结合物联网和数据分析的跑步机智能控制方法及系统与流程

1.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：

2.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。
3.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。
4.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。


技术实现要素：

5.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。
6.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个步频，根据第个步频的大小对压力变化曲线进行分段，获得第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，计算第个步频的合适度，具体计算公式为：式中，表示第一个子曲线中所有数据点的均值，表示第二个子曲线中所有数据点的均值，表示第一个子曲线中所有数据点的方差；表示第二个子曲线中所有数据点的方差；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；和是计算常数，表示第个步频的合适度。
7.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：式中，表示以自然常数为底的指数函数，表示第个数据点的斜率，表示与第个数据点相邻的第个数据点的斜率，表示超参数，经验值，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。
8.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。
9.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个第一数据点到第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：
式中，表示以自然常数为底的指数函数,表示当前数据段中的第个第一数据点的斜率，表示当前数据段中的第个第一数据点的参考斜率，表示当前数据段中第一数据点的数量，表示超参数，经验值，表示当前数据段的状态值，当时，，当时，；如果当前数据段的状态值，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。
10.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：式中，表示以自然常数为底的指数函数，表示超参数，表示预测压力，表示参考压力，表示当前时刻的异常程度。
11.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：当时，跑步机的运动速度保持当前速度；当时，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，具体计算公式为：式中，表示跑步机的当前速度，表示当前时刻的异常程度，为调控后的跑步机的运行速度；当时，对跑步机进行紧急制动处理。
12.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。
13.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。
14.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。
15.（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
16.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。
17.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。
18.图2为本发明一个实施例提供的初始压力变化曲线。
19.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。
20.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
21.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。
22.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。
23.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。
24.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。
[0025] (1)通过压力传感器，获得初始压力变化曲线。
[0026]
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。
[0027]
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。
[0028]
(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。
[0029]
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。
[0030]
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。
[0031]
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。
[0032]
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时,根据所述速度下的历史数据，统计得到速度为时，步频为2秒每步到3秒每步，即速度为时的步频区间为；对于步频区间中的第个步频，根据第个步频的大小对压力变化曲线进行分段，获得第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，计算第个步频的合适度，具体计算公式为：式中，表示第一个子曲线中所有数据点的均值，表示第二个子曲线中所有数据点的均值，表示第一个子曲线中所有数据点的方差；表示第二个子曲线中所有数据点的方差；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；和是计算常数，，，是曲线段中数据的最大值范围，表示第个步频的合适度。
[0033]
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。
[0034]
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。
[0035]
（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。
[0036]
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，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。
[0037]
(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。
[0038]
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：式中，表示以自然常数为底的指数函数，表示第个数据点的斜率，表示与第个数据点相邻的第个数据点的斜率，表示超参数，经验值，表示相邻数据点的斜率相似性；当的值越大，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,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。
[0039]
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。
[0040]
（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。
[0041]
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。
[0042]
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。
[0043]
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。
[0044]
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。
[0045]
根据当前数据段中第个第一数据点到第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：式中，表示以自然常数为底的指数函数,表示当前数据段中的第个第一数据点的斜率，表示当前数据段中的第个第一数据点的参考斜率，表示当前数据段中第一数据点的数量，表示超参数，经验值，表示当前数据段的状态值，当时，，当时，；如果当前数据段的状态值，此时当前时刻的前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。
[0046]
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。
[0047]
当前数据段的状态为激活状态时，根据当前数据段中的第个第一数据点到第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：
式中，表示以自然常数为底的指数函数，表示超参数，表示预测压力，表示参考压力，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。
[0048]
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。
[0049]
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。
[0050]
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，具体计算公式为：式中，表示跑步机的当前速度，表示当前时刻的异常程度，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。
[0051]
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。
[0052]
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。
[0053]
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。
[0054]
以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的范围，均应包含在本技术的保护范围之内。