阅读说明：本技术 一种能够检测张力的马缰及骑手状态监测方法 (Reins and rider state monitoring method capable of detecting tension ) 是由 徐峰 于 2020-06-05 设计创作，主要内容包括：本发明公开了一种能够检测张力的马缰,包括控制器、嘴套、第一收卷盒、马缰本体、第二固定绳和第二收卷盒,所述嘴套前表面固定有第一固定绳,且第一固定绳前表面安装有第一张力传感器,所述第一收卷盒内部固定有第一固定块,且第一固定块的外表面套接有第一卷轴,所述第一卷轴的内部安装有第一回转弹簧,且第一固定绳收卷在第一卷轴的外表面,所述第二固定绳固定在嘴套的后表面,且第二固定绳的前表面安装有第二张力传感器,所述第二收卷盒的内部固定有第二固定块,且第二固定块的外表面套接有第二卷轴,所述马缰本体固定在第一固定绳和第二固定绳的一侧外端面,所述嘴套的内部安装有控制器。本发明可以检测马缰本体的张力。(The invention discloses a reins capable of detecting tension, which comprises a controller, a nozzle sleeve, a first winding box, a reins body, a second fixing rope and a second winding box, wherein a first fixing rope is fixed on the front surface of the nozzle sleeve, a first tension sensor is installed on the front surface of the first fixing rope, a first fixing block is fixed inside the first winding box, a first reel is sleeved on the outer surface of the first fixing block, a first rotary spring is installed inside the first reel, the first fixing rope is wound on the outer surface of the first reel, the second fixing rope is fixed on the rear surface of the nozzle sleeve, a second tension sensor is installed on the front surface of the second fixing rope, a second fixing block is fixed inside the second winding box, a second reel is sleeved on the outer surface of the second fixing block, the reins body is fixed on one side outer end face of the first fixing rope and one side outer end face of the second fixing rope, the controller is installed inside the nozzle sleeve. The invention can detect the tension of the horse rein body.)

一种能够检测张力的马缰及骑手状态监测方法

技术领域

本发明涉及马缰的技术领域，具体为一种能够检测张力的马缰。

背景技术

马缰亦作马缰绳。控马的缰绳。扎住马上唇的一圈绳索或皮带、附带交织而成的手柄，作为控制装置。

新手在学习骑马时，由于过于紧张可能会勒紧马缰，勒紧马缰可能会使得马不舒服，导致马的情绪不安奔驰，容易发生意外，现如今的马缰无法检测张力，无法得知是否过于勒紧马缰。

发明内容

本发明的目的在于提供一种能够检测张力的马缰，具备可以检测马缰本体的张力的优点，解决了新手在学习骑马时，由于过于紧张可能会勒紧马缰，勒紧马缰可能会使得马不舒服，导致马的情绪不安奔驰，容易发生意外，现如今的马缰无法检测张力，无法得知是否过于勒紧马缰的问题。

为实现上述目的，本发明提供如下技术方案：一种能够检测张力的马缰，包括控制器、嘴套、第一收卷盒、马缰本体、第二固定绳、第二收卷盒和控制中心，所述嘴套的前表面固定有第一固定绳，且第一固定绳的前表面安装有第一张力传感器，所述第一收卷盒的内部固定有第一固定块，且第一固定块的外表面套接有第一卷轴，所述第二固定绳固定在嘴套的后表面，且第二固定绳的前表面安装有第二张力传感器，所述第二收卷盒的内部固定有第二固定块，且第二固定块的外表面套接有第二卷轴，所述马缰本体固定在第一固定绳和第二固定绳的一侧外端面。

优选的，所述嘴套的内部安装有控制器，且控制中心安装在控制耳机内部。

优选的，所述第一卷轴的内部安装有第一回转弹簧，且第一固定绳收卷在第一卷轴的外表面。

优选的，所述第一张力传感器和第二张力传感器的信号发射端与控制器的信号接收端电连接，且控制器的信号发射端与控制中心的信号接收端电连接。

优选的，所述第二卷轴的内部安装有第二回转弹簧，且第二固定绳收卷在第二卷轴的外表面。

与现有技术相比，本发明的有益效果如下：本发明通过设置第一张力传感器、第二张力传感器、控制器、控制中心、第一收卷盒和第二收卷盒，达到了可以检测马缰本体的张力的效果，骑马时，可以根据具体实际需求将第一固定绳和第二固定绳拉出，第一卷轴和第二卷轴放松第一固定绳和第二固定绳，拉出适合长度，即可固定，手持马缰本体，手带动马缰本体移动，马缰本体带动第一固定绳和第二固定绳移动，马缰本体通过第一固定绳和第二固定绳操控马，不骑马时，第一回转弹簧和第二回转弹簧可以带动第一卷轴和第二卷轴收回，第一卷轴和第二卷轴可以将第一固定绳和第二固定绳收回，便于使用，第一张力传感器和第二张力传感器可以检测张力，第一张力传感器和第二张力传感器传输信号给控制器，控制器传输信号给控制中心。

