【技术实现步骤摘要】
本专利技术属于肌肉疲劳监测，特别涉及一种肌肉疲劳实时监测装置及方法。
技术介绍
1、肌肉疲劳是人体肌肉进行高强度或长时间运动导致做功能力下降的一种现象。肌肉疲劳的发生与肌肉工作强度有关，且存在明显的个体差异。其主要表现为乏力、运动能力减弱、运动速度减慢、动作协调性和灵活性降低、差错及事故发生率增加等。通过实时监测肌肉疲劳，可科学安排运动计划、提高训练效果、避免运动损伤，在运动健康、体育竞技等领域具有重要的理论和应用价值。
2、目前，肌肉疲劳的监测方法主要有主观评价、生理监测和生化监测方法。主观评价方法是受试者根据自身主观感觉情况，填写运动科学领域的问卷调查表(如主观疲劳程度量表、主观体力感觉等级表等)进行测评，反馈其疲劳状况。生理监测方法是通过对受试者运动前后的肌电、肌张力、血红蛋白浓度、血压等生理指标的变化进行监测与分析，评价受试者的肌肉疲劳状态。生化监测方法通过采集人体血液、尿液、唾液、汗液等生物样本，提取分析样本中与肌肉疲劳密切相关的能量或物质代谢产物(如三磷酸腺苷、乳酸、糖、蛋白质等)，来监测受试者的疲劳程度。
3、现有的肌肉疲劳监测方法均存在一定的不足。主观评价方法受受试者的主观影响较大，评价结果不够客观、准确，只能作为辅助监测手段；生理监测方法的监测结果较为客观，但肌电等微弱生理信号易受环境噪声、运动伪迹、肌力变化等因素干扰，近红外信号受光照影响强烈，实际应用中准确率较低且个体差异较大，因此检测结果不够准确。
技术实现思路
1、本说明书实施例的目
2、为解决上述技术问题，本申请实施例通过以下方式实现的：
3、第一方面，本申请提供一种肌肉疲劳实时监测装置，该装置包括：
4、肌电电极，用于实时采集受试者运动时的肌电信号；
5、ph传感器，用于实时采集受试者运动时的汗液ph值；
6、乳酸传感器，用于实时采集受试者运动时汗液的乳酸含量；
7、ad采样模块，用于同时采集肌电信号、汗液ph值、乳酸含量，得到对应的肌电信号数字信号、汗液ph值数字信号、乳酸含量数字信号；并将得到的肌电信号数字信号、汗液ph值数字信号、乳酸含量数字信号发送至微控制器；
8、微控制器，用于接收ad采样模块发送的肌电信号数字信号、汗液ph值数字信号、乳酸含量数字信号，并进行分析处理，实时监测肌肉疲劳状态。
9、在其中一个实施例中，该装置还包括：
10、抗混叠滤波器，用于滤除肌电信号、汗液ph值、乳酸含量中的高频噪声，得到滤除噪声后肌电信号、滤除噪声后汗液ph值、滤除噪声后乳酸含量；
11、ad采样模块，用于同时采集滤除噪声后肌电信号、滤除噪声后汗液ph值、滤除噪声后乳酸含量，得到对应的肌电信号数字信号、汗液ph值数字信号、乳酸含量数字信号。
12、在其中一个实施例中，该装置还包括：
13、增益放大器，用于提高电路的输入阻抗及放大滤除噪声后肌电信号、滤除噪声后汗液ph值、滤除噪声后乳酸含量的差模分量，得到放大后肌电信号、放大后汗液ph值、放大后乳酸含量；
14、ad采样模块，用于同时采集放大后肌电信号、放大后汗液ph值、放大后乳酸含量，得到对应的肌电信号数字信号、汗液ph值数字信号、乳酸含量数字信号。
15、在其中一个实施例中，该装置还包括：
16、显示终端，用于显示微控制器的分析处理结果。
17、第二方面，本申请提供一种肌肉疲劳实时监测方法，该方法包括：
18、实时采集受试者运动过程中的肌电信号、汗液ph值和乳酸含量；
19、将肌电信号、汗液ph值和乳酸含量输入至预测肌肉疲劳模型，实现对肌肉疲劳程度的实时监测。
20、在其中一个实施例中，预测肌肉疲劳模型的训练步骤包括：
