一种运动负荷智能优化系统和方法
技术领域
本发明涉及运动学技术领域，尤其是一种基于负荷管理的运动优化方法。
背景技术
运动负荷是指人体在运动活动中所承受的生理刺激。按其对人体产生刺激的性质，我们又把运动负荷相应地分为负荷强度和负荷量两方面。这种划分的意义在于：一方面便于我们了解、认识并研究运动负荷，而更重要的是便于安排和调节运动负荷。根据现有研究，运动负荷模式有标准型、双峰型、前高后低型、前低后高型等模式。标准型指运动量由小到大逐渐上升到相当水平，持续一定时间再逐渐下降。一般认为，只有使体育锻炼的运动负荷达到极限的压力下，体力、心理和智力的自然潜力才能得到充分发挥，达到增强体能的目的。但是，运动负荷过大，又容易引起疲劳和损伤。
多维度运动负荷管理，一般包括多维度的运动目标，比如减轻体重，区域增肌、腹部减脂、腿部减脂、区域塑型、关节强化、区域力量增强等等，同时包含多维度多运动项目，比如跑步、游泳、瑜伽、平衡器械、力量器械(哑铃、杠铃、区域肌肉器械等等)、自重负荷、竞技项目等等；涉及到诸多不同的组合方式，且不同的组合方式决定或产生十分显著的运动效果差异，并与运动主体的运动目标发生深刻的关联。
因此，运动负荷的优化和管理，尤其是借助多种运动项目、面向多组运动目标的情况下，合理有效安排运动负荷是一个研究中的热点问题和实践中实用价值较大的技术难题。
发明内容
本发明要解决的技术问题是提供一种运动负荷智能优化系统和方法，能够快速、智能、可调、准确的优化和提升多运动项目、多运动目标情景下的运动负荷，尤其能够实现多运动目标的最优平衡。
为解决上述技术问题，本发明所采取的技术方案如下。
一种运动负荷智能优化方法，该方法包括如下步骤：
1.1运动目标设定，运动负荷智能优化系统的数据库中设定有可选运动目标范围，在优化系统的屏幕键盘上输入多维度运动目标，运动目标为相互正交的数据组，据此构成一个多维度的行向量aT进行数据存储；对于n组运动目标，行向量aT的维度对应设置为n，系统控制器调用行向量aT生成与行向量aT对等的1×n矩阵A，作为运动目标矩阵进行存储；
1.2运动项目设定，
1.2.1在优化系统的屏幕键盘上弹出运动项目输入键盘，输入运动项目后系统调用数据库内存储的针对多维度运动目标的多维度运动项目效率数值，由于不同的运动项目对于不同的运动目标具有不同的效果，据此将针对任一维度运动目标的不同维度运动项目的效率数值构建成为一个列向量b进行存储；
1.2.2对于m组运动项目，列向量b的维度对应设置为m进行数据存储；进一步，对于n组运动目标构建的n组向量b，通过下角标对其进行区分，且下角标的排序与运动目标的排序一一对应，并进一步将带有下角标的n组列向量依照其下角标顺序构建成为一个m×n阶矩阵B进行存储；
1.3系统控制器后台构建一未知的1×m阶矩阵作为优化矩阵C，优化矩阵设置为满足线性变换A＝C×B；
1.4优化矩阵的限制条件设置，系统控制器自动调用数据库中的存储数据自动设定Range-span Limiting参数和Transition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定限制条件当中的Range-span Limiting参数和Transition-span Limiting参数；
1.4.1其中，所述所述Range-span Limiting的限制方式为：为优化矩阵的m个数据分别设置以运动时长为单位的最高值与最低值，记作Range-span Limiting；
1.4.2其中，所述Transition-span Limiting的限定方式为：在Range-spanLimiting的范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，记作Range-span Limiting；当优化矩阵当中的数据进行变动时，只能在Range-span Limiting范围内以Transition-span Limiting为单位进行跃迁式变化而不能连续变化；
1.5优化矩阵的强制条件设置，系统控制器自动或者以允许编辑自动设定的方式，挑选优化矩阵当中的1-k组数据作为强制数据，其中k≤m/2；对于每个强制数据进行强制条件的设置，系统控制器自动调用数据库中的存储数据自动设定MustRange-span Limiting参数和MustTransition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定强制条件当中的MustRange-span Limiting参数和MustTransition-spanLimiting参数；
