步驟260是判斷強度值是否大於閾值與一放大倍率的乘積，當判斷為是，即強度值大於閾值與放大倍率的乘積，進行步驟261，控制模組130根據一學習率參數將閾值上修至一上修閾值，當判斷為否，即強度值小於或等於閾值與放大倍率的乘積，進行步驟262，控制模組130不修改閾值。實務上，步驟250及步驟260可同時進行。

詳細來說，運動模組110可依據實際需求提供不同的運動模式，以第1圖的步態訓練設備為例，其訓練單元111(即踏板)被配置為可依據不同的運動軌跡移動，如第4、5圖所示，其中橫座標及縱座標分別代表訓練單元111的水平位置及垂直位置，單位皆為公分，第4圖中的運動軌跡為走路時的運動軌跡，第5圖中的運動軌跡為橢圓軌跡，相較於第4圖的運動軌跡，其具有較高的垂直位移量，而可加強腿部沿垂直方向的靈活度，然而，第4、5圖僅為例示，本發明不以此為限。此外，關於如何將訓練單元111配置為可依據不同的運動軌跡移動，其為習知且非本發明之重點，在此不予贅述。

在正式訓練前，可先建立適於使用者A的運動模型，如第6圖所示，步驟211中，控制模組130在使用者A不出力的情況下驅動馬達112帶動訓練單元111，訓練單元111帶動使用者A的一部位(在此為足部)依據運動軌跡移動，以下係以第5圖的運動軌跡舉例說明。

步驟212中，控制模組130將運動軌跡劃分為複數個區域，例如，當將運動軌跡劃分為n個區域時，各區域的命名為Ri，i為1至n的正整數，以第5圖為例，運動軌跡被劃分為23個區域，複數個區域依序為R1~R23，第5圖中僅標出R1, R2, R3及R23作為例示。

步驟213中，控制模組130控制感測模組120感測使用者A於各區域的複數個生理狀態訊號。各區域的複數個生理狀態訊號可為訓練單元111於一次運動周期所取得的訊號，其中一次運動周期是指訓練單元111依據運動軌跡行走一圈，亦即各區域的複數個生理狀態訊號可為訓練單元111僅依據運動軌跡行走一圈，而於該圈在各區域取得的複數個生理狀態訊號(即取樣數大於區域的數量)，更具體來說，假設區域的數量為100個，取樣數為200，則每個區域有2個生理狀態訊號。或者，各區域的複數個生理狀態訊號可為訓練單元111於多次運動周期所取得的訊號，例如，訓練單元111每走一圈僅於各區域取得一個生理狀態訊號(即取樣數等於區域的數量)，走多圈則可得到多個生理狀態訊號，或者，訓練單元111每走一圈先於各區域取得複數個生理狀態訊號(即取樣數大於區域的數量)並以強度值的算術平均數代表該圈該區域的生理狀態訊號，當訓練單元111走多圈，則可得到多個代表該區域的生理狀態訊號。

步驟214中，控制模組130依據各區域的複數個生理狀態訊號計算各區域的閾值。依據本發明一實施方式，閾值可依據式(I)計算得到： Vth = S̅i + 2σi　　　　　(I)。

式(I)中，Vth為Ri區域的閾值，S̅i為Ri區域的複數個生理狀態訊號之強度值的算術平均數，σi為Ri區域的複數個生理狀態訊號之強度值的標準差。假設於各區域感測到m個生理狀態訊號，各生理狀態訊號的強度值為Sij，j為1至m的正整數，例如m = 3，則區域R1所感測到的生理狀態訊號的強度值為S11, S12, S13，區域R2所感測到的生理狀態訊號的強度值為S21, S22, S23，依此類推。S̅i可依據式(II)計算獲得，σi可依據式(III)計算獲得：

