使用可穿戴设备监测游泳者的推进力以获得实时反馈并了解其与游泳速度的关系 ...
中文游泳文献
2025-7-4 11:00
6人浏览
0人回复
摘要
摘要基于实验设置，与阻力相比，推进力在游泳中的作用仍然缺乏证据。然而，更高水平的推进力似乎会导致更快的游泳速度。本研究的目的是了解两个游泳部分之间一组运动学和动力学变量的变化及其与游泳速度的关系。样本 ...
摘要 基于实验设置，与阻力相比，推进力在游泳中的作用仍然缺乏证据。然而，更高水平的推进力似乎会导致更快的游泳速度。本研究的目的是了解两个游泳部分之间一组运动学和动力学变量的变化及其与游泳速度的关系。样本包括15名年轻的成年休闲游泳运动员（8名男性：20.84±2.03岁;7名女性：20.13±1.90岁）。在游泳池的两个连续部分测量了最大游泳速度以及一组运动学和动力学变量。测量了各部分之间的差异，并分析了游泳速度的决定因素。泳速、推进力等运动学和动力学变量在各节间变化不显著（p < 0.05）（仅游泳速度的循环内波动显著降低，p=0.005）。该模型将推进力、冲程长度和主动阻力系数确定为游泳速度的决定因素。游泳速度由运动学和动力学变量的相互作用决定，特别是推进力和主动阻力系数。关键词：绩效;游泳分析;推进力;运动学;用户友好的数据;培训;传感器;游泳速度决定因素1. 简介运动表现是一种多因素现象，取决于不同科学领域之间的相互作用。也就是说，众所周知，生理学[1]，生物力学[2]，营养学[3]和心理学[4]（以及其他）在提高性能方面起着重要作用。其中，生物力学受到了很多关注，因为研究人员、教练和从业者专注于运动分析。运动中的运动分析被认为是记录运动运动，然后根据原始运动学数据计算描述运动的有意义参数[5]。因此，提供给运动员的信息被认为对提高他们的表现非常重要。过去，体育运动中的运动分析通常基于视频分析[6，7]。然而，由于数据采集和处理过程耗时[8]，研究人员正在选择一种不同的方法。如今，使用可穿戴设备（即任何可以佩戴或用作配件的技术设备）正在成为一种主要方法。可穿戴设备可检测运动特定的运动，并量化其他监测技术可能无法检测到的运动需求[9，10]。在游泳的情况下，视频分析的局限性更具挑战性，因为摄像机安装在水生环境中。因此，使用可穿戴设备消耗的时间更少，提供即时反馈，并允许在没有距离限制的情况下记录数据[11]。此外，可穿戴设备允许向教练提供更全面的数据，从而向游泳者提供即时反馈。游泳速度取决于推进力和阻力（即阻力）之间的相互作用。文献报道了大量关于游泳者阻力的信息，表明具有更好流体动力学特征的游泳者更有可能表现更好。然而，尽管理论上认为更大的推进力会导致更快的游泳速度，但关于游泳者推进力的信息较少。尽管如此，根据实验设置，据报道，更快的冲程频率导致更大的推进力[16]，更大的推进力导致更快的游泳速度[17]。必须强调的是，这些实验发现只能基于可穿戴设备，允许游泳者“自由”地进行，即没有任何机械限制。此外，有人认为，单独增加推进力或仅减少阻力可能无法提供更好的性能[18]。也就是说，游泳者必须产生巨大的推进力，同时保持“最佳”的流体动力学位置，以利用实现的推进力并尽可能减少阻力。最近有报道称，主动阻力系数（C大）是最能代表游泳者流体动力学的变量[19]。此外，作者提到 C大可以根据阻力或推进测量值（过去仅通过阻力测量来估计）来估计[19]。因此，除了一般使用可穿戴设备的优势，特别是推进力之外，研究人员和教练还可以获得大.关于游泳的文献，特别是关于最大试验测量的文献，通常报告的数据基于同一最大试验的平均值[14，20]。然而，有人认为，一组变量的平均值可能无法提供关于给定性能的准确见解[21，22]。在参加欧洲锦标赛（长距离，即50米长，游泳池）的精英级游泳运动员中，观察到短距离游泳运动员往往会在短距离比赛中降低游泳速度[23]。还观察到，在比赛中，划频率和划幅趋于增加[23]。在25 m最大试验中，在高水平游泳运动员中也观察到了类似的结果[17，21]。