用于控制训练装置的设备的制作方法

1.本发明是关于一种用于控制训练装置的设备。

背景技术：

2.存在大量训练装置，个人可运用所述训练装置训练且借此改善其健康状况。电动自行车可作为实例提及。其他实例包括自行车测力计、外展肌/内收肌机器及臂强度牵引装置。在训练阶段期间，关键的是，个人做出足够努力，使得训练真正地引起健康状况的改善，且亦避免可对个人导致实体伤害的过度压力。必须记住，最佳压力范围在一个人与另一个人之间可极大地不同。在训练期间正确地使用训练装置或恰当地调整该训练装置是很重要的，以使得个人做出足够的努力但同时不会受到过度压力。在理想情况下，训练装置应设计成使得其可针对心脏较弱的个人以及针对从事高效能体育运动的个人两者进行调整。训练装置的不正确使用的一个实例将为电动自行车的电动机的功率设定过高。因此，个人并未做出足够的努力，但同时以与事故风险增加相关联的相对较高速度骑行。因此，本发明的目标为提供具有训练装置的设备，该训练装置以使得使用训练装置训练的个人可作出足够的努力，但同时可避免个人的过度压力的方式进行控制。

技术实现要素：

3.一种根据本发明的用于控制训练装置的设备，其包含：
4.训练装置，其经建构以吸收由采取物理训练的个人所施加的机械功率，其中训练装置包含经建构以辅助训练及/或使训练更加困难的辅助单元，其中训练装置包含经建构以量测由个人在训练期间所施加的精力的机械施力数据bd(t)的施力量测设备，其中t为时间；
5.身体感测器，其经建构以量测个人的身体的生理数据pd(t)；
6.计算单元，其中储存呈mpd(t+t)形式的数学模型，其中计算单元借助于优化演算法经建构以mpd(t+t)接近所量测的生理数据pd(t+t)的方式针对每一个人个别地调整mpd(t+t)及延迟t，且基于模型准备生理数据pd(t+t)的预测mpd(t+t)；
7.控制单元，其经建构以针对生理数据pd(t)获取预定参考变数，获取预测mpd(t+t)作为控制变数，及控制辅助单元的辅助u(t)作为操纵变数。
8.较佳的是等式：
[0009][0010]
及
[0011]
[0012]
及
[0013][0014]
经应用，其中计算单元借助于优化演算法经建构以mpd(t+t)接近所量测的生理数据pd(t+t)的方式针对每一个人个别地调整系数a
xi
、被加数a
10
、及至少部分延迟τ
xi
。在项b1(t)中执行具有时间间隔ki的di+1量测点的平均。举例而言，针对di的值可选自0至60的范围。举例而言，针对时间间隔ki的值可选自0.2秒至2秒的范围。
[0015]
因为设备采取时间t+t介于未来延迟时间t的预测mpd(t+t)作为控制变数，故相比于将为生理数据pd(t)用作控制变数的状况，控制单元可更快速地对训练的变化作出反应。因此，相比于生理数据pd(t)用作控制变数的情况，控制变数与参考变数的控制偏差可保持低得多。因为控制单元经建构以针对每一个人个别地调整系数a
xi
、被加数a
10
、延迟τ
xi
及延迟t，故针对个人中的每一者，控制偏差可保持为低。不同个人以不同速度对例如由训练装置产生的自外部作用于个人的负载变化作出反应。若个人相对未经训练，则个人将倾向于对改变作出缓慢反应，而若个人相对经训练，则个人将对改变作出相对快速地反应。因为计算单元不仅经建构以针对每一个人个别地调整系数a
xi
、被加数a
10
，而且调整延迟τ
xi
及延迟t，故模型可反映不同个人以不同速度对负载变化作出反应的事实。因此，预测对每一个人具有特别高的准确性，由此控制偏差亦尤其低。仍必要的唯一事是针对每一个人的生理pd(t)指定适当的参考变数，而可设想参考变数会随时间而变化。举例而言，可针对设置参考变数而雇用体育运动医师或生理医师。因为控制偏差尤其低，故目前有可能以使得个人作出足够的精力，使得个人的健康状况改良且避免对个人施加过度压力的方式控制训练装置。
[0016]
