一种基于精练竖钩的高效练字方法技术

本发明专利技术涉及练字方法技术领域，具体为一种基于精练竖钩的高效练字方法，包括以下步骤：S1、结合习字板反馈的笔尖运动状态信息，指套、腕套、臂套反馈竖钩练习时的相应动作，线条感应模块反馈的重合率，得出练字动作与笔尖运行状态、笔画线条重合率的练字关联数据；S2、将练字关联数据与预设的作为练字标准的练字动作模型进行对比，找出练字关联数据与练字动作模型的偏离项及重合率，并反馈，得到练习数据；S3、识别出一个完整的竖钩练字动作的手指、手臂及手腕的发力与肌肉运用是否正确；S4、分析竖钩练习的趋势；S5、针对反馈的偏离项对应的竖钩练习过程存在的不足，提供预设的教导内容；解决了练字时效率低下及效果不佳的问题。解决了练字时效率低下及效果不佳的问题。解决了练字时效率低下及效果不佳的问题。

【技术实现步骤摘要】
一种基于精练竖钩的高效练字方法


[0001]本专利技术涉及练字方法
，具体为一种基于精练竖钩的高效练字方法。

技术介绍

[0002]传统观念里，汉字的书写练习常以临写为主，描摹辅之，临写得笔意，描摹得间架，二者结合或相得益彰。但事实上，临写和描摹在脱离范字和法帖后，进步并不大。
[0003]其实，练字与其它技能和习惯的训练与培养一样，都是肌肉记忆的形成过程，而肌肉记忆有好处也有坏处。临写和描摹是众多肌肉记忆同时进行，会摧毁笔画的形成过程，这是坏处之一。临写和描摹会形成众多种类与数量的肌肉记忆纷扰混淆，以致笔画难以准确定型，这是坏处之二。初学书者受指腕肌群等生理机能局限性的影响，在完成诸多精细连贯的动作之时，难免重复固化错误，笔画有误殃及间架，以致取法乎上仅得乎中。
[0004]以上是造成练字效果不佳、练字效率低下的原因。所以，练字要根据肌肉记忆原理及其特点，扬长避短，方能事半功倍，否则事倍功半。

