一种实现倾斜度调节的软硬可调床体及其智能控制方法与流程

本申请涉及智能床垫领域，尤其涉及一种实现倾斜度调节的软硬可调床体及其智能控制方法。

背景技术

人生的三分之一是在睡眠中度过的，衡量人们是否拥有“健康睡眠”的标志是：睡眠充分，时间足，质量好，效率高；入睡容易；睡眠连续，不会中断；睡眠深适，醒来倦意全消等。睡眠是健康之本，想要拥有健康的睡眠，除了工作、生活、身体、心理等方面的原因外，拥有“卫生、舒适、美观、耐用”的健康寝具是获得高质量睡眠的关键所在。

睡眠质量的好坏与床垫息息相关。随着物质文明和技术工艺的不断进步，现代人们使用的床垫种类逐渐趋向多元化，主要有：弹簧床垫、棕榈床垫、乳胶床垫、水床垫、磁床垫等。

近年来，软硬可调智能床垫一经推出，便广受消费者青睐。顾名思义，软硬可调智能床垫与人体接触的软硬度能够调节，因此，它能够适应每个人不同的生理曲线、睡姿以及习惯，为每个人提供个性化的舒适睡眠环境。软硬可调智能床垫的结构一般包括软硬调节层、舒适接触层以及一个或者多个功能层；其中，软硬调节层采用改变充气量的原理实现对床垫软硬程度之调节；舒适接触层与人体相接触，提供较为舒适的接触触感；而各个功能层可以实现压力状态检测、用户体征检测、温度调节等多种与智能化相关的功能。

与此同时，为了适应用户在床上睡眠、读书、看电视等多种应用场景，软硬可调智能床垫可以具有多种工作形态，以匹配用户在以上各个应用场景下的身体姿势。如图1所示，软硬可调智能床垫分为若干个区段，例如图1中的区段101、102、103、104，各个区段分别与用户人体的上身部、臀部、大腿部、小腿部的位置对应；各个区段的倾斜度是可以在一定变化范围内自主调节的，例如，图1a所示智能床垫的全部区段保持水平，以使床垫的形态有利于用户平躺；也可以根据应用场景的需要调整每个区段的倾斜度，使其适当抬起或者落下一定的角度，如图1b所示，其中对应上身部、大腿部的区段101、103抬高一定的角度，而对应小腿部的区段104落下一定角度，从而使床垫的形态有利于用户读书、看电视时倚靠以及腰腿部放松。除了使用户在各种应用场景下均能够保持身体自然舒适以外，通过调节床垫各个区段的倾斜度，还能够有利于用户的身体健康以及疾病缓解，例如，对于具有胃反流疾病、睡眠呼吸暂停综合症的用户来说，睡眠时通过调节对应头肩部的区段101的倾斜度，使其稍许抬高，可以对疾病症状具有明显的改善效果。

软硬可调智能床垫使各个区段实现上述工作形态调节的方式是在床垫下方的床体结构上安装分区段的支撑架、枢轴以及动力装置，由动力装置驱动各个区段的支撑架绕着枢轴抬高或者下落，而床垫本身的软硬调节层、舒适接触层和功能层都是具有一定弹性的，可以随着支撑架而发生形变，从而使支撑架带动床垫的各个区段动作，从而调整各个区段的倾斜度。

然而，在何时启动倾斜度调节、调整哪个或者哪几个区段倾斜度、将各区段倾斜度分别调整至何角度这些方面，目前的智能床体均没有达到很高的智能化控制程度。目前现有产品都是依靠用户操作遥控器或者线控器进行手工调节，这样不但增加了用户使用倾斜度调节功能的操作繁琐程度，而且必须由用户有意识地人为进行调节。而在睡眠状态下，或者是用户注意力集中在其它事情之上的情况下，即使床垫的倾斜度相对于用户的身体状况与姿势体态没有达到最为舒适和优化的程度，也不能自适应地实现自主调节。可见，现有技术在智能床体的倾斜度控制方面存在亟待解决的缺陷。

