具体实施方式

本申请实施例通过提供一种仰卧板的智能辅助调控方法及装置，解决了现有技术中的仰卧板存在无法基于用户身体条件及实时训练状态自动调节合适的支撑倾斜角度，从而无法动态调整用户仰卧训练强度的技术问题。达到了基于用户身体指标，实时监测用户仰卧训练时的压力差，从而判断用户当前是否需要辅助调控仰卧板的支撑倾斜角度，进一步智能化为用户动态调整合适的档位，从而保证用户以适当的强度进行仰卧训练。

下面，将参考附图对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，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，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

申请概述

仰卧起坐健身器，俗称仰卧板，是健身房、小区、甚至家庭都有的健身器材，普及率及高，因而越来越多的通过仰卧板进行日常运动训练。虽然仰卧板的用户数量很大，但是不同用户的身体条件和基础素质存在很大差异，因此仰卧板一般设置有多个不同的倾斜角度，而不同倾斜角度对应的运动强度也不同，可以满足大多数用户的个性化需求。在实际使用过程中，用户利用仰卧板以一定强度运动一段时间后，身体会消耗过多能量，此时身体状态逐渐变差，理应降低训练强度，然而实际运动过程中，用户常常无法及时调整仰卧板倾斜角度，从而导致使用体验感下降，甚至影响运动效果。因此通过实时监测用户身体状态等信息智能化调控仰卧板倾斜角度，动态调整运动强度，具有重要的意义。

现有技术中的仰卧板存在无法基于用户身体条件及实时训练状态自动调节合适的支撑倾斜角度，从而无法动态调整用户仰卧训练强度的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供了一种仰卧板的智能辅助调控方法，所述方法应用于一种仰卧板的智能辅助调控装置，其中，所述方法包括：通过基于大数据，对所述仰卧板的体验用户进行数据采集，获得体验用户数据集；根据所述体验用户数据集，获得各体验用户的体重数据集合；基于压力传感器，对所述各体验用户在第一时间的压力信息进行采集，获得各用户压力数据集，其中，所述第一时间为所述各体验用户重心下移背贴仰卧板时的时间，所述压力信息为所述各体验用户重心下移背贴仰卧板时对仰卧板的压力；根据所述体重数据集合和所述各用户压力数据集，获得各用户在所述第一时间的压力差信息集合；对所述压力差信息集合进行层次聚类分析，生成所述体验用户的压力差信息聚类树；根据所述压力差信息聚类树，匹配获得所述各体验用户对所述仰卧板的训练娴熟程度集合；根据所述训练娴熟程度集合和所述智能辅助调控装置，对所述仰卧板的支撑倾斜角度进行智能辅助调控，其中，所述智能辅助调控装置包含所述压力传感器。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

请参阅附图1，本申请实施例提供了一种仰卧板的智能辅助调控方法，其中，所述方法应用于智能辅助调控装置，所述装置应用于仰卧板，所述方法具体包括如下步骤：

步骤S100：基于大数据，对所述仰卧板的体验用户进行数据采集，获得体验用户数据集；

步骤S200：根据所述体验用户数据集，获得各体验用户的体重数据集合；

具体而言，所述一种仰卧板的智能辅助调控方法应用于智能辅助调控装置，所述装置应用于仰卧板，通过采集、分析安装有所述智能辅助调控装置的仰卧板的用户体验数据，从而实现对所述仰卧板支撑倾斜角度的智能辅助调控，进一步实现智能化辅助用户调控仰卧板的目标。首先基于大数据对安装有所述智能辅助调控装置的所述仰卧板的体验用户进行对应的使用数据采集，可以获得所有体验用户的使用数据信息，即得到所述体验用户数据集。其中，所述体验用户数据集包括各体验用户基础信息和身体指标信息，以及对应的使用所述仰卧板时的数据变化信息等。进一步可以得到所有体验用户数据对应的用户体重信息，所有用户的体重数据组成所述各体验用户的体重数据集合。通过采集所有体验用户的相关数据，为后续智能辅助调控所述仰卧板提供了相关的数据基础。

