CN113945314B - 一种力量测量方法 - Google Patents

Abstract

本发明公开了一种力量测量方法，涉及智能健身领域，包括：设定力量型智能健身器械的测量参数，获得初始测量参数；基于初始测量参数，待测用户开始在力量型智能健身器械上进行测试，并第一次完成测试动作；待测用户共计在所述力量型智能健身器械上完成N次所述测试动作，每次所述测试动作完成后均获得对应的动作信息，每完成一次所述测试运动后，均根据上一个已完成的所述测试运动的所述动作信息对所述力量型智能健身器械的所述测量参数进行更新，并根据更新后的所述测试参数进行下一次所述测试动作；基于N次所述测试动作对应的动作信息计算获得待测用户的最大力量信息，本方法能够安全、高效且准确的测量获得用户的最大力量信息。

Description

一种力量测量方法

技术领域

本发明涉及智能健身领域，具体地，涉及一种力量测量方法。

背景技术

力量型智能健身器械的工作原理为：力量型智能健身器械中包括电机、差速器、支臂、拉绳以及相应的控制器、电路及配件，电机输出轴与差速器之间连接有皮带，拉绳一端与差速器连接，拉绳另一端沿着支臂行进后连接相应的拉环或其他健身配件，用户在健身时可以通过拉动拉绳进行锻炼，也可以利用支臂进行锻炼，拉绳通过差速器及皮带带动电机运动，电机通电时产生输出力矩即阻力，用户拉动拉绳需要克服电机的输出力矩，进而实现了用户进行力量训练的目的。

力量型智能健身器械的锻炼方式是用户拉动拉绳需要克服电机的输出力矩进行力量训练，每个用户的力量水平不一样，因此采用统一的力量参数进行训练则不适用于所有用户，因此，有必要对用户的力量水平进行测量，然后根据用户的实际力量水平进行锻炼，进而实现安全及高效的锻炼。

发明内容

为了实现对用户力量水平的测量，本发明提供了一种力量测量方法。

为实现上述目的，本发明提供了一种力量测量方法，所述方法包括：

设定力量型智能健身器械的测量参数，获得初始测量参数；

基于所述初始测量参数，待测用户开始在所述力量型智能健身器械上进行测试，并第一次完成测试动作；

所述待测用户共计在所述力量型智能健身器械上完成N次所述测试动作，每次所述测试动作完成后均获得对应的动作信息，N大于或等于3；其中，每完成一次所述测试运动后，均根据上一个已完成的所述测试运动的所述动作信息对所述力量型智能健身器械的所述测量参数进行更新，并根据更新后的所述测试参数进行下一次所述测试动作；

基于N次所述测试动作对应的所述动作信息计算获得所述待测用户的最大力量信息。

其中，本方法的原理为：通过力量型智能健身器械来测量用户的力量信息，通过多次测量，且每次测量后根据前一次的力量测量结果对后一次的力量型智能健身器械的测量参数进行更新，逐渐逼近用户的真实最大力量参数，最终能够准确的获得用户的最大力量信息。

其中，本方法能够获得用户的真实最大力量信息，且获得过程是逐渐逼近，不是采用预估或较大力量去尝试，安全性较高，不会超过用户能够承受的力，在测量获得用户的最大力量后，用户后续在锻炼时力量型智能健身器械以用户的最大力量来进行锻炼能够保障锻炼的效率和效果。

优选的，本方法中的N次所述测试动作过程具体包括：

基于所述初始测量参数，所述待测用户在所述力量型智能健身器械上第一次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第一次测试动作中的第一最大拉力和第一最大速度，并记录第一次测试动作的第一参数信息，基于所述第一最大拉力和所述第一最大速度更新所述初始测量参数获得第一测量参数；

基于所述第一测量参数，所述待测用户在所述力量型智能健身器械上第二次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第二次测试动作中的第二最大拉力和第二最大速度，并记录第二次测试动作的第二参数信息，基于所述第二最大拉力和所述第二最大速度更新所述第一测量参数获得第二测量参数；