因此，尽管游泳池很长（即50或25米），但在最大试验或短距离项目中，游泳速度似乎有下降的趋势。然而，人们对游泳者的推进力及其在提高游泳速度方面的影响知之甚少。此外，如前所述，阻力是游泳中最重要的话题之一。再次，与拖动相关的变量（即主动拖动或 C大）通常也作为试验的平均值进行测量，而不是跨部分或卒中[24，25]。因此，人们对游泳运动员的流体动力学可能发生的变化及其对他们表现的影响知之甚少。本研究的目的是了解两个游泳部分之间一组运动学和动力学变量的变化及其与游泳速度的关系。据推测，推进力和C大会对游泳者的速度产生有意义的影响。2. 材料和方法样本包括15名年轻的成年休闲游泳运动员（8名男性：20.84±2.03岁，73.87±7.95公斤体重，176.00±7.21厘米身高，174.81±7.84厘米臂展;7名女性：20.13± 1.90 岁，69.14 ± 7.38 公斤体重，身高 170.00 ± 7.34 厘米，臂展 171.21 ± 7.01 厘米; 全部汇集在一起：20.51±1.93岁，71.66±体重7.80公斤，身高173.20±7.66厘米，臂展173.13±7.43厘米）。参与者是从游泳课程计划中选出的。在数据收集之前的三个月里，游泳运动员每周两次（三小时）参加游泳课程。他们以前有游泳背景（4.07±2.15年的练习）。所有程序均符合《赫尔辛基宣言》关于人类研究的规定，大学伦理委员会批准了研究设计（第 72/2022 号）。2.1. 人体测量学体重（BM，以公斤为单位）在电子秤（Tanita，MC 780-P，日本东京）上测量，衣服最少。使用电子测速仪（Seca，242，汉堡，德国）收集高度（H，单位厘米）。臂展（AS，单位厘米），手表面积（HSA，单位厘米）2）和额表面积（FSA，单位：厘米2）通过数字摄影测量法进行测量。对于AS测量，游泳者以直立静态位置放置在2D校准对象附近，双臂横向外展，与躯干成90°角。胳膊和手指都完全伸展。第三指尖之间的距离是用专用软件程序（Udruler，AVPSoft，美国）测量的[26]。对于HSA测量，游泳者的手掌用数码相机拍摄（索尼a6000，日本东京）。每个HSA都是使用专用软件程序（Udruler，AVPSoft，美国）计算的[26]。对于FSA测量，游泳者在横向平面上用数码相机（索尼a6000，日本东京）在2D校准对象旁边拍摄以校准图像。游泳时，游泳者会改变他们的FSA。假设这种变化对游泳者的流体动力学有直接影响[27]。为此，游泳者被指示穿着泳衣，帽子和护目镜躺在长凳上。他们的下躯干支撑在长凳上，以便游泳者可以靠在躯干的上部。游泳运动员被拍到以下姿势：（i）右手接球;（二）右手扫地;（三） 右手出口和左手抓握;（四）左手扫荡;以及（v）左手退出和右手抓球[27]。这样做是为了表示整个中风周期的持续时间。在这种情况下，每个冲程循环的开始和结束被认为是右手连续进入水中。然后，如前所述，通过数字摄影测量法测量每个FSA位置[26]。使用三次样条对每个位置的值进行插值，从中计算行程的每个百分点（每5%）的FSA值（图1）。这用于计算 C大（请参阅第 2.4.2 节）。
图1.整个行程周期中的额面变化 （FSA）。实线表示平均值，虚线表示 95% 置信区间。2.2. 水中数据的研究设计在标准化的热身之后，游泳运动员被指示在前爬行中进行全面的 25 米试验，并推出推开开始。建议他们在10米至20米之间进行时不要呼吸，以避免脑卒中协调或技术的变化[28]。在第 10 米和第 20 米标记之间，分析了两个部分：（i） S10–15 m：第 10 米和第 15 米标记之间的距离;（ii） S15–20 m：第 15 米和第 20 米标记之间的距离。在比赛的每个部分，测量一组变量的平均值。2.3. 运动学为了测量游泳速度，将速度表的绳（SpeedRT，ApLab，罗马，意大利）连接到游泳者的臀部[22]。车速表以 100 Hz 的速率计算游泳者的位移和速度。