技术实现思路

[0005]本专利技术的目的在于提供一种基于精练竖钩的高效练字方法，以解决目前进行练字时不仅效率低下，而且练字效果不佳的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于精练竖钩的高效练字方法，包括以下步骤：
[0007]S1、结合习字板反馈的笔尖运动状态信息、指套反馈竖钩练习时手指的动作、腕套反馈竖钩练习时手腕的动作、臂套反馈竖钩练习时手臂的动作、线条感应模块反馈的重合率，得出练字动作与笔尖运行状态、笔画线条重合率的练字关联数据；r/>[0008]其中，所述的笔尖运行状态信息包括笔尖与习字板表面的角度、行笔速度、对笔尖的按压力度；
[0009]练字动作包括肌肉用力强弱、肌肉发力先后顺序、手指的姿态、手腕的姿态、手臂的姿态、手臂的动作轨迹、手腕的动作轨迹、手指的运动轨迹；
[0010]通过习字板内设置的节点压力传感器以及笔内设置的位置传感器反馈笔画运行状态信息；
[0011]指套、臂套、腕套分别通过SEMG感应模块反馈手指肌肉、手臂肌肉和腕部肌肉的表面肌电信号，通过分析采集的肌电信号得到练字时手指、手臂和手腕相关肌肉的用力强弱及发力先后顺序；
[0012]通过运动位置传感器反馈手指、手臂和手腕的运动轨迹及姿态；
[0013]S2、将上述步骤得到的练字关联数据与预设的作为练字标准的练字动作模型进行对比，找出练字关联数据与练字动作模型的偏离项，并进行反馈，得到练习数据；
[0014]S3、识别出一个完整的竖钩笔画练字动作的手指、手臂及手腕的发力与肌肉运用是否正确；
[0015]首先，分析得出表面肌电信号的时域统计分布，以确定每个表面肌电信号的时间分布，从而获得每个肌肉的发力先后顺序；
[0016]其次，分析得出表面肌电信号的频域统计分布，再与预设的肌电流信号参考数据进行对比，得到练字时手指、手臂和手腕相关肌肉的用力强弱；
[0017]最后，通过肌肉用力强弱与肌肉发力先后顺序，识别出一个完整的竖钩笔画练字动作的手指、手臂及手腕的发力与肌肉运用是否正确；
[0018]S4、分析竖钩练习的趋势；
[0019]其中，对每次练习竖钩笔画时采集的数据进行存储，作为往期数据信息，通过智能化用户终端接收反馈的偏离项以及存储的竖钩练习往期数据信息，进行分析竖钩练习的趋势；
[0020]S5、针对反馈的偏离项对应的竖钩练习过程存在的不足，提供预设的教导内容。
[0021]优选的，所述习字板表面的中部印刷有竖钩的笔画图形。
[0022]优选的，所述线条感应模块沿着竖钩笔画图形中心线的位置镶嵌于所述习字板的表面上。
[0023]优选的，所述节点压力传感器分别设置在习字板对应于笔画起笔下顿的位置、竖直线首尾的位置以及出钩的位置。
[0024]优选的，竖钩笔画竖直线中部的对应位置也设置有节点压力传感器。
[0025]与现有技术相比，本专利技术的有益效果是：
[0026]本专利技术涉及的练字方法是基于对竖钩精确的训练，便于在短时间内形成肌肉记忆和控笔能力，促进并深化了所有笔画的正确用笔，减少并避免了大量动作同时进行及笔画间的纷扰混淆，扬肌肉记忆之长避传统练字之短，将复杂的练字简单极致化，极大缩短了练字周期,提升了笔画的质与量和练字的效果与效率。
附图说明
[0027]图1为本专利技术习字板的俯视结构示意图。
[0028]图中：1
‑
习字板；2
‑
线条感应模块；3
‑
节点压力传感器。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]请参阅图1，本专利技术提供一种技术方案：一种基于精练竖钩的高效练字方法，包括以下步骤：
[0031]S1、结合习字板1反馈的笔尖运动状态信息、指套反馈竖钩练习时手指的动作、腕套反馈竖钩练习时手腕的动作、臂套反馈竖钩练习时手臂的动作、线条感应模块2反馈的重合率，得出练字动作与笔尖运行状态、笔画线条重合率的练字关联数据；
[0032]其中，所述的笔尖运行状态信息包括笔尖与习字板1表面的角度、行笔速度、对笔尖的按压力度；
[0033]练字动作包括肌肉用力强弱、肌肉发力先后顺序、手指的姿态、手腕的姿态、手臂的姿态、手臂的动作轨迹、手腕的动作轨迹、手指的运动轨迹；
[0034]通过习字板1内设置的节点压力传感器3以及笔内设置的位置传感器反馈笔画运行状态信息；
[0035]指套、臂套、腕套分别通过SEMG感应模块反馈手指肌肉、手臂肌肉和腕部肌肉的表面肌电信号，通过分析采集的肌电信号得到练字时手指、手臂和手腕相关肌肉的用力强弱及发力先后顺序；
[0036]通过运动位置传感器反馈手指、手臂和手腕的运动轨迹及姿态；
[0037]S2、将上述步骤得到的练字关联数据与预设的作为练字标准的练字动作模型进行对比，找出练字关联数据与练字动作模型的偏离项，并进行反馈，得到练习数据；
[0038]S3、识别出一个完整的竖钩笔画练字动作的手指、手臂及手腕的发力与肌肉运用是否正确；
[0039]首先，分析得出表面肌电信号的时域统计分布，以确定每个表面肌电信号的时间分布，从而获得每个肌肉的发力先后顺序；
[0040]其次，分析得出表面肌电信号的频域统计分布，再与预设的肌电流信号参考数据进行对比，得到练字时手指、手臂和手腕相关肌肉的用力强弱；
[0041]最后，通过肌肉用力强弱与肌肉发力先后顺序，识别出一个完整的竖钩笔画练字动作的手指、手臂及手腕的发力与肌肉运用是否正确；
[0042]S4、分析竖钩练习的趋势；
[0043]其中，对每次练习竖钩笔画本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于精练竖钩的高效练字方法，其特征在于，包括以下步骤：S1、结合习字板(1)反馈的笔尖运动状态信息、指套反馈竖钩练习时手指的动作、腕套反馈竖钩练习时手腕的动作、臂套反馈竖钩练习时手臂的动作、线条感应模块(2)反馈的重合率，得出练字动作与笔尖运行状态、笔画线条重合率的练字关联数据；其中，所述的笔尖运行状态信息包括笔尖与习字板(1)表面的角度、行笔速度、对笔尖的按压力度；练字动作包括肌肉用力强弱、肌肉发力先后顺序、手指的姿态、手腕的姿态、手臂的姿态、手指的运动轨迹、手臂的动作轨迹、手腕的动作轨迹；通过习字板(1)内设置的节点压力传感器(3)以及笔内设置的位置传感器反馈笔画运行状态信息；指套、臂套、腕套分别通过SEMG感应模块反馈手指肌肉、手臂肌肉和腕部肌肉的表面肌电信号，通过分析采集的肌电信号得到练字时手指、手臂和手腕相关肌肉的用力强弱及发力先后顺序；通过运动位置传感器反馈手指、手臂和手腕的运动轨迹及姿态；S2、将上述步骤得到的练字关联数据与预设的作为练字标准的练字动作模型进行对比，找出练字关联数据与练字动作模型的偏离项，并进行反馈，得到练习数据；S3、识别出一个完整的竖钩笔画练字动作的手指、手臂及手腕的发力与肌肉运用是否正确；首先，分析得出表面肌电信号的时域统计分布，以确定每个表面肌电信号的...

【专利技术属性】
技术研发人员：景方坤，景明一，
申请(专利权)人：烟台方坤文化艺术交流有限公司，
类型：发明
国别省市：