GEBIET DER ERFINDUNG

Die vorliegende Erfindung betrifft ein Trainingsgerät umfassend eine Last, welche einer Masse entspricht und mittels zumindest eines Seils durch einen Benutzer bewegbar ist, das Trainingsgerät weiters umfassend mindestens einen Sensor, der dazu eingerichtet ist, bei Bewegung der Last durch den Benutzer zumindest folgende Daten zu bestimmen:

- eine auf das zumindest eine Seil wirkende, zur Masse proportionale Kraft sowie

- Positionsdaten zumindest eines Seilabschnitts des zumindest einen Seils und/oder zumindest eine n-te zeitliche Ableitung der Positionsdaten, wobei n eine ganze Zahl größer gleich 1 ist.

STAND DER TECHNIK

Trainingsgeräte bzw. Fitnessgeräte sind Sportgeräte zur Anregung und Kräftigung bestimmter Muskelregionen eines Benutzers. Typischerweise ist die Funktionsweise des Trainingsgeräts so, dass der Benutzer eine bestimmte Last, die zumeist durch eine bestimmte Anzahl von Gewichtsstücken realisiert ist, bewegen muss, wobei der Benutzer die Gewichtsstücke nicht direkt angreift, sondern über einen Hebel oder ein Seil mit daran montiertem Griff in Bewegung versetzt. Die Bewegung erfolgt dabei typischerweise in einer festlegbaren Anzahl von Wiederholungen bzw. in einer festlegbaren Anzahl von Sätzen von Wiederholungen.

Aus dem Stand der Technik sind Trainingsgeräte bekannt, bei denen Sensoren zur, vorzugsweise zeitlich aufgelösten, Messung verschiedener Parameter vorgesehen sind. Insbesondere wird als Parameter die vom Benutzer aufgewendete Kraft gemessen, die proportional zur Last ist, und wird so versucht, auf die Last zurück zu schließen. Über drahtlose

Datenkommunikationstechnologie können die Messdaten an Computer, beispielsweise an ein Smartphone des Benutzers, übertragen werden, um z.B. einen Trainingsplan zu überwachen oder den Trainingsfortschritt zu dokumentieren.

Aus der US 2020/0054922 Al ist es in diesem Zusammenhang bekannt, die gemessenen Parameter zur Steuerung der Last, die als elektromagnetischer Widerstand des offenbarten Trainingsgeräts ausgebildet ist, zu verwenden. Besagte Steuerung erfolgt über eine entfernte Auswerteeinheit, an welche die Parameter über ein Netzwerk übermittelt werden, was u.a. auch das gemeinsame Training mit anderen Benutzern ermöglicht, die physisch an völlig verschiedenen Orten lokalisiert sind.

Nachteilig an den bekannten Lösungen ist jedoch, dass die Datenqualität in der Regel schlecht ist und dass die gemessenen Parameter es nur sehr unzureichend ermöglichen, die tatsächlich vorhandene Last exakt zu bestimmen. Beispielsweise wird das Ergebnis durch unterschiedlich schnell, genauer mit unterschiedlich großen Beschleunigungen, durchgeführte Wiederholungen, verfälscht. Die genaue Bestimmung der Last ist jedoch für eine wirklich genaue Trainingsauswertung bzw. Trainingssteuerung unabdingbar, zumal die genaue Kenntnis der Last die Basis für weiterführende Auswertungen ist. Dieses Problem ist keineswegs ausschließlich für den Spitzensport relevant, sondern tritt auch im Amateur- bzw. Hobbybereich verstärkt auf, wo es immer häufiger vorkommt, dass der jeweilige Benutzer die am Trainingsgerät vorhandene bzw. eingestellte Last selbst nicht kontrolliert, sondern sich auf eine entsprechende Auswertung gemessener Parameter verlässt, welche ihm auf seinem Smartphone angezeigt wird.

AUFGABE DER ERFINDUNG

Es ist daher Aufgabe der vorliegenden Erfindung, ein Trainingsgerät zur Verfügung zu stellen, das die oben genannten Nachteile vermeidet.

DARSTELLUNG DER ERFINDUNG

Kern der vorliegenden Erfindung zur Lösung der oben genannten Aufgabe ist die Idee, die aus anderen Gebieten, insbesondere aus dem Gebiet der GPS und inertialen Navigation oder aus dem Gebiet der Fahrerassistenzsysteme, bekannte Sensordatenfusion auf unterschiedliche Sensordaten bei einem Trainingsgerät anzuwenden und so insbesondere die Bestimmungsgenauigkeit einer von einem Benutzer bewegten Last bzw. Masse dramatisch zu erhöhen sowie eine Verbesserung der physikalischen Daten wie z.B. Weg, Beschleunigung, Geschwindigkeit, Kraft, Ruck (zeitliche Ableitung der Beschleunigung) bzw.

Kraftproduktionsrate zu erzielen. Die Bestimmung wird somit in einem rechnerischen Verfahren durchgeführt, das für die konkret verwendete Sensordatenfusion spezifisch ist und mit welchem eine Annäherung an den bzw. Schätzung des gesuchten Wert(s) erfolgt. Weiters wird hierdurch die exakte Bestimmung weiterer Parameter, wie z.B. der Kraftproduktionsrate, ermöglicht .