步骤S300：基于压力传感器，对所述各体验用户在第一时间的压力信息进行采集，获得各用户压力数据集，其中，所述第一时间为所述各体验用户重心下移背贴仰卧板时的时间，所述压力信息为所述各体验用户重心下移背贴仰卧板时对仰卧板的压力；

具体而言，传感器（英文名称：transducer/sensor）是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换，成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。所述压力传感器安装于所述智能辅助调控装置中，用于实时采集用户在试用体验所述仰卧板时身体对仰卧板形成的压力的大小。所述第一时间是指所述各体验用户体验所述仰卧板时，重心下移至背贴仰卧板时的时间。

利用所述压力传感器采集得到所有体验用户在试用所述仰卧板时，各体验用户重心下移至背贴仰卧板时对仰卧板的压力数据，即组成所述各用户压力数据集。通过压力传感器，采集得到了所有体验用户在所述第一时间的压力数据，为后续数据分析提供了相关数据基础。

步骤S400：根据所述体重数据集合和所述各用户压力数据集，获得各用户在所述第一时间的压力差信息集合；

具体而言，根据所有体验用户数据对应的体重信息和用户对应的压力数据信息，即根据所述体重数据集合和所述各用户压力数据集，可以得到各体验用户在所述第一时间的压力差信息，所有用户在所述第一时间的压力差信息组成所述第一时间的压力差信息集合。举例如某体验用户体重70kg，则该体验用户对应的全身压力为700N，然而在该用户重心下移背贴仰卧板时，压力传感器采集到该用户身体对仰卧板的压力大小为550N，那么该体验用户在所述第一时间的压力差则为150N。

通过用户体重数据计算可以得到该用户对应的压力数据，同时压力传感器实时采集得到第一时间的实际压力数据，两压力数据之差即为所述体验用户对应的压力差信息，达到了明确所有体验用户压力差数据的技术效果。

步骤S500：对所述压力差信息集合进行层次聚类分析，生成所述体验用户的压力差信息聚类树；

具体而言，聚类就是对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小。所述层次聚类是指在不同层次对数据集进行划分，从而形成树形的聚类结构。其中，数据集划分可采用“自底向上”的聚合策略，即凝聚层次聚类，也可采用“自顶向下”的分拆策略，即分裂层次聚类。如附图2所述即为层次聚类示意图。通过对所述压力差信息集合中所有压力差数据进行层次聚类分析，可以生成所述体验用户对应的压力差信息聚类树。

步骤S600：根据所述压力差信息聚类树，匹配获得所述各体验用户对所述仰卧板的训练娴熟程度集合；

具体而言，根据所述压力差信息聚类树，匹配获得所述各体验用户对所述仰卧板的训练的娴熟程度，也就是说，用户体验时压力差越大，说明用户此时重心无限靠近但没有完全依附到仰卧板上，进而推导出对应用户可以顺利完成仰卧动作；反之，如果重心全部下压到仰卧板上，说明用户完成仰卧动作较为困难，可能是新手，因此智能辅助调控装置自动调节仰卧支撑的倾斜角度，从而辅助用户顺利进入训练。达到了通过所述压力差信息聚类树，进一步得到各体验用户对应使用所述仰卧板进行训练的娴熟程度，为所述智能辅助调控装置自动调控仰卧板提供相关数据依据。

步骤S700：根据所述训练娴熟程度集合和所述智能辅助调控装置，对所述仰卧板的支撑倾斜角度进行智能辅助调控，其中，所述智能辅助调控装置包含所述压力传感器。

具体而言，所述智能辅助调控装置包含压力传感器。根据各体验用户试用所述仰卧板进行训练时的娴熟程度和所述智能辅助调控装置，在用户使用所述仰卧板进行训练时，智能化对所述仰卧板的支撑倾斜角度进行智能辅助调控。基于用户实际情况和压力传感器实时采集到的压力数据，智能化计算用户在重心下移、背贴仰卧板时的压力差数据，从而判断得出了是否需要辅助调控仰卧板的支撑倾斜角度以及对应的合理调控幅度，最终实现了智能化辅助调控仰卧板支撑倾斜角度的技术目标。