技术实现要素：

有鉴于此，本申请的目的在于提出一种实现倾斜度调节的软硬可调床体及其智能控制方法。

本发明提供一种实现倾斜度调节的软硬可调床体，所述床体包括软硬可调床垫本体、支撑架、姿态感知分析模块、舒适度分析模块、倾斜度控制模块，其特征在于：

所述软硬可调床垫本体包括软硬调节层、舒适接触层以及一个或者多个功能层；所述软硬调节层包括若干个可以独立充气和放气的充气腔室，并且各个充气腔室之上覆盖完整一体的舒适接触层；所述功能层嵌入所述舒适接触层内部，并且所述功能层当中包括一个用于压力感知的功能层；并且所述软硬可调床垫本体划分为若干个区段；

所述支撑架包括外框架、驱动设备以及对应于所述软硬可调床垫本体的若干个区段的若干个背板，相邻的所述背板通过枢轴两两连接，并且背板可围绕枢轴转动；所述驱动设备安装在外框架上，用于驱动所述背板围绕各自的枢轴转动，从而使所述背板带动对应的区段相对于水平位置改变其倾斜度；

所述姿态感知分析模块连接所述用于压力感知的功能层，并且根据各区段的压力分布判断用户的当前身体姿态；

所述舒适度分析模块连接所述用于压力感知的功能层，并且根据各区段的压力变化量判断用户的舒适度程度；

所述倾斜度控制模块连接所述姿态感知分析模块以及舒适度分析模块，用于根据用户的所述当前身体姿态自动设置各区段的倾斜度参数，以及根据用户的所述舒适度程度对所述倾斜度参数进行预定相对范围内的调试；所述倾斜度控制模块将所述倾斜度参数提供给所述驱动设备，以便所述驱动设备改变各区段的倾斜度。

优选的是，所述用于压力感知的功能层将每个所述区段划分为若干个矩阵分布的检测网格，并且每个检测网格内设置一个压力传感器，所述压力传感器测得的数值表示该检测网格承受的压力值。

优选的是，所述姿态感知分析模块根据每个区段包含的所述检测网格承受的压力值的相对值，将每个区段的所述检测网格划分为不同的受压迫等级；并且，所述姿态感知分析模块根据每个区段中不同受压迫等级的检测网格的分布位置与用户姿态模板的匹配度，确定用户的当前身体姿态。

进一步优选的是，所述姿态感知分析模块具体包括压迫分级模块以及姿态匹配模块；所述压迫分级模块根据每个检测网格对应的压力传感器检测到的压力值的相对值大小，对每个区段在本区段内的全部检测网格的受压迫等级进行分类；所述姿态匹配模块根据每个区段中不同受压迫等级的检测网格的分布位置与用户姿态模板中不同受压迫等级的网格的分布位置之间的匹配度，来确定用户的当前身体姿态。

进一步优选的是，所述姿态匹配模块先通过初步匹配判断用户当前属于坐姿还是卧姿，然后通过精细匹配确定坐姿或者卧姿之下具体的姿势类型。

优选的是，所述舒适度分析模块至少根据每个区段包含的所述检测网格承受的压力值的变化幅度，先利用历史存储的压力值变化幅度通过预设深度学习算法对舒适度识别模型进行训练；然后将所述压力值的变化幅度输入舒适度识别模型，获得所述舒适度程度。

进一步优选的是，所述舒适度分析模块是一个卷积神经网络，将历史积累的针对特定用户的压力值变化幅度和舒适度的对应关系作为学习样本，输入该网络，对该网络的权重和偏差进行反复调整训练，使该网络输出的用户舒适程度与实际状态的接近程度达到预期，保存相应的权重和偏差；对训练之后的该舒适度分析模块输入当前所述压力值的变化幅度，则输出所识别的当前用户的所述舒适度程度。

优选的是，所述驱动设备包括：推拉杆电机、第一传动扭杆和第二传动扭杆、第一扭杆固定轴和第二扭杆固定轴、横向连杆以及第一滚轮和第二滚轮；推拉杆电机可以伸缩的推拉杆与所述横向连杆固定连接；而横向连杆的第一末端部与第一传动扭杆的第一扭臂相铰接，横向连杆的第二末端部与第二传动扭杆的第一扭臂相铰接；第一传动扭杆安装在第一扭杆固定轴之上，而第二传动扭杆安装在第二扭杆固定轴之上，第一和第二扭杆固定轴分别固定在外框架的边框之上；第一传动扭杆的第二扭臂从第一扭杆固定轴延伸至与对应背板可滑动地接触，其中第一传动扭杆的第二扭臂的末端安装第一滚轮，第一传动扭杆的第二扭臂通过第一滚轮可滑动地接触该背板；第二传动扭杆的第二扭臂从第二扭杆固定轴延伸至与背板可滑动地接触，第二传动扭杆的第二扭臂末端安装第二滚轮，第二传动扭杆的第二扭臂通过第二滚轮可滑动地接触该背板。

