基于主客觀信息反饋的運(yùn)動健身服務(wù)技術(shù)研究.pdf

1、隨著全民健身運(yùn)動的展開，普通人群日益關(guān)注通過運(yùn)動達(dá)到健身目的，個性化的運(yùn)動健身是一直得到關(guān)注卻不易解決的問題。本文進(jìn)行了基于主客觀信息反饋的運(yùn)動健身服務(wù)技術(shù)的研究，主要工作如下：
　　 開展了基于主客觀信息反饋的運(yùn)動健身疲勞實驗研究。以人體蹬踏健身運(yùn)動為例設(shè)計了運(yùn)動疲勞實驗，通過主客觀信息獲取方式，在實驗過程中獲取被試者的表面肌電、心電信號及主觀疲勞自覺量值。進(jìn)行了主觀疲勞自覺量和攝氧量的相關(guān)性分析，對測試肌肉的表面肌電時頻域指

2、標(biāo)及心率和心率變異性指標(biāo)進(jìn)行了統(tǒng)計處理和分析，找出了蹬踏健身有氧運(yùn)動中表征運(yùn)動疲勞的指標(biāo)。實驗結(jié)果表明，當(dāng)運(yùn)動強(qiáng)度增加時，受試者的主觀疲勞感受逐漸增大，股外側(cè)肌表面肌電信號的RMS和MPF，以及心電信號中的心率、LF、HF、LF/HF指標(biāo)具有顯著變化，可以識別疲勞狀態(tài)。
　　 研究了基于主客觀信息反饋的運(yùn)動疲勞識別，通過對時頻域和小波域的生物電信號進(jìn)行分析處理，提取出與運(yùn)動疲勞有關(guān)的特征信息，在此基礎(chǔ)上建立基于隱馬爾科夫模型的疲

3、勞識別方法。對時頻域和小波域生物電信息特征融合下的疲勞識別結(jié)果比較并和客觀數(shù)據(jù)對比，采用小波域特征分解的隱馬爾科夫模型對健身者的運(yùn)動疲勞狀態(tài)識別結(jié)果準(zhǔn)確。
　　 通過實驗及數(shù)據(jù)處理獲得健身者在未疲勞、適度疲勞和過疲勞三種狀態(tài)下的心率、心率變異性和肌肉疲勞相關(guān)的生物電信息，提出了一種在多生理參數(shù)綜合考慮下，對健身者的運(yùn)動能力動態(tài)調(diào)整的模糊控制方法，確立模糊隸屬度函數(shù)，從而建立起保持適度健身強(qiáng)度的信息反饋控制策略。
　　 提

4、出了一種基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測主觀疲勞量值的方法，該法通過縮小基于客觀信息得出的預(yù)測RPE值與主觀實測RPE之間的差距，為健身者提供了主客觀統(tǒng)一的運(yùn)動強(qiáng)度，有效擴(kuò)大了有氧運(yùn)動的時間，增強(qiáng)了有氧健身運(yùn)動的效果。
　　 在分析面向服務(wù)的運(yùn)動健身必要性的基礎(chǔ)上，結(jié)合智能體和網(wǎng)絡(luò)服務(wù)的各自優(yōu)點，提出了一種多智能體支持的運(yùn)動健身服務(wù)中間件，分析了服務(wù)中多智能體的服務(wù)協(xié)調(diào)過程，討論了面向服務(wù)的運(yùn)動健身策略，并提出基于面向服務(wù)架構(gòu)多智能

5、體支持的運(yùn)動健身服務(wù)，在此基礎(chǔ)上探討了多智能體支持的運(yùn)動健身服務(wù)定制。以智能服務(wù)模型指導(dǎo)健身者鍛煉，提高了健身者有氧運(yùn)動的耐受能力。
　　 在分析了可擴(kuò)展的運(yùn)動健身服務(wù)資源的組成的基礎(chǔ)上，對運(yùn)動健身服務(wù)的參與各方進(jìn)行了分析和擴(kuò)展，提出了基于特定器械的個性化運(yùn)動健身服務(wù)流程。利用前面研究得到的關(guān)于運(yùn)動健身主客觀疲勞評價的知識，以功率自行車健身為例，設(shè)計了一個下肢蹬踏運(yùn)動健身服務(wù)系統(tǒng)，使基于主客觀評價運(yùn)動疲勞的方法和技術(shù)得到了應(yīng)用，