进一步的，如附图3所示，本申请实施例步骤S600还包括：

步骤S610：基于大数据，预设平均压力差阈值；

步骤S620：根据所述平均压力差阈值，对所述压力差信息聚类树进行分割，获得一阶压力差聚类信息、二阶压力差聚类信息以及三阶压力差聚类信息，其中，一阶压力差高于所述平均压力差阈值，二阶压力差处于所述平均压力差阈值，三阶压力差低于所述平均压力差阈值；

步骤S630：对所述一阶压力差聚类信息进行娴熟程度标定，获得第一娴熟程度特征，对所述二阶压力差聚类信息进行娴熟程度标定，获得第二娴熟程度特征，对所述三阶压力差聚类信息进行娴熟程度标定，获得第三娴熟程度特征；

步骤S640：将所述第一娴熟程度特征、所述第二娴熟程度特征以及所述第三娴熟程度特征作为调控档位进行智能调控。

具体而言，基于大数据可以得到所有用户使用所述仰卧板时的压力差数据，基于所有压力差数据，提前在所述仰卧板辅助调控装置中设置评价压力差范围，即预设平均压力差阈值。根据所述平均压力差阈值，对所述压力差信息聚类树中的所有压力差数据进行分割，获得一阶压力差聚类信息、二阶压力差聚类信息以及三阶压力差聚类信息。其中，一阶压力差高于所述平均压力差阈值，二阶压力差处于所述平均压力差阈值，三阶压力差低于所述平均压力差阈值。也就是说，当用户压力差在所述一阶压力差聚类信息中时，对应用户仰卧训练基础相对较好，在当前支撑倾斜角度下完成仰卧动作相对容易；当用户压力差在所述二阶压力差聚类信息中时，对应用户仰卧训练基础居于平均水平，在当前支撑倾斜角度下完成仰卧动作难易程度也居中，此时无需调整支撑倾斜角度，用户可适当进行训练；当用户压力差在所述三阶压力差聚类信息中时，对应用户仰卧训练基础相对薄弱，在当前支撑倾斜角度下完成仰卧动作相对较难，此时应当适当调整支撑倾斜角度。

进一步的，分别对所述一阶压力差聚类信息、所述二阶压力差聚类信息和所述三阶压力差聚类信息进行对应的娴熟程度标定，所述一阶压力差聚类信息对应娴熟程度较好，所述二阶压力差聚类信息对应娴熟程度居中，所述三阶压力差聚类信息对应娴熟程度较差，即得到对应的第一娴熟程度特征、第二娴熟程度特征和第三娴熟程度特征。最后将所述第一娴熟程度特征、所述第二娴熟程度特征以及所述第三娴熟程度特征作为调控档位进行智能调控。通过具体化不同压力差下的娴熟程度特征，从而使智能辅助调控装置的调控有对应的特征依据，达到了量化智能调控指标的技术效果。

进一步的，本申请实施例步骤S640还包括：

步骤S641：根据所述第二娴熟程度特征，确定所述仰卧板的第二支撑倾斜角度，其中，所述第二支撑倾斜角度为标准支撑倾斜角度；

步骤S642：根据所述第一娴熟程度特征，确定所述仰卧板的第一支撑倾斜角度，其中，所述第一支撑倾斜角度小于所述标准支撑倾斜角度；

步骤S643：根据所述第三娴熟程度特征，确定所述仰卧板的第三支撑倾斜角度，其中，所述第三支撑倾斜角度大于所述标准支撑倾斜角度；

步骤S644：基于所述第一娴熟程度特征和所述第一支撑倾斜角度，确定第一调控档位，基于所述第二娴熟程度特征和所述第二支撑倾斜角度，确定第二调控档位，基于所述第三娴熟程度特征和所述第三支撑倾斜角度，确定第三调控档位。

具体而言，依据所述第二娴熟程度特征，确定所述仰卧板对应的的支撑倾斜角度，即所述第二支撑倾斜角度。其中，所述第二支撑倾斜角度为所述仰卧板的标准支撑倾斜角度，所述第二支撑倾斜角度满足大多数用户仰卧训练的强度要求。同样的方法，根据所述第一娴熟程度特征，确定所述仰卧板的第一支撑倾斜角度，其中，所述第一支撑倾斜角度小于所述标准支撑倾斜角度，为基础相对薄弱的用户设计的训练强度较低的支撑角度；根据所述第三娴熟程度特征，确定所述仰卧板的第三支撑倾斜角度，其中，所述第三支撑倾斜角度大于所述标准支撑倾斜角度，在所述第三支撑倾斜角度下，仰卧难度增加，适合经常运动训练的专业人士使用。

