本技術涉及智能健身設備及運動訓練控制，尤其涉及一種智能啞鈴的訓練計劃動態(tài)生成與動作質量評分方法及系統(tǒng)。

背景技術：

1、隨著智能健身設備的普及，用戶對個性化、科學化訓練的需求日益增長。傳統(tǒng)健身訓練中，啞鈴訓練計劃通常由用戶自行制定或依賴固定模板，存在兩大技術瓶頸：其一，訓練計劃缺乏動態(tài)適應性，現(xiàn)有方案多基于用戶靜態(tài)體能參數(shù)（如體重、年齡）生成固定計劃，無法實時感知用戶訓練過程中的體能變化、發(fā)力穩(wěn)定性及動作規(guī)范度，導致訓練強度與用戶實際能力不匹配，易出現(xiàn)訓練效果不佳或運動損傷風險；其二，動作質量評估手段單一，現(xiàn)有技術多通過單一傳感器（如加速度傳感器）采集運動軌跡，僅能簡單判斷動作是否完成，缺乏對動作軌跡吻合度、速度均勻性、發(fā)力對稱性等核心規(guī)范指標的多維度分析，更未結合用戶實時疲勞狀態(tài)對評分進行動態(tài)修正，難以精準評估動作質量并據(jù)此調整訓練計劃。此外，現(xiàn)有智能啞鈴系統(tǒng)普遍未形成“訓練計劃生成-動作質量反饋-計劃動態(tài)調整”的閉環(huán)控制機制，訓練計劃與實際訓練效果之間缺乏有效聯(lián)動，無法實現(xiàn)訓練方案的自適應優(yōu)化。

2、針對上述問題，現(xiàn)有技術中存在一些改進方案，例如通過傳感器采集運動數(shù)據(jù)進行動作識別，或基于用戶體能參數(shù)生成基礎訓練計劃，但均未將實時動作數(shù)據(jù)、個性化參數(shù)、歷史訓練適應度及疲勞狀態(tài)評估進行深度融合，更未構建集“動態(tài)訓練計劃生成、多維度動作質量評分、閉環(huán)反饋調節(jié)”于一體的完整技術體系。因此，如何提供一種能夠根據(jù)用戶實時狀態(tài)動態(tài)調整訓練計劃，并通過多維度數(shù)據(jù)精準評估動作質量的智能方法，成為本領域亟待解決的技術問題。

技術實現(xiàn)思路

1、本技術提供了一種智能啞鈴的訓練計劃動態(tài)生成與動作質量評分方法及系統(tǒng)，旨在解決現(xiàn)有技術中存在一些改進方案，例如通過傳感器采集運動數(shù)據(jù)進行動作識別，或基于用戶體能參數(shù)生成基礎訓練計劃，但均未將實時動作數(shù)據(jù)、個性化參數(shù)、歷史訓練適應度及疲勞狀態(tài)評估進行深度融合，更未構建集“動態(tài)訓練計劃生成、多維度動作質量評分、閉環(huán)反饋調節(jié)”于一體的完整技術體系等問題。

2、第一方面，本技術實施例提供了一種智能啞鈴的訓練計劃動態(tài)生成與動作質量評分方法，應用于智能啞鈴；所述方法包括：

3、通過智能啞鈴內置的加速度傳感器、角速度傳感器和壓力傳感器實時采集用戶訓練時的動作數(shù)據(jù)，所述動作數(shù)據(jù)包括啞鈴運動軌跡、運動速度、運動幅度、握持壓力及發(fā)力角度；獲取用戶輸入的個性化參數(shù)，所述個性化參數(shù)包括年齡、體重、體脂率、肌肉力量等級、訓練目標以及歷史訓練記錄；

4、將動作數(shù)據(jù)和個性化參數(shù)輸入至預設的訓練計劃生成算法模塊，以基于用戶動作數(shù)據(jù)、個性化參數(shù)、歷史訓練適應度及訓練目標，動態(tài)生成包含動作類型、每組訓練時長、間歇時間和重量調節(jié)策略的階段性訓練計劃，并根據(jù)用戶實時發(fā)力穩(wěn)定性與歷史力量增長曲線進行自適應調整重量調節(jié)策略；