……

基于第N-2测量参数，所述待测用户在所述力量型智能健身器械上第N-1次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第N-1次测试动作中的第N-1最大拉力和第N-1最大速度，并记录第N-1次测试动作的第N-1参数信息，基于所述第N-1最大拉力和所述第N-1最大速度更新所述第N-2测量参数获得第N-1测量参数；

基于所述第N-1测量参数，所述待测用户在所述力量型智能健身器械上第N次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第N次测试动作中的第N最大拉力和第N最大速度，并记录第N次测试动作的第N参数信息；

基于所述第一参数信息至所述第N参数信息计算获得用户的最大力量信息。

其中，本方法开始测量时的参数是初始化设定的参数，如速度和力量，通常初始的速度和力量较小，以保障安全性，然后从二次开始至第N次均以上一次的相应动作信息来对一下次测定的测量参数进行更新，使得多次测量后能够逐渐逼近获得用户的真实最大力量信息。

优选的，本方法中包括4种类型测试动作，每种类型测试动作对应获得一种最大力量信息，基于4种最大力量信息获得用户的综合最大力量信息。

其中，本方法在利用力量型智能健身器械进行锻炼时，通常有4中类型的健身动作，因此分别对这4种健身动作对应测量相应的最大力量，在用户健身时设定相应的力量参数进行锻炼，保障健身安全性和效果。

优选的，本方法中所述待测用户在进行第m次测试动作过程中的拉力大小为F，其中：

F＝f₀+k₁*max(0,v_m-v₀)

其中，f₀为第m次测试动作的初始拉力，v₀为第m次测试动作的初始速度，v_m为第m测试动作的实时速度，k₁为比例参数，m大于或等于1且小于或等于N。

其中，本方法中的拉力在初始阶段即速度较小时为恒定的初始拉力，然后随着速度的增大逐渐增大拉力，这样的目的是在初始阶段拉力较小，避免用户开始就发力受伤。

优选的，本方法中测量参数的更新方式为：根据第m-1次所述测试运动的动作信息对第m次所述测试动作对应的所述f₀、v₀和k₁进行更新，此时m大于1且小于或等于N。

优选的，本方法根据第m-1次的所述测试运动的最大速度和最大拉力对所述f₀进行更新，基于所述测试动作的完成次数对所述v₀进行更新，根据第m-1次所述测试运动的最大拉力、所述f₀、所述v₀和理想速度对所述k₁进行更新。

优选的，本方法通过多元回归模型计算获得所述待测用户的最大力量信息。

优选的，本方法基于N次所述测试动作对应的所述动作信息计算获得用户的最大力量信息，具体包括：基于N次所述测试动作中的最大速度、最大拉力、最大功率、平均速度和平均功率计算在所述测试运动下所述待测用户的最大力量信息。

优选的，本方法根据第m-1次的所述测试运动的最大速度v_max和最大拉力f_max对所述f₀进行更新，具体为：

f₀＝k_f*f_max

其中第T次所述测试动作的对应的所述v₀为：

根据第m-1次所述测试运动的最大拉力f_max、所述f₀、所述v₀和理想速度对所述k₁进行更新，具体为：

k₁＝(f_max-f₀)/(goalvel-v₀)

其中，goalvel为理想速度。

优选的，本方法中所述待测用户的最大力量信息为RM，N次所述测试动作中的最大速度为max_vel，N次所述测试动作中的最大拉力为max_force，N次所述测试动作中的最大功率为max_power，N次所述测试动作的平均速度为average_vel，N次所述测试动作的平均功率为average_power，k_{max_vel}为max_vel的多元回归系数，k_{max_force}为max_force的多元回归系数，k_{max_power}为max_power的多元回归系数，k_{average_power}为average_power的多元回归系数，k_{average_vel}为average_vel的多元回归系数，其中：RM＝max_vel*k_{max_vel}+max_force*k_{max_force}+max_power*k_{max_power}+average_power*k_{average_power}+average_vel*k_{average_vel}。