之后，数据被导入信号处理软件程序（AcqKnowledge v. 3.9.0，Biopac Systems，圣巴巴拉，加利福尼亚州，美国）。在残差分析中，使用巴特沃兹四阶低通滤波器（截止：4 Hz）处理信号。将 GoPro Hero 5 摄像机（采样率为 7 Hz）同步到车速表，以拍摄游泳运动员在矢状面的表现，以识别每个部分的流逝时刻。游泳速度（以米/秒为单位）是从比赛每个部分（即S60-10米和S15-15米）的软件中获得的。游泳速度的循环内波动（dv，单位%）计算为变异系数（CV：CV = （一个标准差）/平均值）× 20）[100]。通过计算每单位时间的周期数来测量行程频率（SF，单位为Hz），从完成一个完整周期所需的时间（f = 29 / t）开始，然后转换为Hz。一个完整的中风周期被认为在右手连续入水中的那一刻结束。划水长度（SL，单位为m）计算为SL = v/SF，其中v是游泳速度（单位m/s），SF是泳姿频率（单位：Hz）[1]。笔画指数（SI，单位：m2/s）被用作游泳效率指标[31]。计算为 SI = v ∙ SL，其中 SI 是笔画指数（单位为 m2/s），v 是游泳速度（以 m/s 为单位），SL 是行程长度（以 m 为单位）。图2A 表示车速表设置。图2.面板 （A） - 用于游泳速度测量的速度表设置。面板 （B） - 用于推进力测量的传感器的放置。2.4. 动力学2.4.1. 推进力推进力是用SmartPaddles（Trainesense，坦佩雷，芬兰）测量的。这些是可穿戴传感器，可在游泳泳姿期间测量一组动力学和运动学变量[32]。它由三部分组成：SmartPaddles，用于记录的PoolShark会话管理器移动应用程序以及用于分析和数据存储的分析中心（https://sharksensors.com/）。SmartPaddles 传感器单元通过硅胶带连接到游泳者的手上（图 2B）。它使用两个压力传感器记录施加的力，并使用 9 轴 IMU 记录运动。该设备使用 100 Hz 的采样频率。PoolShark会话管理器充当移动设备和SmartPaddles之间的用户界面。它用于管理记录并将数据上传到分析中心。分析中心自动分析记录并可视化性能。分析中心的主要重点是提供即时信息，以在训练环境中训练运动员。此外，它还允许下载数据以进行进一步处理。据了解，SmartPaddles计算算法尚未发布。SmartPaddles通过Trainesense Oy（芬兰坦佩雷）开发的封闭式Matlab GUI（图形用户界面）（芬兰坦佩雷）生成处理后的数据。这意味着无法访问 SmartPaddles 原始数据，并且无法调整算法计算常量。®®®®®®®如前所述，在每个部分（即S10-15 m和S15-20 m）的三个连续冲程周期中获得游泳速度。因此，使用了每个上肢的三个相应的手臂拉动。图3（图B1 - 左上肢;图B2 - 右上肢）显示了整个试验期间游泳者手臂拉动的示例。每次手臂拉扯被定义为手进入和退出之间花费的时间。对于右侧 （Fmean_right，在 N 中）和左 （Fmean_left，在 N） 臂拉中，测量平均推进力。之后，在整个冲程中产生的平均推进力（Fmean_stroke周期，在N）循环计算为（Fmean_right+ Fmean_left）/2 （以 N 为单位）。两次手臂拉扯（F总，以N为单位）计算以检索在整个冲程循环（Fmean_right+ Fmean_left).与每次手臂拉动相关的冲量计算为：Imp = F ∙ △t，其中 Imp 是脉冲（以 N∙s 为单位），F 是推进力（以 N 为单位），△t 是推进力产生的时间量（以 s 为单位）。
