使用脚上的惯性测量单元估计水平运行功率

科学领域:

• 生物力学 生物力学
• 运动科学 运动科学 运动科学
• 机器学习 机器学习

背景情况:

• 准确的运行功率估计对于训练和节奏来说至关重要.
• 目前的方法缺乏有效性和斜率特定的定制.
• 足部穿戴的惯性测量单元 (IMU) 提供了高级步态分析的潜力.

研究的目的:

• 开发和验证机器学习模型,用于估计峰值水平运行功率.
• 为平面,上坡和下坡运行条件定制功率估计.
• 评估使用IMU可解释的生物力学特征的可行性.

主要方法:

• 开发了三种机器学习模型 (弹性网,神经网络),使用步态时空参数和IMU数据.
• 收集了34名活跃成年人在跑步机上跑步的数据,在各种速度和斜率上使用了强力板.
• 通过比较估计功率以参考水平功率测量来验证模型.

主要成果:

• 神经网络模型在上坡 (1.7% ± 12.5%) 和平行运行 (3.2% ± 13.4%) 中实现了最低的误差.
• 弹性网模型显示下坡跑步的误差最低 (1.8%±14.1%).
• 模型在各种运行速度和斜坡上表现出一致的性能.

结论:

• 使用IMU数据的机器学习模型可以准确地估计不同坡度的运行功率.
• 可解释的生物力学特征提高了模型的准确性和适用性.
• 开发的模型适用于实时反系统和嵌入式应用程序.