基于多生理参数的人体疲劳动态检测研究

发布时间：2017-12-17 12:16

  本文关键词：基于多生理参数的人体疲劳动态检测研究

  更多相关文章： 运动疲劳 多生理参数 监测系统 BP神经网络 预测

【摘要】：避免疲劳对人体健康带来危害是当今社会关注的热点话题之一。当人体运动时间过长或能量消耗过度时,就会产生运动性疲劳。生活中运动员或者体力劳动者常出现运动性疲劳,久而久之机体便会受到损伤。若能协调好机体疲劳与恢复的关系,便能提高机体运动素质,从而提高运动员的训练成绩或体力劳动者的工作效率,所以对躯体疲劳程度的检测就显得尤为重要。疲劳是人体内复杂的生理代谢变化引起的,通常可以通过测量与疲劳相关联的生理参数来间接进行疲劳程度的判断。由于生理信号采集技术日益完善,基于人体生理信号来判断疲劳的研究也越来越多,但目前的研究大多是在人体静态时进行参数测量,或者通过单一生理参数反映人体疲劳,存在实时性差,准确性低等缺点。本课题通过采集多生理参数,结合BP神经网络来实现疲劳程度的动态检测。为测得多项生理参数,本课题设计了多生理参数动态检测系统,对运动人体进行心率、血氧饱和度、运动能耗、体温、体脂率五项生理参数的采集。系统分为多生理参数动态检测装置与上位机数据处理系统两部分,能够很好的完成数据采集、处理、计算、显示、保存等功能。同时,本课题也对疲劳程度进行了量化,并对疲劳数据进行了采集以便BP神经网络的训练。本课题利用神经网络非线性映射能力、自适应能力、泛化能力以及容错能力等优点,实现从多生理参数到疲劳值的数据处理。通过实际输入输出量个数以及最小均方差法确定BP神经网络的结构,利用Matlab软件和数据样本组完成网络模型的训练。最后,本课题进行了疲劳值动态检测准确度的验证性实验,疲劳值预测误差小于20%,满足疲劳检测的要求。本课题验证了基于多生理参数与BP神经网络的疲劳检测方法的可行性,与生化检测法、主观测评法两种常用的方法相比,该方法具有客观性好、无创伤、实时性强等优点。与单一方式检测人体运动疲劳的方法比,该方法受单一参数的影响小,抗干扰能力强,准确度更高。本课题研究方法对于运动疲劳实时检测的研究具有重要参考价值。
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R318.0;TP183

【参考文献】

中国期刊全文数据库 前10条

1 田水承;乌力吉;寇猛;范永斌;;基于生理实验的矿工不安全行为与疲劳关系研究[J];西安科技大学学报;2016年03期

2 黄育敏;张明月;陈锐勇;韩先伦;陈立;张晓明;;心率与自觉疲劳分级在氦氧饱和潜水中潜水员机体疲劳监测中的应用[J];第二军医大学学报;2015年09期

3 张鄂;王冠华;李岳;张帆;;基于NIRS的局部肌肉疲劳与脑疲劳及人体舒适性实验[J];四川兵工学报;2012年11期

4 李月香;李美俊;范小芹;;基于步态加速度特征的人体疲劳检测[J];计算机工程;2012年11期

5 易学;;运动过程中人体工作肌体表皮肤及鼓膜温度的变化[J];中国组织工程研究与临床康复;2011年50期

6 朱国忠;韦彩虹;潘敏;;基于三维加速度传感器的人体运动能耗检测算法的研究[J];传感技术学报;2011年08期

7 李小华;;运动疲劳与恢复的生理过程研究[J];福建体育科技;2011年02期

8 朱琳;陈佩杰;庄洁;袁梅;王强;;12～14岁正常和肥胖男性青少年运动能耗的比较研究[J];中国运动医学杂志;2011年02期

9 龙籍丰;;论运动性疲劳的判断及清除[J];搏击(体育论坛);2010年11期

10 柳小桐;;BP神经网络输入层数据归一化研究[J];机械工程与自动化;2010年03期

中国博士学位论文全文数据库 前1条

1 张智;组织光学成像中吸收参数的研究[D];华中科技大学;2005年

中国硕士学位论文全文数据库 前10条

1 冒星星;智能穿戴设备中人体运动能耗监测系统的设计和研究[D];西北师范大学;2015年

2 周凌霄;多源生理信号融合的驾驶疲劳检测预警系统研究[D];杭州电子科技大学;2015年

3 郭漩;基于人工神经网络的多生理信号情绪识别系统设计与实现[D];华东师范大学;2014年

4 杨海兰;运动过程中人体皮肤温度的变化探究[D];苏州大学;2014年

5 朱国忠;基于三维加速度传感器的人体运动能耗检测系统的研究[D];浙江大学;2011年

6 张彬;基于脉搏波的血氧饱和度检测算法的研究[D];北京交通大学;2009年

7 郭华;基于神经网络的声纹识别系统设计与实现[D];上海交通大学;2008年

8 刘佳;反应过程计算机监控系统的设计开发与应用[D];北京化工大学;2008年

9 黄丽;BP神经网络算法改进及应用研究[D];重庆师范大学;2008年

10 沈文忠;基于眼睑运动和凝视方向的驾驶疲劳检测[D];浙江师范大学;2007年

，

本文编号：1300076