基于人工智能的轮椅智能监测预警方法及系统技术方案

本发明专利技术涉及基于人工智能的轮椅智能监测预警方法及系统，属于数据处理技术领域，该方法步骤包括：获取轮椅行驶姿态监测原始数据，并将原始数据分解成高频分量数据和低频分量数据；根据高频分量数据计算出噪声影响程度，根据低频分量数据计算出相似程度；利用噪声影响程度和相似度最大低频分量数据中每个数据点的幅值对原始数据中每个数据点的幅值进行修正，得到初次修正原始数据；利用矫正系数对初次修正原始数据进行修正得到最终修正原始数据，根据最终修正原始数据的波动程度判断轮椅姿态变化；本发明专利技术提供一种可以对轮椅行驶姿态数据进行矫正的方法，根据矫正后的轮椅行驶姿态数据进行准确的预警。姿态数据进行准确的预警。姿态数据进行准确的预警。

【技术实现步骤摘要】
基于人工智能的轮椅智能监测预警方法及系统


[0001]本专利技术属于数据处理
，具体涉及基于人工智能的轮椅智能监测预警方法及系统。

技术介绍

[0002]轮椅主要是装有轮子可以帮助替代行走的椅子，是用于伤员、病员周转运输外出活动时的重要移动工具，轮椅包括手动轮椅和电动轮椅，目前随着经济及技术的发展，电动轮椅已经成为越来越多用户的选择，电动轮椅相较于传统的人工推动轮椅，能够极大的方便具有行动障碍的人员出行，并且不需要监护人员的帮助。但是电动轮椅在行驶时需要很好的保障人员的安全，因此需要对电动轮椅的行驶姿态进行监测，避免因为路面颠簸导致侧翻等危险行为。
[0003]目前的电动轮椅一般通过陀螺仪传感器采集姿态数据，但是因为在通过陀螺仪传感器采集姿态数据时，会因为陀螺仪传感器的震动导致获得的原始数据产生基线漂移现象，从而导致对原始数据的波动趋势分析时增大了数据的偏移程度，导致对轮椅的姿态分析时不准确，因此需要对采集的姿态数据进行数据矫正，获得准确的姿态数据从而对轮椅的行驶姿态进行监测和预警。
[0004]目前在对采集的姿态数据进行数据矫正时，针对基线漂移的解决方法主要是采用平滑滤波进行数据平滑，但是如果直接对姿态数据进行平滑会导致数据的损失，不能很好的反应轮椅姿态数据的变化，使得轮椅的姿态预警不准确。

