知財求人 - 知財ポータルサイト「IP Force」
▶ ビティフアイ ディジタル テスト ソリューションズ ゲー・エム・ベー・ハーの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-02-28
(54)【発明の名称】トレーニングデバイスを制御するための装置
(51)【国際特許分類】
A63B 24/00 20060101AFI20240220BHJP
【ＦＩ】
A63B24/00
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2022567885
(86)(22)【出願日】2022-02-11
(85)【翻訳文提出日】2022-11-22
(86)【国際出願番号】 EP2022053322
(87)【国際公開番号】W WO2022179860
(87)【国際公開日】2022-09-01
(31)【優先権主張番号】102021104520.7
(32)【優先日】2021-02-25
(33)【優先権主張国・地域又は機関】DE
(81)【指定国・地域】
(71)【出願人】
【識別番号】522434967
【氏名又は名称】ビティフアイ ディジタル テスト ソリューションズ ゲー・エム・ベー・ハー
【氏名又は名称原語表記】ＢｉｔｉｆＥｙｅ Ｄｉｇｉｔａｌ Ｔｅｓｔ Ｓｏｌｕｔｉｏｎｓ ＧｍｂＨ
【住所又は居所原語表記】Ｈｅｒｒｅｎｂｅｒｇｅｒ Ｓｔｒ． １３０， ７１０３４ Ｂｏｅｂｌｉｎｇｅｎ， Ｇｅｒｍａｎｙ
(74)【代理人】
【識別番号】100114890
【弁理士】
【氏名又は名称】アインゼル・フェリックス＝ラインハルト
(74)【代理人】
【識別番号】100098501
【弁理士】
【氏名又は名称】森田 拓
(74)【代理人】
【識別番号】100116403
【弁理士】
【氏名又は名称】前川 純一
(74)【代理人】
【識別番号】100134315
【弁理士】
【氏名又は名称】永島 秀郎
(74)【代理人】
【識別番号】100162880
【弁理士】
【氏名又は名称】上島 類
(72)【発明者】
【氏名】ヴァレンティーナ ウナカフォワ
(72)【発明者】
【氏名】アントン ウナカフォフ
(72)【発明者】
【氏名】アレクサンダー シュミット
(72)【発明者】
【氏名】トーマス マリク
(72)【発明者】
【氏名】バルタザール シュテルツナー
(72)【発明者】
【氏名】ヨアヒム ケーニンガー
(72)【発明者】
【氏名】マクス バット
(72)【発明者】
【氏名】ジュリアン エノー
(57)【要約】
本発明は、トレーニングデバイス（２）を制御するための装置であって、－ 身体運動を行っている人（８）によって消耗された機械的労力（９）を受け取るように設計されるトレーニングデバイスと、－ 運動を支え、且つ／又は運動をより難しくするように設計される支持ユニット（６）と、－ 運動中に人によって消耗された運動の機械的運動データＢＤ（ｔ）を測定するように設計される運動測定デバイス（５）であって、ここで、ｔは、時間である、運動測定デバイス（５）と、－ 人の身体の生理的データＰＤ（ｔ）を測定するように設計される身体センサ（７）と、－（式Ｉ）及び（式ＩＩ）
を含む形式ｍＰＤ（ｔ＋Ｔ）＝ａ１０＋ΣｘＢｘ（ｔ）の数理モデルが記憶される演算ユニット（３）であって、最適化アルゴリズム（１１）を用いて、ｍＰＤ（ｔ＋Ｔ）が、測定された生理的データＰＤ（ｔ＋Ｔ）に近づくような方法で各人について個別に係数ａｘｉ、被加数ａ１０及び遅延τｘｉを少なくとも部分的に、且つ遅延Ｔを調整し、及び前記モデルに基づいて生理的データＰＤ（ｔ＋Ｔ）の予測ｍＰＤ（ｔ＋Ｔ）を作成するように設計される、演算ユニット（３）と、生理的データＰＤ（ｔ）のための所定の基準変数を取り、制御変数として予測ｍＰＤ（ｔ＋Ｔ）を取り、且つ操作された変数として支持ユニットの支持ｕ（ｔ）を制御するように設計される制御ユニット（４）とを含む装置に関する。
【特許請求の範囲】
【請求項1】
トレーニングデバイス（２）を制御するための装置であって、－ 身体トレーニングを受けている人（８）によって加えられた機械的動力（９）を吸収するように構成される前記トレーニングデバイス（２）であって、前記トレーニングを支援し、且つ／又は前記トレーニングをより難しくするように構成される支援ユニット（６）を含み、前記トレーニング中に前記人によって加えられた労力の機械的運動データＢＤ（ｔ）を測定するように構成される運動測定装置（５）を含み、ここで、ｔは、時間である、前記トレーニングデバイス（２）と、
－ 前記人（８）の身体の生理的データＰＤ（ｔ）を測定するように構成される身体センサ（７）と、
－ ｍＰＤ（ｔ＋Ｔ）形式の数理モデルが記憶される演算ユニット（３）であって、最適化アルゴリズム（１１）を用いて、ｍＰＤ（ｔ＋Ｔ）が、前記測定された生理的データＰＤ（ｔ＋Ｔ）に近づくような方法で各人について個別にｍＰＤ（ｔ＋Ｔ）及び遅延Ｔを調整し、且つ前記モデルに基づいて前記生理的データＰＤ（ｔ＋Ｔ）の予測ｍＰＤ（ｔ＋Ｔ）を準備するように構成される、演算ユニット（３）と、
－ 前記生理的データＰＤ（ｔ）のための所定の基準変数を提供し、制御変数として前記予測ｍＰＤ（ｔ＋Ｔ）を取り、且つ操作された変数として前記支援ユニット（６）の支援ｕ（ｔ）を制御するように構成される制御ユニット（４）と
を備える装置。
【請求項2】
【数1】
【請求項3】
前記トレーニングデバイス（２）は、前記トレーニングデバイス（２）の高度ｈ（ｔ）を測定するように構成される高度計を含み、及び前記モデル内において、【数2】
【請求項4】
前記トレーニングデバイス（２）は、前記トレーニングデバイス（２）の周囲の温度Ｔｅｍｐ（ｔ）を測定するように構成される温度センサを含み、及び前記モデル内において、【数3】
【請求項5】
前記トレーニングデバイス（２）は、前記トレーニングデバイス（２）の傾斜Ｎ（ｔ）を測定するように構成される傾斜計を含み、及び前記モデル内において、【数4】
【請求項6】
前記演算ユニット（３）は、少なくともＴ＝５秒だけ未来にある時間Ｔについて前記予測ｍＰＤ（ｔ＋Ｔ）を準備するように構成される、請求項１～５のいずれか一項に記載の装置。
【請求項7】
