借助肌电传感器和机器学习检测二头肌训练姿势及改进电力电子变换器仿真算法

### 借助肌电传感器和机器学习检测二头肌训练姿势及改进电力电子变换器仿真算法 在健身和电力电子领域，分别面临着检测二头肌训练姿势准确性和高效仿真电力电子变换器的问题。下面将详细介绍相关的研究方法、实验设置和结果分析。 #### 二头肌训练姿势检测 ##### 机器学习模型分类 在对数据进行预处理和复杂的特征提取后，利用分类模型对数据集进行训练。本研究采用了朴素贝叶斯、逻辑回归、K近邻、决策树和随机森林分类等方法对每个原始数据样本进行分类。通过这些分类模型，选出效果最佳的模型用于检测二头肌训练姿势。 ##### 通过MIT应用发明家监测锻炼情况 MIT应用发明家是一个用户端应用程序，用于开发应用并通过HC - 05蓝牙模块将其与肌电传感器（Myoware）和加速度计集成。这样，传感器记录的数据可以实时显示给锻炼者。同时，数据会收集到Google Firebase中，用于生成测试集并部署到机器学习模型中。每次锻炼结束后，会向锻炼者展示他们二头肌卷曲运动的表现和准确性。 ##### 实验设置 在设计的系统中，数据主要来自两个主要传感器，即肌电传感器（Myoware）和三轴加速度计。加速度计与Arduino nano之间通过I2C协议进行通信。串行时钟引脚和串行数据引脚与微控制器的模拟引脚相连，Arduino以固定间隔脉冲，实现设备间的数据传输。肌电传感器（Myoware）通过先将其电源分别连接到5V和GND，然后将输出信号SIG提供给Arduino nano的模拟引脚来与微控制器连接。此外，还设置了蓝牙模块HC - 05以与MIT应用发明家进行交互。 肌肉传感器放置在二头肌上。可调增益端肌肉电极卡扣位于肌肉主体中心，中间肌肉电极卡扣沿二头肌长度方向向下排列，参考电极则放置在三头肌上。 每个受试者进行两组锻炼，每组20次。正确进行的锻炼标记为“Bicep_Correct_Form”，异常进行的锻炼标记为“Bicep_Wrong_Form”。保持良好的二头肌卷曲姿势时，受试者需使手臂与身体对齐，抬起前臂时肘部指向地面，在动作顶部强烈收缩二头肌，然后缓慢放下重物直至手臂完全伸展。相反，不良姿势表现为使用肩部摆动重物、向后倾斜、未将重物完全放下使肘部锁定以及快速放下重物以增加摆动动量等。 ##### 数据集 为本次研究生成的数据集包含四个自变量和一个因变量。第一列表示通过肌电传感器（Myoware）获取的肌电信号数据，这些信号捕捉了锻炼过程中肌肉的不同收缩类型。然而，仅基于肌电信号预测二头肌的正确姿势是不可靠的，因为每个人的肌肉力量不同。为解决这个问题，引入了另外三个与手臂位置和方向相关的自变量，分别是加速度计X、Y和Z轴的数据。 加速度计以90°角放置在三角肌上，锻炼开始后，传感器开始捕捉手臂的运动和方向。在二头肌卷曲运动的正确和错误姿势下，会收集到不同的加速度计数据。 为创建这个数据集，选择了十名受试者进行锻炼。受试者包括身材健壮的常客、身材瘦弱很少锻炼的人、运动员和体育选手以及渴望不久后开始去健身房的健康人。他们使用2kg到15kg的哑铃，以收集多样化且充足的数据集。使用Python Serial模块编写数据记录脚本，通过USB连接Arduino nano，同时从肌电传感器（Myoware）和加速度计收集5000个不同值的数据，并将其添加到CSV文件中，以便与Excel和其他数据分析工具一起使用。 | 列名 | 数据类型 | | ---- | ---- | | Myoware | int64 | | X轴 | float64 | | Y轴 | float64 | | Z轴 | float64 | | 输出 | object | ``` ```