21、在室内略微出汗的环境温度下，采集运动前受试者静息时肌电信号、汗液ph值和乳酸含量；
22、指导受试者在运动健身器械上进行受被监测肌肉支配的运动，运动过程中阻力维持恒定，实时采集运动过程中的肌电信号、汗液ph值和乳酸含量，并使用主观疲劳程度量表对受试者的疲劳程度进行评分；
23、当受试者达到主观疲劳程度量表的不同等级时，告知受试者当前的等级；
24、当受试者达到预设条件时，停止试验；
25、使用肌电信号、汗液ph值和乳酸含量作为特征输入，将主观疲劳程度量表评分作为标签输出，训练预测肌肉疲劳模型。
26、在其中一个实施例中，使用肌电信号、汗液ph值和乳酸含量作为特征输入时，通过给肌电信号增加正则化项的方式降低肌电信号的权重。
27、在其中一个实施例中，实时采集受试者运动过程中的肌电信号、ph值和乳酸含量之前，方法还包括：
28、给受试者粘贴肌电电极，固定ph传感器和乳酸传感器；
29、其中，肌电电极粘贴在需要监测疲劳的肌肉的皮肤表面；
30、ph传感器和乳酸传感器均固定于出汗量大于预设阈值的身体部位。
31、在其中一个实施例中，肌电信号包括肌电信号的有效值、中值频率、平均频率中至少一种。
32、在其中一个实施例中，预测肌肉疲劳模型采用线性判别分析模型、反向传播神经网络模型。
33、由以上本说明书实施例提供的技术方案可见，该方案：通过联合采集人体运动时的肌电信号、汗液ph值和乳酸含量等直接影响肌肉疲劳的多种电生理、能量代谢和生化信息，实现了对肌肉疲劳的实时监测。相对于现有技术，可降低因肌电受噪声、伪迹、肌力变化等干扰而对疲劳预测结果的影响，更加全面准确地反映肌肉的疲劳状况。
本文档来自技高网...【技术保护点】
1.一种肌肉疲劳实时监测装置，其特征在于，所述装置包括：
2.根据权利要求1所述的装置，其特征在于，所述装置还包括：
3.根据权利要求2所述的装置，其特征在于，所述装置还包括：
4.根据权利要求1-3任一项所述的装置，其特征在于，所述装置还包括：
5.一种肌肉疲劳实时监测方法，其特征在于，所述方法包括：
6.根据权利要求5所述的方法，其特征在于，所述预测肌肉疲劳模型的训练步骤包括：
7.根据权利要求6所述的方法，其特征在于，所述使用肌电信号、汗液pH值和乳酸含量作为特征输入时，通过给所述肌电信号增加正则化项的方式降低所述肌电信号的权重。
8.根据权利要求5所述的方法，其特征在于，所述实时采集受试者运动过程中的肌电信号、pH值和乳酸含量之前，所述方法还包括：
9.根据权利要求5-8任一项所述的方法，其特征在于，所述肌电信号包括肌电信号的有效值、中值频率、平均频率中至少一种。
10.根据权利要求5-8任一项所述的方法，其特征在于，所述预测肌肉疲劳模型采用线性判别分析模型、反向传
...【技术特征摘要】
1.一种肌肉疲劳实时监测装置，其特征在于，所述装置包括：
2.根据权利要求1所述的装置，其特征在于，所述装置还包括：
3.根据权利要求2所述的装置，其特征在于，所述装置还包括：
4.根据权利要求1-3任一项所述的装置，其特征在于，所述装置还包括：
5.一种肌肉疲劳实时监测方法，其特征在于，所述方法包括：
6.根据权利要求5所述的方法，其特征在于，所述预测肌肉疲劳模型的训练步骤包括：
7.根据权利要求6所述的方法，其特征在于，所述使...
【专利技术属性】
技术研发人员：周小猛，刘岩，朱泽宇，李向新，李光林，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：
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。