买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安理工大学申请的专利基于非线性动力学的儿童物体控制能力评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114611570B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210077373.3，技术领域涉及：G06F18/2431；该发明授权基于非线性动力学的儿童物体控制能力评估方法是由王怀军;李超;李军怀;于蕾;张东升设计研发完成，并于2022-01-24向国家知识产权局提交的专利申请。

本基于非线性动力学的儿童物体控制能力评估方法在说明书摘要公布了：本发明公开了一种基于非线性动力学的儿童物体控制能力评估方法，首先利用Kinect传感器采集测试者手部、肘部和肩部运动骨骼点空间位置信息，利用惯性传感器采集测试者手部的运动生物力学信号；然后从骨骼点空间位置信息和运动生物力学信号中提取人体运动的时频域特征和样本熵特征；采用主成分分析法对时频域特征和样本熵特征进行融合；最后构建基于RF的儿童物体控制能力评估模型，实现儿童物体控制能力的分类。本发明解决了现有技术中存在的儿童物体控制能力识别问题、无法量化目标而导致的识别准确率低下的问题，实现儿童物体控制能力的分级评估。

本发明授权基于非线性动力学的儿童物体控制能力评估方法在权利要求书中公布了：1.基于非线性动力学的儿童物体控制能力评估方法，其特征在于，具体按照以下步骤实施： 步骤1、利用Kinect传感器采集测试者手部、肘部和肩部运动骨骼点空间位置信息，利用惯性传感器采集测试者手部的运动生物力学信号；所述步骤1具体按照以下步骤实施： 使用惯性传感器采集加速度和角速度信号，并提取信号峰值、峰值离散系数和信号周期在内的时域信号特征，同时还可以提取信号峰值功率、峰值频率和峰值总功率在内的频域信号特征； 使用Kinect获得人体骨骼的空间位置数据，从而提取一些空间位置特征和关节角度特征； 步骤2、从骨骼点空间位置信息和运动生物力学信号中提取人体运动的时频域特征和样本熵特征； 步骤3、采用主成分分析法对时频域特征和样本熵特征进行融合；所述步骤3具体按照以下步骤实施： 采用主成分分析的方法对多元特征进行融合，提取具有代表性的综合评价特征，具体计算方法如下： 假设有个物体控制能力样本，每个样本有维特征=，每个特征都有各自的特征值； 对所有特征进行中心化，计算第个特征值的均值 （18） 求协方差矩阵 （19） （20） 其中，为任意两个特征的协方差，ϵ； 协方差矩阵的特征值和对应的特征向量关系如下： （21） 公式中对应的特征值有个，记作，每个对应一个特征向量，将特征值按照从小到大排序，选取这个中最大的前个，并获取对应的特征向量，每一个特征向量记作，其中的取值为1~k,从而得到一组； 对于每一个样本，将原始特征投影到选取的特征向量上，得到降维后的维新特征，计算方式如下： （22） 最终得到个样本的维新特，表示如下： （23） 矩阵即为对时频域特征和样本熵特征进行融合的结果； 步骤4、构建基于RF的儿童物体控制能力评估模型，实现儿童物体控制能力的分类；所述步骤4具体按照以下步骤实施： 基于随机森林对儿童物体控制能力进行评估，随机森林集成了多棵树，随机森林的基本单元是决策树，决策树构建过程如下： 步骤4.1、将所述步骤3输出结果作为样本集，样本集的第维特征，记作， 将特征按照值从小到大排序，记为，基于划分点，将Y分为子集和，其中是包含那些在特征上取值不大于的样本，是包含那些在特征上取值大于的样本； 对于特征，把区间的中位点作为候选划分点，获得个划分点集合： （24） 步骤4.2、遍历考察集合，选择最优的划分点进行样本集合的划分，公式如下： （25） 其中，是样本集基于标签值计算的信息熵，是样本集基于划分点二分后的信息增益，是样本集基于划分后的最大信息增益； 步骤4.3、重复步骤4.1-4.2，获得维特征的信息增益，集合表示如下： （26） 则对应的特征被选维最佳分割特征作为根节点，重复上述过程递归的进行，就能构造出一颗决策树； 步骤4.4、随机森林构建的流程如下： 对样本集用新符号表示如下： （27） 输入为训练数据集=； 输出为最终的强分类器结果； 步骤4.5、评估等级划分，依据儿童基本运动技能评估工具，确定物体控制能力评估等级为较强、一般、较弱，对应的分值区间为[0，59]、[60，79]、[80，100]，通过线性函数将概率区间映射到对应的分数区间； 映射函数，其中，为分类所属类对应的概率，F为评分，映射关系如下： （1）若样本分类结果为物体控制能力较弱，则将概率区间[13-1]将映射到区间[0，59]： （29） （2）若样本分类结果为物体控制能力一般，则将概率区间[13-1]映射到区间[60，79]： （30） （3）若样本分类结果为物体控制能力较强，则将概率区间[13-1]映射到区间[80，100]： （31）。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。