1.5.1其中，MustRange-span Limiting的强制方式为：在Range-span Limiting范围内截取一个小范围作为MustRange-span Limiting；
数据截取时以Range-span Limiting范围内被Transition-span Limiting整除的数据点为端值；
1.5.2其中，MustTransition-span Limiting的强制方式为：在Range-spanLimiting范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，且此间隔数值不大于所述Transition-span Limiting；
1.6构建体积伴随矩阵X，系统将矩阵A的m组数据进行对角化，得到的m×m阶矩阵作为体积伴随矩阵X进行存储；
1.7运动负荷智能优化和终端呈现，
1.7.1控制器首先在MustRange-span Limiting内对于强制数据依据MustTransition-span Limiting内的间隔数值进行依次赋值；然后进行非限制数据的赋值；
1.7.2对于任一组已经赋值过强制数据，在Range-span Limiting内对于其余数据依据Transition-span Limiting内的间隔数值进行依次赋值；
1.7.3对于每一组数据赋值通过步骤1.3中的线性变换计算得到1×m阶矩阵A；
1.7.4对于1×m阶矩阵A通过步骤1.6中的对角变换得到体积伴随矩阵x；
1.7.5对于体积伴随矩阵X，计算其体积値，并对不同组别的数据赋值进行体积值比较，选定特定比例的最高数值进行呈现；进行最高比例的体积値数据呈现时，同时将对应的运动项目及其各自最优运动时长作为优化的运动负荷进行终端呈现。
作为本发明的一种优选技术方案，步骤1.1中，所述运动目标为经过量化处理后的数值参数；所述量化处理的方法为将运动目标的效果数值与对应的现有数值的差值作为运动目标数值参数。
作为本发明的一种优选技术方案，步骤1.1中，所述量化处理的方法为将运动目标的效果数值与对应的现有数值的差值绝对值作为运动目标数值参数。
作为本发明的一种优选技术方案，步骤1.3中，所述优化矩阵当中任一数据的单位为运动时长。
作为本发明的一种优选技术方案，步骤1.4中，所述Range-span Limiting的端值构成Transition-span Limiting间隔值的整倍数。
作为本发明的一种优选技术方案，步骤1.5中，所述MustTransition-spanLimiting由Transition-span Limiting除以1-10以内的整数获取。
作为本发明的一种优选技术方案，步骤1.4和1.5中，通过如下方法进行运动负荷优化复杂度的控制：运动目标和运动项目选定后，优化矩阵的限制条件范围和强制条件范围使得优化复杂度超过上限后，首先进行运动目标和运动项目超限报警，再进行限制条件和强制条件超限报警，通过对应数据的调整降低复杂度。
作为本发明的一种优选技术方案，运动目标和运动项目超限报警后，如果经过缩减运动目标和/或运动项目后复杂度降低到上限以下，完成设定，如果确认不能缩减运动目标和运动项目或缩减后仍然超限，则进行限制条件和强制条件超限报警；限制条件和强制条件超限报警后，通过减小限制条件和强制条件当中的Range-span Limiting、MustRange-span Limiting的端值降低复杂度；或者通过增大Transition-span Limiting、MustTransition-span Limiting中的间隔值降低复杂度。
作为本发明的一种优选技术方案，步骤1.7.5中，所述特定比例为1-50％；所述特定比例的确定以呈现数值的个数除以总计算量进行反推；所述呈现数值的个数为3-30。
作为本发明的一种优选技术方案，步骤1.7.5中，所述终端呈现为屏幕显示呈现、语音播报、通过无线网络进行发送的电子文档报告、通过打印呈现的纸质文档报告。
作为本发明的一种优选技术方案，一种运动负荷智能优化方法，包括如下步骤：
1.1运动目标设定，运动负荷智能优化系统的数据库中设定有可选运动目标范围，在优化系统的屏幕键盘上输入多维度运动目标，运动目标为相互正交的数据组，据此构成一个多维度的行向量aT进行数据存储；对于n组运动目标，行向量aT的维度对应设置为n，系统控制器调用行向量aT生成与行向量aT对等的1×n矩阵A，作为运动目标矩阵进行存储；