辅助u(t)可为正，由此辅助训练；及/或为负，由此使得训练更加困难。电动自行车的电动机为经建构以辅助训练的辅助单元的实例。在此情况下，辅助可例如为由电动机施加的功率。自行车测力计的制动器为经建构以使得训练更加困难的辅助单元的实例。在此状况下，辅助可例如为制动功率。经建构以支持训练且使其更加困难的辅助单元的实例为电动自行车的电动机，其经建构以执行恢复，亦即将个人的踩踏功率转换成电流。为了保持控制偏差尤其低，较佳地，辅助单元经建构以按小增量控制辅助u(t)。增量可例如为最大3％，特定言之，最大1.5％或最大1％。此处100％表示在辅助单元经建构以辅助训练的情况下的最大辅助u(t)。在辅助单元经建构以使得训练更加困难的情况下，-100％对应于对训练的最大反对。
[0017]
施力数据bd(t)界定由个人在训练期间为克服负载所施加的机械精力的特征。施力数据bd(t)在个人静止时为零。生理数据包含界定个人身体内的系统及/或子系统运作方式的特征且可由感测器量测的变数。系统或子系统可为心肺系统或其一部分，或可为肌肉骨骼系统或其一部分。生理数据pd(t)可例如为心率。存在若干变数，诸如膝内收力矩及/或膝外展力矩，其针对施力数据bd(t)以及生理数据pd(t)两者皆可能会成为问题。
[0018]
若j选自2与5之间的范围，则为较佳的。已发现，针对j＝2仅需要低计算能力，尽管已实现预测的足够精确度，而针对j＝5，实现预测的更大精确度。
[0019]
若k选自1与4之间的范围，则为较佳的。已发现，针对k＝1仅需要低计算能力，尽管
已实现预测的足够精确度，而针对k＝4，实现预测的更大精确度。
[0020]
训练装置较佳地包含经建构以量测训练装置的高度h(t)的高度计，其中在模型中应用因为高度h(t)对负载有影响，故控制偏差可经由使用b3(t)进一步减小。当训练装置为电动自行车时，高度计的提供尤其重要。高度计可例如由gps接收器实现。gps接收器可例如为智能手机的部分。若l选自1与4之间的范围，则尤其较佳。已发现，针对l＝1仅需要低计算能力，尽管已实现预测的足够精确度，而针对l＝5，实现预测的更大精确度。
[0021]
训练装置较佳地包含用于量测训练装置的周围环境中的温度temp(t)的温度感测器，其中在模型中因为温度temp(t)对负载具有大影响，故控制偏差可经由使用b4(t)而进一步减小。当训练装置经提供用于露天，诸如在例如电动自行车的状况下时，温度感测器的提供尤其重要。若m选自1与2之间的范围，则尤其较佳。已发现，针对m＝1仅需要低计算能力，尽管已实现预测的足够精确度，而针对m＝2，实现预测的更大精确度。
[0022]
较佳的是，训练装置包含经建构以量测训练装置的倾斜n(t)的倾斜仪，且在模型中倾斜仪可例如包含经建构以根据高度的时间导数dh(t)/dt判定倾斜n(t)的倾斜计算单元。可替代地设想到，倾斜仪为智能手机的部分。亦可设想到，倾斜仪永久地安装于训练装置中。若n选自1与4之间的范围，则尤其较佳。已发现，针对n＝1仅需要低计算能力，尽管已实现预测的足够精确度，而针对n＝4，实现预测的更大精确度。较佳地是，延迟τ
x1
为零，且针对i》1调整所有延迟τ
xi
。较佳地是，计算单元经建构以针对至少介于未来t＝5s的时间t+t准备预测mpd(t+t)。
[0023]
较佳地是，计算单元经建构以在训练阶段之后利用在多个训练阶段中确定的施力数据bd(t)及在多个训练阶段中确定的生理数据pd(t)，以及任选地，利用在多个训练阶段中确定的高度h(t)、在多个训练阶段中确定的温度temp(t)及/或在多个训练阶段中确定的倾斜n(t)基于优化演算法调整系数a
xi
、被加数a
10
、延迟τ
xi
及延迟t，以便考量个人的潜在健康状况。多个训练阶段可例如为借由个人进行的所有训练阶段。替代地，可设想到，多个训练阶段为最近进行的多个训练阶段。
[0024]
较佳地是，计算单元经建构以在训练阶段之后借助于优化演算法11调整系数a
xi
、被加数a
10
、延迟τ
xi
及延迟t，其具有以下步骤：a)在各种情况下针对系数a
xi
中的每一者、针对延迟τ
xi
中的每一者、针对被加数a
10
及针对延迟t指定多个离散值；b)将a
xi
、a
10
、τ
xi
及t设定为值中的一者；c)基于模型计算mpd(t+t)；d)针对多个t计算所量测的生理数据pd(t+t)与mpd(t+t)之间的建模误差；e)针对值的所有组合重复步骤b)至d)；f)针对a