图3.可在分析中心分析的数据示例。后缀 1 和 2 分别对应于左手和右手。面板 （A） - 平均手臂拉力的量和力方向。面板 （B） - 通过手臂拉动的力的大小。面板 （C） - 每次手臂拉动（水下阶段）和恢复（空中阶段）所花费的时间。2.4.2. 主动阻力系数 （C大)该 C大基于逆动力学计算，取整个行程周期产生的总推进力[19]。因此，C大计算公式为 C大= 推进力/（0.5 ∙ V2∙ ρ ∙ FSA），其中 C大是主动阻力系数（无量纲），推进力是整个冲程循环中产生的推进力量（两个上肢的总和，以N为单位），v是游泳速度（以m/s为单位），ρ是水密度（假设为997 kg/m）3），FSA是额表面积（假设是在整个行程周期中验证的变化，单位为m2).2.5. 统计分析夏皮罗-威尔克检验和莱文检验分别用于评估正态性和同方差性。均值加一个标准差计算为描述性统计量。对于 v、dv、SF、SL、SI、Fmean_stroke周期小鬼mean_stroke周期， F总和 C扇使用配对样本t检验（p < 0.05）验证两个部分之间的差异。对于 Fmean_right小鬼右， Fmean_left和 Imp左，采用双向重复测量方差分析（p < 0.05）：（i）手臂拉动时间效应（S10–15 m与S15–20 m之间的差异）;（ii）副作用（左右上肢之间的差异）。在两项分析中，都测试了性别效应（p < 0.05），在两项分析中均显示无显著影响。因此，数据以两种性别分组的形式呈现。Cohen's d 用于估计成对标准化效应大小，并被视为：（i） 如果 0 ≤ d < 0.20，则为微不足道;（二） 小 如果 0.20 ≤ 天< 0.60;（三） 中度 如果 0.60 ≤ 天< 1.20;（四） 如果 1.20 ≤ 天< 2.00 天，则较大;（v） 如果 2.00 ≤ d < 4.00 则非常大;（vi）如果d ≥ 4.00，则接近完美[33]。分层线性建模（HLM）用于识别游泳速度的决定因素。测试了两种型号。在第一个模型中，测试了性别之间的差异和随时间的变化。在第二个也是最后一个模型中，测试了游泳速度的决定因素（即运动学和动力学）。最终模型只考虑了重要的决定因素。在HLM7软件上计算最大似然估计[34]。3. 结果3.1. 智能桨和分析中心图 3 和图 4 表示游泳者的数据示例，可以在分析中心观察到。图3报告了推进力数据（即平均方向，手臂拉动推进力以及水下和恢复时间）。图 4 显示了游泳者手在顶部、侧面和背面视图中的轨迹示例。轨迹数据对应于每只手执行的总手臂拉动的平均值。图4.可在分析中心分析的游泳者手部轨迹示例。后缀 1 和 2 分别对应于左手和右手。面板 （A） - 手臂拉动的顶视图。面板 （B） - 手臂拉动的侧视图。面板 （C） - 手臂拉动的后视图。3.2. 实验结果表1显示了每个部分中每只手产生的推进力和冲量的描述性数据（平均值±一个标准差-1SD）。推论分析显示两个变量的时间和副作用不显著，以及时间X侧相互作用不显著。这表明截面之间的推进力和冲量没有显着变化，并且观察到手间差异不显着。尽管如此，两个变量在S15-20 m处都显示出高于S10-15 m处的值（但效应大小微不足道）。表 1.每个部分中手动产生的推进力的描述性数据（平均值±一个标准差 - 1SD）。它还呈现了时间效应（部分之间的手臂拉力差异），副作用（双手产生的推进力之间的差异）以及各自的相互作用。表 2 按截面显示了运动学和动力学变量的描述性数据（平均值±一个标准差 - 1SD）。它还介绍了各部分之间的比较。游泳者略微提高了各部分之间的游泳速度（效果大小微不足道）。其他运动学和动力学变量也观察到了相同的情况。该 C大部分之间略有减少（微不足道的效果大小）。dv是唯一呈现显着变化的变量（减少，即表明性能更好，但效应量较小）。表 2.测量的所有变量的描述性数据（平均值±一个标准差—1SD）以及各部分之间的 t 检验比较。表3显示了最终计算模型的固定效应，仅保留了重要的行列式。该 C大是对游泳速度贡献最大的变量。C增加一个单位大增加了0.593米/秒（95CI：-0.636至-0.550;p < 0.001）的游泳速度。也就是说，C 的增加大促进了对游泳速度的负面和显着影响。其他决定因素对游泳速度有积极（和显着）的影响。也就是说，更大的SL和更大的F意味 着（右和左）导致更快的游泳速度。表 3.最终模型的固定效应，包括标准误差和 （SE） 和 95% 置信区间 （95CI）。
