电动跑步机控制系统及计步方法技术方案

本发明专利技术提供一种电动跑步机控制系统及计步方法，其中，该系统包括跑步机端模块和云端模块两部分；跑步机端模块具有上传数据、接收数据、状态判断以及计步等功能；云端服务器模块具有接收数据、机器学习、下发数据以及存储数据功能；云端服务器模块包括至少一个数据库以及机器学习的模块。两者配合可以实现更精确、更经济、更智能的计步方案。

【技术实现步骤摘要】
电动跑步机控制系统及计步方法
本专利技术涉及一种电动跑步机控制系统及计步方法，属于健身器材
，尤其涉及一种具有智能计步功能的电动跑步机。
技术介绍
对于电动跑步机的计步技术，传统方式主要有以下几种：(1)在跑步通道两侧以正对方式安装一对红外线收发装置，以信号被阻断次数来计步；(2)在跑台上增加压力传感器，根据人在跑步机上跑步时，脚对跑台的压力变化，求解走跑步数。这些方法虽然计步准确率较高，但是因为需要安装专门的传感器，势必造成跑步机结构设计的复杂程度增加，同时造成生产成本升高。例如，专利号为CN201420085472.7“用于电动跑步机的智能计步系统”，通过闭环霍尔电流传感器采集跑步机工作时电机电流，对比电流与设定值进行比较，如果采集数值大于等于设定值，步数加1；小于设定值，步数不变。此方案从原理上似乎能够实现电动跑步机计步，但是由于人在电动跑步机上运动时，速度不同、体重差别，对电流的峰值影响很大，另外在完整的走、跑步中，电流的变化也不是一个标准的正弦波，可能出现两个不同的峰值，所以单纯通过一个固定的电流阀值去计算步数，误差较大；另外闭环霍尔电流传感器价格较高，增加了跑步机的生产成本。因此现有的电动跑步机计步方案还有待于改进和提高。
技术实现思路
鉴于上述现有电动跑步机方案的不足，本专利技术采用在电机控制器中采集其工作电流，通过数字信号处理，利用机器学习和智能识别的方法实现了跑步机工作状态和步数识别，提供一种更精确、更经济、更智能、更可靠的电动跑步机及其计步方案，以避免复杂的冗长运算对资源的过度消耗和延迟，同时保证计步的精确性。具体而言，本专利技术提供了如下的技术方案：一种电动跑步机的计步方法，其特征在于，该方法包括如下步骤：A、预先设定一组根据跑步机在空载、负载的时候训练得到的特征参数，所述负载至少包括站立、走、跑等状态。如果跑步机工作时无法与云端服务器进行数据传递，那么将使用这些预设值进行跑步机的状态判断以及计步；如果跑步机可以和云端服务器进行数据传递，那么将使用云端服务器下载的特征参数进行状态判断以及计步；B、跑步机工作时，电机控制板按照固定的频率采集电机工作电流，并实时传送给跑步机显示仪表板上的运算单元；C、运算单元首先利用电流以及特征参数判断这段电流对应负载状态还是空载状态。如果是空载状态，过一定时间跑步机将会自动停止；如果是负载状态，将进入下面的计步阶段；D、运算单元对负载状态对应的电流进行整型、低通滤波和中值滤波，去除干扰数据，然后确定电流波形起始点和终止点，求解出一个完整电流波形后，与预设波形参数值对比，若满足要求，则步数加一。优选地，所述步骤A中，获取所述跑步机电流值包含如下步骤：a、采集在不同速度下跑步机空载、负载时电流值。所述负载至少包括站立、走、跑等状态。优选地，所述直流驱动电机的输出电流的波形参数包括以下任一参数或其组合：电流大小值、均值、方差、峰度、熵等。本领域技术人员也可以在这一教导下将电流值变化转换为电压值变化，测定对应的电压值大小、均值、方差、峰度、熵等特征，作为特征依据。优选地，通过支持向量机算法，进行计步，其步骤如下：a1、采集电流数据；事先采集跑步机在空载、负载状态下跑步机输出的电流数据，然后对不同状态的电流数据进行标记；所述负载状态至少包括站立、走、跑等状态，所述空载状态至少包括无人状态。