进一步的，基于所述第一娴熟程度特征和所述第一支撑倾斜角度，确定所述仰卧板对应的调控档位，即所述第一调控档位；基于所述第二娴熟程度特征和所述第二支撑倾斜角度，确定所述仰卧板对应的调控档位，即所述第二调控档位，基于所述第三娴熟程度特征和所述第三支撑倾斜角度，确定所述仰卧板对应的调控档位，即所述第三调控档位。达到了基于用户使用仰卧板训练过程中的压力差数据，实时精准地调控仰卧板档位，从而实现基于用户实际情况有针对性地提供相应辅助调控的技术目标。

进一步的，本申请实施例步骤S640还包括：

步骤S645：根据所述第一调控档位、所述第二调控档位以及所述第三调控档位，构建所述仰卧板的智能档位调控序列，所述智能档位调控序列嵌套于所述智能辅助调控装置；

步骤S646：获得第一购入用户的实际体重信息；

步骤S647：根据所述实际体重信息，获得所述第一购入用户重心下移背贴所述仰卧板时的实际压力差信息；

步骤S648：将所述实际压力差信息上传至所述智能档位调控序列，匹配获得所述第一购入用户的预设辅助档位；

步骤S649：根据所述智能辅助调控装置，对所述预设辅助档位进行智能辅助调控。

具体而言，基于用户不同娴熟程度对应的所述第一调控档位、所述第二调控档位以及所述第三调控档位，构建所述仰卧板的智能档位调控序列。其中，所述智能档位调控序列嵌套于所述智能辅助调控装置中。在用户购买并开始使用所述仰卧板前，首先将自己的实际体重数据输入所述智能辅助调控装置中，装置根据用户输入的实际体重信息，可以计算得到用户实际压力数据，同时在用户使用仰卧板进行训练时，传感器实时监测对应用户重心下移、背贴所述仰卧板时的实际压力差信息，并将所述实际压力差信息上传至所述智能档位调控序列，在所述智能档位调控序列中，自动匹配对应用户实际压力差的标准档位，即所述第一购入用户的预设辅助档位。最后根据所述智能辅助调控装置，实现对所述预设辅助档位进行智能辅助调控的技术目标。

通过用户输入的真实体重数据，智能辅助调控装置自动调整对应仰卧板到用户体重对应的标准档位，之后随着实时传感器监测到的压力差数据，智能化动态调整仰卧板档位，达到了个性化辅助调控的技术效果。

进一步的，本申请实施例步骤S100还包括：

步骤S110：根据所述仰卧板，获得目标体验用户的特征集合，其中，所述特征集合包括性别特征集合、身高差异特征集合以及体重差异特征集合；

步骤S120：基于所述性别特征集合、所述身高差异特征集合以及所述体重差异特征集合，对所述目标体验用户进行采集，生成目标体验用户数据集。

具体而言，首先对目标体验用户的特征进行采集记录，形成所述特征集合。其中，所述特征集合包括目标体验用户的性别特征集合、身高差异特征集合以及体重差异特征集合。所有目标体验用户的性别特征集合、身高差异特征集合以及体重差异特征集合组成所述目标体验用户数据集。通过采集记录所有目标用户相关数据，形成目标体验用户数据集，同时采集不同体重、不同性别、不同身高的目标体验用户数据，达到了明确所有目标体验用户仰卧训练相关基础信息，同时保证数据多样性的技术效果，从而使体验用户的数据更具普遍代表性，进一步提高体验结果分析的有效性。

