体操运动员下肢力量训练效果评估模型构建

夏蓉蓉，仰 伟

(芜湖职业技术学院 体育教学部，安徽 芜湖 241000)

体操是现代奥运会设有的竞技项目，体操项目涵盖自由体操、跳马、平衡木等，体操运动员在规定器械上完成一系列复杂动作[1-2]。通常体操项目为运动员提供动作活动空间均较小，运动员完成复杂动作需下肢发挥较强的爆发力，其下肢爆发力越高，体操运动员的弹跳能力越强[3-4]。为提升体操运动员的运动素质，就要对下肢进行有针对性的力量训练，对体操运动员下肢力量训练效果进行评估，可有效为体操运动员下肢训练提供指导。目前也有很多学者提出运动员下肢力量训练效果评估模型，如王明波等人提出的运动员下肢加压力量训练效果评估模型，该模型将运动员下肢的肌力、下肢爆发力依据膝部屈曲峰力矩等作为运动员下肢力量衡量指标[5]，利用数学统计方式评估当前运动员下肢力量训练效果。但该方法在应用时，受运动员有氧、无氧代谢不稳定影响，其评估结果不够准确。吴成亮等人设计下肢生物力学评估模型，该模型以体操运动员后空翻落地和垂直落地时的下肢负载率和下肢表面肌电参数作为输入[6]，通过输入不同训练阶段的下肢负载率和下肢表面肌电参数，输出体操运动员下肢训练结果。该方法应用时，需体操运动员完成不同数量的空翻和垂直落地动作，采集体操运动员下肢训练参数较为繁琐。为此本文构建体操运动员下肢力量训练效果评估模型，以提升体操运动员下肢力量训练效果评估技术水平。

1 运动员下肢力量训练效果评估模型

1.1 信息采集与预处理

采集体操运动员下肢力量信息是评估其下肢力量训练效果的基础。在此使用等速肌力测试仪器采集体操运动员双侧膝关节、双侧踝关节以及腰部肌群的峰力矩，使用AMTI三维测力台采集跳高运动员叉腰半蹲蹬伸起跳时的爆发力信息。然后将采集到的体操运动员下肢的峰力矩和力量信息导入到计算机内，由于采集时间与数据来源不同，使用D-S证据理论对体操运动员下肢力量信息进行融合预处理。其中D-S证据理论是一种用于不确定性推理的数学理论，该理论基于2个假设：①所有可能的事件的集合构成一个完备的集合；②每个事件都有一个相应的信任度，表示对该事件发生的信心程度。在体操运动员下肢力量训练效果评估模型构建中，可以使用D-S证据理论来处理不同训练方案的证据，以确定每种训练方案的信任度，并根据信任度来评估其效果。将不同训练方案的效果作为不同的事件，并将每种训练方案的实际效果与预期效果进行比较，从而得出每种训练方案的置信度，最终根据置信度来确定最佳的训练方案。其详细过程如下。

假设Θ表示体操运动员下肢力量信息融合辨识框架，该辨识框架的子集为G，设置体操运动员下肢力量信息概率分配函数为σ，该概率分配函数约束条件如下：

(1)

公式(1)中，φ表示空集。在该约束条件内，σ是Θ的基本概率分配函数；σ(G)为G的基本概率数值，当数值大于0时，则G为σ的焦元。

假设B表示G的子集，使用置信度函数，计算体操运动员下肢力量信息融合辨识框架子集G的总信任数值，表达公式如下：

(2)

公式(2)中，Bel(G)表示体操运动员下肢力量信息融合辨识框架子集G的总信任数值，σ(B)表示B的基本概率数值。

D-S证据理论将一个置信度赋予到一个体操运动员下肢力量信息子集上后，该子集的补无需赋予剩余置信度[7-9]，因此公式(2)结果无法描述融合体操运动员下肢力量信息的怀疑程度。在此引入似然函数描述融合体操运动员下肢力量信息时的不反对程度，则公式(2)改写为

(3)

利用公式(2)、(3)建立体操运动员下肢力量信息融合的不确定空间，该空间由[Bel(G)，pl(G)]表示。设置体操运动员下肢力量信息融合不确定空间的分区为[0.85，0.85]，当不确定空间[Bel(G)，pl(G)]大于等于其分区数值时，则融合不确定空间内的体操运动员下肢力量信息，至此完成体操运动员下肢力量信息融合。

1.2 训练效果评估模型构建

体操运动员下肢力量信息融合后，使用模糊统计和量化博弈方法分析体操运动员肌体耐力与爆发力联合动能，其详细过程如下。

假设xk表示融合后的体操运动员下肢力量信息，zk表示体操运动员肌体耐力和爆发力约束关联特征，其中，k=1，2，…，n为体操运动员下肢力量信息数量。建立体操运动员下肢力量训练肌体耐力与爆发力动能方程

