随着新型的边缘学科—运动生物力学的迅猛发展,人体运动的建模与仿真作为运动生物力学的尖端研究课题之一正在受到越来越多的关注.在竞技体育领域,人体运动仿真对运动员技术动作的改进,训练计划的安排等都具有很强的实际意义,所以众多的运动生物力学专家对此进行了深入而细致的研究工作.但是人体运动的传统建模方法存在两个固有的缺陷:1.计算误差大、修正困难;2.无法建立人体的运动控制模型.为此该文在分析了当前人体运动建模与仿真研究方法的基础上,提出了基于力信息的数字运动员人体模型,详细介绍了数字运动员研究的相关理论和方法,并以此为基础针对国家男子举重队进行了抓举运动的相关实验研究,具体研究内容可概括如下:1.提出了数字运动员人体模型的概念,给出了模型的基本内涵,即以实验测试数据为基础,通过建立力信息的传递关系,定义力信息链的输入和输出,在某些机理复杂、难以描述的系统环节中引入黑箱方法进行建模.该模型以实验测试数据为基础,所以模型的修正相对容易,另外由于黑箱方法的引入,使得建立人体运动的控制模型,构筑以专家知识为基础的运动员训练指导系统成为了可能.2.提出并初步设计了一个运动员综合测试平台,平台整体采用CAN总线设计,使得测试模块可裁减,测试方式更灵活,逻辑和同步机制也得到了很好的保障;引入了基于OOP思想的运动序列对象的表达与存储方法,为力信息数据提供了一个强有力的表达和处理机制,为数字运动员的研究工作奠定了良好的基础.3.分析了人体运动的神经控制特性,建立了人体运动控制的力信息传递关系,进而提出了基于最优关节力矩拟合的数字运动员人体模型,给出了相应的数学描述.深入研究了采用改进的Elman网络建立运动神经控制模型的过程,为了解决网络学习时无教师信号的问题,提出了新的BPTT学习算法,并讨论网络对运动控制模型的逼近能力及其算法的收敛性问题.为了精确计算关节力矩,提出了基于优化的关节力矩估算方法,回避了传统逆解必须进行的差分运算,从而大大降低了整体误差.4.利用数字运动员人体模型的研究方法,以国家男子举重队为研究对象,对举重运动员抓举动作进行了相关的试验研究.建立了抓举运动分解动作的最优力矩拟合的运动控制模型;讨论了最小关节力矩和平衡控制的提铃动作的最优化问题;提出了一种基于模糊神经网络的脚力特征曲线识别方法.通过仿真实验验证了所采用方法的合理性和有效性.5.结合论文作者承担的中国科学院研究生创新实践项目和安徽省自然基金项目,介绍了数字运动员人体三维模型仿真软件平台的总体结构,该软件平台采用建模与可视化模块相分离的结构,建模部分采用了基于COM技术的构件化管理方法,增强了软件的灵活性和可扩展性,此外论文对模型计算、基于OpenGL技术的人体结构表示方法等都做了相关介绍.