前記演算ユニット（３）は、前記人（８）の基礎的な体力を考慮するために、トレーニングセッション後、複数のトレーニングセッションで確認された前記運動データＢＤ（ｔ）及び前記複数のトレーニングセッションで確認された前記生理的データＰＤ（ｔ）並びに任意選択的に前記複数のトレーニングセッションで確認された前記高度ｈ（ｔ）、前記複数のトレーニングセッションで確認された前記温度Ｔｅｍｐ（ｔ）及び／又は前記複数のトレーニングセッションで確認された前記傾斜Ｎ（ｔ）を使用して、前記最適化アルゴリズム（１１）に基づいて前記係数ａｘｉ、前記被加数ａ１０、前記遅延τｘｉ及び前記遅延Ｔを調整するように構成される、請求項２～６のいずれか一項に記載の装置。
【請求項8】
前記演算ユニット（３）は、前記最適化アルゴリズム（１１）を用いて、前記トレーニングセッション後に前記係数ａｘｉ、前記被加数ａ１０、前記遅延τｘｉ及び前記遅延Ｔを調整するように構成され、前記最適化アルゴリズム（１１）は、ａ）前記係数ａｘｉの各々、前記被加数ａ１０、前記遅延τｘｉの各々及び前記遅延Ｔについて、それぞれの場合に複数の離散値を特定するステップ、
ｂ）ａｘｉ、ａ１０、τｘｉ及びＴを前記値の１つに設定するステップ、
ｃ）前記モデルに基づいてｍＰＤ（ｔ＋Ｔ）を計算するステップ、
ｄ）複数のｔについて、前記測定された生理的データＰＤ（ｔ＋Ｔ）とｍＰＤ（ｔ＋Ｔ）との間のモデリング誤差を計算するステップ、
ｅ）前記値の全ての組み合わせについて、ステップｂ）～ｄ）を繰り返すステップ、
ｆ）ａｘｉ、ａ１０、τｘｉ及びＴについて、最低モデリング誤差をもたらす前記値を選択するステップ
を含む、請求項７に記載の装置。
【請求項9】
ステップｄ）において、過小評価誤差は、過大評価誤差より強く重点を置かれる（１１）、請求項８に記載の装置。
【請求項10】
前記演算ユニット（３）は、前記人（８）の現在の体力（１２）を考慮するために、トレーニングセッション中、前記トレーニングセッションで確認された前記運動データＢＤ（ｔ）及び前記トレーニングセッションで確認された前記生理的データＰＤ（ｔ）並びに任意選択的に前記トレーニングセッションで確認された前記高度ｈ（ｔ）、前記トレーニングセッションで確認された前記温度Ｔｅｍｐ（ｔ）及び／又は前記トレーニングセッションで確認された前記傾斜Ｎ（ｔ）を使用して、前記現在の体力を調整するためのアルゴリズムを用いて前記係数ａｘｉ及び前記被加数ａ１０を調整するように構成される、請求項２～９のいずれか一項に記載の装置。
【請求項11】
前記演算ユニットは、前記現在の体力（１２）を調整するための前記アルゴリズムを用いて、前記生理的データの予測ｍＰＤ（ｔ）と、前記測定された生理的データＰＤ（ｔ）との間の差Ｄｉｆｆ（ｔ）＝ｍＰＤ（ｔ）－ＰＤ（ｔ）を決定し、及び前記差Ｄｉｆｆ（ｔ）が閾値Ｔｈｒｅｓｈｏｌｄ１＞０を超える場合、それぞれの定数ｃｏｎｓｔ１ｘｉを加えることによって前記係数ａｘｉを修正し、且つ定数ｃｏｎｓｔ１０を加えることによって前記被加数ａ１０を修正し、及び前記差Ｄｉｆｆ（ｔ）がＴｈｒｅｓｈｏｌｄＭ＜０の閾値を下回る場合、それぞれの定数ｃｏｎｓｔＭｘｉを加えることによって前記係数ａｘｉを修正し、且つ定数ｃｏｎｓｔＭ０を加えることによって前記被加数ａ１０を修正するように構成される、請求項１０に記載の装置。
【請求項12】
前記制御ユニット（４）は、ＰＩＤコントローラである、請求項１～１１のいずれか一項に記載の装置。
【請求項13】
前記ＰＩＤコントローラは、【数5】
【請求項14】
前記演算ユニット（３）は、前記生理的データＰＤ（ｔ）又は前記運動データＢＤ（ｔ）のステップ応答が、前記操作された変数における急激な変化によって発生する校正方法を実行するように構成され、前記演算ユニット（３）は、前記ステップ応答から前記制御パラメータＫＰ、ＫＩ及びＫＤを決定するように構成される、請求項１３に記載の装置。
【請求項15】
前記演算ユニット（３）は、前記操作された変数における少なくとも１つの急激な変化及びトレーニングセッション後の前記生理的データＰＤ（ｔ）又は前記運動データＢＤ（ｔ）の前記得られるステップ応答を同定するように構成され、前記演算ユニットは、前記少なくとも１つのステップ応答から前記制御パラメータＫＰ、ＫＩ及びＫＤを決定するように構成される、請求項１３又は１４に記載の装置。
【請求項16】
前記運動データＢＤ（ｔ）は、動力、具体的には自転車、具体的には電動自転車の場合又は自転車エルゴメータの場合にはペダル踏力、走力、漕力、速度、トルク、回転速度、角速度及び／又は膝外転トルクである、請求項１～１５のいずれか一項に記載の装置。
【請求項17】
前記支援ユニット（６）は、電動機、変速機及び／又はブレーキを含む、請求項１～１６のいずれか一項に記載の装置。
【請求項18】
前記生理的データＰＤ（ｔ）は、心拍数、心拍変動、心電図、血液の酸素飽和度、血圧、神経活動、具体的には脳波、内転、具体的には膝内転及び／又は膝の屈伸を含む、請求項１～１７のいずれか一項に記載の装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、トレーニングデバイスを制御するための装置に関する。
【背景技術】
【0002】
人がトレーニングをし、それにより自らの体力を向上させることができるトレーニングデバイスが多数存在する。例として、電動自転車が挙げられ得る。他の例には、自転車エルゴメータ、外転／内転機及び腕強化牽引デバイスが含まれる。トレーニングセッション中、人は、十分に努力するため、トレーニングは、実際に体力を向上させるが、人に身体的危害をもたらす可能性がある過剰なストレスも回避されることが極めて重大である。最適なストレスの範囲は、人によって大きく異なる可能性があることに留意しなければならない。トレーニングデバイスは、人が十分に努力するが、同時に過剰なストレスにならないように、トレーニング中に正しく使用されるか又は適切に調整されることが重要である。理想的な場合、トレーニングデバイスは、心臓が弱い人及び高い能力の運動をする人の両方に調整できるように設計されるべきである。トレーニングデバイスの誤った使用の一例は、電動自転車のモータの動力を高く設定し過ぎるときであるはずである。その結果、人は、十分に努力せずに、同時に事故の危険性の増加に繋がる比較的高速で乗ることになる。
【発明の概要】
【発明が解決しようとする課題】
【0003】
