(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 202211019794.7 (22)申请日 2022.08.24 (71)申请人 佛山市顺德区智慧科技产业创新研 究院 地址 528325 广东省佛山市顺德区杏坛镇 顺业西路15号中集智能制造中心1栋 301之二 申请人 广东融谷创新产业园有限公司 (72)发明人 韩冠亚　李嘉恒　李影影　 (51)Int.Cl. G16H 50/30(2018.01) G06F 30/27(2020.01) G06F 119/08(2020.01) G06F 111/10(2020.01) G06F 113/08(2020.01) (54)发明名称 基于深度学习的人体热湿传输仿真的运动 预警方法与系统 (57)摘要 本发明公开了一种基于深度学习的人体热 湿传输仿真的运动预警的方法。 包括： 输入健康 阈值， 对人体热生理模型的被动系统的子系统进 行合理划分， 分别建立呼吸子系统、 循环子系统、 组织子系统， 向各子系统中输入相应初始数据， 并输出相应方程， 利用DGM算法求解以上系统输 出的方程， 输出各方程的解， 各方程的解大于健 康阈值， 系统会发出健康风险警示。 本发明还公 开了基于深度学习的人体热湿传输仿真的运动 预警系统。 本发 明采用深度学习方法求解偏微分 方程， 该方法易于编程， 使得参数的数量大量降 低， 节约计算和存储数据的成本， 能够更容易地 扩展到具有复杂边界条件的情况， 可以更加及时 高效地警示 运动中有健康风险的人。 权利要求书6页 说明书10页 附图4页 CN 115376688 A 2022.11.22 CN 115376688 A 1.一种基于深度学习的人体热湿传输仿真的运动预警方法， 其特征在于， 所述方法包 括： 输入健康阈值向量H， 对人体热湿传输仿真中的人体热生理模型的被动系统的子系统 进行合理划分， 分为呼吸子系统、 循环子系统和组织子系统； 建立呼吸子系统， 输入呼吸道的初始数据， 输出相应的热平衡方程和湿平衡方程； 建立循环子系统， 输入血流速、 血管半径和血液黏稠度的初始数据， 输出相应的血流速 方程和热平衡方程； 建立组织子系统， 先对人体的组织结构进行合理的划分， 再输入相关初始数据， 最后输 出组织子系统的能量平衡方程； DGM算法求解， 将各个子系统输出的偏微分方程作为输入进行求解， 输出各方程相应的 解； 当各方程的解的数值大于设定健康阈值向量H时， 系统会发出警告提示该条件下的运 动会对健康产生 不利的后果。 2.如权利要求1所述的基于深度学习的人体热湿传输仿真的运动预警方法， 其特征在 于， 输入健康阈值向量H， 对人体热湿传输仿 真中的人体热生理模型的被动系统的子系统进 行合理划分， 分为呼吸子系统、 循环子系统和组织子系统， 具体为： 输入健康阈值向量H， 作为后续 运动预警的参 考值； 将被动系统定义为三个互相合作的子系统， 分别为呼吸子系统、 循环子系统和 组织子 系统， 三个子系统用于描述人体和周围环境之间的热交 互和热平衡。 3.如权利要求1所述的基于深度学习的人体热湿传输仿真的运动预警方法， 其特征在 于， 所述建立呼吸子系统， 输入呼吸道的初始数据， 输出相应的热平衡方程和 湿平衡方程， 具体为： 输入初始数据， 热平衡方程中的呼吸道空气流密度ρres， 呼吸道空气流比热cres， p， 呼吸 道空气流热传导率kres， 呼吸引起的热传递qres， 呼吸道空气流速率vres， 以及呼吸道的横截 面积Ares； 湿平衡方程中的空气中的质量扩 散系数Dab， 呼吸道与环境之间的水蒸汽传递mres， 以及呼吸道的横截面积Ares； 通过上、 下呼吸道与外界环境 直接进行 热湿交互， 得到热平衡方程： 其中， Tres为呼吸道空气流温度， ρres为呼吸道空气流密度， cres， p为呼吸道空气流比热， kres为呼吸道空气流热传导率。 