xi
、a
10
、τ
xi
及t选择导致最小建模误差的彼等值。虽然此为计算密集型方法，但仍可以高准确性判定值a
xi
、a
10
、τ
xi
及t，使得控制偏差尤其小。尤其较佳的是，低估误差在步骤d)中比高估误差更强地加权。
[0025]
计算单元较佳地经建构以在训练阶段期间利用训练阶段中确定的施力数据bd(t)
及训练阶段中确定的生理数据pd(t)，以及任选地，利用训练阶段中确定的高度h(t)、训练阶段中确定的温度temp(t)及/或训练阶段中确定的倾斜n(t)借助于用于调整当前健康状况的演算法调整系数a
xi
及被加数a
10
，以便考量个人的当前健康状况。控制偏差可借由考量当前健康状况而保持尤其低。
[0026]
尤其较佳地是，计算单元经建构以借助于用于调整当前健康状况的演算法判定生理数据mpd(t)的预测与所量测的生理数据pd(t)之间的差值diff(t)＝mpd(t)-pd(t)，且若差值diff(t)超过临限值threshold1》0，则借由添加对应的常数const
1xi
校正系数a
xi
，以及借由添加常数const
10
校正被加数a
10
及，若差值diff(t)降至低于thresholdm《0的临限值，则借由添加对应的常数const
mxi
校正系数a
xi
，以及借由添加常数const
m0
校正被加数a
10
。有利的是，此不是运算密集型方法，且亦适用于在训练阶段期间进行。亦可提供更多临限值。合适的程序码可例如看起来如下：
[0027]
if(diff(t)》threshold1)
[0028]ax1
＝a
x1
+const
1x1
[0029]ax2
＝a
x2
+const
1x2
,
[0030]
…
[0031]
else if(diff(t)》threshold2)
[0032]ax1
＝a
x1
+const
2x1
,
[0033]ax2
＝a
x2
+const
2x2
,
[0034]
…
[0035]
…
[0036]
else if(diff(t)》threshold
m-1
)
[0037]ax1
＝a
x1
+const
(m-1)x1
,
[0038]ax2
＝a
x2
+const
(m-1)x2
,
[0039]
…
[0040]
else if(diff(t)《thresholdm)
[0041]ax1
＝a
x1
+const
mx1
,
[0042]ax2
＝a
x2
+const
mx2
,
[0043]
…
[0044]
…
[0045]
else if(diff(t)《threshold
m+k
)
[0046]ax1
＝a
x1
+const
(m+k)x1
,
[0047]ax2
＝a
x2
+const
(m+k)x2
,
[0048]
…
[0049]
end
[0050]
借由此处的每一if-query，校正所有系数a
xi
及被加数a
10
，且应用以下：threshold1》threshold2》...》threshold
m-1
》threshold
m+k
》...》threshold
m+1
》thresholdm[0051]
控制单元较佳地为pid控制器。pid控制器尤其适用于控制生理数据pd(t)，此是因为其积分项有助于逐渐减小控制偏差，同时其微分项使得有可能甚至在控制偏差实际上发生之前克服它们。此处，尤其较佳的系，pid控制器经建构以根据以下判定辅助u(t)：
[0052][0053]
其中k
p
、ki及kd为控制参数，其中e(t)为时间t处的控制偏差，其中选择函数f1(e)、f2(e)及f3(e)以使得低估误差比高估误差更强地加权。因此，控制变数与大于参考变数的值的偏差比具有低于参考变数的值的控制变数的偏差的可能性小。可由此避免可对个人造成实体损伤的过度压力。尤其较佳地是，
[0054][0055]
及
[0056][0057]
及f3(e)＝0用于e《0及f3(e)＝e用于e≥0，而在f1(e)及f2(e)中，多项式可在e的不同范围内不同。
[0058]
尤其较佳地是，计算单元经建构以针对每一个人个别地调整控制参数k