进一步的，如附图4所示，本申请实施例步骤S120还包括：

步骤S121：根据所述目标体验用户数据集，获得第一特征数据集；

步骤S122：对所述第一特征数据集进行中心化处理，获得第二特征数据集；

步骤S123：获得所述第二特征数据集的第一协方差矩阵；

步骤S124：对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；

步骤S125：将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。

具体而言，根据所述目标体验用户数据集，获得第一特征数据集。其中，所述第一特征数据集是指所述目标体验用户数据集中的任一特征数据集。进一步对所述第一特征数据集进行中心化处理，处理后得到的数据即为所述第二特征数据集。其中，所述中心化处理是指数据集中的各项数据减去数据集的均值。例如有数据集1，2，3，6，3，其均值为3，那么中心化之后的数据集为1-3，2-3，3-3，6-3，3-3，即：-2，-1，0，3，0，数据中心化处理是为了消除量纲对数据结构的影响，因为不同变量之间单位不一样，会造成各种统计量的偏误。

进一步计算得到所述第二特征数据集协方差，所述协方差用于衡量两个变量的总体误差，构成对应的第一协方差矩阵。进一步得到所述第一协方差矩阵对应的特征值和特征向量。最后将对应的特征值数据集投影到对应的特征向量，获得对应的第一降维数据集。其中，所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。通过多轮数据处理和计算，完成了目标体验用户使用数据的冗杂处理，从而使得留存下来的数据更具普遍适用性，且降低了后续进行数据分析的复杂度。

进一步的，如附图5所示，本申请实施例步骤S500还包括：

步骤S510：对所述压力差信息集合进行遍历访问处理，生成第一均匀分布数据集；

步骤S520：将所述第一均匀分布数据集中的数据定义为P个聚类；

步骤S530：对所述P个聚类中的各自数据点的两两距离进行平均值计算，获得平均距离数据集；

步骤S540：根据所述平均距离数据集，获得类分布数据集，所述类分布数据集包括距离平均值最小的分类集；

步骤S550：根据所述类分布数据集，对所述平均距离数据集进行逐层递归聚类，直至生成所述压力差信息集合的压力差信息聚类树。

具体而言，对所述压力差信息集合进行遍历访问处理，生成第一均匀分布数据集，并将所述第一均匀分布数据集中的数据定义为P个聚类。其中，所述聚类是指将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。进一步，对所述P个聚类中的各自数据点的两两距离进行平均值计算，获得所有聚类中数据点距离的平均距离数据集。其中，各自数据点的两两距离可以通过计算欧式距离得到。对比所述平均距离数据集，可以得到所述类分布数据集。其中，所述类分布数据集包括数据点距离平均值最小的分类集。根据所述类分布数据集，对所述平均距离数据集进行逐层递归聚类，直至生成所述压力差信息集合对应的压力差信息聚类树。

综上所述，本申请实施例所提供的一种仰卧板的智能辅助调控方法具有如下技术效果：

1.通过基于大数据，对所述仰卧板的体验用户进行数据采集，获得体验用户数据集；根据所述体验用户数据集，获得各体验用户的体重数据集合；基于压力传感器，对所述各体验用户在第一时间的压力信息进行采集，获得各用户压力数据集，其中，所述第一时间为所述各体验用户重心下移背贴仰卧板时的时间，所述压力信息为所述各体验用户重心下移背贴仰卧板时对仰卧板的压力；根据所述体重数据集合和所述各用户压力数据集，获得各用户在所述第一时间的压力差信息集合；对所述压力差信息集合进行层次聚类分析，生成所述体验用户的压力差信息聚类树；根据所述压力差信息聚类树，匹配获得所述各体验用户对所述仰卧板的训练娴熟程度集合；根据所述训练娴熟程度集合和所述智能辅助调控装置，对所述仰卧板的支撑倾斜角度进行智能辅助调控，其中，所述智能辅助调控装置包含所述压力传感器。达到了基于用户身体指标，实时监测用户仰卧训练时的压力差，从而判断用户当前是否需要辅助调控仰卧板的支撑倾斜角度，进一步智能化为用户动态调整合适的档位，从而保证用户以适当的强度进行仰卧训练。

2.通过对所有目标体验用户体验数据进行中心化处理和降维计算，完成了目标体验用户使用数据的冗杂处理，从而降低了后续进行数据分析的复杂度，同时使得留存下来的数据更具普遍适用性。