(4)

公式(4)中，Ck表示第k个体操运动员下肢力量训练爆发力动能，Ik表示体操运动员下肢肌体耐力惯量，qk表示爆发力分解弧度，L表示拉格朗日函数，φk表示体操运动员下肢力量信息质量矩阵，ILk、ILk分别表示体操运动员下肢运动惯量和下肢力量信息质量矩阵的朗格朗日极值。

使用量化博弈方法计算体操运动员下肢力量训练爆发力分解弧度，表达公式为

qk=[τ1，τ1-τ2，τ1-τ2+τ3，…，τn-2-τn-1+τn]

(5)

公式(5)中，τk表示体操运动员下肢爆发力力学稳态控制特征量，其中k=1，2，…，n。

在公式(5)条件下，计算体操运动员下肢运动冲击势能，其表达公式为

(6)

公式(6)中，Pk表示第k个体操运动员下肢力量训练信息的冲击势能，γ表示体操运动员下肢爆发力输出的重力矢量。

依据公式(6)结果，构建体操运动员下肢训练效果评估动力学模型，表达公式为

(7)

由于体操运动员下肢力量信息存在动态性变化特征，在此使用五级评价等级划分方法划分评价体操运动员下肢力量训练效果评估等级，评价等级对应取值区间见表1。

表1 评价等级对应取值区间

完成体操运动员下肢力量训练效果评估等级划分与取值区间后，通过求解公式(7)并对照取值区间，即可得到体操运动员下肢力量训练效果评估结果。

1.3 基于改进人工蜂群算法的评估模型求解

人工蜂群算法是模拟蜜蜂群在空间内寻找蜜源的仿生智能优化算法，该算法在计算过程中控制参数较少，且全局收敛性较好[10-11]。但由于性别以及身体素质不同，导致体操运动员下肢力量训练评价效果具有不确定性，使求解的体操运动员下肢力量训练评价效果存在一定的盲目性[12-13]。对此利用信息熵对人工蜂群算法实施改进处理，并利用其求解体操运动员下肢力量训练评价模型。详细步骤如下.

第一步，利用公式(7)得到所有体操运动员下肢力量训练效果评估模型解后，将其导入到人工蜂群算法内；

第二步，设置蜂群边界条件后，利用体操运动员下肢力量训练效果评估模型解τk生成初始蜂群Np，则该蜂群内第i个解在第j维度的位置数值yij，计算公式为

yij=yjmin+ψyjmax-ψyjmin

(8)

公式(8)中，i表示Np内的蜜蜂，也就是第i个体操运动员下肢力量训练效果评估模型解；j=1，2，…，D表示体操运动员下肢力量训练效果评估模型解的维数，D表示总维数，yjmax、yjmin分别表示第j维最大、最小体操运动员下肢力量训练信息适应度值；ψ表示随机常数；

(9)

公式(9)中，H(fit)表示雇佣蜂熵值；oi表示状态发生概率，其计算公式为

(10)

公式(10)中，fiti表示蜂群摇摆极限值。

将公式(10)带入到公式(9)内，并依据公式(9)结果设置人工蜂群允许适当范围选择蜜源跟随蜜蜂比例α和最优蜜源被选择概率β，表达公式为

(11)

公式(11)中，H表示蜂群初始熵值。

第四步，依据公式(11)雇佣蜂更新蜜源位置，表达公式为

vij=α[yij+δij(yij-yij)β]

(12)

公式(12)中，vij表示第i个体操运动员下肢力量训练信息在第j维的位置，yij表示第i个体操运动员下肢力量训练信息在第j维的位置，δij表示在区间[0，1]内的任意数。

第五步，雇佣蜂更新蜜源位置完成后，利用公式(10)计算当前每个雇佣蜂的状态发生概率。依据该概率数值，雇佣蜂在其邻近区域搜索新蜜源并贪婪选择[14-15]，同时记录此时的解。

第六步，判断当前人工蜂群内所有雇佣蜂是否均被分配，若未均被分配，终止求解过程；若均被分配，则进行下一步。

第八步，记录当前人工蜂群算法产生的最优解，并设置人工蜂群算法迭代最大阈值u，当迭代次数达到最大阈值后，停止迭代，并输出当前最优解，反之则继续迭代。

经过上述步骤，人工蜂群算法输出体操运动员下肢训练效果评估最优解，完成体操运动员下肢训练效果评估过程。

2 实验分析

以某市体操队为实验对象，按照年龄将其划分为对照组和实验组，每组成员均为14人。测试体操运动员半蹲跳和下蹲跳成绩，将该成绩作为初始成绩，详细参数见表2。

表2 对照组与实验组半蹲跳成绩

设置体操运动员下肢增强训练计划，训练计划阶段内容与强度见表3。

表3 体操运动员下肢增强训练计划

实验组依据表3执行下肢训练计划，对照组无需执行该计划，仅保持日常训练。当实验组完成下肢训练计划后，使用本文模型对实验组和对照组的体操运动员运动效果进行评估，验证本文模型应用效果。