qres为呼吸引起的热传递， vres为呼吸道空气流速率， Ares为呼 吸道的横截面积； 通过上、 下呼吸道与外界环境 直接进行 热湿交互， 得到湿平衡方程： 其中， Dab为空气中的质量扩散系数， Wair为空气湿度， mres为呼吸道与环境之间的水蒸汽 传递， Ares为呼吸道的横截面积。 4.如权利要求1所述的基于深度学习的人体热湿传输仿真的运动预警方法， 其特征在权　利　要　求　书 1/6 页 2 CN 115376688 A 2于， 所述建立循环子系统， 输入血流速、 血管半径和血液黏稠度的初始数据， 输出相应的血 流速方程和热平衡方程， 具体为： 输入初始数据： 血流速方程中的血流速vbl、 血管半径r0、 以及血液黏稠度 μ； 人体进行代谢和做功之后产生的热能通过血液循环而逐步传导到皮肤层， 进而散发到 外部环境中， 该 过程对应的血流速方程 为： 其中， vbl为血流速， r0为血管半径， μ为血 液黏稠度， Pb为血管压力； 人体进行代谢和做功之后产生的热能通过血液循环而逐步传导到皮肤层， 进而散发到 外部环境中， 该 过程对应的热平衡方程 为： 其中， ρb为血液密度， cb， p为血液比热， Tb为血液温度， kb为血液热传导率， qbd为组织与血 管之间的热传递， 当血管为静脉时qbd记为qv， 当血管动脉时qbd记为qa， Ab为血管的横截面 积。 5.如权利要求1所述的基于深度学习的人体热湿传输仿真的运动预警方法， 其特征在 于， 所述建立组织子系统， 先对人体的组织结构进行合理的划分， 再输入相关初始数据， 最 后输出组织子系统的能量平衡方程， 具体为： 将一个人体划分为15个部分， 分别为： 头、 颈部、 躯干、 上臂(左、 右)、 下臂(左、 右)、 手 (左、 右)、 大腿(左、 右)、 小腿(左、 右)和足(左、 右)组成， 每个部分又分为四层： 内核(骨骼、 结缔组织、 内脏器官)、 肌肉、 脂肪和皮肤， 身体各节点之间通过 血液进行连接； 输入初始数据， 能量平衡方程中的毛细血管与组织之间的热传递qb， 新陈代谢的热产生 qm， 动脉血管和组织之间的热传递qa， 静脉血管和组织之间的热传递qv， 呼吸引起的热传递α qres， 身体节点密度ρt， 身体节点的比热ct， p， 以及身体节点热传导 率kt； 根据生物传热以及能量守恒定律， 得到组织子系统的能量平衡方程如下： 其中， 等式左边为单位体积的身体的热量变化， 等式右边各项分别表示了单位体积的 净热传导， 毛细血管与组织之间的热传递qb， 新陈代谢的热产qm， 动脉血管和组织之间的热 传递qa， 静脉血管和组织之间的热传递qv， 呼吸引起的热传递α qres， 当前节点为头部、 颈部、 躯干处身体节点时， α值为1， 当前节点为其他身体节点， α值为0， ρt为身体节点密度， ct， p为 身体节点的比热， Tt为各节点的温度， kt为身体节点热传导 率。 6.如权利要求1所述的基于深度学习的人体热湿传输仿真的运动预警方法， 其特征在 于， 所述DGM算法求解， 将各个子系统输出的偏微分方程作为输入进行求解， 输出各方程相 应的解， 具体为： 按照概率密度函数v1从[0， T]×Ω中生成样本点(tn， xn)， 同样地， 以v2的概率密度从 中生成样本点(yn， zn)， 按v3的概率密度从Ω中生成样本点 wn； 一个空间维度为d的抛物型偏微分方程， 如下：权　利　要　求　书 2/6 页 3 CN 115376688 A 3