个性化智能跳绳与实时运动健康数据管理分析系统

本发明涉及健康管理，尤其涉及一种个性化智能跳绳与实时运动健康数据管理分析系统。

背景技术：

1、随着现代生活节奏的加快，人们对健身器材的需求日益增加。跳绳作为一种简单、高效的健身方式，在广大人群中深受欢迎。但传统的跳绳难以满足用户对个性化及科学健身的需求，如训练难度调节、准确的健身数据追踪等。现有的智能跳绳在一些参数计算方式与数据分析方式上仍存在欠缺，例如仅仅使用心率作为计算指标计算卡路里消耗，这些方式会带来数据的不准确和分析的不全面。同时，对于用户疲劳状况、恢复程度等重要运动指标监测的缺失使得运动安全问题仍旧无法被解决；另外，长时间运动和健康数据的连续可靠监测与个性化智能分析的精度和稳定性也有待提高。

2、中国专利cn104941109a中描述了一种利用计数器的累计计数来估算消耗的卡路里的方法。这种方法通过监测用户在锻炼过程中的动作次数，以此为依据来估算用户消耗的能量。简而言之，它将每次动作与预设的卡路里消耗值相关联，再依此进行卡路里的累积估算。然而，这种简单基于计数器的方法存在一些明显的劣势。由于个体的新陈代谢和能量消耗都存在差异。仅仅基于动作次数来估算卡路里消耗可能无法准确地反映个体的实际能量消耗。由于体重、年龄、性别和身体状况的差异，在做了相同数量动作的情况下，不同用户的卡路里消耗也可能有所不同。

3、中国专利cn112657117b公开了一种跳绳课程推荐方法及装置，该方法主要通过陀螺仪与霍尔传感器获取连续跳绳运动m圈中每圈数据点数[n1,n2,n3,…,nm]；依据m个跳绳被测圈中每圈数据点数[n1,n2,n3,…,nm]分别计算用户跳绳动作、协调性、稳定性、节奏、耐力得分；依据动作、协调性、稳定性、节奏、耐力得分，来获取需要推送的训练课程。但是，该方法主要依赖于陀螺仪和霍尔传感器来收集数据，数据源过于单一，且缺乏个性化的反馈，例如个性化的训练建议等。

4、中国专利cn116779161a公开了一种基于跳绳运动的体质分析方法，即基于跳绳运动数据来进行体质分析的方法。这种方法主要是通过获取用户的跳绳运动数据，如甩绳速率、起跳频率、第一跳绳时间、第一跳绳数量、反应延迟时间以及最终得分等来计算获得用户的某些体质指标数据，并据此进行体质分析。但是，该方法缺乏综合性的健康评估。仅专注于通过跳绳数据来评估体质，而忽略了其他可能影响体质的因素，如个人心率、恢复时间等。这可能会导致用户得到的体质分析数据过于片面。

5、中国专利cn115414626a中公开了一种智能跳绳装置，该装置的特征在于，能够做到用户在空中的姿态检测，通过装置中的智能算法芯片进行计算得到。但是，该装置的缺陷在于：所使用的检测装置是被安装在绳子上，即被绳子所贯穿的。这样会带来多个问题：一是难以避免装置因绳子与坚硬平面(如墙体)的激烈碰撞而损坏。二是这种结构大大加大了日常充电的难度，也没有充分利用甩绳所带来的动能。第三，这种装置并没有对不同用户的数据做出有效的分隔与管理，没有做到针对每一个用户的个性化分析。

技术实现思路

1、本发明要解决的技术问题是针对上述现有技术的不足，提供一种个性化智能跳绳与实时运动健康数据管理分析系统，实现基于跳绳与实时运动健康数据的个性化运动决策支持，增强运动的效果以及安全性。