技术实现思路

[0005]本专利技术提供基于人工智能的轮椅智能监测预警方法及系统，用以解决现有技术中在对陀螺仪传感器采集的姿态数据进行矫正时，会导致姿态数据的产生损失进而造成不能准确的对轮椅姿态进行预警。
[0006]本专利技术的基于人工智能的轮椅智能监测预警方法及系统采用如下技术方案：获取轮椅的行驶姿态监测数据并记作原始数据，并将原始数据分解成高频分量数据和低频分量数据；选择任意一个数据聚集性的高频分量数据作为目标高频分量数据，根据目标高频分量数据中相邻极大值点幅值与极小值点幅值的差值、相邻极大值点与极小值点之间的时宽，计算出噪声影响程度；将每条低频分量数据按照一个数据区间包含一个极大值点和一个极小值点的原则划分为多个数据区间，同时对原始数据进行曲线拟合得到已拟合原始数据；将已拟合原始数据划分为与每条低频分量数据相同的数据区间，根据已拟合原始数据和每条低频分量数据在相同数据区间中每个数据点的斜率、最大幅值点、最小幅值点，计算出每条低频分量数据与已拟合原始数据的相似程度；选取与已拟合原始数据的相似程度最大的低频分量数据作为相似度最大低频分
量数据，利用噪声影响程度和相似度最大低频分量数据中每个数据点的幅值对原始数据中每个数据点的幅值进行修正，得到初次修正原始数据；根据每条低频分量数据中每个数据点的斜率选取出目标低频分量数据，根据目标低频分量数据的偏移程度获得矫正系数；利用矫正系数对初次修正原始数据进行修正得到最终修正原始数据，根据最终修正原始数据的波动程度判断轮椅姿态变化。
[0007]进一步地，将原始数据分解成高频分量数据和低频分量数据的步骤包括：利用EMD算法对原始数据进行分解，获得多个高频分量数据和多个低频分量数据。
[0008]进一步地，噪声影响程度的计算公式为：其中，表示噪声影响程度；表示目标高频分量数据中极值点的个数；表示目标高频分量数据中第个极大值点幅值；表示目标高频分量数据中与第个极大值点相邻的第个极小值点的幅值；表示第个极大值点与相邻第个极小值点之间的时宽；表示自然常数。
[0009]进一步地，每条低频分量数据与已拟合原始数据的相似程度的计算公式为：其中，表示第条低频分量数据与已拟合原始数据的相似程度；表示已拟合原始数据第个数据区间中第个数据点的斜率；表示已拟合原始数据第个数据区间中包含的数据点数量；表示已拟合原始数据第个数据区间中存在的最大幅值点数量；表示已拟合原始数据第个数据区间中第个最大幅值点；表示已拟合原始数据第个数据区间中与第个最大幅值点相邻的最小幅值点；表示第条低频分量数据第个数据区间中第个数据点的斜率；表示第条低频分量数据第个数据区间中最大幅值点；表示第条低频分量数据第个数据区间中最小幅值点；表示第条低频分量数据第个数据区间中包含的数据点数量；表示划分的数据区间的个数；表示现有归一化函数。
[0010]进一步地，初次修正原始数据的计算公式为：
其中，表示初次修正原始数据；表示原始数据中第个数据点的幅值；表示噪声影响程度；表示相似度最大低频分量数据中第个数据点的幅值；表示原始数据中数据点的数量；表示相似度最大低频分量数据与已拟合原始数据的相似程度。
[0011]进一步地，根据每条低频分量数据中每个数据点的斜率选取出目标低频分量数据的步骤包括：获取每条低频分量数据中每个数据点的斜率；从每条低频分量数据中筛选出满足预设斜率约束条件的数据点作为筛选后数据点；将每条低频分量数据对应的筛选后数据点与包含的数据点总个数的比值，作为每条低频分量数据为目标低频分量数据的概率；当每条低频分量数据为目标低频分量数据的概率位于预设概率区间时，将该条低频分量数据选取出作为目标低频分量数据。
[0012]进一步地，根据目标低频分量数据的偏移程度获得矫正系数的步骤包括：计算出目标低频分量数据的平均幅值；计算出目标低频分量数据中每个数据点的幅值与平均幅值的差值绝对值；计算出得到的全部差值绝对值的平均值，并将该平均值进行归一化处理，将归一化处理后的平均值作为矫正系数。
[0013]进一步地，利用矫正系数对初次修正原始数据进行修正得到最终修正原始数据的步骤包括：将初次修正原始数据与矫正系数的乘积作为最终修正原始数据。
[0014]进一步地，根据最终修正原始数据的波动程度判断轮椅姿态变化的步骤包括：计算出最终修正原始数据的方差，当方差大于预设方差阈值时判断轮椅姿态数据存在异常直接发出预警信号。