p
、ki及kd。以此方式，可实现每一个人的控制偏差尤其低。
[0059]
计算单元较佳地经建构以进行校准方法，其中生理数据pd(t)的阶状响应是由操纵变数的突然变化产生，其中计算单元较佳地经建构以根据阶状响应判定控制参数k
p
、ki及kd。计算单元可经建构以连续记录生理数据pd(t)以产生阶状响应。计算单元经建构以在时间t0时将辅助单元自恒定第一辅助u1切换至恒定第二辅助u2，由此引起操控变数的突然变化。举例而言，u1可为80％至100％且u2可为0％至20％。可在此处向个人展示资讯，指示他们应尽可能地以恒定频率(例如，踩踏频率)进行训练。计算单元经建构以在第一辅助u1期间及第二辅助u2期间等待足够长时间以使生理数据pd(t)在转换之前稳定在pd1的值附近，及在转换之后稳定在pd2的值附近。计算单元可经建构以在转换之前及之后等待至少2分钟。可另外设想到，计算单元经建构以产生第二阶状响应。出于此目的，计算单元可经建构以使得在施力数据bd(t)或生理数据pd(t)遵循操纵变数中的突然变化而稳定之后，其将辅助自u2切换至u1且再次等待直至生理数据pd(t)稳定为止。
[0060]
较佳地是，计算单元经建构以在训练阶段之后识别操纵变数中的至少一个突然变化及生理数据pd(t)的所得阶状响应，其中计算单元经建构以根据至少一个阶状响应判定控制参数k
p
、ki及kd。可设想到，计算单元经建构以使用校准方法对控制参数k
p
、ki及kd进行粗略调整，且在训练阶段之后使用校准方法之外所识别的至少一个阶状响应以便对控制参数k
p
、ki及kd执行精细调整。
[0061]
较佳地，施力数据bd(t)包含功率，特定言之，在自行车尤其在电动自行车的情况下，或在自行车测力计的情况下的踩踏功率；运行功率；划船功率；速度；力矩；旋转速度；角速度及/或膝外展力矩。
[0062]
较佳的是，辅助单元包含电动机、变速箱及/或制动器。
[0063]
较佳的是，生理数据pd(t)包含心率、心率变化、心电图、血氧饱和浓度、血压、神经活动(特定言之，脑电图)、膝外展力矩、内收(特定言之，膝内收及/或膝弯曲)。
附图说明
[0064]
下文参考随附示意图更详细地解释本发明。
[0065]
图1展示根据本发明的设备的概述。
[0066]
图2展示根据本发明的概述的细节。
[0067]
图3展示f1(e)及f2(e)的图。
[0068]
图4展示f3(e)的图。
[0069]
图5展示由操纵变数中的突然变化产生的生理数据pd(t)的阶状响应的图。
[0070]
图6展示在训练阶段期间记录的各种所量测变数的图。
具体实施方式
[0071]
图1及图2展示用于控制训练装置2的设备1包含：
[0072]
训练装置2，其经建构以吸收由采取物理训练的个人8所施加的机械功率9，其中训练装置2包含经建构以辅助训练及/或使训练更加困难的辅助单元6，其中训练装置2包含经建构以量测由个人在训练期间所施加的精力的机械施力数据bd(t)的施力量测设备5，其中t为时间；
[0073]
身体感测器7，其经建构以量测个人8的身体的生理数据pd(t)；
[0074]
计算单元3，其中储存呈
[0075][0076]
形式的数学模型，其中
[0077][0078]
及
[0079][0080]
其中计算单元3借助于优化演算法11经建构以mpd(t+t)接近所量测的生理数据pd(t+t)的方式针对每一个人个别地调整系数a
xi
、被加数a
10
、至少部分延迟τ
xi
及延迟t，且基于模型准备生理数据pd(t+t)的预测mpd(t+t)；及
[0081]
控制单元4，其经建构以针对生理数据pd(t)获取预定参考变数，获取预测mpd(t+t)作为控制变数，及控制辅助单元6的辅助u(t)作为操纵变数。在项b1(t)中执行具有时间分隔ki的di+1量测点的平均。
[0082]
训练装置2可包含经建构以量测训练装置2的高度h(t)的高度计，且可为模型中的
[0083]
此外，训练装置2可包含经建构以量测训练装置2的周围环境中的温度temp(t)的
温度感测器，且可为模型中的
[0084]