2、为解决上述技术问题，本发明所采取的技术方案是：一种个性化智能跳绳与实时运动健康数据管理分析系统，包括集成在跳绳手柄内的微控制器、数据采集模块、通信模块、跳绳调节模块、能量收集模块、辅助功能模块和集成在远程服务器的数据分析模块、用户数据管理模块和个性化运动方案生成模块以及移动终端；所述数据采集模块、通信模块、跳绳调节模块、能量收集模块、辅助功能模块均与微控制器连接；

3、所述数据采集模块设置在跳绳手柄内，用于采集用户握力、拉力以及生命体征数据，并将采集的数据传输至微控制器处理后通过通信模块传输至负责数据分析的远程服务器；

4、所述跳绳调节模块用于根据个性化方案生成模块生成调整的跳绳训练方案，自动调节绳索，以适应用户的不同应用场景与个人运动爱好的需求，同时确保安全性，以免设置不当长度而导致的运动损伤；

5、所述能量收集模块通过回收用户在跳绳运动中产生的动能，为其他模块提供或储存电能；

6、所述辅助模块为用户提供包括语音、振动、显示的提示，从而做到姿势矫正、训练指导、实时信息提醒、跳绳找回的功能；

7、所述数据分析模块被集成在远程服务器的中，用于将数据采集模块输出的数据进行功能性的分析与计算，并将数据分析结果传入个性化方案生成模块；

8、所述用户数据管理模块被集成在远程服务器中，基于数据分析模块的数据分析结果，对不同用户进行识别，将每个不同用户的数据进行分隔、管理；

9、所述个性化方案生成模块基于数据分析模块的分析结果和用户的输入数据为用户提供个性化的方案选择，为用户提供适合自己的训练方法。

10、优选地，所述数据采集模块包括传感器模块、信号预处理模块和信号编码模块；所述传感器模块采用多种传感器采集用户的握力、拉力以及生命体征数据；

11、所述信号预处理模块将传感器模块采集的各信号经过模拟电路滤波器和多级放大器进行模拟信号处理与ad转换，得到数字信号；

12、所述信号编码模块对信号预处理模块处理后的数字信号进行编码后，采用低功耗蓝牙模块传输至移动终端和远程服务器。

13、优选地，所述传感器模块包括设置在双跳绳手柄内的握力传感器、拉力传感器、心电传感器和脉搏与血氧传感器、线性霍尔传感器和三轴加速度传感器，用于采集用户的握力、拉力、心电数据、脉搏与血氧、用户空间位置以及甩绳次数与速度数据。

14、优选地，所述心电传感器采用柔性心电传感器采集用户的心电数据；所述柔性心电传感器包括用于采集心电信号的高导电性石墨烯电极片、可实现与跳绳手柄高度粘附的聚氨酯柔性基底以及与信号处理单元相连接的可拉伸液态金属基导电通路；

15、所述柔性心电传感器制备方法包括：

16、步骤1.聚氨酯溶液的制备：将大分子二元醇、二异氰酸酯和端氨基扩链剂分别真空脱水、冷却至室温后，向二异氰酸酯中滴加大分子二元醇，在高温、氮气环境下高速搅拌后移至室温环境，向其中倒入溶剂搅拌均匀后，室温滴加端氨基扩链剂并搅拌，得到聚氨酯溶液；

17、步骤2.石墨烯电极片的制备：将石墨粉在溶剂中进行机械剥离，之后经过过滤、干燥得到少层石墨烯纳米片，将纳米片铺在模具中进行压制，得到石墨烯电极片；

18、步骤3.柔性心电传感器的制备：将聚氨酯溶液倒在预留导电通路的模具后进行半固化处理得到半固化聚氨酯柔性基底，之后将两个石墨烯电极片放置在基底上；向导电通路中注入液态金属，放置信号处理单元，将跳绳手柄置于模具，得到整体装置，将其继续进行固化处理，最终得到与跳绳手柄具有高粘合性的柔性心电传感器；