本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：

本方法能够安全、高效且准确的测量获得用户的最大力量信息。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定；

图1为力量测量方法的流程示意图；

图2为本发明中的拉力大小与速度大小关系示意图；

图3为力量训练中动作与速度的区间分布区域示意图；

图4为理想速度点示意图；

图5为三次动作的F-v曲线示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例一

请参考图1，图1为一种力量测量方法的流程示意图，本发明实施例一中的力量测量方法具体包括：

设定力量型智能健身器械的测量参数，获得初始测量参数；

基于所述初始测量参数，待测用户开始在所述力量型智能健身器械上进行测试，并第一次完成测试动作；

所述待测用户共计在所述力量型智能健身器械上完成N次所述测试动作，每次所述测试动作完成后均获得对应的动作信息，N大于或等于3；其中，每完成一次所述测试运动后，均根据上一个已完成的所述测试运动的所述动作信息对所述力量型智能健身器械的所述测量参数进行更新，并根据更新后的所述测试参数进行下一次所述测试动作；

基于N次所述测试动作对应的所述动作信息计算获得所述待测用户的最大力量信息。

其中，本方法的原理为：通过力量型智能健身器械来测量用户的力量信息，通过多次测量，且每次测量后根据前一次的力量测量结果对后一次的力量型智能健身器械的测量参数进行更新，逐渐逼近用户的真实最大力量参数，最终能够准确的获得用户的最大力量信息。

其中，在本发明实施例中，本方法可以根据用户的群体类型，以及力量型智能健身器械对初始测量参数大小进行相应的设定和调整，初始测量参数的具体大小本发明不进行实际的限定。

本方法能够获得用户的真实最大力量信息，且获得过程是逐渐逼近，不是采用预估或较大力量去尝试，安全性较高，不会超过用户能够承受的力，在测量获得用户的最大力量后，用户后续在锻炼时力量型智能健身器械以用户的最大力量来进行锻炼能够保障锻炼的效率和效果。

其中，在本发明实施例中，本方法中的N次所述测试动作过程具体包括：

基于所述初始测量参数，所述待测用户在所述力量型智能健身器械上第一次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第一次测试动作中的第一最大拉力和第一最大速度，并记录第一次测试动作的第一参数信息，基于所述第一最大拉力和所述第一最大速度更新所述初始测量参数获得第一测量参数；

基于所述第一测量参数，所述待测用户在所述力量型智能健身器械上第二次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第二次测试动作中的第二最大拉力和第二最大速度，并记录第二次测试动作的第二参数信息，基于所述第二最大拉力和所述第二最大速度更新所述第一测量参数获得第二测量参数；

……

基于第N-2测量参数，所述待测用户在所述力量型智能健身器械上第N-1次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第N-1次测试动作中的第N-1最大拉力和第N-1最大速度，并记录第N-1次测试动作的第N-1参数信息，基于所述第N-1最大拉力和所述第N-1最大速度更新所述第N-2测量参数获得第N-1测量参数；

基于所述第N-1测量参数，所述待测用户在所述力量型智能健身器械上第N次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第N次测试动作中的第N最大拉力和第N最大速度，并记录第N次测试动作的第N参数信息；

基于所述第一参数信息至所述第N参数信息计算获得用户的最大力量信息。

其中，本方法开始测量时的参数是初始化设定的参数，如速度和力量，通常初始的速度和力量较小，以保障安全性，然后从二次开始至第N次均以上一次的相应动作信息来对一下次测定的测量参数进行更新，使得多次测量后能够逐渐逼近获得用户的真实最大力量信息。

