[發明專利]一種綜合體育教育鍛煉設備

在審

• 申請號: 201811332234.0
• 申請日: 2018-11-09
• 公開（公告）號: CN109243573A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 張志軍
• 申請（專利權）人: 張志軍
• 主分類號: G16H20/30
• 分類號: G16H20/30;G06Q50/20;A63B24/00
• 代理公司: 北京久維律師事務所 11582
• 代理人: 邢江峰

1.一種綜合體育教育鍛煉設備，其特征在于，所述綜合體育教育鍛煉設備包括：

注冊登錄模塊、設置模塊、操作模塊、中央控制模塊、在線教育模塊、鍛煉模塊、負荷評估模塊、大數據處理模塊、顯示模塊；

注冊登錄模塊，與中央控制模塊連接，用于通過注冊程序注冊用戶賬號并登陸；

設置模塊，與中央控制模塊連接，用于根據實際情況設置未來一段時間體育鍛煉計劃，所述未來一段時間體育鍛煉計劃包括體育鍛煉時間、以及鍛煉的運動量；

操作模塊，與中央控制模塊連接，用于通過操作按鍵對綜合體育教育鍛煉設備進行操作；

中央控制模塊，與注冊登錄模塊、設置模塊、操作模塊、在線教育模塊、鍛煉模塊、負荷評估模塊、大數據處理模塊、顯示模塊連接，用于通過單片機控制各個模塊正常工作；

在線教育模塊，與中央控制模塊連接，用于通過網絡接口接入互聯網進行在線體育教育；

鍛煉模塊，與中央控制模塊連接，用于通過健身器材進行鍛煉操作；

負荷評估模塊，與中央控制模塊連接，用于通過評估軟件對學員的運動負荷進行評估；

大數據處理模塊，與中央控制模塊連接，用于通過網絡云服務器集中大數據資源對體育教育資源進行處理；

顯示模塊，與中央控制模塊連接，用于通過顯示器顯示體育教育網絡視頻內容。

2.如權利要求1所述綜合體育教育鍛煉設備，其特征在于，所述負荷評估模塊評估方法如下：

(1)對運動心率、運動時間采集、傳輸、分析及體育鍛煉運動負荷評價；運動心率和時間利用腕帶式心率表采集；

(2)所述的體育鍛煉時間、心率反映了體育鍛煉的運動負荷情況，體育鍛煉的運動強度按照心率儲備的百分比進行劃分為低強度、中等強度、高強度和極高強度：低強度為0～40％心率儲備，中等強度40～60％心率儲備，高強度運動為60～85％心率儲備，極高強度運動為大于85％心率儲備各參數的計算方法為：

1)最大心率：HRmax＝208－0.7×年齡；

2)安靜心率：在清醒、不活動的安靜狀態下的心率；

3)靶心率＝安靜心率+(最大心率-安靜心率)×心率儲備百分比；

4)低強度、中等強度、高強度和極高強度對應的強度系數分別為1、2、3、4，將低強度、中等強度、高強度和極高強度體育鍛煉的時間乘以各自的強度系數，得出每種強度運動負荷，運動負荷的計算不計入低強度和極高強度的運動負荷，只計算中等強度和高強度運動負荷，運動負荷的計算公式為：

運動負荷＝2*×T_中+3*×T_高

運動負荷中高為中高強度運動負荷，T_中和T_高分別為中等強度和高強度體育鍛煉的累加時間

5)每日中等強度和高強度體育鍛煉各30分鐘時的運動負荷值為150，對應為100分，每日中等強度和高強度體育鍛煉各0分鐘時的運動負荷值為0，對應為0分，將運動負荷值轉換為百分制的數值，公式為：

運動負荷百分制分值＝0.67*運動負荷。

3.如權利要求1所述綜合體育教育鍛煉設備，其特征在于，所述大數據處理模塊處理方法如下：

1)、采集，整合系統外部學習者信息系統中的數據和系統內部學習者學習行為數據，并將這些數據存儲至存儲器；

2)、預測，建立一個能夠從整合多個預測變量推斷單一被預測變量的模式，通過對數據的處理和分析，對學習者未來的學習行為和學習結果進行預測；

3)、根據2)預測的學習者未來的學習行為和學習結果，在各網絡云服務器中根據體育教育關鍵詞篩選出體育教育數據；并采用k-means聚類算法或者基于層次的聚類分析算法，對篩選出的體育教育數據進行分類；

4)，將所述篩選出的不同格式的體育教育數據轉化為統一格式；將含有噪聲數據、冗余的數據剔除，對缺省數據進行補充，同時對體育教育數據通過二進制數據編碼進行標識；

5)，根據學習者未來的學習行為和學習結果的具體特征值采用挖掘算法對體育教育數據進行處理，將挖掘出的體育教育數據附加上標識后導出。