CN119014862B 坐姿监控方法、系统及智能座椅 （圣奥科技股份有限公司）

本发明涉及智能健康管理与人工智能应用调整策略，并实时调整座椅形态以纠正用户姿2基于混合图神经网络与拓扑分析对综合姿态数据进行多层次对综合姿态数据进行拓扑数据分析，通过持久同调计算提取用户坐姿中的形状特征，生成姿态拓扑特征数据；所述持久同调计算包括计算单个坐姿的同调群并计算其生命周将姿态拓扑特征数据作为输入，送入混合图神经网络的第将第一层姿态分析数据输入至混合图神经网络的第二层，第二层混合将第二层姿态分析数据输入至混合图神经网络的第三层，第三层混合分析用户身体各部位姿态的整体协调性，并通过动态反馈回路调整第一层和第二层的数基于姿态风险评估数据，通过非线性动力学与自适应形状耦合通过生成对抗网络利用调整反馈数据生成动态虚拟姿态数据，并在自适根据优化调整策略数据及历史调整数据，生成个性化姿态评估数将第三层姿态分析数据与用户的历史姿态数据进行对比，通过比较基于对比分析的结果，生成包含用户姿态健康风险级别和建议3线性动力学与自适应形状耦合模型生成智能材料协同基于姿态风险评估数据，使用非线性动力学模型计算用户姿态的潜表示时间t时刻的状态向量；xo表示初始状态向量；f(x(t'),u(t'))表示状态变化的动力学方程；x(t')表示在时间t'时刻的状态向量；u(t')表示在时间t'时将动态调整预测数据输入至自适应形状耦合模型，自适应形状耦合根据智能材料协同调整策略，调整智能座椅内的液态金属，使其形生成调整反馈数据，所述调整反馈数据用于评估智能材料调通过生成对抗网络利用调整反馈数据和用户的历史姿态数据进行对抗训将动态虚拟姿态数据输入至自适应姿态模拟模块，生成模拟姿态协同强化学习模块通过对模拟姿态反馈数据和调整反馈数据的联合训将优化调整策略数据应用于智能材料的进一步调整，使得智能座椅在汇总优化调整策略数据和历史调整数据，通过4基于分析结果生成个性化姿态评估数据，所述个性化姿态评估数数据处理模块，包括拓扑数据分析单元和混合图神经网络单元，非线性动力学与自适应形状耦合模块，所述模块用于根据姿态风险智能材料调节模块，包括液态金属调节单元和可编程材料调节单生成对抗网络与自适应姿态模拟模块，所述模块用于通过生成协同强化学习模块，所述模块用于通过对模拟姿态反馈数据和调整反馈个性化姿态评估与维护模块，所述模块用于汇总优化调整策略数据和历史调整数据，56[0025]基于姿态风险评估数据，使用非线性动力学模型计算用7[0033]优选的，通过生成对抗网络利用调整反馈数据生成动态虚拟姿态数据的步骤包模拟姿态反馈数据用于校正和优化智能材料8[0052]通过多模态数据融合技术手段，实现了对用户姿态的精准感9接触区域的温度变化。温度分布能够间接反映出用户的姿态稳定性和身体接触面的状态，k层的边界算子；ker(ap)表示边界算子用户身体各部位姿态的整体协调性进行深入分析。第三层不仅仅是简单的姿态特征提取，部压力增加。系统首先通过压力传感器和姿态角度传感器采集到该用户的综合姿态数据。[0086]系统通过混合图神经网络的第三层生成的姿态分析数据来表征用户当前的坐姿这些数据不仅包括用户姿态的健康风险级别，还包含了针对这些风险的具体姿态调整建质（如硬度、弹性、形状等）的智能材料。常见的可编程材料包括形状记忆合金（ShapeMemoryAlloys,SMA）、形状记忆聚合物（ShapeMemoryPolymers,SMP）、电流变液[0101]基于姿态风险评估数据，使用非线性动力学模型计算用到当前时间的任意时刻；通过这个公式，系统可以预测用户在未来一段时间内的姿态变[0106]在这个预测过程中，动力学方程描述了用户姿态状态如何受当前姿态和控制输入的影响。控制输入可以包括智能座椅的调整指时纠正用户的不良姿态，还能通过提前预防的方式避免长期姿态不良对健康造成的损害。模拟姿态反馈数据用于校正和优化智能材料户在不同调整策略下的姿态反应，生成对抗网络通过对抗训练不断优化这些虚拟姿态数一模块的调整可能并不足以达到理想效果，尤其是在用户的倾斜姿态较为顽固的情况下。用户当前的姿态健康状况、可能面临的健康风险以及针对这些问题的个性化姿态改善建成的个性化姿态评估数据指出了用户可能面临的颈椎健康风险