5、構建動作質量評分模型，所述評分模型預先存儲標準動作模板，所述標準動作模板包含不同訓練動作對應的標準軌跡曲線、速度閾值范圍、幅度基準值以及發(fā)力對稱性參數(shù)；將動作數(shù)據(jù)與標準動作模板進行多維度匹配分析，從動作軌跡吻合度、速度均勻性、幅度達標率和左右發(fā)力對稱性四個維度計算動作規(guī)范得分，根據(jù)連續(xù)訓練時長、歷史心率數(shù)據(jù)以及握持壓力波動幅度獲取用戶當前疲勞度參數(shù)，結合用戶當前疲勞度參數(shù)對得分進行動態(tài)修正。

6、在一些實施例中，在所述結合用戶當前疲勞度參數(shù)對得分進行動態(tài)修正之后，還包括：在訓練過程中，實時將動作質量評分結果反饋至訓練計劃生成算法模塊，若連續(xù)多次動作規(guī)范得分低于預設閾值，則觸發(fā)訓練計劃動態(tài)調整機制，自動降低訓練重量或縮短單組訓練時長，直至動作規(guī)范得分回升至合理區(qū)間，形成訓練計劃與動作質量的閉環(huán)優(yōu)化控制。

7、在一些實施例中，所述通過智能啞鈴內置的加速度傳感器、角速度傳感器和壓力傳感器實時采集用戶訓練時的動作數(shù)據(jù)，包括：利用加速度傳感器實時采集啞鈴在三維空間中的加速度數(shù)據(jù)，利用角速度傳感器實時采集啞鈴繞三個旋轉軸的角速度數(shù)據(jù)，利用壓力傳感器實時采集用戶握持啞鈴時的握持壓力數(shù)據(jù)；基于所述加速度數(shù)據(jù)和角速度數(shù)據(jù)解算啞鈴的運動軌跡、運動速度及運動幅度，基于所述加速度數(shù)據(jù)、角速度數(shù)據(jù)及握持壓力數(shù)據(jù)計算用戶發(fā)力時的發(fā)力角度。

8、在一些實施例中，所述基于用戶動作數(shù)據(jù)、個性化參數(shù)、歷史訓練適應度及訓練目標，動態(tài)生成包含動作類型、每組訓練時長、間歇時間和重量調節(jié)策略的階段性訓練計劃，包括：所述訓練計劃生成算法模塊先分析用戶歷史訓練記錄中的動作完成度、肌肉恢復周期及訓練效果數(shù)據(jù)以確定歷史訓練適應度，結合用戶當前動作數(shù)據(jù)反映的實時體能狀態(tài)、個性化參數(shù)中的訓練目標及肌肉力量等級，從預設動作庫中匹配適合的動作類型；根據(jù)用戶歷史訓練中同類動作的疲勞耐受時長設定每組訓練時長，根據(jù)運動生理學恢復規(guī)律設定組間間歇時間；將重量調節(jié)策略作為訓練計劃的可變參數(shù)，使生成的階段性訓練計劃包含隨訓練階段動態(tài)調整的重量變化策略。

9、在一些實施例中，所述根據(jù)用戶實時發(fā)力穩(wěn)定性與歷史力量增長曲線進行自適應調整重量調節(jié)策略，包括：通過分析實時采集的握持壓力數(shù)據(jù)及發(fā)力角度數(shù)據(jù)的波動幅度判斷用戶實時發(fā)力穩(wěn)定性，若波動幅度在預設穩(wěn)定閾值內則判定發(fā)力穩(wěn)定，反之判定發(fā)力不穩(wěn)定；調取用戶歷史訓練記錄中相同動作類型的重量提升數(shù)據(jù)形成歷史力量增長曲線，當發(fā)力穩(wěn)定且歷史力量增長曲線呈上升趨勢時，按預設增量規(guī)則逐步提升訓練重量，當發(fā)力不穩(wěn)定或歷史力量增長曲線出現(xiàn)平臺期時，維持當前訓練重量或按預設降幅規(guī)則降低訓練重量。