实施例二

基于与前述实施例中一种仰卧板的智能辅助调控方法，同样发明构思，本发明还提供了一种仰卧板的智能辅助调控装置，请参阅附图6，所述系统包括：

第一获得单元11：所述第一获得单元11用于基于大数据，对所述仰卧板的体验用户进行数据采集，获得体验用户数据集；

第二获得单元12：所述第二获得单元12用于根据所述体验用户数据集，获得各体验用户的体重数据集合；

第三获得单元13：所述第三获得单元13用于基于压力传感器，对所述各体验用户在第一时间的压力信息进行采集，获得各用户压力数据集，其中，所述第一时间为所述各体验用户重心下移背贴仰卧板时的时间，所述压力信息为所述各体验用户重心下移背贴仰卧板时对仰卧板的压力；

第四获得单元14：所述第四获得单元14用于根据所述体重数据集合和所述各用户压力数据集，获得各用户在所述第一时间的压力差信息集合；

第一生成单元15：所述第一生成单元15用于对所述压力差信息集合进行层次聚类分析，生成所述体验用户的压力差信息聚类树；

第五获得单元16：所述第五获得单元16用于根据所述压力差信息聚类树，匹配获得所述各体验用户对所述仰卧板的训练娴熟程度集合；

第一调控单元17：所述第一调控单元17用于根据所述训练娴熟程度集合和所述智能辅助调控装置，对所述仰卧板的支撑倾斜角度进行智能辅助调控，其中，所述智能辅助调控装置包含所述压力传感器。

进一步的，所述系统还包括：

第一设置单元，所述第一设置单元用于基于大数据，预设平均压力差阈值；

第六获得单元，所述第六获得单元用于根据所述平均压力差阈值，对所述压力差信息聚类树进行分割，获得一阶压力差聚类信息、二阶压力差聚类信息以及三阶压力差聚类信息，其中，一阶压力差高于所述平均压力差阈值，二阶压力差处于所述平均压力差阈值，三阶压力差低于所述平均压力差阈值；

第七获得单元，所述第七获得单元用于对所述一阶压力差聚类信息进行娴熟程度标定，获得第一娴熟程度特征，对所述二阶压力差聚类信息进行娴熟程度标定，获得第二娴熟程度特征，对所述三阶压力差聚类信息进行娴熟程度标定，获得第三娴熟程度特征；

第二设置单元，所述第二设置单元用于将所述第一娴熟程度特征、所述第二娴熟程度特征以及所述第三娴熟程度特征作为调控档位进行智能调控。

进一步的，所述系统还包括：

第三设置单元，所述第三设置单元用于根据所述第二娴熟程度特征，确定所述仰卧板的第二支撑倾斜角度，其中，所述第二支撑倾斜角度为标准支撑倾斜角度；

第四设置单元，所述第四设置单元用于根据所述第一娴熟程度特征，确定所述仰卧板的第一支撑倾斜角度，其中，所述第一支撑倾斜角度小于所述标准支撑倾斜角度；

第五设置单元，所述第五设置单元用于根据所述第三娴熟程度特征，确定所述仰卧板的第三支撑倾斜角度，其中，所述第三支撑倾斜角度大于所述标准支撑倾斜角度；

第六设置单元，所述第六设置单元用于基于所述第一娴熟程度特征和所述第一支撑倾斜角度，确定第一调控档位，基于所述第二娴熟程度特征和所述第二支撑倾斜角度，确定第二调控档位，基于所述第三娴熟程度特征和所述第三支撑倾斜角度，确定第三调控档位。

进一步的，所述系统还包括：

第一构建单元，所述第一构建单元用于根据所述第一调控档位、所述第二调控档位以及所述第三调控档位，构建所述仰卧板的智能档位调控序列，所述智能档位调控序列嵌套于所述智能辅助调控装置；