19、步骤1中，大分子二元醇、异氰酸酯、端氨基扩链剂和溶剂质量比为10～20:3～5:10～15:1～3；真空脱水条件为：110～130℃、-0.9～1mpa下脱水1.5～3h；滴加大分子二元醇的速度为5～10s/滴，随后，在75～85℃氮气环境下搅拌1～2.5h，转速为300～500rpm；倒入溶剂后继续搅拌10～30min；滴加端氨基扩链剂的速度为5～10s/滴，搅拌时间为5～15min；

20、步骤2中，机械剥离过程为，在25000～30000rpm的转速下机械剥离25～35min；压制过程中的压强为10～20mpa；

21、步骤3中，导电通路总长度为40～50mm，宽5～10mm；半固化处理参数为：45～60℃环境下固化1～2h；两个石墨电极片中心距为25～30mm；固化参数为：45～60℃环境下固化5～10h。

22、优选地，所述数据分析模块将数据采集模块输出的数据进行功能性的分析与计算的具体方法为:

23、a.通过握力传感器采集的握力数据实时评估用户的疲劳状态，并计算生成疲劳曲线；

24、a-1：数据收集：

25、从握力传感器实时获取的用户握力数据g；

26、a-2：握力基线建立：

27、在用户开始训练之前，获得用户的最大握力值gmax和基线握力gmin；

28、a-3：握力衰减计算：

29、根据用户的实时握力和基线握力，计算握力衰减率δg：

30、

31、a-4：疲劳指数确定：

32、使用以下公式根据握力衰减率确定疲劳指数f:

33、f＝k2·δg

34、其中，k2为经验系数，描述了握力衰减率与疲劳程度之间的关系；

35、a-5：生成疲劳曲线：

36、随着训练时间的进行，连续收集疲劳指数f值，并绘制成时间-疲劳指数曲线，即疲劳曲线；

37、a-6：实时疲劳状态显示：

38、根据疲劳指数值f，为用户提供实时的疲劳评估；当疲劳指数f超过设定阈值时，提示用户疲劳严重，建议休息；

39、b.结合绳子的拉力、转动速度和用户的心率，计算用户的实时能量消耗；

40、b-1.数据收集：

41、通过拉力传感器测得跳绳的平均拉力l；

42、通过线性霍尔传感器测得跳绳的转动速度v；

43、通过心率传感器获得用户的实时心率hr；

44、通过心电传感器获得用户的心电信号的强度ecg；

45、b-2.建立基础能量消耗模型：

46、使用下式计算用户的基础卡路里消耗量cbase：

47、cbase＝a·chr+b·cv+c·cl+d·ecg

48、其中：chr、cv、cl为基于参数hr、v、l分别估算的用户每分钟卡路里消耗量，a,b,c,d均为权重系数；chr、cv、cl通过以下公式计算获得：

49、

50、其中，hr0为静息心率；m为用户体重；f1为卡路里的转化系数；f2是将焦耳转为为千卡的转化系数；

51、cv＝met·m·f3

52、其中，met为代谢当量，f3为将met与卡路里消耗量联系起来的常数；

53、

54、其中，r为基于用户身体数据推算的跳绳运动半径，f4为焦耳转为为千卡的转化系数；

55、进而得到用户的基础卡路里消耗量计算公式为：

56、

57、b-3.个体差异调整：

58、基于用户输入的身高h、体重m、年龄o和性别g计算个体差异调整系数k1：

59、k1＝fsvm(h,m,o,g)

