摘要羽毛球运动损伤风险训练数据集是一个面向运动健康监测与损伤预测研究的多模态运动生物力学数据集。该数据集包含18,452条训练记录和22个特征字段覆盖运动员训练过程中的动作类型、训练负荷、疲劳状态、生理响应以及关键关节运动学指标。数据集概述羽毛球运动损伤风险训练数据集是一个面向运动健康监测与损伤预测研究的多模态运动生物力学数据集。该数据集包含18,452条训练记录和22个特征字段覆盖运动员训练过程中的动作类型、训练负荷、疲劳状态、生理响应以及关键关节运动学指标。数据通过融合传感器采集数据与生物力学参数能够系统分析羽毛球运动过程中动作模式变化、疲劳累积、运动负荷失衡以及姿态偏差与运动损伤风险之间的关联为运动员安全管理、智能训练优化和伤病预防提供数据支持。该数据集主要记录羽毛球训练场景中的动态运动过程包括跳跃扣杀、弓步、高远球、网前球等典型动作并结合运动员个体信息和训练过程数据实现对训练状态和潜在损伤风险的量化分析。通过对运动负荷、身体姿态和关节运动特征的综合建模可用于研究疲劳状态下运动表现变化以及损伤风险演化规律。数据结构与关键特征该数据集包含运动员信息、训练过程信息、生理指标、传感器数据和生物力学指标五大类特征。运动员与训练信息包括运动员ID、训练ID、动作时间戳、动作类型以及训练课程持续时间用于描述不同运动员在不同训练阶段的运动行为。训练负荷与生理状态特征包括累积疲劳指数、心率BPM以及急慢性工作负荷比ACWR用于衡量运动强度、疲劳积累和恢复状态。传感器数据主要来自穿戴式运动设备包括踝关节三轴加速度X/Y/Z、踝关节三轴陀螺仪数据、腕关节加速度幅值以及腰椎垂直方向加速度等信息用于捕获运动过程中的速度变化、旋转特征和冲击负荷。生物力学指标包括膝关节屈曲角度、踝关节外翻角度、躯干前倾角度以及着陆不对称评分可反映运动员动作稳定性、关节受力情况和潜在损伤因素。数据提供两个目标变量分类目标 Target_Injury_Risk_Category用于预测当前动作或训练阶段的总体损伤风险等级二分类目标 Target_Immediate_Intervention用于判断是否需要立即采取训练调整或医疗干预措施0表示无需立即干预1表示需要立即干预。应用价值与研究方向该数据集可广泛应用于运动医学、智能体育和人工智能辅助训练领域。在机器学习和深度学习研究中可用于构建运动损伤风险预测模型通过融合时间序列传感器数据、生理指标和运动学特征实现对运动员风险状态的实时评估。在运动健康监测方面该数据集能够支持基于可穿戴设备的智能训练系统开发通过持续分析心率、疲劳指数、动作偏差和关节负荷变化提前发现潜在伤病风险。在运动表现优化领域可用于研究不同训练负荷对运动能力和动作质量的影响为个性化训练计划制定提供依据。此外该数据集还适用于时序建模、异常检测、多模态数据融合以及智能决策研究可支持开发羽毛球运动损伤预警系统、运动员状态评估平台和智能体育健康管理应用。通过结合深度学习模型如LSTM、Transformer、图神经网络等能够进一步探索复杂运动行为与损伤风险之间的非线性关系。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-402文件大小700K原创声明本数据集为整理作品