　　　　　(II)；

　　　　　(III)。

藉此，本發明的可適應性主動訓練系統100可建立適於使用者A的運動模型。

正式訓練時，控制模組130計算訓練單元111於運動軌跡的位置(步驟220)，例如，可通過與馬達112連接之編碼器，計算獲得前述位置，編碼器可為絕對型編碼器，例如型號MHMD082S1V的編碼器。關於如何獲得訓練單元111的位置為本領域所熟知，在此不另贅述。藉由訓練單元111的位置，可找到訓練單元111位於運動軌跡的區域，進而可透過運動模型取得對應該區域的閾值(步驟230)。當使用者A當下所感測到的生理狀態訊號的強度值大於閾值，控制模組130驅動馬達112以帶動訓練單元111依據運動軌跡移動(步驟250)，亦即本發明之可適應性主動訓練系統100屬於主動訓練系統，同時，控制模組130會判斷強度值是否大於閾值與一放大倍率的乘積，即強度值是否滿足式(IV)，其中Sc為當下生理狀態訊號的強度值，γ為放大倍率，且γ大於1的實數： Sc > Vth× γ　　　　　(IV)。

當判斷結果為否，表示強度值雖大於閾值，但二者差距不致太大，對使用者A仍有訓練效果，故控制模組130不修改閾值(步驟262)，當判斷結果為是，表示強度值遠遠大於閾值，對使用者A而言太過輕鬆，控制模組130根據學習率參數將閾值上修至一上修閾值(步驟261)，上修閾值可依據式(V)計算獲得： Vin = Vth × (1+η) 　　　　　(V)。

式(V)中，Vin為上修閾值，0 > η > 1，且η為實數，例如，η可為0.3、0.4或0.5。

請參照第7圖，其中橫座標為訓練單元111的位置，縱座標為生理狀態訊號的強度值，線條610為運動軌跡其中一區域中不同位置之生理狀態訊號的強度值，線條620為該區域的閾值，線條630為該區域的上修閾值。藉此，可依據使用者A當下的身體狀況提升訓練強度。較佳地，上修閾值小於或等於強度值，藉此，可避免訓練強度調整過高而超過使用者A所能負荷的程度。

請復參照第3圖，步驟230中，當控制模組130判斷生理狀態訊號的強度值小於閾值，進行步驟270，控制模組130不驅動馬達112帶動訓練單元111依據運動軌跡移動，亦即，使用者A當下的出力不足，而無法帶動訓練單元111移動。步驟280中，控制模組130判斷生理狀態訊號的強度值是否小於閾值與一縮小倍率的乘積，即強度值是否滿足式(VI)，其中Sc為當下生理狀態訊號的強度值，α為縮小倍率，0 > α > 1，且α為實數： Sc > Vth×α　　　　　(VI)。

當判斷結果為否，表示強度值雖小於閾值，但二者差距不致太大，對使用者A仍有機會藉由增加出力達到閾值，此時進行步驟282，控制模組130不修改閾值，當判斷結果為是，表示強度值遠遠小於閾值，對使用者A而言難度太高，進行步驟281，控制模組130根據學習率參數將閾值下修至一下修閾值，下修閾值可依據式(VII)計算獲得： Vde = Vth × (1-η) 　　　　　(VII)。

式(VII)中，Vde為下修閾值，η的定義請參照上文，此外，步驟270及步驟280可同時進行。

請參照第8圖，其中橫座標為訓練單元111的位置，縱座標為生理狀態訊號的強度值，線條710為運動軌跡其中一區域中不同位置之生理狀態訊號的強度值，線條720為該區域的閾值，線條730為該區域的下修閾值。藉此，可依據使用者A當下的身體狀況調降訓練難度。較佳地，下修閾值大於或等於強度值，藉此，可避免訓練強度調降過多，讓使用者A輕鬆完成而失去訓練效果。

相較於先前技術，本發明的可適應性主動訓練系統為一種主動訓練系統，相較於被動訓練系統，可提供較佳的訓練成效。本發明的可適應性主動訓練系統所使用的生理狀態訊號不限於肌電訊號，具有泛用性高的優點。本發明的可適應性主動訓練系統可依據使用者當下的生理狀態訊號，適應上修或下修閾值，一方面可避免閾值過高，訓練強度超過使用者所能負荷的範圍而降低使用者的訓練意願或造成運動傷害，另一方面可避免閾值過低而無法提供足夠訓練強度，有利於提供漸進式超負荷訓練，而可大幅提升訓練成效。以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。