优选的是，所述支撑架具有第一背板、第二背板、第三背板以及第四背板，其中第二背板水平固定在所述外框架上，所述第一背板、第三背板和第四背板处于水平位置时其被放置在所述外框架之上并受到外框架的支撑；所述第一背板、第三背板分别围绕各自连接的枢轴向上转动时，可以相对于水平位置抬起一定的角度，所述第四背板受到第三背板的牵引而抬起后，并且通过围绕其连接的枢轴向下转动而落下一定角度。

优选的是，所述第一背板、第二背板、第三背板以及第四背板分别对应软硬可调智能床垫分别与用户人体的上身部、臀部、大腿部、小腿部的位置对应的第一区段、第二区段、第三区段和第四区段。

本发明还提供了一种软硬可调床体的倾斜度智能控制方法，用于以上介绍的软硬可调床体，具体包括：

通过用于压力感知的功能层检测软硬可调床垫本体每个区段的压力分布；

根据各区段的压力分布判断用户的当前身体姿态；

根据各区段的压力变化量判断用户的舒适度程度；

根据用户的所述当前身体姿态自动设置各区段的倾斜度参数，以及根据用户的所述舒适度程度对所述倾斜度参数进行预定相对范围内的调试；

将所述倾斜度参数提供给所述驱动设备，以便所述驱动设备改变各区段的倾斜度。

可见，本申请提出的一种实现倾斜度调节的软硬可调床体及其智能控制方法；其能够感知和智能化识别用户的当前身体姿态以及当前的舒适度程度，进而自动进行倾斜度调节，使软硬可调床体各个区段的倾斜度与身体姿态相匹配，且可以适应用户肢体语言而进行微调，改善舒适性，不但简化了用户手动操作的繁琐，而且可以在用户无介入的情况下进行自适应调节，在用户睡眠和清醒时均可适用。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1a-1b是背景技术中的软硬可调智能床垫的不同工作形态示意图；

图2是本申请实施例的软硬可调床体组成架构示意图；

图3是本申请实施例的软硬可调床垫本体结构示意图；

图4是本申请实施例的软硬可调床垫本体功能层检测网格以及压力传感器结构示意图；

图5a-5b是本申请实施例的软硬可调床体支撑架结构示意图；

图6是本申请实施例的软硬可调床体姿态感知分析模块具体结构示意图；

图7是本申请实施例的整体压迫分布模板和用户姿势模板匹配关系示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

作为本申请的一个实施例，如图2所示，实现倾斜度调节的软硬可调床体，其具有床本体1，所述床本体1包括软硬可调床垫本体2以及支撑架3，该软硬可调床体还具有姿态感知分析模块4、舒适度分析模块5、倾斜度控制模块6。

软硬可调床垫本体2包括软硬调节层、舒适接触层以及一个或者多个功能层。其中，软硬调节层采用改变充气量的原理实现对床垫软硬程度之调节。具体来说，如图3所示，软硬调节层被划分为若干个可以独立充气和放气的充气腔室201，每个充气腔室201安装进出气阀门，并且该阀门通过导气管与充气泵连通，通过对充气腔室201充气可以增大其内部气压，从而表现为床垫硬度增加，而对充气腔室201放气可以降低其内部气压，从而表现为床垫硬度降低；由于每个腔室201可以独立进行硬度调节，从而使整个床垫的不同位置可以具有不同的硬度，因此能够适应人体的生理曲线和感觉偏好。舒适接触层202设置在软硬调节层之上，包括乳胶、填充棉、表面亲肤织物等多层结构，该层202与人体相接触，提供较为舒适的接触触感。为了保证触感的均一紧实，需要在软硬调节层划分的各个充气腔室201之上覆盖完整一体的舒适接触层202。