従って、本発明の目的は、トレーニングデバイスでトレーニングをする人が十分に努力をするが、同時に人への過剰なストレスを回避することができるように制御されるトレーニングデバイスを備えた装置を提供することである。
【課題を解決するための手段】
【0004】
トレーニングデバイスを制御するための本発明による装置は、
－ 身体トレーニングを受けている人によって加えられた機械的動力を吸収するように構成されるトレーニングデバイスであって、トレーニングを支援し、且つ／又はトレーニングをより難しくするように構成される支援ユニットを含み、トレーニング中に人によって加えられた労力の機械的運動データＢＤ（ｔ）を測定するように構成される運動測定装置を含み、ここで、ｔは、時間である、トレーニングデバイスと、
－ 人の身体の生理的データＰＤ（ｔ）を測定するように構成される身体センサと、
－ ｍＰＤ（ｔ＋Ｔ）形式の数理モデルが記憶される演算ユニットであって、最適化アルゴリズムを用いて、ｍＰＤ（ｔ＋Ｔ）が、測定された生理的データＰＤ（ｔ＋Ｔ）に近づくような方法で各人について個別にｍＰＤ（ｔ＋Ｔ）及び遅延Ｔを調整し、且つモデルに基づいて生理的データＰＤ（ｔ＋Ｔ）の予測ｍＰＤ（ｔ＋Ｔ）を準備するように構成される、演算ユニットと、
－ 生理的データＰＤ（ｔ）のための所定の基準変数を取り、制御変数として予測ｍＰＤ（ｔ＋Ｔ）を取り、且つ操作された変数として支援ユニットの支援ｕ（ｔ）を制御するように構成される制御ユニットと
を含む。
－ 身体トレーニングを受けている人によって加えられた機械的動力を吸収するように構成されるトレーニングデバイスであって、トレーニングを支援し、且つ／又はトレーニングをより難しくするように構成される支援ユニットを含み、トレーニング中に人によって加えられた労力の機械的運動データＢＤ（ｔ）を測定するように構成される運動測定装置を含み、ここで、ｔは、時間である、トレーニングデバイスと、
－ 人の身体の生理的データＰＤ（ｔ）を測定するように構成される身体センサと、
－ ｍＰＤ（ｔ＋Ｔ）形式の数理モデルが記憶される演算ユニットであって、最適化アルゴリズムを用いて、ｍＰＤ（ｔ＋Ｔ）が、測定された生理的データＰＤ（ｔ＋Ｔ）に近づくような方法で各人について個別にｍＰＤ（ｔ＋Ｔ）及び遅延Ｔを調整し、且つモデルに基づいて生理的データＰＤ（ｔ＋Ｔ）の予測ｍＰＤ（ｔ＋Ｔ）を準備するように構成される、演算ユニットと、
－ 生理的データＰＤ（ｔ）のための所定の基準変数を取り、制御変数として予測ｍＰＤ（ｔ＋Ｔ）を取り、且つ操作された変数として支援ユニットの支援ｕ（ｔ）を制御するように構成される制御ユニットと
を含む。
【0005】
式：
が適用され、演算ユニットは、最適化アルゴリズムを用いて、ｍＰＤ（ｔ＋Ｔ）が、測定された生理的データＰＤ（ｔ＋Ｔ）に近づくような方法で各人について個別に係数ａｘｉ、被加数ａ１０及び遅延τｘｉを少なくとも部分的に調整するように構成されることが好ましい。時間間隔Ｋｉを有するＤｉ＋１の測定点の平均化が項Ｂ１（ｔ）で行われる。Ｄｉの値は、例えば、０～最大で６０の範囲から選択することができる。時間間隔Ｋｉの値は、例えば、０．２秒～最大で２秒の範囲から選択することができる。
【数1】
【0006】
装置は、時間ｔ＋Ｔが遅延時間Ｔだけ未来にある予測ｍＰＤ（ｔ＋Ｔ）を制御変数として取るため、制御ユニットは、トレーニングの変化に対して、生理的データＰＤ（ｔ）を制御変数として取った場合にそうであるはずよりはるかに迅速に反応することができる。その結果、基準変数からの制御変数の制御偏差は、生理的データＰＤ（ｔ）が制御変数として取られた場合にそうであるはずよりはるかに低く保つことができる。制御ユニットは、各人について個別に係数ａｘｉ、被加数ａ１０、遅延τｘｉ及び遅延Ｔを調整するように構成されるため、制御偏差は、あらゆる人に対して低く保つことができる。それぞれの人は、外側から、例えばトレーニングデバイスによって発生された、人に作用する負荷の変化にそれぞれ異なる速度で反応する。比較的トレーニングをしていない人の場合、その人は、変化に遅く反応する傾向がある一方、比較的トレーニングをしている人の場合、その人は、変化に比較的迅速に反応する。演算ユニットは、各人について個別に係数ａｘｉ及び被加数ａ１０だけでなく、遅延τｘｉ及び遅延Ｔも調整するように構成されるため、モデルは、それぞれの人によって負荷の変化にそれぞれ異なる速度で反応するという事実を反映させることができる。その結果、予測は、各人に特に高精度を有し、それにより制御偏差も特に低い。依然として必要なことは、各人の生理的データＰＤ（ｔ）に対する適切な基準変数を特定することのみである一方、基準変数は、経時的に変化することが想定できる。例えば、基準変数を設定するために、スポーツ医又は理学療法士を採用することができる。制御偏差が特に低いため、人が十分に努力することから、人の体力が向上し、人への過剰なストレスが回避されるようにトレーニングデバイスを制御することがここで可能になる。
【0007】
支援ｕ（ｔ）は、それによりトレーニングが支援される正及び／又はそれによりトレーニングをより難しくする負であり得る。電動自転車の電動機は、トレーニングを支援するように構成される支援ユニットの例である。この場合、支援は、例えば、電動機によって加えられた動力であり得る。自転車エルゴメータのブレーキは、トレーニングをより難しくするように構成される支援ユニットの例である。この場合、支援は、例えば、制動力であり得る。トレーニングを支え、トレーニングをより難しくするように構成される支援ユニットの例は、リカバリを行う、すなわち人のペダル踏力を電流に変換するように構成される電動自転車の電動機である。制御偏差を特に低く保つために、支援ユニットは、支援ｕ（ｔ）をわずかな増加に制御するように構成されることが好ましい。増加は、例えば、最大で３％、具体的には最大で１．５％又は最大で１％であり得る。１００％は、ここで、支援ユニットがトレーニングを支援するように構成される場合の最大の支援ｕ（ｔ）を表す。支援ユニットが、トレーニングをより難しくするように構成される場合、－１００％は、トレーニングに対する最大の抵抗に対応する。
【0008】