60、其中，fsvm是使用支持向量机svm，并结合用户实际能量消耗，进行拟合得到的函数；

61、对于给定的输入特征x＝(h,m,o,g)，svm的输出表示为：

62、

63、其中，αi是支持向量的权重系数，b为偏置项；k(xi,x)是核函数径向基核，xi代表训练集的第i个样本的特征向量；

64、在朴素回归svm的基础上，通过贝叶斯优化对svm的超参数进行调优，具体为：

65、设定贝叶斯优化目标是最小化svm的预测误差，目标函数为：

66、

67、其中，c,γ分别是正则化参数与作为核函数的rbf核的参数，其目的为了找到最优的超参数组合；是支持向量机svm预测得到的个体差异调整系数；

68、b-4.计算最终能量消耗：

69、结合用户基础能量消耗与个体差异，计算总的能量消耗ctotal：

70、ctotal＝k1·c

71、c.通过用户的心率、心电数据对用户身体状况进行评估，以测量运动恢复时间和效率；

72、c-1.数据收集：

73、实时获取用户的心率数据hrt；

74、c-2.训练结束标志检测：

75、当用户的心率下降到接近静息心率或用户主动标记训练结束时，开始进入恢复时间测量模式；

76、c-3.基线数据获取：

77、在用户开始训练之前，获取静息时的心电图ecgbase，并计算静息时的心率hrbase作为参考；

78、c-4.恢复时间开始：

79、将训练结束标志检测到的时刻标记为恢复时间的起点tstart；

80、c-5.恢复程度计算：

81、

82、其中，hrmax是用户训练过程中所记录到的最大心率；r表示用户当前的恢复程度；

83、c-6.确定恢复完成时刻：

84、当r值低于预设的阈值r0时，标记为恢复时间的终点tend；

85、c-7.计算恢复时间trecovery：

86、trecovery＝tend-tstart

87、c-8.历史恢复数据分析：

88、在每次评估完恢复时间后，保存收集所有历史的恢复时间数据，并进行综合分析，确定用户的平均恢复时间；

89、

90、其中，n是用户历史的训练次数，表示用户的平均恢复时间；

91、d.基于已有的用户身高和体重数据，结合跳绳历史数据和生物特征数据库中的信息，计算出用户的人体臂长，从而进一步推算适合用户的跳绳长度；

92、d-1.数据收集：

93、获取用户身高h，腿长l和跳绳时的跳跃高度n；并基于用户身高推算用户的肩宽、手臂长度和去除肩宽后的手臂长度；

94、d-2.建立跳绳曲线方程：

95、设定跳绳曲线为抛物线，曲线方程为y＝f(x)，由用户臂长得到手部跳绳时应距离胯部的水平坐标分别为a、b，则由a到b的曲线长度l为：

96、

97、d-3.求解跳绳曲线方程，得到适合用户的最佳的跳绳长度。

98、优选地，所述用户数据管理模块通过数据分析模块从心电和脉搏数据中得到的生物特征，与数据库中存储的用户生物数据相比对；

99、如果得到的生物特征与数据库中的生物数据匹配，将验证用户的身份，并显示用户的相关信息；如果不匹配，则提示用户重新进行身份验证或者进行身份注册；

100、将来自不同用户的数据通过用户的登录状况或数据录入信息进行分类，并将这些数据按照一定的内容与属性分组，然后分批次传送到个性化方案生成模块；

101、通过管理系统注册、添加、删除或管理用户的身份信息。

102、优选地，所述个性化方案生成模块采用决策树算法，根据用户的个人信息，结合用户选择的运动目标，生成定制化的跳绳训练方案；

103、根据数据分析模块的分析结果，调整跳绳训练方案，以满足个体差异化的需要。

104、优选地，所述跳绳调节模块包括与微控制器和跳绳连接的磁力调节组件、电机和光学传感器；所述微控制器通过光学传感器监测绳索长度的变化；通过控制磁力调节组件调整挥绳的力度；通过控制电机自动调节跳绳长度。

105、优选地，所述能量收集模块包括锂电池、小型磁铁、摆动发电机、整流器、电流调整器和电源管理芯片；所述小型磁铁和摆动发电机均与跳绳连接，将甩绳产生的动能转为可储存利用的电能，产生电流；所述整流器和电流调整器，用于将产生的交流电转化为直流电并控制电流的流向、充电和放电过程，以确保稳定的电流输出；选用电源管理芯片实现锂电池安全充放电，同时也为其他的模块提供安全供电。