100:可適應性主動訓練系統 110:運動模組 111:訓練單元 120:感測模組 130:控制模組 112:馬達 112a:X軸馬達單元 112b:Y軸馬達單元 A:使用者 210-282:步驟 R1,R2,R3,R23:區域 610,620,630,710,720,730:線條

第1圖是依據本發明一實施方式的可適應性主動訓練系統及一使用者的示意圖。第2圖是依據本發明一實施方式的可適應性主動訓練系統的功能方塊示意圖。第3圖是第1圖中控制模組配置以控制運動模組的步驟流程圖。第4圖是依據本發明一實施方式的運動軌跡示意圖。第5圖是依據本發明另一實施方式的運動軌跡示意圖。第6圖是依據本發明一實施方式之建立運動模型的步驟流程圖。第7圖是依據本發明一實施方式的閾值修正示意圖。第8圖是依據本發明另一實施方式的閾值修正示意圖。

100:可適應性主動訓練系統

110:運動模組

111:訓練單元

112:馬達

112a:X軸馬達單元

112b:Y軸馬達單元

120:感測模組

130:控制模組

A:使用者

Claims

一種可適應性主動訓練系統，包括：一運動模組，包括：一訓練單元；以及一馬達，連接於該訓練單元，該馬達用以帶動該訓練單元依據一運動軌跡移動；一感測模組，用以感測一使用者使用該訓練單元的一生理狀態訊號；以及一控制模組，連接於該運動模組及該感測模組，該控制模組配置以執行：計算該訓練單元於該運動軌跡之一位置；依據一運動模型取得對應該位置之一閾值；以及判斷該生理狀態訊號的一強度值是否大於該閾值，其中：當該生理狀態訊號的該強度值大於該閾值，該控制模組驅動該馬達以帶動該訓練單元依據該運動軌跡移動；當該強度值大於該閾值與一放大倍率的乘積，該控制模組根據一學習率參數將該閾值上修至一上修閾值；當該生理狀態訊號的該強度值小於該閾值，該控制模組不驅動該馬達帶動該訓練單元依據該運動軌跡移動；以及當該強度值小於該閾值與一縮小倍率的乘積，該控制模組根據該學習率參數將該閾值下修至一下修閾值。
如請求項1所述的可適應性主動訓練系統，其中該上修閾值小於或等於該強度值，該下修閾值大於或等於該強度值。
如請求項1所述的可適應性主動訓練系統，其中該閾值為Vth，該上修閾值為Vin，該學習率參數為η，其滿足下列條件： Vin = Vth×(1+η)；以及 0 > η > 1，且η為實數。
如請求項1所述的可適應性主動訓練系統，其中該閾值為Vth，該下修閾值為Vde，該學習率參數為η，其滿足下列條件： Vde = Vth×(1-η)；以及 0 > η > 1，且η為實數。
如請求項1所述的可適應性主動訓練系統，其中該控制模組更配置以執行：建立該運動模型，包括：該控制模組在該使用者不出力的情況下驅動該馬達帶動該訓練單元，使該訓練單元帶動該使用者的一部位依據該運動軌跡移動；該控制模組將該運動軌跡劃分為複數個區域；該控制模組控制該感測模組感測該使用者於各該區域的複數個生理狀態訊號；以及該控制模組依據各該區域的該複數個生理狀態訊號計算各該區域的該閾值。
如請求項1所述的可適應性主動訓練系統，其中該感測模組為一壓力感測器，用以感測該使用者施加於該訓練單元的一壓力，以產生該生理狀態訊號。
如請求項1所述的可適應性主動訓練系統，其中該感測模組為一肌電感測器，用以感測該使用者於使用該訓練單元時的一肌電訊號，以產生該生理狀態訊號。
如請求項1所述的可適應性主動訓練系統，其中該感測模組為一扭矩感測器，連接於該馬達，用以感測該使用者於使用該訓練單元時該馬達的一扭矩，以產生該生理狀態訊號。