運動データＢＤ（ｔ）は、負荷を克服するためにトレーニング中に人によって加えられた機械的労力を特徴とする。運動データＢＤ（ｔ）は、人が休んでいるときにゼロである。生理的データは、人の身体のシステム及び／又はサブシステムが機能する方法を特徴とし、センサで測定できる変数を含む。システム又はサブシステムは、心肺系若しくはその一部であり得るか、又は筋骨格系若しくはその一部であり得る。生理的データＰＤ（ｔ）は、例えば、心拍数であり得る。膝内転トルク及び／又は膝外転トルクなどのいくつかの変数があり、これは、運動データＢＤ（ｔ）及び生理的データＰＤ（ｔ）の両方に問題を起こすことがある。
【0009】
ｊは、２～５の範囲から選択される場合に好ましい。ｊ＝２では、低い計算能力のみが必要であるが、それにもかかわらず、十分な予測精度に達するのに対して、ｊ＝５ではより高い予測精度に達することがわかった。
【0010】
ｋは、１～４の範囲から選択する場合に好ましい。ｋ＝１では、低い計算能力のみが必要であるが、それにもかかわらず、十分な予測精度に達するのに対して、ｋ＝４ではより高い予測精度に達することがわかった。
【0011】
トレーニングデバイスは、好ましくは、トレーニングデバイスの高度ｈ（ｔ）を測定するように構成される高度計を含み、
がモデルに適用される。高度ｈ（ｔ）は、負荷に影響を与えるため、制御偏差は、Ｂ３（ｔ）の使用を通して更に低減することができる。高度計の提供は、トレーニングデバイスが電動自転車であるときに特に関連がある。高度計は、例えば、ＧＰＳ受信機によって実現することができる。ＧＰＳ受信機は、例えば、スマートフォンの一部であり得る。ｌは、１～４の範囲から選択する場合に特に好ましい。ｌ＝１では、低い計算能力のみが必要であるが、それにもかかわらず、十分な予測精度に達するのに対して、ｌ＝４ではより高い予測精度に達することがわかった。
【数2】
【0012】
トレーニングデバイスは、好ましくは、トレーニングデバイスの周囲の温度Ｔｅｍｐ（ｔ）を測定するための温度センサを含み、モデル内において、
である。温度Ｔｅｍｐ（ｔ）は、負荷に大きく影響を与えるため、制御偏差は、Ｂ４（ｔ）の使用を通して更に低減することができる。温度センサの提供は、トレーニングデバイスが例えば電動自転車などである場合、戸外の使用に提供されるときに特に関連がある。ｍは、１～２の範囲から選択される場合に好ましい。ｍ＝１では、低い計算能力のみが必要であるが、それにもかかわらず、十分な予測精度に達するのに対して、ｍ＝２ではより高い予測精度に達することがわかった。
【数3】
【0013】
トレーニングデバイスは、好ましくは、トレーニングデバイスの傾斜Ｎ（ｔ）を測定するように構成される傾斜計を含み、モデル内において、
である。傾斜計は、例えば、高度ｈ（ｔ）／ｄｔの時間微分から傾斜Ｎ（ｔ）を決定するように構成される傾斜計算ユニットを含むことができる。傾斜計は、スマートフォンの一部であることが別法として想定できる。傾斜計は、トレーニングデバイス内に恒久的に設置されることも想定できる。ｎは、１～４の範囲から選択される場合が特に好ましい。ｎ＝１では、低い計算能力のみが必要であるが、それにもかかわらず、十分な予測精度に達するのに対して、ｎ＝４ではより高い予測精度に達することがわかった。
【数4】
【0014】
遅延τｘｉは、ゼロであり、全ての遅延τｘｉは、ｉ＞１に調整されることが好ましい。演算ユニットは、少なくともＴ＝５秒だけ未来にある時間ｔ＋Ｔについて予測ｍＰＤ（ｔ＋Ｔ）を準備するように構成されることが好ましい。
【0015】
演算ユニットは、人の基礎的な体力を考慮するために、トレーニングセッション後、複数のトレーニングセッションで確認された運動データＢＤ（ｔ）及び複数のトレーニングセッションで確認された生理的データＰＤ（ｔ）並びに任意選択的に複数のトレーニングセッションで確認された高度ｈ（ｔ）、複数のトレーニングセッションで確認された温度Ｔｅｍｐ（ｔ）及び／又は複数のトレーニングセッションで確認された傾斜Ｎ（ｔ）を使用して、最適化アルゴリズムに基づいて係数ａｘｉ、被加数ａ１０、遅延τｘｉ及び遅延Ｔを調整するように構成されることが好ましい。複数のトレーニングセッションは、例えば、人によって実行された全てのトレーニングセッションであり得る。複数のトレーニングセッションは、ごく最近実行された多数のトレーニングセッションであることが別法として想定できる。
【0016】
演算ユニットは、最適化アルゴリズム１１を用いて、トレーニングセッション後に係数ａｘｉ、被加数ａ１０、遅延τｘｉ及び遅延Ｔを調整するように構成されることが好ましく、最適化アルゴリズム１１は、ａ）係数ａｘｉの各々、各遅延τｘｉ、被加数ａ１０及び遅延Ｔについて、それぞれの場合に複数の離散値を特定するステップ、ｂ）ａｘｉ、ａ１０、τｘｉ及びＴをその値の１つに設定するステップ、ｃ）モデルに基づいてｍＰＤ（ｔ＋Ｔ）を計算するステップ、ｄ）複数のｔについて、測定された生理的データＰＤ（ｔ＋Ｔ）とｍＰＤ（ｔ＋Ｔ）との間のモデリング誤差を計算するステップ、ｅ）値の全ての組み合わせについて、ステップｂ）～ｄ）を繰り返すステップ、ｆ）ａｘｉ、ａ１０、τｘｉ及びＴについて、最低モデリング誤差をもたらすそれらの値を選択するステップを有する。これは、演算に集中する方法であることが事実である一方、値ａｘｉ、ａ１０、τｘｉ及びＴは、それにもかかわらず、高精度で決定することができるため、制御偏差は、特に小さい。ステップｄ）において、過小評価誤差は、過大評価誤差より強く重点を置かれることが特に好ましい。
【0017】
演算ユニットは、人の現在の体力を考慮するために、トレーニングセッション中、トレーニングセッションで確認された運動データＢＤ（ｔ）及びトレーニングセッションで確認された生理的データＰＤ（ｔ）並びに任意選択的にトレーニングセッションで確認された高度ｈ（ｔ）、トレーニングセッションで確認された温度Ｔｅｍｐ（ｔ）及び／又はトレーニングセッションで確認された傾斜Ｎ（ｔ）を使用して、現在の体力を調整するためのアルゴリズムを用いて係数ａｘｉ及び被加数ａ１０を調整するように構成されることが好ましい。制御偏差は、現在の体力を考慮することによって特に低く保つことができる。
【0018】