训练装置2可包含经建构以量测训练装置2的倾斜n(t)的倾斜仪，且可为模型中的
[0085]
控制单元可例如为pid控制器。pid控制器可例如经建构以根据以下判定辅助u(t)：
[0086][0087]
其中k
p
、ki及kd为控制参数，其中e(t)为时间t处的控制偏差，其中选择函数f1(e)、f2(e)及f3(e)以使得低估误差比高估误差更强地加权。此处，有可能的是：
[0088][0089]
及
[0090][0091]
及f3(e)＝0用于e《0及f3(e)＝e用于e≥0，而在f1(e)及f2(e)中，多项式可在e的不同范围内不同。图3展示f1(e)＝f2(e)的例示性图，且图4展示f3(e)的例示性图。如自图3可看出，函数f1(e)及f2(e)可具有平分线且仅位于平分线上方，分别在0《e《e1或0《e《e2的范围内。特定言之，当生理数据为心率时，可例如应用以下：f1(e)＝f2(e)＝e用于e》12或e《0及f1(e)＝f2(e)＝2*e-0.082*e2用于0≤e≤12。如自图4可看出，举例而言，f3(e)有可能由针对e》0，f3(e)＝e，且针对e≤0，f3(e)＝0控制。
[0092]
可设想到，计算单元3经建构以针对每一个人8个别地调整控制参数k
p
、ki及kd。出于此目的，计算单元3可经建构以进行校准方法，其中生理数据pd(t)的阶状响应在时间t0时借由所操纵变数中的突然变化产生，其中计算单元3经建构以根据阶状响应判定控制参数k
p
、ki及kd。图5中说明例示性阶状响应。计算单元3可经建构以连续记录生理数据pd(t)以产生阶状响应。计算单元3可经建构以将辅助单元6自恒定第一辅助u1切换至恒定第二辅助u2，由此引起操控变数的突然变化。举例而言，u1可为80％至100％且u2可为0％至20％。可在此处向个人展示资讯，指示他们应尽可能地以恒定频率(例如，踩踏频率)进行训练。计算单元3可经建构以在第一辅助u1期间及第二辅助u2期间等待足够长时间以使生理数据pd(t)在转换之前稳定在pd1的值附近，及在转换之后稳定在pd2的值附近。计算单元3可经建构以在转换之前及之后等待至少2分钟。为了根据阶状响应判定控制参数，计算单元3可经建构以将反曲切线13应用于阶状响应。在应用反曲切线13之前，pd(t)可借由例如多项式的函数来调整，且反曲切线13可应用于经调整函数。最小平方误差的方法可用于调整函数。反曲切线13与pd(t)＝pd1的相交点判定在t0开始的延迟持续时间tu，且反曲切线13与pd(t)＝pd2的
相交点判定在tu结束时开始的稳定持续时间tg。控制参数目前可例如根据k
p
＝1.2*tg/(ks*tu),ki＝0.6*tg/(ks*(tu)2)判定且kd＝0.6*tg/ks，其中ks为放大因数且可计算为控制参数改变与辅助改变之比。
[0093]
可设想到，计算单元经建构以在训练阶段之后识别操纵变数中的至少一个突然变化及生理数据pd(t)或施力数据bd(t)的所得阶状响应，其中计算单元经建构以根据至少一个阶状响应判定控制参数k
p
、ki及kd。亦可设想到，计算单元经建构以使用校准方法对控制参数k
p
、ki及kd进行粗略调整，且在训练阶段之后使用校准方法之外所识别的至少一个阶状响应以便对控制参数k
p
、ki及kd执行精细调整。
[0094]
可另外设想到，计算单元经建构以产生第二阶状响应。出于此目的，计算单元可经建构以使得在生理数据pd(t)遵循操纵变数中的突然变化而稳定之后，其将辅助自u2切换至u1且再次等待直至施力数据bd(t)或生理数据pd(t)稳定为止。当辅助u(t)增加或减小时，控制参数k
p
、ki及kd可不同。
[0095]
计算单元3可经建构以在训练阶段之后利用在多个训练阶段中确定的施力数据bd(t)及在多个训练阶段中确定的生理数据pd(t)，以及任选地，在多个训练阶段中确定的高度h(t)、在多个训练阶段中确定的温度temp(t)及/或在多个训练阶段中确定的倾斜n(t)基于优化演算法11(参见图2)调整是数a
xi
、被加数a
10
、延迟τ
xi
及延迟t，以便考量个人8的潜在健康状况。出于此目的，计算单元3经建构以在训练阶段之后借助于优化演算法11调整系数a