1.2运动项目设定，
1.2.1在优化系统的屏幕键盘上弹出运动项目输入键盘，输入运动项目后系统调用数据库内存储的针对多维度运动目标的多维度运动项目效率数值，由于不同的运动项目对于不同的运动目标具有不同的效果，据此将针对任一维度运动目标的不同维度运动项目的效率数值构建成为一个列向量b进行存储；
1.2.2对于m组运动项目，列向量b的维度对应设置为m进行数据存储；进一步，对于n组运动目标构建的n组向量b，通过下角标对其进行区分，且下角标的排序与运动目标的排序一一对应，并进一步将带有下角标的n组列向量依照其下角标顺序构建成为一个m×n阶矩阵B进行存储；
1.3系统控制器后台构建一未知的1×m阶矩阵作为优化矩阵C，优化矩阵设置为满足线性变换A＝C×B；
1.4优化矩阵的限制条件设置，系统控制器自动调用数据库中的存储数据自动设定Range-span Limiting参数和Transition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定限制条件当中的Range-span Limiting参数和Transition-span Limiting参数；
1.4.1其中，所述所述Range-span Limiting的限制方式为：为优化矩阵的m个数据分别设置以运动时长为单位的最高值与最低值，记作Range-span Limiting；
1.4.2其中，所述Transition-span Limiting的限定方式为：在Range-spanLimiting的范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，记作Range-span Limiting；当优化矩阵当中的数据进行变动时，只能在Range-span Limiting范围内以Transition-span Limiting为单位进行跃迁式变化而不能连续变化；
1.5优化矩阵的强制条件设置，系统控制器自动或者以允许编辑自动设定的方式，挑选优化矩阵当中的1-k组数据作为强制数据，其中k≤m/2；对于每个强制数据进行强制条件的设置，系统控制器自动调用数据库中的存储数据自动设定MustRange-span Limiting参数和MustTransition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定强制条件当中的MustRange-span Limiting参数和MustTransition-spanLimiting参数；
1.5.1其中，MustRange-span Limiting的强制方式为：在Range-span Limiting范围内截取一个小范围作为MustRange-span Limiting；
数据截取时以Range-span Limiting范围内被Transition-span Limiting整除的数据点为端值；
1.5.2其中，MustTransition-span Limiting的强制方式为：在Range-spanLimiting范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，且此间隔数值不大于所述Transition-span Limiting；
1.6构建体积伴随矩阵X，系统将矩阵A的m组数据进行对角化，得到的m×m阶矩阵作为体积伴随矩阵X进行存储；
1.7运动负荷智能优化和终端呈现，
1.7.1控制器首先在MustRange-span Limiting内对于强制数据依据MustTransition-span Limiting内的间隔数值进行依次赋值；然后进行非限制数据的赋值；
1.7.2对于任一组已经赋值过强制数据，在Range-span Limiting内对于其余数据依据Transition-span Limiting内的间隔数值进行依次赋值；
1.7.3对于每一组数据赋值通过步骤1.3中的线性变换计算得到1×m阶矩阵A；
1.7.4对于1×m阶矩阵A通过步骤1.6中的对角变换得到体积伴随矩阵x；
1.7.5对于体积伴随矩阵X，计算其对角加和，并对不同组别的数据赋值进行加和値比较，选定特定比例的最高数值进行呈现；进行最高比例的加和値数据呈现时，同时将对应的运动项目及其各自最优运动时长作为优化的运动负荷进行终端呈现。