b1、提取特征；对采集的不同状态的电流数据求得的平均值和方差作为识别的特征，并对所述特征进行归一化处理；c1、训练数据；将步骤b1得到的特征使用支持向量机算法进行训练，得到训练结果参数；d1、进行识别；用训练好的支持向量机对跑步机实时输出的电流数据进行识别，如果识别为空载，并且空载状态持续一预设时间，跑步机停止；如果识别为负载，则进入步骤e1，开始计步；e1、计步数据预处理；对跑步机电流数据先后进行均值滤波和整型低通滤波，以去掉高频噪声；f1、计步；对滤波后的电流数据计算波峰出现的次数，作为步数；具体为，判断目前的电流状态是变大还是变小，也就是处于波形的上升沿还是下降沿，如果当前是上升沿，则标记为波形的开始，并继续判断波形状态，直到遇见下一个上升沿，标记为波形的结束；如果当前是下降沿，则继续判断波形状态，直到遇见新的上升沿，才标记为波形的开始。这一标记方法，可以有效地区分在负载状态下，有人站立与走、跑时的状态，从而进行精确计步。优选地，所述步骤b1中的归一化处理包括：对采集的数据使用一滑动窗，依次滑过采集到的数据，对滑动窗内的数据求取平均值和方差；然后对均值和方差做归一化；所述归一化的方法为：其中out，in分别是归一化后和归一化前的特征值，min，max分别是特征值的最大值和最小值；a表示归一化前后之间的的系数(备注：归一化之前的值*a＝归一化之后的值)，b表示归一化前后之间的截距。优选地，所述步骤c1中的支持向量机算法如下：建立支持向量机的数学模型：maxγ，ω，bγs.t.yi(wTxi+b)≥γ，i＝1，...，m||w||+1.其中x，w，b分别表示特征值以及该特征值对应的权重和截距，该特征值为根据跑步机电流提取出来的特征值，包括均值、方差、峰度等特征；y表示对应的类别，例如空载时，负载走动时、负载跑动时；γ表示最值，是一个数学概念；m表示特征值个数，即x的个数；将上述模型转换为其对偶问题，如下所示：0≤ai≤C，i＝1，2，...，m其中x，y，m分别表示跑步机电流的特征值、跑步机不同工作状态下(空载、负载站立、负载走动、负载跑动等)对应的类别标签以及特征值个数；K()表示使用的核函数，例如径向基函数；αi、αj表示转换时候对应的拉格朗日系数，属于纯数学意义符号；C表示αi的最大值，N表示α的个数；求出所有满足ai＜C的正数解，然后计算：其中b表示截距，ai，yi分别拉格朗日系数以及相应的类别，k()表示核函数；得到了最优的a*，b*，以及所有的支持向量，组成一组训练好的支持向量机参数。优选地，所述步骤d1中的识别方法采用如下公式：其中，sign()表示符号函数，当自变量小于零时候，结果为负，当自变量大于等于零的时候，结果为正；ai，yi分别拉格朗日系数以及相应的类别，k()表示核函数，b表示对应的截距。此外，本专利技术还提供了一种电动跑步机控制系统，该系统包括跑步机端模块和云端服务器模块两部分；跑步机端模块具有上传数据、接收数据、状态判断以及计步等功能；云端服务器模块具有接收数据、机器学习、下发数据以及存储数据功能；云端服务器模块包括至少一个数据库以及一机器学习模块。优选地，所述跑步机端模块包含一电流数据采集模块，在跑步机端的电机控制器中直接采集跑步机电机的工作电流数据，并上传至所述数据库模块中。优选地，所述机器学习模块依据所述数据库模块中的电流数据。采集在不同速度下，跑步机空载、负载时电流值；所述负载至少包括站立、走、跑状态；然后根据这些电流值计算参数。优选地，所述机器学习模块进一步包含计步模块，所述计步模块进一步包含：电流数据标记模块：由所述数据库模块获取采集的电流数据；事先采集跑步机在空载、负载状态下跑步机输出的电流数据，然后对不同状态的电流数据进行标记；所述不同状态至少包括空载、负载时站立、负载走、负载跑动等状态。特征提本文档来自技高网...