演算ユニットは、現在の体力を調整するためのアルゴリズムを用いて、生理的データの予測ｍＰＤ（ｔ）と、測定された生理的データＰＤ（ｔ）との間の差Ｄｉｆｆ（ｔ）＝ｍＰＤ（ｔ）－ＰＤ（ｔ）を決定し、及び差Ｄｉｆｆ（ｔ）が閾値Ｔｈｒｅｓｈｏｌｄ１＞０を超える場合、それぞれの定数ｃｏｎｓｔ１ｘｉを加えることによって係数ａｘｉを修正し、且つ定数ｃｏｎｓｔ１０を加えることによって被加数ａ１０を修正し、及び差Ｄｉｆｆ（ｔ）がＴｈｒｅｓｈｏｌｄＭ＜０の閾値を下回る場合、それぞれの定数ｃｏｎｓｔＭｘｉを加えることによって係数ａｘｉを修正し、且つ定数ｃｏｎｓｔＭ０を加えることによって被加数ａ１０を修正するように構成されることが特に好ましい。これは、有利には、あまり演算に集中しない方法であり、トレーニングセッション中に実行するためにも適切である。より多くの閾値も提供することができる。適切なプログラムコードは、例えば、このように見える。
ｉｆ（Ｄｉｆｆ（ｔ）＞Ｔｈｒｅｓｈｏｌｄ１）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ１ｘ１
ａｘ２＝ａｘ２＋ｃｏｎｓｔ１ｘ２，
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＞Ｔｈｒｅｓｈｏｌｄ２）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ２ｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔ２ｘ２，
．．．
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＞ＴｈｒｅｓｈｏｌｄＭ－１）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ（Ｍ－１）ｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔ（Ｍ－１）ｘ２，
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＜ＴｈｒｅｓｈｏｌｄＭ）
ａｘ１＝ａｘ１＋ｃｏｎｓｔＭｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔＭｘ２，
．．．
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＜ＴｈｒｅｓｈｏｌｄＭ＋Ｋ）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ（Ｍ＋Ｋ）ｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔ（Ｍ＋Ｋ）ｘ２，
．．．
Ｅｎｄ
ｉｆ（Ｄｉｆｆ（ｔ）＞Ｔｈｒｅｓｈｏｌｄ１）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ１ｘ１
ａｘ２＝ａｘ２＋ｃｏｎｓｔ１ｘ２，
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＞Ｔｈｒｅｓｈｏｌｄ２）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ２ｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔ２ｘ２，
．．．
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＞ＴｈｒｅｓｈｏｌｄＭ－１）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ（Ｍ－１）ｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔ（Ｍ－１）ｘ２，
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＜ＴｈｒｅｓｈｏｌｄＭ）
ａｘ１＝ａｘ１＋ｃｏｎｓｔＭｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔＭｘ２，
．．．
．．．
ｅｌｓｅｉｆ（Ｄｉｆｆ（ｔ）＜ＴｈｒｅｓｈｏｌｄＭ＋Ｋ）
ａｘ１＝ａｘ１＋ｃｏｎｓｔ（Ｍ＋Ｋ）ｘ１，
ａｘ２＝ａｘ２＋ｃｏｎｓｔ（Ｍ＋Ｋ）ｘ２，
．．．
Ｅｎｄ
【0019】
ここで、それぞれがｉｆクエリを備え、係数ａｘｉ及び被加数ａ１０の全てが修正され、以下を適用する。
Ｔｈｒｅｓｈｏｌｄ１＞Ｔｈｒｅｓｈｏｌｄ２＞．．．＞ＴｈｒｅｓｈｏｌｄＭ－１＞ＴｈｒｅｓｈｏｌｄＭ＋Ｋ＞．．．＞ＴｈｒｅｓｈｏｌｄＭ＋１＞ＴｈｒｅｓｈｏｌｄＭ
Ｔｈｒｅｓｈｏｌｄ１＞Ｔｈｒｅｓｈｏｌｄ２＞．．．＞ＴｈｒｅｓｈｏｌｄＭ－１＞ＴｈｒｅｓｈｏｌｄＭ＋Ｋ＞．．．＞ＴｈｒｅｓｈｏｌｄＭ＋１＞ＴｈｒｅｓｈｏｌｄＭ
【0020】
制御ユニットは、好ましくは、ＰＩＤコントローラである。ＰＩＤコントローラは、その積分項が制御偏差を徐々に低減することに寄与する一方、その微分項は、制御偏差が実際に起きる前でも制御偏差を超えることを可能にするため、生理的データＰＤ（ｔ）を制御するために特に適する。ＰＩＤコントローラは、
に従って支援ｕ（ｔ）を決定するように構成されることがここでは特に好ましく、ここで、ＫＰ、ＫＩ及びＫＤは、制御パラメータであり、ｅ（ｔ）は、時間ｔにおける制御偏差であり、関数ｆ１（ｅ）、ｆ２（ｅ）及びｆ３（ｅ）は、過小評価誤差が過大評価誤差より強く重点を置かれるように選択される。その結果、基準変数より大きい値に対する制御変数の偏差は、基準変数より小さい値を有する制御変数の偏差より確率が低い。それにより、人に身体的負傷をさせる恐れがある過剰なストレスを回避することができる。特に好ましくは、
であり、ｅ＜０に対してｆ３（ｅ）＝０であり、ｅ≧０に対してｆ３（ｅ）＝ｅである一方、ｆ１（ｅ）及びｆ２（ｅ）では、多項式は、ｅの範囲によって異なり得る。
【数5】
【数6】
【0021】
演算ユニットは、各人について個別に制御パラメータＫＰ、ＫＩ及びＫＤを調整するように構成されることが特に好ましい。このようにして、制御偏差は、各人に対して特に低いことを達成することができる。
【0022】