xi
、被加数a
10
、延迟τ
xi
及延迟t，其具有以下步骤：a)在各种情况下针对系数a
xi
中的每一者、针对被加数a
10
、针对延迟τ
xi
中的每一者及针对延迟t指定多个离散值；b)将a
xi
、a
10
、τ
xi
及t设定为值中之一者；c)基于模型计算mpd(t+t)；d)针对多个t计算所量测的生理数据pd(t+t)与mpd(t+t)之间的建模误差；e)针对值的所有组合重复步骤b)至d)；f)针对a
xi
、a
10
、τ
xi
及t选择导致最小建模误差的彼等值。低估误差可在步骤d)中比高估误差更强地加权11。
[0096]
如自图2可看出，计算单元3可经建构以在训练阶段期间利用训练阶段中确定的施力数据bd(t)及同样在训练阶段中确定的生理数据pd(t)，以及任选地，训练阶段中确定的高度h(t)、训练阶段中确定的温度temp(t)及/或训练阶段中确定的倾斜n(t)借助于用于调整当前健康状况12的演算法调整系数a
xi
及被加数a
10
，以便考量个人8的当前健康状况。出于此目的，计算单元可例如经建构以借助于用于调整当前健康状况12的演算法判定生理数据mpd(t)的预测与所量测的生理数据pd(t)之间的差值diff(t)＝mpd(t)-pd(t)，且若差值diff(t)超过临限值threshold1》0，则借由添加相应常数const
1xi
校正系数a
xi
，以及借由添加常数const
10
校正被加数a
10
，且若差值diff(t)降至低于thresholdm《0的临限值，则借由添加相应常数const
mxi
校正系数a
xi
，以及借由添加常数const
m0
校正被加数a
10
。
[0097]
优化演算法11中确定的系数a
xi
以及用于调整当前形态12的演算法中确定的延迟τ
xi
及t及系数a
xi
以及优化演算法11及用于确定当前健康状况的演算法中确定的被加数a
10
用于在步骤10中准备预测mpd(t+t)。预测mpd(t+t)为控制单元4中的控制变数且操纵变数为辅助u(t)。
[0098]
施力数据bd(t)可例如为功率，特定言之，在自行车尤其在电动自行车的情况下，或在自行车测力计的情况下的踩踏功率；运行功率；划船功率；速度；力矩；旋转速度；角速度及/或膝外展力矩。若训练装置2为自行车或自行车测力计，则在训练期间由个人8施加且由训练装置2吸收的功率9为踩踏功率。训练装置2亦可例如为划船测力计或划艇，且施力数
据可为划船功率。训练装置亦可为外展肌/内收肌机器，且施力数据可为膝外展力矩。
[0099]
辅助单元6可例如包含电动机、变速箱及/或制动器。由辅助单元6应用的辅助u(t)可为正，由此辅助训练，及/或为负，由此使得训练更加困难。电动机为经建构以辅助训练的辅助单元6的实例。在此情况下，辅助u(t)可例如为由电动机施加的电力。可替代地设想到，在施力数据bd(t)为功率的状况下，控制单元4经建构以根据pm(t)＝u(t)*k*bd(t)判定电动机的功率pm。因数k指示哪一最大电动机辅助为可能的。k可例如为1至5，且特定言之为3。举例而言，自行车测力计的制动器为经建构以使得训练更加困难的辅助单元的实例。在此状况下，辅助可例如为制动功率。经建构以支持训练且使其更加困难的辅助单元的实例为电动机，其经建构以执行恢复，亦即将个人的踩踏功率转换成电流。辅助单元6可经建构以按小增量控制辅助u(t)。举例而言，可设想最大3％的增量，特定言的最大1.5％或最大1％的增量。在此情况下，在辅助单元经建构以辅助训练的情况下，100％对应于最大辅助u(t)。在辅助单元经建构以使得训练更加困难的情况下，-100％对应于对训练的最大反对。
[0100]
生理数据pd(t)可包含心率、心率变化、心电图、血氧饱和浓度、血压、神经活动(特定言之，脑电图)、内收(特定言之，膝内收及/或膝弯曲)。内收及/或膝弯曲可例如借助于附加至个人8的多个惯性量测单元判定，所述惯性量测单元经建构以判定加速度值及/或旋转数据。
[0101]