4. 讨论本研究的目的是了解两个游泳部分之间一组运动学和动力学变量的方差及其与游泳速度的关系。各节之间的游泳速度没有显著变化。在推进力中也观察到了相同的副作用（即左右臂拉力之间的差异）。同样，其他运动学和动力学变量在部分之间没有显着变化，除了dv（部分之间显着降低）。此外，分层建模表明SL，C大，双手的推进力是游泳速度的主要决定因素，C大成为最大的贡献者。4.1. 智能桨和分析中心一些研究提到了在游泳和其他运动中使用可穿戴设备的优势，无论测量和监测的变量类型如何[10，35]。但是，无论是基于 IMU 还是其他传感器，数据处理（数据收集后）对于教练和游泳者来说可能不是用户友好的。也就是说，数据通常需要过滤和操作才能呈现给教练和游泳运动员。事实上，使用可穿戴设备的研究表明，数据通常有需要过滤掉的噪声[9，36]。对于教练和游泳运动员等数据处理的非专家来说，此过程可能很耗时且用户不友好。因此，拥有可以与操作系统配对的可穿戴设备，允许将过滤后的数据呈现给教练和游泳运动员是训练过程中的重要一步。如前所述，本研究中使用的传感器集基于一个系统，该系统包括传感器单元、用于记录的应用程序以及用于可视化的分析和数据存储应用程序[32]。因此，教练和游泳运动员可以可视化推进力时间序列（图 3 A1，A2）、所有手臂拉动的平均值（图 3 B1，B2）以及在水下和恢复阶段花费的时间（图 3C1，C2）。此外，由于传感器单元基于 IMU，因此也可以从多个角度可视化手的路径（图 4）。这种可视化使教练和游泳运动员能够更好地了解其划水力学中的潜在困难。事实上，有关游泳者手部路径的信息对于提高性能非常重要[37]。游泳中的推进力可以通过实验直接测量，基于压力传感器或IMU[17，32，38]。也可以通过系留游泳间接测量[39]。尽管有各种方法，但仍然没有金标准方法来测量游泳中的推进力。尽管如此，应该提到的是，本研究中使用的传感器单元与常用的压力传感器系统高度一致[32]。4.2. 实验结果大多数分析游泳者推进力（与游泳速度相关的研究）倾向于使用给定试验的平均值进行进一步分析[38，40];然而，在体育运动中，会发生内变异性[41]。也就是说，运动员可能并不总是以完全相同的方式再现给定的动作。在游泳中，由于水生环境的不稳定条件，这种现象可能更大[42]。因此，为了获得更深入的见解，研究人员和教练可以在不同的游泳池部分测量给定变量，就像在种族分析背景下[23]或在特定试验期间的逐个卒中分析中所做的那样[21，43]。在本研究中，研究人员选择分析部分之间的变量以方便，并且因为样本由休闲游泳者而不是高级游泳者组成。数据显示，游泳运动员在前爬行中的推进力在各部分之间没有差异，也没有明显的副作用（即右手和左手之间的差异）。文献缺乏关于试验期间推进力变化的信息。尽管如此，Morais等人[17]观察到，至少在高水平游泳运动员中，在逐泳分析中，最大游泳速度下的推进力趋于降低。然而，作者[17]观察到了显着的副作用（基于本研究的临界值，效应量很小），这在本研究中没有发现。因此，根据样本人口统计或其他特征（例如旱地强度或运动控制），游泳者在两侧的平均推进力方面可能存在也可能没有显着差异。这是一个需要进一步研究的现象，以及它对游泳性能的影响。在游泳速度（和剩余运动变量）中观察到的活动与在推进力中观察到的活动相同，即它在部分之间没有显着变化。在最大试验或官方短跑比赛中，训练有素的游泳运动员在整个试验或前爬比赛中的游泳速度往往会显著降低[17，23]。由于该样本由休闲游泳者组成，因此在进行最大试验时，他们似乎呈现出相反的轮廓。如前所述，游泳速度和推进力在各部分之间没有显着变化。各部分之间出现显着差异的唯一变量是dv，其中观察到下降。dv被认为是效率代理，其中较小的值通常与更好的性能相关[14，20]。但是，这种假设是基于整个试验的平均值。游泳研究的新方法认为，在DV中观察到的较小值，至少在前爬行中，可能并不总是与更好的表现有关，反之亦然[21]。