10、在一些實施例中，所述構建動作質量評分模型，包括：通過運動生物力學實驗采集專業(yè)訓練者完成不同訓練動作時的標準動作數(shù)據(jù)，所述標準動作數(shù)據(jù)包括標準運動軌跡、標準運動速度范圍、標準運動幅度及左右發(fā)力對稱基準值；將所述標準動作數(shù)據(jù)按照動作類型進行分類，生成包含對應標準軌跡曲線、速度閾值范圍、幅度基準值及發(fā)力對稱性參數(shù)的標準動作模板，并將所述標準動作模板存儲于動作質量評分模型的數(shù)據(jù)庫中。

11、在一些實施例中，所述將動作數(shù)據(jù)與標準動作模板進行多維度匹配分析，從動作軌跡吻合度、速度均勻性、幅度達標率和左右發(fā)力對稱性四個維度計算動作規(guī)范得分，包括：將實時采集的啞鈴運動軌跡與標準動作模板中的標準軌跡曲線進行坐標點擬合度計算，得到動作軌跡吻合度得分；將實時運動速度與標準動作模板中的速度閾值范圍進行對比，計算速度值在閾值范圍內的時間占比作為速度均勻性得分；將實時運動幅度與標準動作模板中的幅度基準值進行比對，計算達到或超過幅度基準值的動作次數(shù)占比作為幅度達標率得分；獲取左右兩側智能啞鈴的握持壓力數(shù)據(jù)及發(fā)力角度數(shù)據(jù)，計算兩側數(shù)據(jù)的差異值與對稱基準值的偏離程度作為左右發(fā)力對稱性得分；綜合四個維度得分計算動作規(guī)范總得分。

12、在一些實施例中，所述根據(jù)連續(xù)訓練時長、歷史心率數(shù)據(jù)以及握持壓力波動幅度獲取用戶當前疲勞度參數(shù)，包括：統(tǒng)計用戶當前訓練階段中未間斷的連續(xù)訓練時長，當連續(xù)訓練時長超過預設疲勞預警時長時標記疲勞風險；調取用戶歷史訓練記錄中的心率數(shù)據(jù)，分析當前訓練心率與歷史平均心率的偏離幅度判斷心肺疲勞程度；計算實時握持壓力數(shù)據(jù)的波動幅度，當波動幅度超過預設穩(wěn)定閾值時判斷肌肉控制能力下降；綜合連續(xù)訓練時長、心率偏離幅度及握持壓力波動幅度，通過預設疲勞評估規(guī)則確定用戶當前疲勞度參數(shù)。

13、在一些實施例中，所述結合用戶當前疲勞度參數(shù)對得分進行動態(tài)修正，包括：根據(jù)用戶當前疲勞度參數(shù)設定動作規(guī)范得分的修正系數(shù)，當疲勞度參數(shù)顯示用戶處于輕度疲勞狀態(tài)時，對動作軌跡吻合度和速度均勻性的得分閾值進行適應性放寬；當疲勞度參數(shù)顯示用戶處于中度及以上疲勞狀態(tài)時，除放寬得分閾值外，額外增加對動作軌跡安全性的判斷，若出現(xiàn)可能導致運動損傷的發(fā)力偏差則直接降低動作規(guī)范得分；通過疲勞度參數(shù)與修正規(guī)則的對應關系，實現(xiàn)對動作質量評分的動態(tài)調整。

