申请/专利权人:东华大学
申请日:2023-12-04
公开(公告)日:2024-02-20
公开(公告)号:CN117562559A
主分类号:A61B5/389
分类号:A61B5/389;A61B5/397;A61B5/22
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本发明涉及一种基于功率和力矩输出的上臂肱二头肌疲劳识别与预测方法,首先分别构建上臂肱二头肌骨骼肌的输出功率模型与输出力矩模型;然后以功率输出信号的均方根、绝对平均值、过零率、中值频率和总做功以及力矩输出信号的均方根、峰值指标和中值频率共八个指标作为疲劳特征指标,构建8维的观测特征向量,进行聚类分析,识别出骨骼肌疲劳状态;再利用聚类的结果训练SVM算法,构建得到预测模型;最后将采集的运动中骨骼肌的疲劳特征指标输入至预测模型中,对上臂肱二头肌骨骼肌的疲劳状态进行预测。本发明利用人体功率输出和力矩输出特征来识别肌肉疲劳,个体差异对模型影响较小,F1‑score为95%,AUC为98.7%,精度较高。
主权项:1.基于功率和力矩输出的上臂肱二头肌骨骼肌疲劳识别与预测方法,其特征在于:首先分别构建骨骼肌输出功率模型与骨骼肌输出力矩模型;然后以功率输出信号的均方根、绝对平均值、过零率、中值频率和总做功以及力矩输出信号的均方根、峰值指标和中值频率共八个指标作为疲劳特征指标,构建8维的观测特征向量,进行聚类分析,识别出骨骼肌疲劳状态;再利用聚类的结果训练SVM算法,构建得到预测模型;最后将采集的运动中骨骼肌的疲劳特征指标输入至预测模型中,对骨骼肌疲劳状态进行预测;骨骼肌输出功率模型如下:pt=Ft×v1; 式中,pt为骨骼肌的功率输出信号;Ft为实时骨骼肌张力;Δcθ为骨骼肌长度变化,v1为单位时间Δt内的骨骼肌长度变化;θ为实时关节挠曲角;骨骼肌输出力矩模型如下:Mt=ma×Ft;其中,Mt为骨骼肌的力矩输出信号;ma为关节到骨骼肌张力力臂长度。
全文数据:
权利要求:
百度查询: 东华大学 基于功率和力矩输出的上臂肱二头肌疲劳识别与预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。