使用电动自行车作为训练装置2进行的训练阶段的生理数据pd(t)、施力数据bd(t)及辅助u(t)绘制在图6中。生理数据pd(t)为以每分钟跳动数(bpm)为单位的心率。心率可例如借由安装在胸带中的身体感测器7量测。施力数据bd(t)是以瓦特为单位的踩踏功率。踩踏功率可例如借由量测力矩及角速度而判定。为获得尤其高品质的力矩，根据图6的力矩使用由innotorq供应的力矩感测器来量测，如例如wo 2015/028345 a1中所描述。角速度是经由借助于磁场感测器量测极环的旋转来量测。根据图6的辅助单元6为电动自行车的电动机，其辅助控制在0％至100％。在电动机可执行恢复的情况下，辅助可控制在-100％至100％。图6中的上部图中的虚线表示参考变数。可见，参考变数可随时间推移而改变。亦可见，所量测心率始终为参考变数的良好近似值。
[0102]
主要组件符号说明：
[0103]
1:设备
[0104]
2:训练装置
[0105]
3:计算单元
[0106]
4:控制单元
[0107]
5:施力量测设备
[0108]
6:辅助单元
[0109]
7:身体感测器
[0110]
8:个人
[0111]
9:功率
[0112]
10:预测mpd(t+t)的准备
[0113]
11:优化演算法
[0114]
12:用于调整当前健康状况的演算法
[0115]
13:反曲点的切线
[0116]
bd(t):施力数据
[0117]
pd(t):生理数据
[0118]
mpd(t+t):生理数据的预测
[0119]
u:辅助
[0120]
t:时间
[0121]
tu:延迟持续时间
[0122]
tv:稳定持续时间
[0123]
t0:辅助中的突然变化的时间

技术特征：

1.一种用于控制一训练装置(2)的设备，其具有该训练装置(2)，其经建构以吸收由采取物理训练的一个人(8)所施加的一机械功率(9)，其中该训练装置(2)包含经建构以辅助该训练及/或使该训练更加困难的一辅助单元(6)，其中该训练装置(2)包含经建构以量测由该个人(8)在该训练期间所施加的一精力的机械施力数据bd(t)的一施力量测设备(5)，其中t为时间；一身体感测器(7)，其经建构以量测该个人(8)的身体的生理数据pd(t)；一计算单元(3)，其中储存呈mpd(t+t)形式的一数学模型，其中该计算单元(3)借助于一优化演算法(11)而经建构成以mpd(t+t)接近所量测的生理数据pd(t+t)的方式针对每一个人个别地调整mpd(t+t)及延迟t，且基于该模型准备该生理数据pd(t+t)的一预测mpd(t+t)；及一控制单元(4)，其经建构以针对该生理数据pd(t)提供一预定参考变数，获取该预测mpd(t+t)作为一控制变数，及控制该辅助单元(6)的一辅助u(t)作为一操纵变数。2.如权利要求1的设备，其中及及经应用，其中该计算单元(3)借助于该优化演算法(11)而经建构成以mpd(t+t)接近该所量测的生理数据pd(t+t)的方式针对每一个人个别地调整系数a
xi
、被加数a
10
、及至少部分延迟τ
xi
。3.如权利要求2的设备，其中该训练装置(2)包含经建构以量测该训练装置(2)的高度h(t)的一高度计，且在该模型中4.如权利要求2或3的设备，其中该训练装置(2)包含经建构以量测该训练装置(2)的周围环境中的温度temp(t)的一温度感测器，且在该模型中5.如权利要求2至4中任一项的设备，其中该训练装置(2)包含经建构以量测该训练装置(2)的一倾斜n(t)的一倾斜仪，且
在该模型中6.如权利要求1至5中任一项的设备，其中该计算单元(3)经建构以针对介于未来至少t＝5s的时间t准备该预测mpd(t+t)。7.如权利要求2至6中任一项的设备，其中该计算单元(3)经建构以在训练阶段之后利用在多个训练阶段中确定的该施力数据bd(t)及在该多个训练阶段中确定的该生理数据pd(t)，以及任选地，利用在该多个训练阶段中确定的该高度h(t)、在该多个训练阶段中确定的该温度temp(t)及/或在该多个训练阶段中确定的该倾斜n(t)，基于该优化演算法(11)调整所述系数a
xi
、该被加数a
10
、所述延迟τ
xi
及该延迟t，以便考量该个人(8)的一潜在健康状况。8.如权利要求7的设备，其中该计算单元(3)经建构以在该训练阶段之后借助于该优化演算法(11)而调整所述系数a