2.1 体操运动员下肢训练信息融合测试

体操运动员下肢训练信息融合是评估体操运动员下肢训练效果的基础，以信息融合时的支持度作为衡量指标，测试在体操运动员下肢训练信息维度不同时，本文模型融合体操运动员下肢训练信息效果，结果如图1所示。

图1 体操运动员下肢训练信息融合测试结果 图2 模型性能测试结果

分析图1可知，本文模型对体操运动员下肢训练信息进行融合时，其支持度数值与体操运动员下肢训练信息维度成反比例关系。在体操运动员下肢训练信息维度为6之前时，本文模型融合体操运动员下肢训练信息时的支持度均为1.0，随着体操运动员下肢训练信息维度增加，本文模型融合体操运动员下肢训练信息时的支持度呈现降低趋势，但降低幅度较小。在体操运动员下肢训练信息维度为10时，本文模型融合体操运动员下肢训练信息的支持度为0.95。上述结果说明：本文模型融合体操运动员下肢训练信息时不受其维度影响，具备较强的体操运动员下肢训练信息融合能力。

2.2 模型性能测试

反世代距离(inverted generational distance，IGD)是评估模型的综合性能指标，是描述评估模型收敛性评估过程中信息分布性的指标之一。以反世代距离作为衡量本文模型评估性能指标，测试本文模型在评估不同数量体操运动员下肢力量训练信息时的反世代距离数值，结果如图2所示。

分析图2可知，本文模型评估体操运动员下肢力量训练信息时的反世代距离随着体操运动员下肢力量训练信息条数的增加而降低。在体操运动员下肢力量训练信息为400条之前时，本文模型的反世代距离接近1.0。在体操运动员下肢力量训练信息为600-1 400条时，本文模型的反世代距离呈现小幅度下降趋势，当体操运动员下肢力量信息信息超过1 400条之后，本文模型的反世代距离下降幅度略大，但最小反世代距离数值依然为0.94左右。该结果说明：本文模型评估体操运动员下肢力量训练效果时的反世代距离较高，不受体操运动员下肢力量训练信息数量影响，模型的收敛性较好，评估结果较为准确。

2.3 下肢训练效果评估

以实验组为实验对象，使用本文模型评估实验组体操运动员的下肢力量半蹲跳训练效果，结果见表4。

表4 体操运动员下肢力量训练效果评价结果

结合表2和表4综合分析可知，实验组体操运动员经过严格执行下肢训练计划后，其不同年龄段的体操运动员半蹲跳成绩均有所提升，从其下肢力量训练评价结果来看，17岁和18岁的体操运动员半蹲跳成绩提升幅度最大，因此其评价等级为V。而年龄相对较小的体操运动员下肢力量的半蹲跳成绩提升幅度略小。综上结果，本文模型可有效评估体操运动员下肢力量训练的半蹲跳训练效果，具备较好的应用性。

进一步验证本文模型评价体操运动员性能，以实验组和对照组为实验对象，评估其在不同时间段时的体操运动员下肢力量训练效果，结果如图3所示。

图3 对照组与实验组下肢力量训练效果评估结果

分析图3可知，实验组完成下肢力量训练计划共12个星期，从评估结果来看，体操运动员在进行下肢力量训练期间，其下肢力量训练效果呈现阶段性增加趋势。而对照组为执行下肢力量训练计划，仅进行日常的常规训练，其下肢力量训练效果虽然也呈现阶段性增加趋势，但其下肢力量训练效果增加幅度较小，说明其常规训练对于增加其下肢力量的贡献度较小。综上结果，利用本文模型评估体操运动员下肢力量训练效果，可呈现体操运动员不同阶段下肢力量训练成果，为体操运动员训练提供阶段性指导，具备较强的应用性。

3 结 论

本文构建体操运动员下肢力量训练效果评估模型，该模型的应用不仅为体操运动员下肢力量训练提供指导性意见，促进体操运动员的运动素质，还对体操竞技项目发展起到促进作用。通过设置对比实验环境，对本文模型进行充分验证，验证结果也体现出本文方法在实际应用中存在较大的使用价值。