采用上述技术方案所产生的有益效果在于：本发明研发的运动负荷智能优化系统和方法，能够实现多种运动项目、多组运动目标情景下的运动负荷优化和提升，尤其能够实现多运动目标的最优平衡。本发明的方法能够满足多维度运动负荷管理和优化，对于选定的多维度运动目标，比如减轻体重，区域增肌、腹部减脂、腿部减脂、区域塑型、关节强化、区域力量增强等，通过多维数组构建的数据矩阵及其线性变换协同关联多维度的运动项目，比如跑步、游泳、瑜伽、平衡器械、力量器械、哑铃、杠铃、区域肌肉器械、自重负荷、竞技项目等，能够快速、智能、可调、准确的进行运动负荷的协同优化，从诸多不同的运动负荷组合方式中获取与运动主体的运动目标具有最佳协同的运动负荷整体组合方式，达到显著的最佳的运动效果。
另外，本发明亦存在广阔的可拓展性，例如对于体积伴随矩阵同时求取其对角线数值的加和作为平行指标进行运动负荷优化；更进一步，还可以将加和数值与矩阵体积进行交互，前者代表运动效果的总体绝对值，后者代表运动的均衡优化，在结果呈现的时候同时呈现两者的优选结果(比如各取前5个最优组合)，尤其是对于同时出现在两个指标当中的组合数据矩形特别推荐。
附图说明
图1是本发明的原理流程图。
具体实施方式
以下实施例详细说明了本发明。本发明所使用的各种原料及各项设备均为常规市售产品，均能够通过市场购买直接获得。
在以下实施例的描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
实施例1运动目标设定
多维度运动目标包括减轻体重，区域增肌、腹部减脂、腿部减脂、区域塑型、关节强化、区域力量增强等等。运动负荷智能优化系统的数据库中设定有可选运动目标范围，在优化系统的屏幕键盘上输入多维度运动目标，运动目标为相互正交的数据组，据此构成一个多维度的行向量aT进行数据存储；对于n组运动目标，行向量aT的维度对应设置为n，系统控制器调用行向量aT生成与行向量aT对等的1×n矩阵A，作为运动目标矩阵进行存储；运动目标为经过量化处理后的数值参数；量化处理的方法为将运动目标的效果数值与对应的现有数值的差值绝对值作为运动目标数值参数。
实施例2运动目标设定
多维度的运动项目包括跑步、游泳、瑜伽、平衡器械、力量器械、哑铃、杠铃、区域肌肉器械、自重负荷、竞技项目等等。1.2.1在优化系统的屏幕键盘上弹出运动项目输入键盘，输入运动项目后系统调用数据库内存储的针对多维度运动目标的多维度运动项目效率数值，由于不同的运动项目对于不同的运动目标具有不同的效果，据此将针对任一维度运动目标的不同维度运动项目的效率数值构建成为一个列向量b进行存储；1.2.2对于m组运动项目，列向量b的维度对应设置为m进行数据存储；进一步，对于n组运动目标构建的n组向量b，通过下角标对其进行区分，且下角标的排序与运动目标的排序一一对应，并进一步将带有下角标的n组列向量依照其下角标顺序构建成为一个m×n阶矩阵B进行存储。
实施例3优化矩阵
系统控制器后台构建一未知的1×m阶矩阵作为优化矩阵C，优化矩阵设置为满足线性变换A＝C×B；优化矩阵当中任一数据的单位为运动时长。
实施例4限制条件
优化矩阵的限制条件设置，系统控制器自动调用数据库中的存储数据自动设定Range-span Limiting参数和Transition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定限制条件当中的Range-span Limiting参数和Transition-span Limiting参数；其中，Range-span Limiting的限制方式为：为优化矩阵的m个数据分别设置以运动时长为单位的最高值与最低值，记作Range-span Limiting；其中，Transition-span Limiting的限定方式为：在Range-span Limiting的范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，记作Range-span Limiting；当优化矩阵当中的数据进行变动时，只能在Range-span Limiting范围内以Transition-spanLimiting为单位进行跃迁式变化而不能连续变化；其中，Range-span Limiting的端值构成Transition-span Limiting间隔值的整倍数。
实施例5强制条件
