(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211268508.0 (22)申请日 2022.10.17 (71)申请人 中船智能科技 （上海） 有限公司 地址 200000 上海市浦东 新区自由贸易试 验区临港新片区环湖西二路8 88号C楼 (72)发明人 宋鑫　 (74)专利代理 机构 上海大为知卫知识产权代理 事务所(普通 合伙) 31390 专利代理师 何银南 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) A61B 5/11(2006.01) G06F 119/14(2020.01) (54)发明名称 一种表征关节助力补偿值的方法及系统 (57)摘要 本发明公开了一种表征关节助力补偿值的 方法及系统， 涉及计算机应用技术领域， 所述方 法包括： 构建预设运动数据库； 监测得到目标运 动参数， 其中包括多个关节指标参数； 分析得到 预测运动类型； 遍历得到预测运动类型的目标预 设运动参数； 对比所述多个关节指标参数与所述 目标预设运动参数， 得到对比分析结果； 获得助 力补偿模型， 并通过助力补偿模 型对对比分析结 果进行分析， 生成助力补偿方案； 根据助力补偿 方案得到 所述助力装置的关节助力补偿值。 解决 了现有技术中存在无法针对用户实际情况和应 用场景针对性生成个性化的助力补偿方案， 导致 助力装置的助力补偿控制不精确的问题。 达到了 对助力装置的助力补偿值进行具体、 量化的表征 的技术效果。 权利要求书3页 说明书9页 附图3页 CN 115544777 A 2022.12.30 CN 115544777 A 1.一种表征关节助力补偿值的方法， 其特征在于， 所述方法应用于一种表征关节助力 补偿值的系统， 所述系统与监测装置、 助力装置通信连接， 所述方法包括： 基于大数据构建预设运动数据库； 通过所述监测装置对目标用户进行实时运动监测， 得到目标运动参数， 其中， 所述目标 运动参数包括多个关节指标参数； 对所述多个关节指标参数进行分析， 并根据分析结果预测所述目标用户的运动意图， 得到预测运动类型； 将所述预测运动类型在所述预设运动数据库中遍历， 并根据遍历结果得到所述预测运 动类型的目标 预设运动参数； 对比所述多个关节指标参数与所述目标 预设运动参数， 得到对比分析 结果； 获得助力补偿模型， 并通过所述助力补偿模型对所述对比分析结果进行分析， 生成助 力补偿方案， 其中， 所述助力补偿方案是指对所述助力装置进行设置的方案； 根据所述助力补偿方案， 得到所述助力装置的关节助力补偿值。 2.根据权利要求1所述的方法， 其特征在于， 所述基于大数据构建预设运动数据库， 包 括： 基于大数据组建运动类型集， 其中， 所述 运动类型集包括多种运动类型； 提取所述多种运动类型中的目标运动类型， 并对所述目标运动类型进行分析， 得到目 标运动参数； 根据所述目标运动类型与 所述目标运动 参数之间的映射关系， 构建所述预设运动数据 库。 3.根据权利要求2所述的方法， 其特征在于， 所述提取所述多种运动类型中的目标运动 类型， 并对所述目标运动类型进行分析， 得到目标运动参数， 包括： 组建运动关节集， 其中， 所述 运动关节集包括多个关节； 基于所述目标运动类型对所述多个关节进行遍历， 获得目标运动关节； 组建用户类别集， 其中， 所述用户类别集包括多个带有年龄、 性别标识的用户类别； 根据所述多个带有年龄、 性别标识的用户类别， 得到目标用户类别； 基于大数据采集所述目标用户类别进行所述目标运动类型时， 所述目标运动关节的目 标指标数据； 对所述目标指标 数据进行处 理计算， 得到所述目标运动参数。