其中，本实施例中的N具体可以为3次或4次或5次等等，本发明实施例不进行具体的限定，通常为3-8次。

其中，本实施例中，本方法中包括4种类型测试动作，每种类型测试动作对应获得一种最大力量信息，基于4种最大力量信息获得用户的综合最大力量信息。

对于力量型智能健身器械，用户第一次使用时需要获取用户的力量水平，以给出合适的训练负载；或者在用户力量水平随训练发生变化时，对用户的最大力量进行测试，以更改训练负载。

用户的最大力量，用1RM来表示，即计算的结果是1RM值，对于不同的健身动作，同一个用户的1RM值不同，我们选取四个代表性动作(代表不同部位)如下：1.高位下拉(背+上肢)，2.实力推(肩+上肢)，3.卧推(胸+上肢)，4.硬拉(核心+下肢)。

其中，本方法在利用力量型智能健身器械进行锻炼时，通常有4中类型的健身动作，因此分别对这4种健身动作对应测量相应的最大力量，在用户健身时设定相应的力量参数进行锻炼，保障健身安全性和效果。

“RM”是“Repetition Maximum”的缩写，字面含义是“重复做的最大数值”，意译就是“最大重复次数”，结合数字x，就实际表示“能够重复练习x次的最大重量”，或“最多只能重复练习x的重量”。

比如对某训练者，30kg的重量进行二头肌的弯举训练，最多只能连续弯举6次就完全力竭，那么这30kg的重量对于该训练者的二头肌练习而言，就是6RM的重量。通过上述四个动作的1RM值，来代表用户不同部位的力量水平，从而为后续个性化负载、课程的指定提供数据支撑。

由于测评前无法获取用户力量水平大小，因此需要一套适用不同力量水平的测评方法，该测评方法有如下过程：

用户分别进行四种标准测试动作，每种动作进行三次以上，在一种动作中，智能健身器械通过用户每次的力量水平和速度水平，自动设定下次的重量，以适应不同力量水平的用户；通过计算动作过程中的运动参数，得到用户该动作的1RM值。

其中，本实施例中，测评过程中，使用等速模式计算拉力，请参考图2，图2为本发明中的拉力大小与速度大小关系示意图，其中，横坐标为速度，纵坐标为拉力，拉力随速度增大而增大的，本方法中所述待测用户在进行第m次测试动作过程中的拉力大小为F，其中：

F＝f₀+k₁*max(0,v_m-v₀)

其中，f₀为第m次测试动作的初始拉力，v₀为第m次测试动作的初始速度，v_m为第m测试动作的实时速度，k₁为比例参数，m大于或等于1且小于或等于N。

其中，本方法中的拉力在初始阶段即速度较小时为恒定的初始拉力，然后随着速度的增大逐渐增大拉力，这样的目的是在初始阶段拉力较小，避免用户开始就发力受伤。

请参考图3，图3为力量训练中动作与速度的区间分布区域示意图，在力量训练中，动作的速度会随着负载的增大而减小，对于同种动作，虽然不同用户的力量水平不同，但力量-速度分布一般会处于下图3中平行线内，接近上边界，证明用户相比其他人能在同一力量下达到更高速度，或在同一速度下力量更大，证明其力量水平高，接近下边界证明力量水平低。

请参考图4，图4为理想速度点示意图，图中的五角星对处对应理想速度点，v-goal即为理想速度，虽然不同用户的力量水平不同，但对于同一种动作来说，一个合适的速度总是相近的，在合适的速度下发力，会达到良好的发力效果和感受，此时用户的输出功率也最可能达到峰值。因此，对于某个用户的某个动作来说，在该动作的理想发力速度下，用户能够达到其最大力，将该点称为理想点。

因此，可以认为力量测评的目标是在多次动作内，让用户的力量-速度点在合适的速度下从右下方向左上方前进，并最终落在理想点附近。

第一次动作，三个参数有一个较小的初始值，之后每做完一次动作，根据本次动作的数据进行更新f₀应在起始时较小，以免产生拉不动的现象，而在后面几次测评时逐渐增大。

其中，在本发明实施例中，本方法中测量参数的更新方式为：根据第m-1次所述测试运动的动作信息对第m次所述测试动作对应的所述f₀、v₀和k₁进行更新，此时m大于1且小于或等于N。