演算ユニットは、生理的データＰＤ（ｔ）のステップ応答が、操作された変数における急激な変化によって発生する校正方法を実行するように構成されることが好ましく、演算ユニットは、ステップ応答から制御パラメータＫＰ、ＫＩ及びＫＤを決定するように構成されることが好ましい。演算ユニットは、ステップ応答を連続して発生するために生理的データＰＤ（ｔ）を記録するように構成することができる。演算ユニットは、それにより操作された変数に急激な変化を起こすために、一定の第１の支援ｕ１から一定の第２の支援ｕ２に支援ユニットを時間Ｔ０で切り替えるように構成される。例えば、ｕ１は、８０％～１００％であり得、ｕ２は、０％～２０％であり得る。人は、例えば、ペダルを踏む回数など、できるだけ一定の頻度でトレーニングするべきであることを示す情報をここに示されることが可能である。演算ユニットは、第１の支援ｕ１中及び第２の支援ｕ２中の両方において、生理的データＰＤ（ｔ）が切替前にほぼＰＤ１の値に、切替後にほぼＰＤ２の値に安定するために十分な時間を待機するように構成される。演算ユニットは、切替の前後両方で少なくとも２分待機するように構成することができる。演算ユニットは、第２のステップ応答を発生するように構成されることが更に想定できる。このために、演算ユニットは、運動データＢＤ（ｔ）又は生理的データＰＤ（ｔ）が、操作された変数における急激な変化に続いて安定した後、演算ユニットは、支援をｕ２からｕ１に切り替え、生理的データＰＤ（ｔ）が安定するまで再度待機するように構成することができる。
【0023】
演算ユニットは、操作された変数における少なくとも１つの急激な変化及びトレーニングセッション後の生理的データＰＤ（ｔ）の得られるステップ応答を同定するように構成され、演算ユニットは、その少なくとも１つのステップ応答から制御パラメータＫＰ、ＫＩ及びＫＤを決定するように構成されることが好ましい。演算ユニットは、制御パラメータＫＰ、ＫＩ及びＫＤを粗調整するために校正方法を使用し、制御パラメータＫＰ、ＫＩ及びＫＤの微調整を行うために、トレーニングセッション後に校正方法の外で同定されたその少なくとも１つのステップ応答を使用するように構成されることが想定できる。
【0024】
好ましくは、運動データＢＤ（ｔ）は、動力、具体的には自転車、具体的には電動自転車の場合又は自転車エルゴメータの場合にはペダル踏力、走力、漕力、速度、トルク、回転速度、角速度及び／又は膝外転トルクを含む。
【0025】
支援ユニットは、電動機、変速機及び／又はブレーキを含むことが好ましい。
【0026】
生理的データＰＤ（ｔ）は、心拍数、心拍変動、心電図、血液の酸素飽和度、血圧、神経活動、具体的には脳波、膝外転トルク、内転、具体的には膝内転及び／又は膝の屈伸を含むことが好ましい。
【0027】
本発明は、添付の概略図を参照して以下でより詳細に説明される。
【図面の簡単な説明】
【0028】
【図1】本発明による装置の概観図を示す。
【図2】本発明による概観図の詳細を示す。
【図3】ｆ１（ｅ）及びｆ２（ｅ）のグラフを示す。
【図4】ｆ３（ｅ）のグラフを示す。
【図5】操作された変数における急激な変化によって発生した生理的データＰＤ（ｔ）のステップ応答のグラフを示す。
【図6】トレーニングセッション中に記録された様々な測定変数のグラフを示す。
【発明を実施するための形態】
【0029】
図１及び２は、トレーニングデバイス２を制御するための装置１が、
－ 身体トレーニングを受けている人８によって加えられた機械的動力９を吸収するように構成されるトレーニングデバイス２であって、トレーニングを支援し、且つ／又はトレーニングをより難しくするように構成される支援ユニット６を含み、トレーニング中に人によって加えられた労力の機械的運動データＢＤ（ｔ）を測定するように構成される運動測定装置５を含み、ここで、ｔは、時間である、トレーニングデバイス２と、
－ 人８の身体の生理的データＰＤ（ｔ）を測定するように構成される身体センサ７と、
－ 形式
の数理モデルが記憶される演算ユニット３であって、
であり、演算ユニット３は、最適化アルゴリズム１１を用いて、ｍＰＤ（ｔ＋Ｔ）が、測定された生理的データＰＤ（ｔ＋Ｔ）に近づくような方法で各人について個別に係数ａｘｉ、被加数ａ１０、遅延τｘｉを少なくとも部分的に、且つ遅延Ｔを調整し、及びモデルに基づいて生理的データＰＤ（ｔ＋Ｔ）の予測ｍＰＤ（ｔ＋Ｔ）を準備するように構成される、演算ユニット３と、
－ 生理的データＰＤ（ｔ）のための所定の基準変数を取り、制御変数として予測ｍＰＤ（ｔ＋Ｔ）を取り、且つ操作された変数として支援ユニット６の支援ｕ（ｔ）を制御するように構成される制御ユニット４と
を含むことを示す。時間間隔Ｋｉを有するＤｉ＋１の測定点の平均化は、項Ｂ１（ｔ）で行われる。
－ 身体トレーニングを受けている人８によって加えられた機械的動力９を吸収するように構成されるトレーニングデバイス２であって、トレーニングを支援し、且つ／又はトレーニングをより難しくするように構成される支援ユニット６を含み、トレーニング中に人によって加えられた労力の機械的運動データＢＤ（ｔ）を測定するように構成される運動測定装置５を含み、ここで、ｔは、時間である、トレーニングデバイス２と、
－ 人８の身体の生理的データＰＤ（ｔ）を測定するように構成される身体センサ７と、
－ 形式
【数7】
【数8】
－ 生理的データＰＤ（ｔ）のための所定の基準変数を取り、制御変数として予測ｍＰＤ（ｔ＋Ｔ）を取り、且つ操作された変数として支援ユニット６の支援ｕ（ｔ）を制御するように構成される制御ユニット４と
を含むことを示す。時間間隔Ｋｉを有するＤｉ＋１の測定点の平均化は、項Ｂ１（ｔ）で行われる。
【0030】
トレーニングデバイス２は、トレーニングデバイス２の高度ｈ（ｔ）を測定するように構成される高度計を含むことができ、モデル内において、
であり得る。追加として、トレーニングデバイス２は、トレーニングデバイス２の周囲の温度Ｔｅｍｐ（ｔ）を測定するように構成される温度センサを含むことができ、モデル内において、
であり得る。トレーニングデバイス２は、トレーニングデバイス２の傾斜Ｎ（ｔ）を測定するように構成される傾斜計を含むことができ、モデル内において、
であり得る。
【数9】
【数10】
【数11】
【0031】
制御ユニットは、例えば、ＰＩＤコントローラであり得る。ＰＩＤコントローラは、例えば、
に従って支援ｕ（ｔ）を決定するように構成することができ、ここで、ＫＰ、ＫＩ及びＫＤは、制御パラメータであり、ｅ（ｔ）は、時間ｔにおける制御偏差であり、関数ｆ１（ｅ）、ｆ２（ｅ）及びｆ３（ｅ）は、過小評価誤差が過大評価誤差より強く重点を置かれるように選択される。ここで、