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述预测运动类型在所述预设运动 数据库中遍历， 并根据遍历结果得到所述预测运动类型的目标 预设运动参数之后， 还 包括： 获得所述目标用户的目标用户特 征， 其中， 所述目标用户特 征是指目标用户身体特 征； 根据所述目标用户身体特 征， 对所述目标 预设运动参数进行调整。 5.根据权利要求4所述的方法， 其特征在于， 所述获得所述目标用户的目标用户特征， 其中， 所述目标用户特 征是指目标用户身体特 征， 包括： 采集得到所述目标用户的年龄、 性别、 身高， 并组成所述目标用户身体特 征； 获得所述目标用户的身体机能信息； 根据所述身体机能信息对所述目标用户身体特 征进行调整。 6.根据权利要求1所述的方法， 其特征在于， 在所述获得助力补偿模型， 并通过所述助权　利　要　求　书 1/3 页 2 CN 115544777 A 2力补偿模型对所述对比分析结果进行分析， 生 成助力补偿方案， 其中， 所述助力 补偿方案是 指对所述助力装置进行设置的方案之前， 还 包括： 构建第一训练数据集， 其中， 所述第 一训练数据集包括多个关节指标参数差、 多个助力 补偿方案标识； 根据所述第一训练数据集， 构建第 一预设决策树， 其中， 所述第一预设决策树的层数限 定为随机整数a， 10 ≤a≤15； 获得预设助力评价阈值； 基于所述预设助力评价阈值， 对所述第一预设决策树的所述第一训练数据集进行筛 选， 得到第二训练数据集； 根据所述第二训练数据集， 构建第 二预设决策树， 其中， 所述第二预设决策树的层数限 定为随机整数b， 10 ≤b≤15； 继续迭代至得到第M训练数据集， 其中， 所述第M训练数据集的数据量为预设数据量阈 值； 根据所述第M训练数据集， 构建第M预设决策树； 将所述第一预设决策树、 所述第二预设决策树直到所述第M ‑1预设决策树进行合并， 获 得所述助力补偿模型。 7.根据权利要求6所述的方法， 其特征在于， 所述构建第 一训练数据集， 其中， 所述第一 训练数据集包括多个关节指标参数差、 多个助力补偿方案标识， 包括： 采集历史助力补偿数据， 并提取 所述历史助力补偿数据中的目标历史助力补偿数据； 其中， 所述目标历史助力补偿数据包括历史关节指标参数差、 历史助力补偿方案； 提取所述目标历史助力补偿数据中的历史助力评价数据， 其中， 所述历史助力评价数 据是指历史用户对所述历史助力补偿方案的历史助力评价数据； 对所述历史助力评价数据进行归一 化处理， 得到历史助力评价 值； 根据所述历史关节指标参数差、 所述历史助力补偿方案、 所述历史助力评价值， 得到所 述第一训练数据集。 8.一种表征关节助力补偿值的系统， 其特 征在于， 包括： 构建模块， 所述构建模块用于基于大 数据构建预设运动数据库； 监测模块， 所述监测模块用于通过监测装置对目标用户进行实时运动监测， 得到目标 运动参数， 其中， 所述目标运动参数包括多个关节指标参数； 预测模块， 所述预测模块用于对所述多个关节指标参数进行分析， 并根据分析结果预 测所述目标用户的运动意图， 得到预测运动类型； 遍历模块， 所述遍历模块用于将所述预测运动类型在所述预设运动数据库中遍历， 并 根据遍历结果得到所述预测运动类型的目标 预设运动参数； 对比模块， 所述对比模块用于对比所述多个关节指标参数与所述目标预设运动参数， 得到对比分析 结果； 生成模块， 所述生成模块用于获得助力补偿模型， 并通过所述助力补偿模型对所述对 比分析结果进 行分析， 生成助力 补偿方案， 其中， 所述助力 补偿方案是指对助力装置进行设 置的方案； 获得模块， 所述获得模块用于根据所述助力补偿方案， 得到所述助力装置的关节助力权　利　要　求　书 2/3 页 3 CN 115544777 A 3