【技术实现步骤摘要】
运动负荷优化方法及系统
[0001]本专利技术涉及运动学
,尤其是一种基于负荷管理的运动优化方法。
技术介绍
[0002]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。
[0003]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。
[0004]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。
技术实现思路
[0005]本专利技术要解决的技术问题是提供一种兼顾绝对数值与平衡性的运动负荷优化方法,能够快速、智 ...
【技术保护点】
【技术特征摘要】
1.运动负荷优化的方法,该方法包括如下步骤:1.1运动目标设定:根据可选运动目标范围,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a
T
进行数据存储;对于n组运动目标,行向量a
T
的维度对应设置为n,调用行向量a
T
生成与行向量a
T
对等的1
×
n矩阵A,作为运动目标矩阵进行存储;所述可选运动目标范围可包括减轻体重、区域增肌、腹部减脂、腿部减脂、区域塑型、关节强化和区域力量增强;1.2运动项目设定:1.2.1输入运动项目后,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,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;所述运动项目可包括跑步、游泳、瑜伽、平衡器械、力量器械、哑铃、杠铃、区域肌肉器械、自重负荷和竞技项目;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;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,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构建一1
×
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: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
‑
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Transition
‑
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: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,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
‑
span Limiting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
‑
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所述Transition
‑
span Limiting;1.6构建伴随矩阵X:将矩阵A的n组数据进行对角化,得到的n
×
n阶矩阵作为伴随矩阵X进行存储;
1.7运动负荷优化:1.7.1首先在MustRange
‑
span Limiting内对于强制数据依据MustTransition
‑
span Limiting内的间隔数...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。