であり、ｅ＜０に対してｆ３（ｅ）＝０であり、ｅ≧０に対してｆ３（ｅ）＝ｅである一方、ｆ１（ｅ）及びｆ２（ｅ）では、多項式は、ｅの範囲によって異なり得る。図３は、ｆ１（ｅ）＝ｆ２（ｅ）の例示的グラフを示し、図４は、ｆ３（ｅ）の例示的グラフを示す。図３からわかるように、関数ｆ１（ｅ）及びｆ２（ｅ）は、２等分線を有することができ、０＜ｅ＜Ｅ１又は０＜ｅ＜Ｅ２のそれぞれの範囲内で２等分線の上のみにある。具体的には、生理的データが心拍数であるとき、例えば、ｅ＞１２又はｅ＜０に対してｆ１（ｅ）＝ｆ２（ｅ）＝ｅ、０≦ｅ≦１２に対してｆ１（ｅ）＝ｆ２（ｅ）＝２＊ｅ－０．０８２＊ｅ２を適用することができる。図４からわかるように、例えば、ｅ＞０に対してｆ３（ｅ）＝ｅ、ｅ≦０に対してｆ３（ｅ）＝０によってｆ３（ｅ）を規定することができる。
【数12】
【数13】
【0032】
演算ユニット３は、各人８について個別に制御パラメータＫＰ、ＫＩ及びＫＤを調整するように構成されることが予測できる。このために、演算ユニット３は、生理的データＰＤ（ｔ）のステップ応答が、操作された変数における急激な変化によって時間Ｔ０で発生する校正方法を実行するように構成することができ、演算ユニット３は、ステップ応答から制御パラメータＫＰ、ＫＩ及びＫＤを決定するように構成される。例示的ステップ応答は、図５に例示されている。演算ユニット３は、ステップ応答を連続して発生するために生理的データＰＤ（ｔ）を記録するように構成することができる。演算ユニット３は、それにより操作された変数に急激な変化を起こすために、一定の第１の支援ｕ１から一定の第２の支援ｕ２に支援ユニット６を切り替えるように構成することができる。例えば、ｕ１は、８０％～１００％であり得、ｕ２は、０％～２０％であり得る。人は、例えば、ペダルを踏む回数など、できるだけ一定の頻度でトレーニングするべきであることを示す情報をここに示されることが可能である。演算ユニット３は、第１の支援ｕ１中及び第２の支援ｕ２中の両方において、生理的データＰＤ（ｔ）が切替前にほぼＰＤ１の値に、切替後にほぼＰＤ２の値に安定するために十分な時間を待機するように構成することができる。演算ユニット３は、切替の前後両方で少なくとも２分待機するように構成することができる。ステップ応答から制御パラメータを決定するために、演算ユニット３は、変曲接線１３をステップ応答に適用するように構成することができる。変曲接線１３を適用する前に、ＰＤ（ｔ）は、関数、例えば多項式によって調整することができ、変曲接線１３は、調整された関数に適用することができる。少なくとも二乗誤差の方法は、関数を調整するために利用することができる。変曲接線１３とＰＤ（ｔ）＝ＰＤ１との交点は、Ｔ０で開始する遅延時間Ｔｕを決定し、変曲接線１３とＰＤ（ｔ）＝ＰＤ２との交点は、Ｔｕの最後で開始する設定時間ＴＧを決定する。ここで、制御パラメータは、例えば、ＫＰ＝１．２＊ＴＧ／（ＫＳ
＊ＴＵ）、ＫＩ＝０．６＊ＴＧ／（ＫＳ
＊（ＴＵ）２）及びＫＤ＝０．６＊ＴＧ／ＫＳにより決定することができ、ここで、ＫＳは、増幅定数であり、支援変化に対する制御パラメータ変化の割合として計算することができる。
【0033】
演算ユニットは、操作された変数における少なくとも１つの急激な変化及びトレーニングセッション後の生理的データＰＤ（ｔ）又は運動データＢＤ（ｔ）の得られるステップ応答を同定するように構成され、演算ユニットは、その少なくとも１つのステップ応答から制御パラメータＫＰ、ＫＩ及びＫＤを決定するように構成されることが想定できる。また、演算ユニットは、制御パラメータＫＰ、ＫＩ及びＫＤを粗調整するために校正方法を使用し、制御パラメータＫＰ、ＫＩ及びＫＤの微調整を行うために、トレーニングセッション後に校正方法の外で同定されたその少なくとも１つのステップ応答を使用するように構成されることも想定できる。
【0034】
演算ユニットは、第２のステップ応答を発生するように構成されることが更に想定できる。このために、演算ユニットは、生理的データＰＤ（ｔ）が、操作された変数における急激な変化に続いて安定した後、演算ユニットは、支援をｕ２からｕ１に切り替え、運動データＢＤ（ｔ）又は生理的データＰＤ（ｔ）が安定するまで再度待機するように構成することができる。制御パラメータＫＰ、ＫＩ及びＫＤは、支援ｕ（ｔ）が増加又は減少すると変わる可能性がある。
【0035】
演算ユニット３は、人８の基礎的な体力を考慮するために、トレーニングセッション後、複数のトレーニングセッションで確認された運動データＢＤ（ｔ）及び複数のトレーニングセッションで確認された生理的データＰＤ（ｔ）並びに任意選択的に複数のトレーニングセッションで確認された高度ｈ（ｔ）、複数のトレーニングセッションで確認された温度Ｔｅｍｐ（ｔ）及び／又は複数のトレーニングセッションで確認された傾斜Ｎ（ｔ）を使用して、最適化アルゴリズム１１（図２を参照されたい）に基づいて係数ａｘｉ、被加数ａ１０、遅延τｘｉ及び遅延Ｔを調整するように構成することができる。このために、演算ユニット３は、最適化アルゴリズム１１を用いて、トレーニングセッション後に係数ａｘｉ、被加数ａ１０、遅延τｘｉ及び遅延Ｔを調整するように構成することができ、最適化アルゴリズム１１は、ａ）係数ａｘｉの各々、被加数ａ１０、遅延τｘｉの各々及び遅延Ｔについて、それぞれの場合に複数の離散値を特定するステップ、ｂ）ａｘｉ、ａ１０、τｘｉ及びＴを値の１つに設定するステップ、ｃ）モデルに基づいてｍＰＤ（ｔ＋Ｔ）を計算するステップ、ｄ）複数のｔについて、測定された生理的データＰＤ（ｔ＋Ｔ）とｍＰＤ（ｔ＋Ｔ）との間のモデリング誤差を計算するステップ、ｅ）値の全ての組み合わせについて、ステップｂ）～ｄ）を繰り返すステップ、ｆ）ａｘｉ、ａ１０、τｘｉ及びＴについて、最低モデリング誤差をもたらすそれらの値を選択するステップを有する。ステップｄ）において、過小評価誤差は、過大評価誤差より強く重点を置かれ得る１１。
【0036】