为了适应用户在床上睡眠、读书、看电视等多种应用场景，软硬可调智能床垫可以具有多种工作形态，以匹配用户在以上各个应用场景下的身体姿势。软硬可调床垫本体2分为若干个区段，例如图2中的区段2a、2b、2c、2d，各个区段分别与用户人体的上身部、臀部、大腿部、小腿部的位置对应；各个区段可以全部保持水平，以使床垫的形态有利于用户平躺；也可以根据应用场景的需要适当抬起或者落下一定的角度，例如对应上身部、大腿部的区段2a、2c抬高一定的角度，而对应小腿部的区段2d落下一定角度，从而使床垫的形态有利于用户读书、看电视时倚靠以及腰腿部放松。从图3可以看到，每个区段2a-2d均包括若干个充气腔室201。

一个或者多个功能层可以嵌入到该舒适接触层202之内，例如，可以嵌入由电加热丝组成的功能层，通过该功能层来实现温度调节；也可以嵌入用于汗液感知的接触式电阻传感器等，以实现人体睡眠健康感知等多种与智能化相关的功能。其中，所述功能层当中至少包括了一个用于压力感知的功能层203。图4示出了该压力感知的功能层的俯视图。从图4可见，软硬可调床垫本体2的每个所述区段2a-2d内的该功能层203均被划分为若干个矩阵分布的检测网格203a，并且每个检测网格203a内设置一个压力传感器203b，所述压力传感器203b测得的数值表示该检测网格承受的压力值，该压力值是由于用户在床上坐卧时身体重力以及动作所引发的。下面将要介绍，检测网格的压力值将用于判断用户的当前身体姿态以及舒适度程度。

参见图5a-5b，软硬可调智能床垫的支撑架包括对应于床垫区段2a-2d的背板301a、301b、301c和301d，相邻的所述背板301a-301d通过枢轴302两两连接并且可以围绕枢轴302相对转动。支撑架具有外框架303，外框架303包括呈矩形的边框303a以及位于矩形4个角部的支腿303b。背板301b水平固定安装在边框303a之上，而背板301a、301c和301d与边框303a无固定安装关系；当背板301a、301c和301d处于水平位置时其被放置在边框303a之上并受到边框303a的支撑；当背板301a、301c分别围绕各自连接的枢轴302向上转动时，其可以从边框303a抬起一定的角度，而随着背板301c的抬起，背板301d受到背板301c的牵引而抬起后，又通过围绕其连接的枢轴302向下转动而落下一定角度。从而，通过位置调整后，背板301a-301d带动床垫的区段2a、2b、2c、2d形成的形态与用户读书、看电视时的人体姿态相匹配。

为了驱动背板301a、301c和301d围绕各自连接的枢轴302转动到适当的位置，在外框架303之上安装至少两组驱动设备，每组驱动设备包括：推拉杆电机304、传动扭杆305a和305b、扭杆固定轴306a和306b，横向连杆307以及滚轮308a和308b。以驱动背板301a的驱动设备为例，推拉杆电机304的机身被固定安装在边框303a之上，并且其可以伸缩的推拉杆与所述横向连杆307的中部固定连接；而横向连杆307的第一末端部与传动扭杆305a的第一扭臂305a1相铰接，横向连杆307的第二末端部与传动扭杆305b的第一扭臂305b1相铰接；传动扭杆305a通过枢转轴孔305a2安装在扭杆固定轴306a之上，而传动扭杆305b通过枢转轴孔305b2安装在扭杆固定轴306b之上，而扭杆固定轴306a、306b分别固定在边框303a之上；传动扭杆305a的第二扭臂305a3从扭杆固定轴306a延伸至与背板301a可滑动地接触，其中第二扭臂305a3的末端安装滚轮308a，第二扭臂305a3通过滚轮308a可滑动地接触背板301a；类似，传动扭杆305b的第二扭臂305b3从扭杆固定轴306b延伸至与背板301a可滑动地接触，第二扭臂305b3末端安装滚轮308b，第二扭臂305b3通过滚轮308b可滑动地接触背板301a。这样，当推拉杆电机304的推拉杆处于伸长状态时，其通过横向连杆307传动，推动传动扭杆305a、305b的第一扭臂305a1、305b1处于第一位置，此时传动扭杆305a、305b通过围绕扭杆固定轴306a、306b旋转，使第二扭臂305a3、305b3处于基本水平的位置，而背板301a随之处于基本水平放置的状态。当推拉杆电机304的推拉杆从伸长状态变为收缩状态的过程中，通过横向连杆307传动，拉动传动扭杆305a、305b的第一扭臂305a1、305b1围绕着扭杆固定轴306a、306b旋转到第二位置，相应地，第二扭臂305a3、305b3随之旋转到基本竖直的位置，同时第二扭臂305a3、305b3通过末端的滚轮308a、308b在背板301上滑动，将背板301推动到处于倾斜抬起的状态，以有利于人体上身的倚靠。相类似，对于背板301c，也设置一组包括推拉杆电机304、传动扭杆305a和305b、扭杆固定轴306a和306b，横向连杆307以及滚轮308a和308b的驱动设备，驱动背板301c处于基本水平放置的状态和倾斜抬起的状态。随着背板301c的抬起，背板301d受到背板301c的牵引而抬起后，又通过围绕其连接的枢轴302向下转动而落下一定角度。通过控制每个推拉杆电机304伸长和收缩的运动量，可以控制各个背板抬高的角度，从而适应用户不同的个体需要。

