[发明专利]一种基于BP神经网络和遗传算法的掷实心球姿势矫正方法

权利要求书

1.一种基于BP神经网络和遗传算法的掷实心球姿势矫正方法，其特征在于，包括如下步骤：

S1：采集用户的身体模型参数以及对应的投掷姿势数据，构成输入矩阵X上传至云服务器，其中，身体模型参数为环境变量，投掷姿势数据为决策变量，并将多次投掷的成绩作为输出变量Y上传至云服务器；

S2：云服务器利用BP神经网络建立输入矩阵X到输出变量Y的BP神经网络模型；

S3：云服务器利用遗传算法对S3中建立的BP神经网络模型进行优化，得到最佳投掷成绩对应的投掷姿势数据，即推荐决策变量X⁰，用户根据推荐决策变量X⁰对自己的投掷姿势进行矫正，提高投掷成绩。

2.根据权利要求1所述的一种基于BP神经网络和遗传算法的掷实心球姿势矫正方法，其特征在于，步骤S1中，通过传感器模块采集用户的投掷姿势数据；通过采样电路与传感器模块进行连接，将传感器模块采集到的投掷姿势数据转换成数字信号，并上传至云服务器。

3.根据权利要求1所述的一种基于BP神经网络和遗传算法的掷实心球姿势矫正方法，其特征在于，步骤S1中，身体模型参数包括身高、体重、臂长、臂力，所述臂长为双臂展开的总长度，所述臂力通过臂力计测得，身体模型参数通过人工录入云服务器。

4.根据权利要求1所述的一种基于BP神经网络和遗传算法的掷实心球姿势矫正方法，其特征在于，步骤S1中，采集用户投掷实心球时身体关键部位的投掷姿势数据。

5.根据权利要求4所述的一种基于BP神经网络和遗传算法的掷实心球姿势矫正方法，其特征在于，所述投掷姿势数据包括投掷时背部、手腕、左右大腿的加速度、角度、速度、三维坐标、高度。

6.根据权利要求1所述的一种基于BP神经网络和遗传算法的掷实心球姿势矫正方法，其特征在于，步骤S2中，构建三层的BP神经网络模型：设置BP神经网络模型的隐含层节点数为l，隐含层节点函数为S型函数tansig，输出层节点数与输出变量个数一致；设置输出层节点函数为线性函数purelin，输入层到隐含层的权值为w₁，隐含层节点阈值为b₁，隐含层至输出层的权值为w₂，输出层节点阈值为b₂。