随着人口老龄化的加剧,长期卧床的失能老人越来越多。在重力的压迫下臀部和背部长期保持同一种卧姿极易产生压疮。为了预防压疮的发生,传统方法是护理人员定期使用手摇式或电动式翻身床为失能老人翻身,这样不仅加重了护理人员的工作负担,失能老人又因被动翻身给自己造成极大不自信。失能群体如何完成自己控制翻身对实现压疮预防具有重要意义。因此,设计意图翻身床控制系统的同时,对卧姿识别和翻身意图识别展开了深入研究,提出了基于极限学习算法识别卧姿的机器学习方法和基于决策树ID3关联BP神经网络算法识别翻身意图的深度学习方法。主要研究内容和取得的研究成果如下:1)进行了基于卧姿监测的意图翻身床控制系统的软硬件设计。基于Lab VIEW开发了体压采集系统软件和人机交互界面,绘制了背部压力的强度图和二维压力数组,背部压力强度图确定失能群体的卧姿,二维压力数组判定翻身的意图。采用柔性压力传感器阵列和数据采集卡进行体压数据的采集;设计了Wi Fi模块进行翻身信息的接收和传输;基于STM32控制器开发了电机驱动模块。2)基于极限学习算法识别卧姿的机器学习方法研究。采用了柔性压力传感器阵列获取静态卧姿压力图像,完成了16种图像特征值（几何特征值9种、能量特征值4种、颜色特征值3种）的提取,通过对特征值的归一化处理,引入了极限学习算法对特征值进行训练和预测。最终卧姿识别的正确率达到了98.75%,实现了失能群体在床上的卧姿识别。3)基于决策树ID3关联BP神经网络算法识别翻身意图的深度学习方法研究。提出了ID3决策树算法作为信息增益值选择测试属性的标准,通过信息增益值筛选出翻身意图的最大相关性。根据二维压力数组的显示,完成了实验者在平躺向左右翻身时的压力值提取;引入了BP神经网络算法对翻身意图的阈值提取。得出了不同体重的人群中,延迟1.2s采集压力数组,左右差值满足A-B>K时判定为左翻身;满足|A-B|≤K时判定为平躺;满足A-B<-K时判定为右翻身（K为翻身临界阈值）。4)开发了MQTT远程无线通信协议。使用华为云服务器与MQTT远程通信协议的对接,代替了常规的串口传输,实现了远程控制翻身床的功能。5)分析了实验结果。选取了翻身床的翻身最佳姿态和响应翻身精度,得出了男性在翻身床翻身时长10～15s时翻身角度为45°,翻身后暂停时长为15s,整个延时响应误差平均值为0.21s的结论;女性在翻身床翻身时最佳姿态为:翻身时长10s,翻身角度为45°,翻身后暂停时长为15s。女生的整个延时响应误差平均值为0.19s。通过SD主观评价,确定了实验者在翻身前后身体和精神疲劳得到了明显改善。得出了意图翻身床能有效的缓解失能群体久卧时身体和精神疲劳的结论。