所述姿态感知分析模块4连接所述用于压力感知的功能层203的全部压力传感器203b，获得全部压力传感器203b输出的压力值，并且根据各区段2a-2d内由于用户身体重力和动作所造成的压力分布的状态，判断用户的当前身体姿态。如图6所示，所述姿态感知分析模块4具体包括压迫分级模块401以及姿态匹配模块402；其中，压迫分级模块401根据每个区段2a-2d内包含的全部所述检测网格承受的压力值的相对值，将每个区段的所述检测网格划分为不同的受压迫等级；并且，所述姿态匹配模块402根据每个区段中不同受压迫等级的检测网格的分布位置与用户姿态模板的匹配度，来确定用户的当前身体姿态。

具体来说，压迫分级模块401根据每个检测网格对应的压力传感器203b检测到的压力值的相对值大小，对每个区段在本区段内的全部检测网格的受压迫等级进行分类，例如，受压迫等级可以分为三级，依次为压迫最大网格、压迫次等网格和无压迫网格。由于不同用户的体重不同，对所述床垫的压力绝对值也不同，相应的，对所述检测网格的受压迫等级的分级按照相对值进行划分。在本实施例中，所述压迫最大网格对应的压力值的数值范围为(2/3～1)*(l-s)，所述压迫次等网格对应的压力值的数值范围为(1/3～2/3)*(l-s)，所述无压迫网格对应的压力值的数值范围为(0～1/3)*(l-s)，其中，l为每个检测时间点本区段内全部检测网格对应的压力值中的最大值，s为每个检测时间点本区段内全部检测网格对应的压力值中的最小值。也就是说，压迫分级模块401可以按照预定的检测频率(例如每3-5分钟一次)对每个区段的全部检测网格内的压力值进行获取，每个获取压力值的时间点即为所述检测时间点；在每个检测时间点由本区段的全部检测网格对应的压力传感器提供的全部压力值当中，选取其中最大的一个压力值作为本次检测的l，选取其中最小的一个压力值作为本次检测的s；或者，为了更加精确，也可以从本区段的全部压力值中选取前10％的压力值，统计其平均值作为本次检测的l，并且从全部压力值中选取后10％的压力值，统计平均值作为本次检测的s。可见，基于计算的l和s值以及各个检测网格的压力值，每次检测都可以将每个区段内全部检测网格划分为上述三类受压迫等级。