第八获得单元，所述第八获得单元用于获得第一购入用户的实际体重信息；

第九获得单元，所述第九获得单元用于根据所述实际体重信息，获得所述第一购入用户重心下移背贴所述仰卧板时的实际压力差信息；

第十获得单元，所述第十获得单元用于将所述实际压力差信息上传至所述智能档位调控序列，匹配获得所述第一购入用户的预设辅助档位；

第二调控单元，所述第二调控单元用于根据所述智能辅助调控装置，对所述预设辅助档位进行智能辅助调控。

进一步的，所述系统还包括：

第十一获得单元，所述第十一获得单元用于根据所述仰卧板，获得目标体验用户的特征集合，其中，所述特征集合包括性别特征集合、身高差异特征集合以及体重差异特征集合；

第一生成单元，所述第一生成单元用于基于所述性别特征集合、所述身高差异特征集合以及所述体重差异特征集合，对所述目标体验用户进行采集，生成目标体验用户数据集。

进一步的，所述系统还包括：

第十二获得单元，所述第十二获得单元用于根据所述目标体验用户数据集，获得第一特征数据集；

第十三获得单元，所述第十三获得单元用于对所述第一特征数据集进行中心化处理，获得第二特征数据集；

第十四获得单元，所述第十四获得单元用于获得所述第二特征数据集的第一协方差矩阵；

第十五获得单元，所述第十五获得单元用于对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；

第十六获得单元，所述第十六获得单元用于将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。

进一步的，所述系统还包括：

第二生成单元，所述第二生成单元用于对所述压力差信息集合进行遍历访问处理，生成第一均匀分布数据集；

第七设置单元，所述第七设置单元用于将所述第一均匀分布数据集中的数据定义为P个聚类；

第十七获得单元，所述第十七获得单元用于对所述P个聚类中的各自数据点的两两距离进行平均值计算，获得平均距离数据集；

第十八获得单元，所述第十八获得单元用于根据所述平均距离数据集，获得类分布数据集，所述类分布数据集包括距离平均值最小的分类集；

第三生成单元，所述第三生成单元用于根据所述类分布数据集，对所述平均距离数据集进行逐层递归聚类，直至生成所述压力差信息集合的压力差信息聚类树。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种仰卧板的智能辅助调控方法和具体实例同样适用于本实施例的一种仰卧板的智能辅助调控装置，通过前述对一种仰卧板的智能辅助调控方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种仰卧板的智能辅助调控装置，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

下面参考图7来描述本申请实施例的电子设备。

图7图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种仰卧板的智能辅助调控方法的发明构思，本发明还提供一种仰卧板的智能辅助调控装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种仰卧板的智能辅助调控方法的任一方法的步骤。

其中，在图7中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本申请提供了一种仰卧板的智能辅助调控方法，所述方法应用于一种仰卧板的智能辅助调控装置，其中，所述方法包括：通过基于大数据，对所述仰卧板的体验用户进行数据采集，获得体验用户数据集；根据所述体验用户数据集，获得各体验用户的体重数据集合；基于压力传感器，对所述各体验用户在第一时间的压力信息进行采集，获得各用户压力数据集，其中，所述第一时间为所述各体验用户重心下移背贴仰卧板时的时间，所述压力信息为所述各体验用户重心下移背贴仰卧板时对仰卧板的压力；根据所述体重数据集合和所述各用户压力数据集，获得各用户在所述第一时间的压力差信息集合；对所述压力差信息集合进行层次聚类分析，生成所述体验用户的压力差信息聚类树；根据所述压力差信息聚类树，匹配获得所述各体验用户对所述仰卧板的训练娴熟程度集合；根据所述训练娴熟程度集合和所述智能辅助调控装置，对所述仰卧板的支撑倾斜角度进行智能辅助调控，其中，所述智能辅助调控装置包含所述压力传感器。解决了现有技术中的仰卧板存在无法基于用户身体条件及实时训练状态自动调节合适的支撑倾斜角度，从而无法动态调整用户仰卧训练强度的技术问题。达到了基于用户身体指标，实时监测用户仰卧训练时的压力差，从而判断用户当前是否需要辅助调控仰卧板的支撑倾斜角度，进一步智能化为用户动态调整合适的档位，从而保证用户以适当的强度进行仰卧训练。

本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器（Read-0nly Memory，简称ROM）、随机存取存储器（Random AccessMemory，简称RAM）、磁盘存储器、只读光盘（Compact Disc Read-Only Memory，简称CD-ROM）、光学存储器等各种可以存储程序代码的介质。

本发明是参照本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。