Prediction of ground reaction forces and moments during sports-related movements
Author
Skals, Sebastian Laigaard
Term
4. semester
Education
Publication year
2015
Submitted on
2015-06-02
Pages
62
Abstract
Invers dynamisk analyse (IDA) af muskuloskeletale modeller er et udbredt værktøj til at forstå menneskelig bevægelse. I IDA beregnes de kræfter og momenter i kroppen, som bedst forklarer den målte bevægelse. Små målefejl og forskelle mellem en generisk model og den enkelte person kan dog give dynamisk inkonsistens, hvor bevægelser og kræfter ikke passer helt med fysikkens ligninger. Hvis reaktionskræfter og -momenter fra underlaget (ground reaction forces and moments, GRF&Ms) kan forudsiges ud fra selve bevægelsen, kan denne inkonsistens mindskes, og kraftplader bliver overflødige. I dette studie blev en metode til at forudsige GRF&Ms anvendt og valideret på en række sportsbevægelser. Metoden bruger en skaleret muskuloskeletal model og kun bevægelsesligningerne til at udlede GRF&Ms fra fuldkropsbevægelse. Den omfatter en dynamisk kontaktmodel og optimering til at håndtere perioder med dobbeltsupport, hvor begge fødder har kontakt med underlaget. Ti raske forsøgspersoner udførte blandt andet løb, en side-cut manøvre og et vertikalt hop. De forudsagte GRF&Ms og tilhørende ledkinetik blev sammenlignet med en traditionel IDA, hvor GRF&Ms var målt med kraftplader. Overensstemmelsen blev kvantificeret med Pearsons korrelationskoefficient (r), og topværdier for lodrette GRF samt resulterende ledreaktionskræfter (JRFs) blev statistisk sammenlignet. Metoden viste meget høj overensstemmelse for lodrette GRF (r 0,96–0,99, median 0,99), ledfleksionsmomenter (r 0,79–0,98, median 0,93) og resulterende JRFs (r 0,78–0,99, median 0,97) på tværs af bevægelser. Der var dog uoverensstemmelser for nogle variable, og de fleste topkræfter var signifikant forskellige. Forskellene tilskrives primært støj, og afvigelser i topværdier kan muligvis reduceres ved at justere parametre i kontaktmodellen. Samlet peger resultaterne på, at metoden kan erstatte kraftpladedata i mange tilfælde. Det gør IDA mere praktisk i sportsvidenskabelig forskning og muliggør komplette analyser med bevægelsessystemer, der ikke normalt omfatter kraftplader, for eksempel markørløs motion capture.
Inverse dynamic analysis (IDA) of musculoskeletal models is widely used to study human movement. In IDA, researchers work backwards from recorded motion to estimate the forces and moments acting in the body. Small measurement errors and mismatches between a generic model and an individual can cause dynamic inconsistency, where the motion and forces do not fully satisfy the laws of physics. If ground reaction forces and moments (GRF&Ms—the forces and torques the ground applies to the feet) can be predicted from motion, these inconsistencies can be reduced and force plates are not required. This study adopted and validated a GRF&M prediction method for several sports-related movements. The approach uses a subject-scaled musculoskeletal model and only the equations of motion to infer GRF&Ms from full-body kinematics. It includes a dynamic contact model and optimization to handle periods of double support, when both feet are on the ground. Ten healthy participants performed running, a side-cut maneuver, and a vertical jump. Predicted GRF&Ms and related joint kinetics were compared against a traditional IDA that used force plate measurements. Agreement was quantified with Pearson’s correlation coefficient (r), and peak vertical GRFs and resultant joint reaction forces (JRFs) were statistically compared. The method showed very high agreement for vertical GRFs (r 0.96–0.99, median 0.99), joint flexion moments (r 0.79–0.98, median 0.93), and resultant JRFs (r 0.78–0.99, median 0.97) across all movements. Some variables showed discrepancies, and most peak forces were significantly different; these differences were attributed mainly to noise, and peak mismatches may be reduced by tuning parameters in the contact model. Overall, the method can replace force plate data in many cases, making IDA more practical in sports science and enabling complete analyses with motion capture systems that typically lack force plates, such as markerless motion capture.
[This abstract was generated with the help of AI]
Keywords
Documents