所述姿态匹配模块402根据每个区段中不同受压迫等级的检测网格的分布位置与用户姿态模板的匹配度，来确定用户的当前身体姿态。具体来说，姿态匹配模块402针对每个区段，新建一个与该区段的检测网格一一对应的模板，在该模板中对应每个检测网格标明本次检测获得的该网格所属的受压迫等级(压迫最大网格、压迫次等网格和无压迫网格)，在遍历所有网格后，为每个区段生成一个区段压迫分布模板。姿态匹配模块402生成全部区段(本实施例为区段2a-2d)的区段压迫分布模板之后，将全部的区段压迫分布模板按照区段位置拼接为一个整体压迫分布模板，并将该整体压迫分布模板与预先存储的各种用户姿势模板进行匹配。姿态匹配模块402中可以通过存储器存储有多个用户姿势模板，每个用户姿势模板对应一种用户在床上的姿势，例如用户姿势可以分为坐姿、卧姿两大类，而坐姿又包括背部后仰坐姿、背部直立坐姿、腿部伸平坐姿、腿部蜷起坐姿等各种坐姿，卧姿又具有仰卧、俯卧、左侧卧、右侧卧等各种卧姿，而针对以上每一种具体的坐姿或者卧姿，其给床体的压迫分布是不一样的。因此，所述用户姿势模板为三类受压迫等级的网格的分布状态模型，具体来说，每种用户姿势模板包含与整体压迫分布模板的网格一一对应的网格，并且用户姿势模板的每个网格也标记其受压迫等级属于压迫最大网格、压迫次等网格还是无压迫网格。匹配过程可以分为初步匹配和精细匹配；初步匹配判断用户当前属于坐姿还是卧姿；精细匹配确定坐姿或者卧姿之下更具体的姿势类型。在初步匹配中，统计整体压迫分布模板当中与上身对应的区段(图2的区段2a)内压迫最大网格相对于全部压迫最大网格的占比；如果与上身对应的区段内压迫最大网格相对于全部压迫最大网格的占比高于第一占比阈值，则初步匹配确定当前用户姿势为卧姿；反之，如果该占比低于或等于第一占比阈值，则初步匹配确定当前用户姿势为坐姿。通过初步匹配认定用户处于坐姿，则可以调用与坐姿对应的用户姿势模板进行精细匹配；同样，初步匹配认定为卧姿，则调用卧姿对应的用户姿势模板进行精细匹配。精细匹配可以是对用户姿势模板中每一个网格，判断其与整体压迫分布模板中对应位置的网格是否属于同一个受压迫等级，若属于则认定匹配，对一匹配计数值加1(初始值记为0)，遍历所有网格单元之后，最终的匹配计数值即为该用户姿势模板的匹配计数值；将匹配计数值最高的用户姿势模板确定为与当前的整体压迫分布模板相匹配的用户姿势模板，则姿态匹配模块402输出该匹配的用户姿势模板的标识符，作为对用户当前身体姿态的判断结果。

例如，图7示出了区段2a-2d的区段压迫分布模板拼接而成的整体压迫分布模板a，其中每个方格表示模板的一个网格，方格中画叉号的表示压迫最大网格，方格中画圆圈的为压迫次等网格，方格为空白的为无压迫网格；初步匹配判断区段2a内的压迫最大网格数量占全部区段2a-2d中的压迫最大网格数量的比例，图7的a中该占比低于或等于第一占比阈值，则初步匹配确定当前用户姿势为坐姿。通过初步匹配认定用户处于坐姿，则可以调用与坐姿对应的用户姿势模板进行精细匹配，例如具有图7的b、c所示的用户姿势模板，该模板中每个网格也标记了对应的受压迫等级。对用户姿势模板b中每一个网格，判断其与整体压迫分布模板a中对应位置的网格是否属于同一个受压迫等级，若属于则认定匹配，对一匹配计数值加1(初始值记为0)，遍历所有网格单元之后，最终的匹配计数值即为该用户姿势模板b的匹配计数值；同样对用户姿势模板c也计算匹配计数值。将匹配计数值最高的用户姿势模板(图7中为b)确定为与当前的整体压迫分布模板a相匹配的用户姿势模板，则姿态匹配模块402输出该匹配的用户姿势模板b的标识符，作为对用户当前身体姿态的判断结果。

舒适度分析模块5连接所述用于压力感知的功能层203，从而获得功能层203的全部压力传感器203b输出的压力值，并且舒适度分析模块5根据各区段2a-2d的压力变化量判断用户的舒适度程度。所述舒适度分析模块5根据每个区段包含的所述检测网格承受的压力值的变化幅度，先利用历史存储的压力值变化幅度与舒适度的关系，通过预设深度学习算法对舒适度识别模型进行训练；然后将当前所述压力值的变化幅度输入舒适度识别模型，获得所述舒适度程度。不论用户是睡眠状态还是清醒状态，当其身体姿势没有达到舒适状态时，其就会无意识地进行姿势的微调，以缓解身体的疲乏感，在这一动作过程中会导致压力传感器203b输出的压力值的改变；因此，通过将一定时间窗口内每个区段的全部检测网格对应的全部压力值各自的变化幅度作为特征量，利用深度学习算法，可以识别当前用户身体舒适程度。具体来说，所述舒适度分析模块5可以作为一个卷积神经网络，将历史积累的针对特定用户的压力值变化幅度和舒适度的对应关系作为学习样本，输入该网络，对该网络的权重和偏差进行反复调整训练，使该网络输出的用户舒适程度与实际状态尽可能接近，当接近程度达到预期，则认为该算法训练完成，保存相应的权重和偏差。对于训练好之后的该舒适度分析模块5，输入当前所述压力值的变化幅度，则输出所识别的当前用户的所述舒适度程度。