14、第二方面，本技術提供了一種智能啞鈴的訓練計劃動態(tài)生成與動作質量評分系統(tǒng)，應用于智能啞鈴,所述系統(tǒng)包括：

15、參數(shù)獲取單元，用于通過智能啞鈴內置的加速度傳感器、角速度傳感器和壓力傳感器實時采集用戶訓練時的動作數(shù)據(jù)，所述動作數(shù)據(jù)包括啞鈴運動軌跡、運動速度、運動幅度、握持壓力及發(fā)力角度；獲取用戶輸入的個性化參數(shù)，所述個性化參數(shù)包括年齡、體重、體脂率、肌肉力量等級、訓練目標以及歷史訓練記錄；

16、策略獲取單元，用于將動作數(shù)據(jù)和個性化參數(shù)輸入至預設的訓練計劃生成算法模塊，以基于用戶動作數(shù)據(jù)、個性化參數(shù)、歷史訓練適應度及訓練目標，動態(tài)生成包含動作類型、每組訓練時長、間歇時間和重量調節(jié)策略的階段性訓練計劃，并根據(jù)用戶實時發(fā)力穩(wěn)定性與歷史力量增長曲線進行自適應調整重量調節(jié)策略；

17、動態(tài)修正單元，用于構建動作質量評分模型，所述評分模型預先存儲標準動作模板，所述標準動作模板包含不同訓練動作對應的標準軌跡曲線、速度閾值范圍、幅度基準值以及發(fā)力對稱性參數(shù)；將動作數(shù)據(jù)與標準動作模板進行多維度匹配分析，從動作軌跡吻合度、速度均勻性、幅度達標率和左右發(fā)力對稱性四個維度計算動作規(guī)范得分，根據(jù)連續(xù)訓練時長、歷史心率數(shù)據(jù)以及握持壓力波動幅度獲取用戶當前疲勞度參數(shù)，結合用戶當前疲勞度參數(shù)對得分進行動態(tài)修正。

18、本技術實施例提供的一種智能啞鈴的訓練計劃動態(tài)生成與動作質量評分方法及系統(tǒng)，通過壓力、振動、位移等多傳感器獲取靜態(tài)按壓下的肌肉響應信號，提取壓力峰值、形變恢復時間、振動衰減系數(shù)等多維特征參數(shù)，精準量化肌肉硬度及彈性屬性，突破傳統(tǒng)單一信號檢測的局限性。構建基于機器學習的智能匹配模型，融合肌肉硬度特征、用戶身體數(shù)據(jù)及擊打偏好，輸出個性化參數(shù)組合，并在擊打過程中通過實時反饋信號動態(tài)調整參數(shù)，形成“檢測-建模-執(zhí)行-反饋”的閉環(huán)控制，首次實現(xiàn)智能啞鈴參數(shù)與肌肉狀態(tài)的實時智能適配。通過預擊打驗證、異常狀態(tài)監(jiān)控及參數(shù)保護機制，在個性化調節(jié)的同時確保擊打安全性，解決現(xiàn)有技術中參數(shù)設置“一刀切”或依賴主觀判斷的缺陷。

19、本技術基于多維度肌肉硬度特征與用戶身體數(shù)據(jù)，生成符合個體差異的擊打參數(shù)，避免傳統(tǒng)手動調節(jié)的盲目性，提升肌肉放松效果。通過擊打過程中的反饋信號實時優(yōu)化參數(shù)，使擊打力度、頻率等始終匹配肌肉實時狀態(tài)（如運動后肌肉僵硬時自動增強振幅，疲勞肌肉過度按壓時智能降低力度），顯著提升使用舒適性與安全性。用戶無需手動頻繁調節(jié)參數(shù)，設備自動完成檢測、建模與動態(tài)控制，降低使用門檻，適應不同運動場景（如運動前激活、運動后恢復、日常放松）的差異化需求。通過預擊打驗證、異常振動監(jiān)測及參數(shù)保護機制，有效避免因參數(shù)不當導致的肌肉損傷風險，拓寬設備適用人群（如老年人、運動新手）。

20、綜上，本發(fā)明填補了現(xiàn)有智能啞鈴在“精準檢測-智能匹配-動態(tài)反饋”一體化控制領域的技術空白，為智能化肌肉放松設備的研發(fā)提供了全新思路。

21、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本技術。