培训效率和负载平衡的优化系统基于心率和惯性传感器的融合
Chen Wang1, Man Tang2, Kun Xiao3
1Head of Higher-educational Engineering Research Centre for Intelligence and Automation in Construction of Fujian Province, College of Civil Engineering, Huaqiao University, 361021 Xiamen, China.
Preventive medicine reports
|April 5, 2024
概括
这项研究开发了一个系统,通过使用活动识别和疲劳监测来平衡效率和负载来优化运动员训练. 它准确地预测培训活动,并评估疲劳,以更好地管理绩效.
科学领域:
- 体育科学 运动科学 运动科学
- 运动生理学 运动生理学
- 生物机械工程 生物机械工程
背景情况:
- 优化运动员训练需要平衡高质量的训练与可管理的生理负载.
- 目前评估训练效率和疲劳的方法可能是主观的或缺乏全面的数据.
- 开发客观指标对于个性化的运动员管理至关重要.
研究的目的:
- 创建一个系统,提高运动员的训练质量,而不会造成过度的生理疲劳.
- 为了建立训练效率和训练负载之间的平衡,以获得最佳的性能.
- 通过全面的管理系统,为教练和运动员提供可操作的见解.
主要方法:
- 开发了一种用于运动活动分类的随机森林算法,并引入了"有效训练率"指标.
- 建立了一个训练负载评级系统,使用主观疲劳得分和心率数据.
- 集成多个惯性传感器,以创建一个优化系统,以提高训练效率和负载平衡.
主要成果:
- 在体育活动识别模型中实现了94.70%的预测准确度.
- 通过使用平均相对心率和平均RPE得分来验证生理疲劳评估模型.
- 开发了一个系统,将运动员状态分为九种类型,并提供量身定制的管理建议.
结论:
- 开发的系统有效地平衡了训练效率和负载,使用可穿戴技术和生理监测.
- 为评估运动员疲劳和优化训练方案提供了一个可行的模型.
- 为运动员的身体健康和疲劳水平提供了宝贵的参考资料,帮助教练管理.