具体来说，(1)当用户最初使用本软硬可调床体之时，可以设定一学习期间，在学习期间，每隔一个时间单位(例如每五分钟)采集各个区段的全部压力传感器203b输出的压力值，并且计算该压力值相对于上一个时间单位的变化幅度；同时，评定用户的舒适度，可以通过人机交互请用户输入过去五分钟自己感觉的舒适度。将学习期内累计的压力值的变化幅度以及对应的舒适度作为历史数据进行存储，进而，将历史数据的压力值变化幅度以及相应的舒适度作为学习样本输入到舒适度分析模块5的卷积神经网络；其中，所述历史数据中的压力值变化幅度可以整合为输入向量xp＝{xp1...xpn}，其中xp1，xp2，……xpn作为输入向量的一个维度，分别是同一时刻采集的每个压力传感器203b的压力值变化幅度的历史数值；与该输入向量x对应的期望输出值为tpm，该期望输出值是用户的舒适度的历史数据，tpm的不同取值代表用户处于舒适、欠舒适或者不舒适状态。

(2)执行正向传导计算，将该学习样本代入到卷积神经网络，该卷积神经网络输入层具有n个输入神经元，隐藏层具有k个隐层神经元，输出层具有m个输出神经元，则依次计算隐藏层和输出层的数值如下：

其中w1nk是输入层的第n个神经元与隐藏层的第k个神经元之间的权重，o1pk是隐藏层第k个神经元的输出；w2km是隐藏层第k个神经元与输出层第m个神经元之间的权重，o2pm是第m个输出层神经元的输出，激活函数i表示第i轮训练。

(3)执行偏差计算：判断本轮(第i轮)的偏差是否小于等于预定的允许偏差ε，若判断结果为是，则停止迭代，若判断结果为否，则继续下面的流程；

(4)执行反向计算：

其中学习率为μ，

^-δpm(i)＝(tpm-o2pm(i))o2pm(i)(1-o2pm(i))，

更改权值如下：

w1nk(i+1)＝w1nk(i)+δw1nk(i+1)

w2km(i+1)＝w2km(i)+δw2km(i+1)

(5)返回第(2)步，重新进行第i+1轮学习。

经过反复学习，不断调整神经元之间的权重值，直至偏差达到小于等于预定的允许偏差ε，则该卷积神经网络训练完成。从而，对于当前实时采集的全部压力传感器203b的压力值变化幅度，可以将其作为一个输入向量输入至训练好的卷积神经网络，该训练好的卷积神经网络将对应输出对用户舒适度的识别结果是舒适、欠舒适还是不舒适。

所述倾斜度控制模块6向每个推拉杆电机304发出控制命令，控制每个推拉杆电机304伸长和收缩的运动量，可以控制各个背板抬高的角度，从而适应用户不同的个体需要而调整区段2a-2d的倾斜度。所述倾斜度控制模块6连接所述姿态感知分析模块4以及舒适度分析模块5。姿态感知分析模块4向倾斜度控制模块6输出用户当前身体姿态的判断结果，而倾斜度控制模块6根据用户的所述当前身体姿态自动设置各区段的倾斜度参数。例如，当用户由卧姿坐起之后，根据识别的用户当前身体姿态，可以自动调节区段2a的倾斜度；同理，当坐姿下用户的腿部由伸平转为弓腿，则相应调节区段2c-2d的倾斜度。并且，根据舒适度分析模块5识别的当前用户的所述舒适度程度，对所述倾斜度参数进行预定相对范围内的调试，该预定相对范围是在当前倾斜度角度的基础上增减5％以内的一个调整值，从而实现倾斜度的微调以适应用户个体的需要，使用户的舒适度得以改善。

可见，本申请提出的一种实现倾斜度调节的软硬可调床体及其智能控制方法；其能够感知和智能化识别用户的当前身体姿态以及当前的舒适度程度，进而自动进行倾斜度调节，使软硬可调床体各个区段的倾斜度与身体姿态相匹配，且可以适应用户肢体语言而进行微调，改善舒适性，不但简化了用户手动操作的繁琐，而且可以在用户无介入的情况下进行自适应调节，在用户睡眠和清醒时均可适用。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。