[发明专利]一种防骨质疏松的锻炼装置有效

专利信息
申请号: 202110427276.8 申请日: 2021-04-21
公开(公告)号: CN113230086B 公开(公告)日: 2022-02-22
发明(设计)人: 李震;陈贞月 申请(专利权)人: 广州中医药大学(广州中医药研究院)
主分类号: A63B23/04 分类号: A63B23/04;A61H1/02
代理公司: 北京同辉知识产权代理事务所(普通合伙) 11357 代理人: 魏忠晖
地址: 510410 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 骨质 疏松 锻炼 装置
【说明书】:

发明公开了一种防骨质疏松的锻炼装置,包括锻炼装置、检测器和调节控制终端;检测器绑缚在人体骨骼处,用于检测骨质数据;调节控制终端包括深度学习模型、强化学习模型、调整终端,深度学习模型将上一次检测器检测的检测数据与训练数据和下一次检测器检测到的检测数据输入至深度学习网络模型中,得到训练强度与骨质数据的关联性,强化学习模型根据训练强度与骨质数据的关联性生成强化学习模型,调整终端将当前检测器的检测数据作为状态向量输入至强化学习模型中,生成调控锻炼装置的调节方案,并对锻炼装置实现控制。本发明采用智能控制来调整锻炼装置的训练强度,减少过度训练造成的损害,极大的提高了骨质疏松的预防能力。

技术领域

本发明涉及骨质疏松康复设备技术领域,特别涉及一种防骨质疏松的锻炼装置。

背景技术

骨质疏松症是最常见的骨骼疾病,是一种以骨量低、骨组织微结构损坏,导致骨脆性增加,易发生骨折为特征的全身性骨病。骨质疏松导致的骨折的危害巨大,是老年患者致残和致死的主要原因之一,因此要及时进行预防,减少患该疾病的概率,目前常规的预防方法主要采用锻炼的方式,利用器械牵拉结构来带动人体进行锻炼,但目前的锻炼装置的机械结构过于复杂,使得传动效果差,影响锻炼效果,且锻炼的强度固定,使用者无法知晓自己该如何锻炼,怎么锻炼,造成过度锻炼,反而影响骨质强度。

发明内容

为了至少解决或部分解决上述问题,提供一种防骨质疏松的锻炼装置。

为了达到上述目的,本发明提供了如下的技术方案:

本发明一种防骨质疏松的锻炼装置,包括锻炼装置、检测器和调节控制终端;

所述锻炼装置包括移动座椅,所述移动座椅的底部设置有滑块,所述滑块的一端连接有伸缩轴,所述伸缩轴的一端连接有液压装置,所述滑块的内侧套接有滑轨,所述滑轨的一端固定有驱动电机箱,所述驱动电机箱的两侧均设置有活动轴,所述活动轴的外侧套接有旋转踏板,所述移动座椅的两侧均设置有旋转电机,所述旋转电机的顶部设置有旋转轴,所述旋转轴的顶部连接有活动支架;

所述检测器绑缚在人体骨骼处,用于检测骨质数据;

所述调节控制终端包括深度学习模型、强化学习模型、调整终端,所述深度学习模型将上一次检测器检测的检测数据与训练数据和下一次检测器检测到的检测数据输入至深度学习网络模型中,得到训练强度与骨质数据的关联性,所述强化学习模型根据训练强度与骨质数据的关联性生成强化学习模型,所述调整终端将当前检测器的检测数据作为状态向量输入至强化学习模型中,生成调控锻炼装置的调节方案,并对锻炼装置实现控制。

作为本发明的一种优选技术方案,所述检测器包括感测器和振动器,所述振动器对人体骨骼处发出振动波,所述感测器检测穿过人体骨骼的振动波的数据。

作为本发明的一种优选技术方案,所述强化学习模型中以提取出的训练强度数据与骨质疏松的条件概率以及训练强度数据到承受能力的关联程度的条件概率为权重,将两个条件概率进行拼接,形成强化学习模型的动作选择。

作为本发明的一种优选技术方案,所述深度学习模型采用LSTM神经网络,所述LSTM神经网络采用由卷积到批标准化到激活Relu函数的卷积单元形式的网络结构组成。

作为本发明的一种优选技术方案,所述旋转电机、液压装置、驱动电机箱的驱动电机均与调整终端信号连接。

作为本发明的一种优选技术方案,所述移动座椅与滑块之前设置有升降结构。

作为本发明的一种优选技术方案,所述升降结构包括升降轴,所述升降轴的底部连接有液压驱动器,所述升降轴的一侧设置有调节轴,所述液压驱动器的底部与滑块相连,所述升降轴的顶部与移动座椅相连。

与现有技术相比,本发明的有益效果如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州中医药大学(广州中医药研究院),未经广州中医药大学(广州中医药研究院)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110427276.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top