其中，在本发明实施例中，本方法根据第m-1次的所述测试运动的最大速度和最大拉力对所述f₀进行更新，基于所述测试动作的完成次数对所述v₀进行更新，根据第m-1次所述测试运动的最大拉力、所述f₀、所述v₀和理想速度对所述k₁进行更新。

其中，在本发明实施例中，本方法根据第m-1次的所述测试运动的最大速度v_max和最大拉力f_max对所述f₀进行更新，具体为：

f₀＝k_f*f_max

其中第T次所述测试动作的对应的所述v₀为：

根据第m-1次所述测试运动的最大拉力f_max、所述f₀、所述v₀和理想速度对所述k₁进行更新，具体为：

k₁＝(f_max-f₀)/(goalvel-v₀)

其中，goalvel为理想速度。

假设用户本次动作达到的最高点的力量为理想发力点的力量，如果该点速度比理想发力点速度大，那么应增大斜率，让用户最大速度降低并接近理想发力点，假设下次动作最高点即为理想发力点，可得到下次动作的斜率k₁(5～60)。

多次迭代即可稳定在理想点附近，上述具体参数大小仅用于示例。

请参考图5，图5为三次动作的F-v曲线示意图，假设v0,f0不变，a,b,c为三次动作的F-v曲线，实心点为达到的最高点，e为该用户进行该动作的力速曲线范围，随着负载的增大，动作的速度下降，随着迭代逐渐接近理想点，不同动作的理想速度不同。

其中，在本发明实施例中，本方法通过多元回归模型计算获得所述待测用户的最大力量信息。

其中，在本发明实施例中，本方法基于N次所述测试动作对应的所述动作信息计算获得用户的最大力量信息，具体包括：基于N次所述测试动作中的最大速度、最大拉力、最大功率、平均速度和平均功率计算在所述测试运动下所述待测用户的最大力量信息。

RM计算方式：

在用户进行运动的同时，对运动进行计次，一次拉出+一次回收，且拉出和回收应该满足一定的速度规则和距离规则，认为完成一次动作，在一次动作的拉出阶段，统计如下参数：N次所述测试动作中的最大速度为max_vel，N次所述测试动作中的最大拉力为max_force，N次所述测试动作中的最大功率为max_power，N次所述测试动作的平均速度为average_vel，N次所述测试动作的平均功率为average_power，其中，k_{max_vel}为max_vel的多元回归系数，k_{max_force}为max_force的多元回归系数，k_{max_power}为max_power的多元回归系数，k_{average_power}为average_power的多元回归系数，k_{average_vel}为average_vel的多元回归系数，其中：RM＝max_vel*k_{max_vel}+max_force*k_{max_force}+max_power*k_{max_power}+average_power*k_{average_power}+average_vel*k_{average_vel}。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种力量测量方法，其特征在于，所述方法包括：

设定力量型智能健身器械的测量参数，获得初始测量参数；

基于所述初始测量参数，待测用户开始在所述力量型智能健身器械上进行测试，并第一次完成测试动作；

所述待测用户共计在所述力量型智能健身器械上完成N次所述测试动作，每次所述测试动作完成后均获得对应的动作信息，N大于或等于3；其中，每完成一次所述测试动作后，均根据上一个已完成的所述测试动作的所述动作信息对所述力量型智能健身器械的所述测量参数进行更新，并根据更新后的所述测量参数进行下一次所述测试动作；

基于N次所述测试动作对应的所述动作信息计算获得所述待测用户的最大力量信息；

所述待测用户在进行第m次测试动作过程中的拉力大小为F，其中：

F＝f₀+k₁*max(0,v_m-v₀)