xi
、该被加数a
10
、所述延迟τ
xi
及该延迟t，其包含以下步骤：a)在各种情况下针对所述系数a
xi
中的每一者、针对该被加数a
10
、针对所述延迟τ
xi
中的每一者及针对该延迟t指定多个离散值；b)将a
xi
、a
10
、τ
xi
及t设定为所述值中的一者；c)基于该模型计算mpd(t+t)；d)针对多个t计算该所量测的生理数据pd(t+t)与mpd(t+t)之间的一建模误差；e)针对所述值的所有组合重复步骤b)至d)；f)针对a
xi
、a
10
、τ
xi
及t选择导致最小建模误差的彼等值。9.如权利要求8的设备，其中低估误差在步骤d)中比高估误差更强地加权(11)。10.如权利要求2至9中任一项的设备，其中该计算单元(3)经建构以在一训练阶段期间利用该训练阶段中确定的该施力数据bd(t)及该训练阶段中确定的该生理数据pd(t)以及，任选地，利用该训练阶段中确定的该高度h(t)、该训练阶段中确定的该温度temp(t)及/或该训练阶段中确定的该倾斜n(t)，借助于用于调整一当前健康状况(12)的一演算法调整所述系数a
xi
及该被加数a
10
，以便考量该个人(8)的当前健康状况。11.如权利要求10的设备，其中该计算单元经建构以借助于用于调整该当前健康状况(12)的该演算法判定该生理数据mpd(t)的该预测与该所量测的生理数据pd(t)之间的一差值diff(t)＝mpd(t)-pd(t)，且若该差值diff(t)超过一临限值threshold1>0，则借由添加一相应常数const
1xi
校正所述系数a
xi
，以及借由添加一常数const
10
校正该被加数a
10
，且若该差值diff(t)降至低于threshold
m
<0的一临限值，则借由添加一相应常数const
mxi
校正所述系数a
xi
，以及借由添加一常数const
m0
校正该被加数a
10
。12.如权利要求1至11中任一项的设备，其中该控制单元(4)为一pid控制器。13.如权利要求12的设备，其中该pid控制器经建构以根据以下判定该辅助u(t)其中k
p
、k
i
及k
d
为控制参数，其中e(t)为时间t处的控制偏差，其中选择函数f1(e)、f2(e)及f3(e)以使得低估误差比高估误差更强地加权。14.如权利要求13的设备，其中该计算单元(3)经建构以进行一校准方法，其中该生理
数据pd(t)或该施力数据bd(t)的一阶状响应是借由该操控变数中的一突然变化而产生，其中该计算单元(3)经建构以根据该阶状响应判定所述控制参数k
p
、k
i
及k
d
。15.如权利要求13或14的设备，其中该计算单元(3)经建构以在一训练阶段之后识别该操控变数中的至少一个突然变化，及该生理数据pd(t)或该施力数据bd(t)的所得阶状响应，其中该计算单元经建构以根据该至少一个阶状响应判定所述控制参数k
p
、k
i
及k
d
。16.如权利要求1至15中任一项的设备，其中该施力数据bd(t)为一功率，特定言之，在一自行车尤其在一电动自行车的情况下，或在一自行车测力计的情况下的一踩踏功率；一运行功率；一划船功率；一速度；一力矩；一旋转速度；一角速度及/或一膝外展力矩。17.如权利要求1至16中任一项的设备，其中该辅助单元(6)包含一电马达、一变速箱及/或一制动器。18.如权利要求1至17中任一项的设备，其中该生理数据pd(t)包含一心率；一心率变化；一心电图；一血氧饱和浓度；一血压；一神经活动，特定言之一脑电图；一内收，特定言之一膝内收及/或一膝弯曲。

技术总结

本发明是关于一种用于控制训练装置(2)的设备，其具有：经建构以吸收由采取物理训练的一个人(8)所施加的机械功率(9)的该训练装置(2)；以及经建构以辅助该训练及/或使该训练更加困难的辅助单元(6)；及经建构以量测由该个人(8)在该训练期间所施加的一精力的机械施力数据BD(t)的施力量测设备(5)，其中t为时间；一身体感测器(7)，其经建构以量测该个人(8)的身体的生理数据PD(t)；一计算单元(3)，其储存呈mPD(t+T)＝a