优化矩阵的强制条件设置，系统控制器自动或者以允许编辑自动设定的方式，挑选优化矩阵当中的1-k组数据作为强制数据，其中k≤m/2；对于每个强制数据进行强制条件的设置，系统控制器自动调用数据库中的存储数据自动设定MustRange-span Limiting参数和MustTransition-span Limiting参数，或者在系统数据库存储数据的基础上允许编辑自动设定强制条件当中的MustRange-span Limiting参数和MustTransition-spanLimiting参数；其中，MustRange-span Limiting的强制方式为：在Range-span Limiting范围内截取一个小范围作为MustRange-span Limiting；数据截取时以Range-span Limiting范围内被Transition-span Limiting整除的数据点为端值；其中，MustTransition-spanLimiting的强制方式为：在Range-span Limiting范围内，为优化矩阵的m个数据分别设置以运动时长为单位的间隔数值，且此间隔数值不大于Transition-span Limiting；其中，MustTransition-span Limiting由Transition-span Limiting除以1-10以内的整数获取。
同时，通过如下方法进行运动负荷优化复杂度的控制：运动目标和运动项目选定后，优化矩阵的限制条件范围和强制条件范围使得优化复杂度超过上限后，首先进行运动目标和运动项目超限报警，再进行限制条件和强制条件超限报警，通过对应数据的调整降低复杂度。运动目标和运动项目超限报警后，如果经过缩减运动目标和/或运动项目后复杂度降低到上限以下，完成设定，如果确认不能缩减运动目标和运动项目或缩减后仍然超限，则进行限制条件和强制条件超限报警；限制条件和强制条件超限报警后，通过减小限制条件和强制条件当中的Range-span Limiting、MustRange-span Limiting的端值降低复杂度；或者通过增大Transition-span Limiting、MustTransition-span Limiting中的间隔值降低复杂度。
实施例6体积伴随矩阵
构建体积伴随矩阵X，系统将矩阵A的m组数据进行对角化，得到的m×m阶矩阵作为体积伴随矩阵X进行存储。
实施例7运动负荷优化
控制器首先在MustRange-span Limiting内对于强制数据依据MustTransition-span Limiting内的间隔数值进行依次赋值；然后进行非限制数据的赋值；对于任一组已经赋值过强制数据，在Range-span Limiting内对于其余数据依据Transition-spanLimiting内的间隔数值进行依次赋值；对于每一组数据赋值通过步骤实施例3中的线性变换计算得到1×m阶矩阵A；对于1×m阶矩阵A通过步骤实施例6中的对角变换得到体积伴随矩阵x；对于体积伴随矩阵X，计算其体积値，并对不同组别的数据赋值进行体积值比较，选定特定比例的最高数值进行呈现；进行最高比例的体积値数据呈现时，同时将对应的运动项目及其各自最优运动时长作为优化的运动负荷进行终端呈现。终端呈现为屏幕显示呈现、语音播报、通过无线网络进行发送的电子文档报告、通过打印呈现的纸质文档报告。一般情况下，特定比例为5％左右；特定比例的确定以呈现数值的个数除以总计算量进行反推；呈现数值的个数为10个左右。最后选择其中的一种或几种作为优化的运动项目和运动时长组合即可。
实施例8
在实施例1-7的基础上，可以对于体积伴随矩阵同时求取其对角线数值的加和作为待优化指标，进行另一种类型的运动负荷优化。
实施例9
在实施例1-7的基础上，对于体积伴随矩阵同时求取其对角线数值的加和作为平行指标并与矩阵体积进行交互，前者代表运动效果的总体绝对值，后者代表运动的均衡优化，在结果呈现的时候同时呈现两者的优选结果(比如各取前5个最优组合)，尤其是对于同时出现在两个指标头部数据当中的组合数据进行特别推荐，兼顾了运动平衡与运动效率的最优化。
以上实施例仅用以说明本发明的技术方案，而非对其限制。本发明的硬件实现，可以直接采用现有的智能设备，包括但不限于工控机、PC机、智能手机、手持单机、落地式单机等。其输入设备优选采用屏幕键盘，其数据存储和计算模块采用现有的存储器、计算器、控制器，其内部通信模块采用现有的通信端口和协议，其远程通信采用现有的gprs网络、互联网络等。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