附图说明

图1为本发明的主视结构示意图；

图2为本发明的后视结构示意图；

图3为本发明的电性结构示意图；

图4为本发明的骑手状态监测方法流程图。

图中：1、第一固定绳；2、第一张力传感器；3、控制器；4、嘴套；5、第一收卷盒；6、第一卷轴；7、第一固定块；8、第一回转弹簧；9、马缰本体；10、第二固定绳；11、第二张力传感器；12、第二收卷盒；13、第二卷轴；14、第二固定块；15、第二回转弹簧；16、控制中心。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例一

请参阅图1至图3，本发明提供的一种实施例：一种能够检测张力的马缰，包括控制器3、嘴套4、第一收卷盒5、马缰本体9、第二固定绳10、第二收卷盒12和控制中心16，嘴套4的前表面固定有第一固定绳1，第一收卷盒5的内部固定有第一固定块7，且第一固定块7的外表面套接有第一卷轴6，第一卷轴6的内部安装有第一回转弹簧8，且第一固定绳1收卷在第一卷轴6的外表面，骑马时，可以根据具体实际需求将第一固定绳1拉出，第一卷轴6放松第一固定绳1，拉出适合长度，即可固定，手持马缰本体9，手带动马缰本体9移动，马缰本体9带动第一固定绳1移动，马缰本体9通过第一固定绳1操控马，不骑马时，第一回转弹簧8可以带动第一卷轴6收回，第一卷轴6可以将第一固定绳1收回，便于使用。

第二固定绳10固定在嘴套4的后表面，第二收卷盒12的内部固定有第二固定块14，且第二固定块14的外表面套接有第二卷轴13，第二卷轴13的内部安装有第二回转弹簧15，且第二固定绳10收卷在第二卷轴13的外表面，马缰本体9固定在第一固定绳1和第二固定绳10的一侧外端面，骑马时，可以根据具体实际需求将第二固定绳10拉出，第二卷轴13放松第二固定绳10，拉出适合长度，即可固定，手持马缰本体9，手带动马缰本体9移动，马缰本体9带动第二固定绳10移动，马缰本体9通过第二固定绳10操控马，不骑马时，第二回转弹簧15可以带动第二卷轴13收回，第二卷轴13可以将第二固定绳10收回，便于使用。

第一固定绳1的前表面安装有第一张力传感器2，第二固定绳10的前表面安装有第二张力传感器11，嘴套4的内部安装有控制器3，且控制中心16安装在控制耳机内部，第一张力传感器2和第二张力传感器11的信号发射端与控制器3的信号接收端电连接，且控制器3的信号发射端与控制中心16的信号接收端电连接，第一张力传感器2和第二张力传感器11可以检测张力，第一张力传感器2和第二张力传感器11传输信号给控制器3，控制器3传输信号给控制中心16，教练将控制耳机戴在耳朵上，即可得知张力大小，便于教学。

当然，如本领域技术人员所熟知的，本发明的第一张力传感器2、控制器3、第二张力传感器11和控制中心16还需要提供动力装置以使得其正常工作，并且正如本领域技术人员所熟知的，所述动力的提供司空见惯，其均属于常规手段或者公知常识，在此就不再赘述，本领域技术人员可以根据其需要或者便利进行任意的选配。

骑马时，可以根据具体实际需求将第一固定绳1和第二固定绳10拉出，第一卷轴6和第二卷轴13放松第一固定绳1和第二固定绳10，拉出适合长度，即可固定，手持马缰本体9，手带动马缰本体9移动，马缰本体9带动第一固定绳1和第二固定绳10移动，马缰本体9通过第一固定绳1和第二固定绳10操控马，不骑马时，第一回转弹簧8和第二回转弹簧15可以带动第一卷轴6和第二卷轴13收回，第一卷轴6和第二卷轴13可以将第一固定绳1和第二固定绳10收回，便于使用，第一张力传感器2和第二张力传感器11可以检测张力，第一张力传感器2和第二张力传感器11传输信号给控制器3，控制器3传输信号给控制中心16。

实施例二

在本实施例中，构造了一种骑手状态监测方法。该方法可以采用实施例一中的一种能够检测张力的马缰，检测张力的马缰如实施例一所述，这里不加赘述。

在本例中，进一步对本实施例采用的方法进行说明。

为了说明本发明提供的一种对骑手的综合能力的评估方法，图4示出了根据本发明实施例的一种对骑手的综合能力的评估方法的流程图。本实施例将缰绳张力数据处理成频谱，确定频谱中突出的频率成分，通过将确定的功率谱密度与参考值进行比较，评估运动节奏的规律性损失。

如图4所示，本发明提供的一种骑手状态监测方法包括：

步骤102，缰绳上张力数据的获取；

通过缰绳张力测量装置获得指示缰绳中张力的缰绳张力数据。具体地，缰绳张力测量装置通过第一张力传感器2和第二张力传感器11检测第一固定绳1和第二固定绳10上的张力数据，并将检测到的张力数据发送给控制器3，控制器3再将张力数据发送给控制中心16，通过控制中心16可以直观的得到第一固定绳1和第二固定绳10的张力数据。