図２からわかるように、演算ユニット３は、人８の現在の体力を考慮するために、トレーニングセッション中、トレーニングセッションで確認された運動データＢＤ（ｔ）及びトレーニングセッションで確認された生理的データＰＤ（ｔ）並びに任意選択的にトレーニングセッションで確認された高度ｈ（ｔ）、トレーニングセッションで確認された温度Ｔｅｍｐ（ｔ）及び／又はトレーニングセッションで確認された傾斜Ｎ（ｔ）を使用して、現在の体力を調整するためのアルゴリズム１２を用いて係数ａｘｉ及び被加数ａ１０を調整するように構成することができる。このために、演算ユニットは、例えば、現在の体力を調整するためのアルゴリズム１２を用いて、生理的データの予測ｍＰＤ（ｔ）と、測定された生理的データＰＤ（ｔ）との間の差Ｄｉｆｆ（ｔ）＝ｍＰＤ（ｔ）－ＰＤ（ｔ）を決定し、及び差Ｄｉｆｆ（ｔ）が閾値Ｔｈｒｅｓｈｏｌｄ１＞０を超える場合、それぞれの定数ｃｏｎｓｔ１ｘｉを加えることによって係数ａｘｉを修正し、且つ定数ｃｏｎｓｔ１０を加えることによって被加数ａ１０を修正し、及び差Ｄｉｆｆ（ｔ）がＴｈｒｅｓｈｏｌｄＭ＜０の閾値を下回る場合、それぞれの定数ｃｏｎｓｔＭｘｉを加えることによって係数ａｘｉを修正し、且つ定数ｃｏｎｓｔＭ０を加えることによって被加数ａ１０を修正するように構成することができる。
【0037】
最適化アルゴリズム１１で確認された係数ａｘｉと、遅延τｘｉ及びＴ並びに現在の形式を調整するためのアルゴリズム１２で確認された係数ａｘｉ、最適化アルゴリズム１１及び現在の体力を確認するためのアルゴリズムで確認された被加数ａ１０とは、ステップ１０で予測ｍＰＤ（ｔ＋Ｔ）を準備するために使用される。予測ｍＰＤ（ｔ＋Ｔ）は、制御ユニット４内の制御変数であり、操作された変数は、支援ｕ（ｔ）である。
【0038】
運動データＢＤ（ｔ）は、例えば、動力、具体的には自転車、具体的には電動自転車の場合又は自転車エルゴメータの場合にはペダル踏力、走力、漕力、速度、トルク、回転速度、角速度及び／又は膝外転トルクであり得る。トレーニングデバイス２が自転車又は自転車エルゴメータである場合、トレーニング中に人８によって加えられ、トレーニングデバイス２によって吸収される動力９は、ペダル踏力である。トレーニングデバイス２は、例えば、ローイングエルゴメータ又は手漕ぎボートでもあり得、運動データは、漕力であり得る。トレーニングデバイスは、外転／内転機でもあり得、運動データは、膝外転トルクであり得る。
【0039】
支援ユニット６は、例えば、電動機、変速機及び／又はブレーキを含むことができる。支援ユニット６によって加えられた支援ｕ（ｔ）は、それによりトレーニングが支援される正及び／又はそれによりトレーニングをより難しくする負であり得る。電動機は、トレーニングを支援するように構成される支援ユニット６の例である。この場合、支援ｕ（ｔ）は、例えば、電動機によって加えられた動力であり得る。運動データＢＤ（ｔ）が動力である場合、制御ユニット４は、ＰＭ（ｔ）＝ｕ（ｔ）＊Ｋ＊ＢＤ（ｔ）に従って電動機の動力ＰＭを決定するように構成されることが別法として想定できる。因数Ｋは、最大モータ支援が可能なものを示す。Ｋは、例えば、１～５、具体的には３であり得る。例えば、自転車エルゴメータのブレーキは、トレーニングをより難しくするように構成される支援ユニットの例である。この場合、支援は、例えば、制動力であり得る。トレーニングを支え、より難しくするように構成される支援ユニットの例は、リカバリを行う、すなわち人のペダル踏力を電流に変換するように構成される電動機である。支援ユニット６は、支援ｕ（ｔ）をわずかな増加に制御するように構成することができる。例えば、最大で３％、具体的には最大で１．５％又は最大で１％の増加が想定できる。ここで、１００％は、支援ユニットがトレーニングを支援するように構成される場合における最大の支援ｕ（ｔ）に対応するものである。支援ユニットがトレーニングをより難しくするように構成される場合、－１００％は、トレーニングに対する最大の抵抗に対応する。
【0040】
生理的データＰＤ（ｔ）は、心拍数、心拍変動、心電図、血液の酸素飽和度、血圧、神経活動、具体的には脳波、内転、具体的には膝内転及び／又は膝の屈伸を含むことができる。内転及び／又は膝の屈伸は、例えば、加速度値及び／又は回転データを決定するように構成される、人８に取り付けた複数の慣性測定ユニットを用いて決定することができる。
【0041】
トレーニングデバイス２として電動自転車で実行したトレーニングセッションの生理的データＰＤ（ｔ）、運動データＢＤ（ｔ）及び支援ｕ（ｔ）は、図６にグラフで描かれている。生理的データＰＤ（ｔ）は、単位が１分当たりの拍数（ｂｐｍ）の心拍数である。心拍数は、例えば、胸帯内に取り付けた身体センサ７で測定することができる。運動データＢＤ（ｔ）は、単位がワットのペダル踏力である。ペダル踏力は、例えば、トルク及び角速度を測定することによって決定することができる。特に高品質のトルクを獲得するために、図６によるトルクは、例えば、国際公開第２０１５／０２８３４５Ａ１号パンフレットのようにＩｎｎｏｔｏｒｑ製のトルクセンサで測定した。角速度は、磁気センサを用いてポールリングの回転の測定を通して測定した。図６による支援ユニット６は、その支援が０％～１００％に制御される電動自転車の電動機である。電動機がリカバリを行うことができる場合、支援は、－１００％～１００％に制御することができる。図６の上部のグラフの破線は、基準変数を表す。基準変数は、経時的に変化し得ることがわかる。測定された心拍数は、常に基準変数の良好な近似値であることもわかる。
【符号の説明】
【0042】
１ 装置
２ トレーニングデバイス
３ 演算ユニット
４ 制御ユニット
５ 運動測定装置
６ 支援ユニット
７ 身体センサ
８ 人
９ 動力
１０ 予測ｍＰＤ（ｔ＋Ｔ）の準備
１１ 最適化アルゴリズム
１２ 現在の体力を調整するためのアルゴリズム
１３ 変曲点における接線
ＢＤ（ｔ） 運動データ
ＰＤ（ｔ） 生理的データ
ｍＰＤ（ｔ＋Ｔ） 生理的データの予測
ｕ 支援
ｔ 時間
Ｔｕ 遅延時間
Ｔｖ 設定時間
Ｔ０ 支援における急激な変化の時間
２ トレーニングデバイス
３ 演算ユニット
４ 制御ユニット
５ 運動測定装置
６ 支援ユニット
７ 身体センサ
８ 人
９ 動力
１０ 予測ｍＰＤ（ｔ＋Ｔ）の準備
１１ 最適化アルゴリズム
１２ 現在の体力を調整するためのアルゴリズム
１３ 変曲点における接線
ＢＤ（ｔ） 運動データ
ＰＤ（ｔ） 生理的データ
ｍＰＤ（ｔ＋Ｔ） 生理的データの予測
ｕ 支援
ｔ 時間
Ｔｕ 遅延時間
Ｔｖ 設定時間
Ｔ０ 支援における急激な変化の時間
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【国際調査報告】