106、优选地，所述辅助模块包括与微控制器连接的振动马达、扬声器和带按键的小型屏幕；

107、所述振动马达，为用户提供物理反馈，帮助其调整跳绳频率；

108、所述扬声器内置在跳绳手柄内，为用户提供语音提示和跳绳找回功能；

109、所述带按键的小型屏幕集成在跳绳的手柄上，提供用户交互界面，实时显示用户的运动状态，包括心率、跳绳次数、已消耗卡路里；通过按键使用户能够快速浏览数据指标和调整各种设置。

110、采用上述技术方案所产生的有益效果在于：本发明提供的个性化智能跳绳与实时运动健康数据管理分析系统，

111、(1)提供一种能够自主调节训练强度的跳绳工具；

112、随着健身观念的普及，不同健身者的需求和体质差异使得单一的健身工具很难满足所有人的需求。传统的跳绳工具难以调节挥绳的力度，这对于初学者和高级用户来说都可能都不是最佳的选择。初学者可能会觉得初始的力度太大，难以坚持；而有经验的健身者可能觉得强度不够，难以达到锻炼效果，这无法满足随着训练过程而变化的需求。因此，本发明提供的智能跳绳健康系统中，特意设计了一种可调节挥绳力度的功能。通过简单的操作，健身者可以根据自己的需求和体能状况，自主调整挥绳难度，使得健身更加贴合个人情况，提高健身效率和体验。能够通过使用者的心率、脉搏、血氧等信息对于用户的不合理设置和训练强度给予预警和提醒，确保运动的安全性。

113、(2)实现对用户健身数据更加可靠、全面的分析，甚至过程的跟踪与比对分析，帮助用户更个体化地进行健身。

114、在当代，数据驱动已经成为多个领域的核心理念。众多领域都发展出了多传感融合与智能算法融合的趋势。而在健身领域，准确的数据分析可以帮助用户更加了解自己的身体状况和锻炼效果，从而制定更合适的健身计划。本发明的智能跳绳健康系统不仅能够实时监测用户在锻炼时的各种身体数据，如心率、疲劳度等，还能够根据用户的历史数据和其他输入数据，进行深入的分析，为用户提供详细的健身报告和建议，并为用户提供个体化的训练指导。这种数据驱动的方法，使得用户不再盲目地进行锻炼，而是根据自己的身体状况和需求，科学地进行健身，大大提高健身效果和体验。

115、(3)提高用户的健身效果和安全性，预防运动伤害。

116、安全始终是健身的首要考虑。过度的锻炼或不当的锻炼方式都可能导致运动伤害，这不仅会影响到用户的健身效果，还可能对身体造成长期的伤害。因此，预防运动伤害是本发明的重要目标之一。通过结合多种传感器，如握力传感器、心电图传感器等，本系统可以实时监测用户的身体状况，如疲劳度、心率变化等，从而预测用户的运动风险。一旦发现有可能的风险，系统会立即提醒用户，并给出建议，如休息一段时间、调整锻炼方式等，从而大大降低运动损伤的风险，确保用户在享受健身的同时，也能够保证身体的安全。

117、(4)基于环保与能源效率的考量。

118、随着环保和能源问题日益受到全球关注，智能设备的设计也应积极响应这一趋势，更好地利用和保存能源。本发明所展现的跳绳系统正是在此背景下应运而生。在用户进行跳绳锻炼时，会产生大量的动能。而传统的跳绳工具没有有效地利用这一能量，导致宝贵的能源被浪费。然而，本发明的智能跳绳健康系统则巧妙地将这一动能回收并转化为电能，进一步为系统的其他模块供电或储存供未来使用。这不仅极大地延长了设备的使用时间，还减少了对外部电源的依赖，使得跳绳工具更具环保性和能源效率。这种创新的设计既满足了用户对持久续航的需求，也赋予了传统健身工具全新的环保意义，体现了技术与环保的完美结合。