[0015]基于人工智能的轮椅智能监测预警系统，该系统包括：数据获取模块，用于获取轮椅的行驶姿态监测数据并记作原始数据，并将原始数据分解成高频分量数据和低频分量数据；噪声影响程度计算模块，用于选择任意一个数据聚集性不大的高频分量数据作为目标高频分量数据，根据目标高频分量数据中相邻极大值点幅值与极小值点幅值的差值、相邻极大值点与极小值点之间的时宽，计算出噪声影响程度；数据区间划分模块，用于将每条低频分量数据按照一个数据区间包含一个极大值点和一个极小值点的原则划分为多个数据区间，同时对原始数据进行曲线拟合得到已拟合原始数据；相似程度计算模块，用于将已拟合原始数据划分为与每条低频分量数据相同的数据区间，根据已拟合原始数据和每条低频分量数据在相同数据区间中每个数据点的斜率、最大幅值点、最小幅值点，计算出每条低频分量数据与已拟合原始数据的相似程度；数据初次修正模块，用于选取与已拟合原始数据的相似程度最大的低频分量数据作为相似度最大低频分量数据，利用噪声影响程度和相似度最大低频分量数据中每个数据
点的幅值对原始数据中每个数据点的幅值进行修正，得到初次修正原始数据；矫正系数获取模块，用于根据每条低频分量数据中每个数据点的斜率选取出目标低频分量数据，根据目标低频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的轮椅智能监测预警方法，其特征在于，该方法包括：获取轮椅的行驶姿态监测数据并记作原始数据，并将原始数据分解成高频分量数据和低频分量数据；选择任意一个数据聚集性的高频分量数据作为目标高频分量数据，根据目标高频分量数据中相邻极大值点幅值与极小值点幅值的差值、相邻极大值点与极小值点之间的时宽，计算出噪声影响程度；噪声影响程度的计算公式为：其中，表示噪声影响程度；表示目标高频分量数据中极值点的个数；表示目标高频分量数据中第个极大值点幅值；表示目标高频分量数据中与第个极大值点相邻的第个极小值点的幅值；表示第个极大值点与相邻第个极小值点之间的时宽；表示自然常数；将每条低频分量数据按照一个数据区间包含一个极大值点和一个极小值点的原则划分为多个数据区间，同时对原始数据进行曲线拟合得到已拟合原始数据；将已拟合原始数据划分为与每条低频分量数据相同的数据区间，根据已拟合原始数据和每条低频分量数据在相同数据区间中每个数据点的斜率、最大幅值点、最小幅值点，计算出每条低频分量数据与已拟合原始数据的相似程度；每条低频分量数据与已拟合原始数据的相似程度的计算公式为：其中，表示第条低频分量数据与已拟合原始数据的相似程度；表示已拟合原始数据第个数据区间中第个数据点的斜率；表示已拟合原始数据第个数据区间中包含的数据点数量；表示已拟合原始数据第个数据区间中存在的最大幅值点数量；表示已拟合原始数据第个数据区间中第个最大幅值点；表示已拟合原始数据第个数据区间中与第个最大幅值点相邻的最小幅值点；表示第条低频分量数据第个数据区间中第个数据点的斜率；表示第条低频分量数据第个数据区间中最大幅值点；表示第条低频分量数据第个数据区间中最小幅值点；表示第条低频分量数据第个数据区间中包含的数据点数量；表示划分的数据区间的个数；表示现有归一化函数；选取与已拟合原始数据的相似程度最大的低频分量数据作为相似度最大低频分量数
据，利用噪声影响程度和相似度最大低频分量数据中每个数据点的幅值对原始数据中每个数据点的幅值进行修正，得到初次修正原始数据；初次修正原始数据的计算公式为：其中，表示初次修正原始数据；表示原始数据中第个数据点的幅值；表示噪声影响程度；表示相似度最大低频分量数据中第个数据点的幅值；表示原始数据中数据点的数量；表示相似度最大低频分量数据与已拟合原始数据的相似程度；根据每条低频分量数据中每个数据点的斜率选取出目标低频分量数据，根据目标低频分量数据的偏移程度获得矫正系数；利用矫正系数对初次修正原始数据进行修正得到最终修正原始数据，根据最终修正原始数据的波动程度判断轮椅姿态变化。2.根据权利要求1所述的基于人工智能的轮椅智能监测预警方法，其特征在于，将原始数据分解成高频分量数据和低频分量数据的步骤包括：利用EMD算法对原始数据进行分解，获得多个高频分量数据和多个低频分量数据。3.根据权利要求1所述的基于人工智能的轮椅智能监测预警...

【专利技术属性】
技术研发人员：史勰，
申请(专利权)人：江阴华士医疗器械有限公司，
类型：发明
国别省市：