【技术保护点】
一种电动跑步机的计步方法，其特征在于，该方法包括如下步骤：A、预先设定一组根据跑步机在空载、负载时候训练得到的特征参数，所述负载至少包括站立、走、跑；如果跑步机工作时无法与云端服务器进行数据传递，那么将使用这些预设值进行跑步机的状态判断以及计步；如果跑步机可以和云端服务器进行数据传递，那么将使用云端服务器下载的特征参数进行状态判断以及计步；B、跑步机工作时，电机控制板按照固定的频率采集电机工作电流，并实时传送给跑步机显示仪表板上的运算单元；C、运算单元首先利用电流以及预设值或者特征参数判断这段电流对应负载状态还是空载状态；如果是空载状态，过一定时间跑步机将会自动停止；如果是负载状态，将进入下面的计步阶段；D、运算单元对负载状态对应的电流信号进行处理，获得电流的波形，并与预设波形参数值进行对比，根据对比结果，实现计步。

【技术特征摘要】
1.一种电动跑步机的计步方法，其特征在于，该方法包括如下步骤：A、预先设定一组根据跑步机在空载、负载时候训练得到的特征参数，所述负载至少包括站立、走、跑；如果跑步机工作时无法与云端服务器进行数据传递，那么将使用这些预设值进行跑步机的状态判断以及计步；如果跑步机可以和云端服务器进行数据传递，那么将使用云端服务器下载的特征参数进行状态判断以及计步；B、跑步机工作时，电机控制板按照固定的频率采集电机工作电流，并实时传送给跑步机显示仪表板上的运算单元；C、运算单元首先利用电流以及预设值或者特征参数判断这段电流对应负载状态还是空载状态；如果是空载状态，过一定时间跑步机将会自动停止；如果是负载状态，将进入下面的计步阶段；D、运算单元对负载状态对应的电流信号进行处理，获得电流的波形，并与预设波形参数值进行对比，根据对比结果，实现计步。2.根据权利要求1所述的计步方法，其特征在于，所述运算单元在上述步骤D中，进一步包括：运算单元对负载状态对应的电流进行整型、低通滤波和中值滤波，去除干扰数据，然后确定电流波形起始点和终止点，求解出一个完整电流波形后，与预设波形参数值对比，若满足预设要求，则当前步数加一。3.根据权利要求1或2所述的计步方法，其特征在于，所述步骤A中，通过机器学习获取跑步机在空载、负载的不同状态时，直流驱动电机的输出电流的特征参数值；优选的，所述特征参数值包括以下任一参数或其组合：电流的大小值、均值、方差、峰度、熵。4.根据权利要求3所述的计步方法，其特征在于，所述方法包括通过支持向量机算法判断跑步机状态，然后进行计步，其步骤如下：a1、采集电流数据：事先采集跑步机在空载、负载状态下跑步机输出的电流数据，然后对不同状态的电流数据进行标记；b1、提取特征：对采集的不同状态的电流数据求得的平均值和方差作为识别的特征，并对所述特征进行归一化处理；c1、训练数据：将步骤b1得到的特征使用支持向量机算法进行训练，得到训练结果参数；d1、进行识别：用训练好的支持向量机对跑步机实时输出的电流数据进行识别，如果识别为空载，并且空载状态持续一预设时间，跑步机停止；如果识别为负载，则进入步骤e1；e1、计步数据预处理：对跑步机电流数据先后进行均值滤波和整型低通滤波，以去掉高频噪声；f1、计步：对滤波后的电流数据计算波峰出现的次数，所述波峰出现的次数作为跑步机使用者的步数。5.根据权利要求4所述的计步方法，其特征在于，对滤波后电流数据计算波峰出现次数的具体方法为：判断目前的电流状态是变大还是变小，也就是处于波形的上升沿还是下降沿，如果当前是上升沿，则标记为波形的开始，并继续判断波形状态，直到遇见下一个上升沿，标记为波形的结束；如果当前是下降沿，则继续判断波形状态，直到遇见新的上升沿，才标记为波形的开始。6.根据权利要求4所述的计步方法，其特征在于：所述步骤b1中的归一化处理包括：对采集的数据使用一滑动窗，依次滑过采集到的数据，对滑动窗内的数据求取平均值和方差；然后对均值和方差做归一化；所述归一化的方法为：其中out，in分别是归一化后和归一化前的特征值，min，max分别是特征值的最大值和最小值；a表示归一化前后之间的调整系数，b表示归一化前后之间的截距。7.根据权利要求4所述的方法，其特征在于：所述步骤c1中的支持向量机算法如下：建立支持向量机的数学模型：maxγ，ω，bγs.t.yi(wTxi+b)≥γ，i＝1，...，m||w||+1.其中x，w，b分别表示特征值以及该特征值对应的权重和截距，该特征值为根据跑步机电流提取出来的特征值；y表示对应的类别；γ表示最值；m表示特征值个数，即x的个数；将上述模型转换为其对偶问题，如下所示：0≤ai≤C，i＝1，2，...，m其中x，y，m分别表示跑步机电流的特征值、跑步机不同工作状态下对应的类别标签以及特征值个数；K()表示使用的核函数；αi、αj表示转换时候对应的拉格朗日系数；C表示αi的最大值，N表示α的个数；求出所有满足ai＜C的正数解，然后计算：其中b表示截距，ai，yi分别拉格朗日系数以及相应的类别，k()表示核函数；得到了最优的a*，b*，以及所有的支持向量，组成一组训练好的支持向量机参数。8.根据权利要求4所述的方法，其特征在...

【专利技术属性】
技术研发人员：李祥武，张亚军，李芃，
申请(专利权)人：北京上方之道科技有限公司，
类型：发明
国别省市：北京,11