其中，f₀为第m次测试动作的初始拉力，v₀为第m次测试动作的初始速度，v_m为第m测试动作的实时速度，k₁为比例参数，m大于或等于1且小于或等于N；

本方法中测量参数的更新方式为：根据第m-1次所述测试动作的动作信息对第m次所述测试动作对应的所述f₀、v₀和k₁进行更新，此时m大于1且小于或等于N；

根据第m-1次的所述测试动作的最大速度和最大拉力对所述f₀进行更新，基于所述测试动作的完成次数对所述v₀进行更新，根据第m-1次所述测试动作的最大拉力、所述f₀、所述v₀和理想速度对所述k₁进行更新；

根据第m-1次的所述测试动作的最大速度v_max和最大拉力f_max对所述f₀进行更新，具体为：

f₀＝k_f*f_max

其中第T次所述测试动作的对应的所述v₀为：

根据第m-1次所述测试动作的最大拉力f_max、所述f₀、所述v₀和理想速度对所述k₁进行更新，具体为：

k₁＝(f_max-f₀)/(goalvel-v₀)

其中，goalvel为理想速度。

2.根据权利要求1所述的力量测量方法，其特征在于，本方法中的N次所述测试动作过程具体包括：

基于所述初始测量参数，所述待测用户在所述力量型智能健身器械上第一次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第一次测试动作中的第一最大拉力和第一最大速度，并记录第一次测试动作的第一参数信息，基于所述第一最大拉力和所述第一最大速度更新所述初始测量参数获得第一测量参数；

基于所述第一测量参数，所述待测用户在所述力量型智能健身器械上第二次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第二次测试动作中的第二最大拉力和第二最大速度，并记录第二次测试动作的第二参数信息，基于所述第二最大拉力和所述第二最大速度更新所述第一测量参数获得第二测量参数；

……

基于第N-2测量参数，所述待测用户在所述力量型智能健身器械上第N-1次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第N-1次测试动作中的第N-1最大拉力和第N-1最大速度，并记录第N-1次测试动作的第N-1参数信息，基于所述第N-1最大拉力和所述第N-1最大速度更新所述第N-2测量参数获得第N-1测量参数；

基于所述第N-1测量参数，所述待测用户在所述力量型智能健身器械上第N次完成所述测试动作，所述力量型智能健身器械测量获得所述待测用户在第N次测试动作中的第N最大拉力和第N最大速度，并记录第N次测试动作的第N参数信息；

基于所述第一参数信息至所述第N参数信息计算获得待测用户的最大力量信息。

3.根据权利要求1所述的力量测量方法，其特征在于，本方法中包括4种类型测试动作，每种类型测试动作对应获得一种最大力量信息，基于4种最大力量信息获得待测用户的综合最大力量信息。

4.根据权利要求1所述的力量测量方法，其特征在于，通过多元回归模型计算获得所述待测用户的最大力量信息。

5.根据权利要求4所述的力量测量方法，其特征在于，基于N次所述测试动作对应的所述动作信息计算获得所述待测用户的最大力量信息，具体包括：基于N次所述测试动作中的最大速度、最大拉力、最大功率、平均速度和平均功率计算在所述测试动作下所述待测用户的最大力量信息。

6.根据权利要求5所述的力量测量方法，其特征在于，所述待测用户的最大力量信息为RM，N次所述测试动作中的最大速度为max_vel，N次所述测试动作中的最大拉力为max_force，N次所述测试动作中的最大功率为max_power，N次所述测试动作的平均速度为average_vel，N次所述测试动作的平均功率为average_power，k_{max_vel}为max_vel的多元回归系数，k_{max_force}为max_force的多元回归系数，k_{max_power}为max_power的多元回归系数，k_{average_power}为average_power的多元回归系数，k_{average_vel}为average_vel的多元回归系数，其中：

RM＝max_vel*k_{max_vel}+max_force*k_{max_force}+max_power*k_{max_power}+average_power*k_{average_power}+average_vel*k_{average_vel}。