虽然总效率更高的游泳可能会降低能量消耗[44]，但有人认为，游泳者可以使用不同的泳姿力学模式（与游泳效率有关）来最大化游泳速度，至少在最大的试验或事件中是这样[21]。事实上，可以说，在最大试验或短跑项目中，游泳运动员并不关心节约能源。因此，游泳者可以采用基于产生更大推进力和较低效率的技术的策略[21]。该 C大各节之间也略有下降（但不显着）。据了解，这是第一个表明C测量的研究大在同一试验中。既往报道，在游泳过程中，FSA会发生变化[27，45]，因此会发生主动阻力变化[27]。因此，可以建议将 C大游泳时也可以改变。这项研究的数据证实了这一假设。基于逆动力学，利用游泳者产生的推进力、他们的游泳速度和他们的FSA变化，可以计算出C大在每个部分中。总体而言，可以说部分之间游泳速度的增加（尽管不显着）可能与推进力的增加有关，同时观察到dv和C的降低大.采用分层线性建模确定游速度的决定因素。当男性和女性游泳运动员一起进行测试并进行重复测量时，分别测试了性别和时间的影响。性别和时间显示出不显着的影响。这表明可以将男性和女性分组在一起以确定游泳速度的决定因素。此外，未确定游泳速度测试的显着时间效应。这表明各部分之间的游泳速度没有显着变化（如之前测试的那样）。因此，可以说休闲游泳运动员没有类似于高水平游泳运动员的概况，在最大试验或短跑项目中观察到各节之间的游泳速度显着降低[23]。最终模型显示SL，Fmean_right， Fmean_left和 C大作为游泳速度的重要决定因素。关于SL，目前的数据表明，每次划水能够覆盖更远距离的游泳者更有可能达到更快的游泳速度，这是游泳中众所周知的事实[14，20]。关于推进力，基于数值研究的理论模型表明，推进力水平越高，游泳速度越快[46，47]。最近，实验研究证明了这一现象，发现推进力值越高，游泳速度越快[16，17]。在这里，甚至可以说，更大的推进力也可能允许更大的SL，因此，更快的游泳速度。事实上，有人认为推进力可能在SF-SL相互作用中发挥关键作用，以提高游泳速度[18]。该 C大也被保留为游泳速度的重要决定因素。文献致力于表明流体动力学在游泳运动员的表现中起着重要作用，其中数值较小的游泳运动员更有可能表现出更好的表现[13，48]。过去，由于设备限制，很难直接测量推进力，因此很难将其作为游泳速度的决定因素进行测试。当前研究的数据表明，游泳速度是由运动学（SL）和动力学（推进力和C大，即流体动力学）。这与文献一致，文献强调游泳是一种整体现象。尽管如此，应该提到的是，游泳者可以通过产生推进力同时降低阻力来实现更快的游泳速度[12]。这些发现表明，推进和C大是游泳速度的重要决定因素。最近，据报道，游泳者在产生推进力时可能会遇到错位，这将导致他们具有更大的FSA面积，因此具有更大的阻力[27]。因此，它们可以在产生推进力后立即受到更高的阻力，从而降低其游泳速度。因此，可以建议，如果紧接着不采取尽可能水动力的位置，即降低水阻力，那么产生更高水平的推进力是没有意义的。作为本研究的主要局限性，可以认为：（i）这些数据仅适用于短跑试验或事件，即最大游泳速度;（ii）没有测量游泳者运动控制的指标，例如协调指数。这可能会更深入地了解游泳者的速度与推进力和C 之间的关系大;（iii）根据模拟游泳划水关键时刻的陆地位置测量FSA变化。应该指出的是，建议研究人员尽可能基于水中方法测量FSA[27，45]。未来的研究应侧重于了解不同速度或强度的推进力与游泳速度之间的关系。此外，在适当的情况下，应进行逐泳分析，以了解这些变量的方差及其与游泳速度的关系。5. 结论这项研究得出的结论是，休闲游泳者在两个部分之间的游泳速度没有显着变化。在推进力和测量的其他运动学和动力学变量中观察到相同的活动，除了dv。分层建模表明，游泳速度是由运动学（SL）和动力学变量（Fmean_right和 Fmean_left—推进力;C大—电阻力）。教练和游泳运动员应该意识到平衡在产生推进力和减少阻力方面的重要性。
|
评论