步骤104，马鞍上压力数据的获取；

通过将压力传感器安装在马鞍上，当骑手坐于马鞍进行骑马时，压力传感器可以直接检测到骑手对马鞍产生的压力。

由于马鞍上设置压力传感器属于现有技术中比较简单的压力获取方式，因此在本发明中未对马鞍获取骑手压力数据的结构和电路部分进行仔细阐述，本领域技术人员可以简单获取的技术方案这里不再赘述。

步骤106，张力数据和压力数据的统计和存储；

从控制中心16上获取缰绳产生的张力数据，从马鞍的压力传感器上获取骑手产生的压力数据，并将张力数据和压力数据进行统计和存储。

步骤108，建模，通过xgboost模型进行数据分析；

将步骤106中收集的张力数据和压力数据通过xgboost模型进行分析。具体地，将张力数据处理成频谱，找出频谱中突出的频率成分，之后通过确定包含显着频率分量的频率范围内的频谱的功率谱密度来分析频谱，找出与张力数据相对应的功率谱密度。同样地，压力数据处理成频谱，找出频谱中突出的频率成分，之后通过确定包含显着频率分量的频率范围内的频谱的功率谱密度来分析频谱，找出与压力数据相对应的功率谱密度。

最后，将确定的功率谱密度与参考值进行比较，评估出骑手的运动节奏的规律性损失，判断骑手状态，进行状态监控。

本发明的第二个实施例，不只对马的缰绳这种重要的部位进行数据统计，还添加了马鞍的压力传感器，从更多维度来进行对骑手的综合能力的评估。再通过马的缰绳中的张力、频谱、功率、质量等多个数据特征进行分析，同时还添加了马鞍的压力传感器，在更多维度上体现出骑手和马的契合程度和表现力。并通过一种人工智能领域的机器学习算法xgboost进行模型的训练，最后给出该项骑手的基于模型的参考分数。避免了人参与的主观性。使用算法模型也要比简单的分统计析更加鲁邦和准确。

实施例三

在本实施例中，构造了一种骑手状态监测方法。该方法可以采用实施例一中的一种能够检测张力的马缰，和实施例二中公开的骑手状态监测方法。

更进一步地，

1.缰绳和马鞍数据收集

通过缰绳张力测量装置获得指示缰绳中张力的缰绳张力数据；以及处理单元执行以下步骤：将缰绳张力数据处理成频谱；确定频谱中突出的频率成分；通过确定包含显着频率分量的频率范围内的频谱的功率谱密度来分析频谱；通过将确定的功率谱密度与参考值进行比较，评估运动节奏的规律性损失。对马鞍上的数据做同样的处理。

2.xgboost模型

XGBoost是集成学习方法的一种。对于XGBoost的预测模型同样可以表示为：

其中K为树的总个数，f_k表示第k颗树，表示样本x_i的预测结果。其中损失函数也同样表示为：

其中

为样本x_i的训练误差，Ω(f_k)表示第k棵树的正则项。

现在已知模型预测函数和损失函数，能否直接就能求出其预测模型。答案肯定不是，首先需要明确知道优化和求解的参数。由上面的预测模型中，可以看到对于每棵树的预测值f(x)是如何计算的。目前已经知道了需要做的事了，需要求解和优化的就是每个叶子节点的得分值，也就是f(x)的值。

另外XGBoost是以CART树中的回归树作为基分类器，在给定训练数据后，其单个树的结构(叶子节点个数、树深度等等)基本可以确定了。但XGBoost并不是简单重复的将几个CART树进行组合。它是一种加法模型，将模型上次预测(由t-1棵树组合而成的模型)产生的误差作为参考进行下一棵树(第t棵树)的建立。以此，每加入一棵树，将其损失函数不断降低。为加法模型案例，它将模型预测值与实际值残差作为下一颗树的输入数据。

当树结构确定时，树的结构得分只与其一阶倒数和二阶倒数有关，得分越小，说明结构越好。而通常情况下，无法枚举所有可能的树结构然后选取最优的，所以选择用一种贪婪算法来代替：从单个叶节点开始，迭代***来给树添加节点。树模型学习的一个关键问题是如何寻找最优分割点。第一种方法称为基本精确贪心算法(exact greedy algorithm)：枚举所有特征的所有可能划分，寻找最优分割点。该算法要求为连续特征枚举所有可能的切分，这个对计算机要求很高，为了有效做到这一点，XGBoost首先对特征进行排序，然后顺序访问数据。最后就可得出结果。

最后，本发明所公开的实施例，还有如下技术效果：1.马的缰绳中的张力、频谱、功率、质量等多个数据特征进行分析，同时还添加了马鞍的压力传感器，在更多维度上体现出骑手和马的契合程度和表现力。并通过一种人工智能领域的机器学习算法xgboost进行模型的训练，最后给出该项骑手的基于模型的参考分数。避免了人参与的主观性。2.使用算法模型也要比简单的分统计析更加鲁邦和准确。3.本发明不只对马的缰绳这种重要的部位进行数据统计，还添加了马鞍的压力传感器，从更多维度来进行对骑手的状态综合能力的评估。4.将系统和方法应用到马术评估的应用场景上。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。