Entsprechend ist es bei einem Trainingsgerät umfassend eine Last, welche einer Masse entspricht und mittels zumindest eines Seils durch einen Benutzer bewegbar ist, das Trainingsgerät weiters umfassend mindestens einen Sensor, der dazu eingerichtet ist, bei Bewegung der Last durch den Benutzer zumindest folgende Daten zu bestimmen:

- eine auf das zumindest eine Seil wirkende, zur Masse proportionale Kraft sowie

- Positionsdaten zumindest eines Seilabschnitts des zumindest einen Seils und/oder zumindest eine n-te zeitliche Ableitung der Positionsdaten, wobei n eine ganze Zahl größer gleich 1 ist, erfindungsgemäß vorgesehen, dass eine Auswerteeinheit vorgesehen ist, die dazu eingerichtet ist, die mittels des mindestens einen Sensors bestimmten Daten mittels Sensordatenfusion zu fusionieren, um zumindest die Masse zu bestimmen und/oder eine Datenqualitätsverbesserung zu erzielen .

D.h. es werden mindestens zwei gemessene Datenarten, nämlich Kraftdaten und Bewegungsdaten (die oben genannten Positionsdaten bzw. deren zeitliche Ableitung(en)), durch die Sensordatenfusion miteinander verknüpft, wodurch die Datenqualität verbessert wird. Letzteres ist auch dann gegeben, wenn die Masse von vornherein genau bekannt ist und nicht bestimmt werden muss, und ist die Sensordatenfusion somit auch in diesem Fall sinnvoll.

Die Last kann z.B. durch einen, an sich bekannten, einstellbaren elektromagnetischen Widerstand realisiert sein, insbesondere durch einen Elektromotor, dessen Welle gedreht wird. Auf diese Weise kann auf besonders einfache Weise die Möglichkeit realisiert werden, eine Einstellung der Last remote vorzunehmen.

Letztlich wirkt die Last wie eine Masse im Schwerefeld der Erde, die eine entsprechende Gewichtskraft erzeugt, gegen die das Seil durch den Benutzer bewegt werden kann/muss. Diese Bewegung entspricht wiederum einer Bewegung der Last bzw. der Masse im Schwerefeld, wobei diese nicht notwendigerweise exakt parallel - unter „parallel" ist hier und im Folgenden stets auch antiparallel zu verstehen, sofern nicht anderes angegeben ist - zur Schwerkraftrichtung erfolgen muss, sondern z.B. auch schräg zur Schwerkraftrichtung denkbar ist. Entsprechend wirkt auf das Seil, wenn dieses vom Benutzer gegen die Last bewegt wird, eine Kraft, die proportional zur Masse ist, da die Kraft im Wesentlichen das Produkt aus der Masse und der Summe der Erdbeschleunigung sowie der vom Benutzer aufgebrachten Beschleunigung ist. Diese Kraft könnte man auch als „Seilkraft" bezeichnen und wird mit dem mindestens einen Sensor bestimmt bzw. gemessen.

Typischerweise ist zumindest ein Griff am Seil für den Benutzer angebracht. Das Seil inkl. Griff hat selbst zwar auch eine Masse, diese ist aber im Vergleich zur Last in der Regel vernachlässigbar bzw. trägt zur Last nur einen vernachlässigbaren Betrag bei.

Das zumindest eine Seil ist typischerweise durch zumindest ein Drahtseil bzw. Stahlseil ausgebildet, welches eine geringe bzw. im Wesentlichen vernachlässigbare Elastizität aufweist.

Es ist aber auch denkbar, dass das zumindest eine Seil durch zumindest ein elastisches Band, insbesondere aus einem Kunststoff, ausgebildet ist.

Typischerweise genügt ein Seil, um eine hinreichend stabile Verbindung zur Last herzustellen. Es ist aber auch denkbar, dass - z.B. aus Gründen der Stabilität oder des Platzes - mehrere Seile hierzu vorgesehen sein können, welche z.B. mit einem gemeinsamen Griff oder mehreren, insbesondere zwei, Griffen für den Benutzer verbunden sind.

Aus der gemessenen Kraft bzw. Seilkraft alleine lässt sich nicht exakt die Last bzw. Masse ermitteln. Insbesondere hängt die Kraft von der Beschleunigung, die der Benutzer bei der Bewegung des Seils bzw. der Last erzeugt, ab. Zudem variiert die Beschleunigung typischerweise während einer Wiederholung der Bewegung, sodass sich bei mehreren Wiederholungen typischerweise ein im Wesentlichen periodischer Kraftverlauf über die Zeit ergibt. Der Beschleunigungs- bzw. Kraftverlauf kann zudem aber auch entsprechend unterschiedlich zwischen mehreren aufeinanderfolgenden Wiederholungen verlaufen.

Die Bestimmung der Positionsdaten bzw. der n-ten zeitlichen Ableitung der Positionsdaten erlaubt eine Sensordatenfusion mit den bestimmten Kraftdaten zur genauen Bestimmung der Masse und/oder zur Steigerung der Datenqualität, wobei letzteres die Entfernung oder zumindest Reduktion eines Bias, von Rauschen oder von „Ausreißern" etc. umfasst.

Die Positionsdaten - bzw. die nullte zeitliche Ableitung der Positionsdaten - zu einem bestimmten Zeitpunkt enthalten die Information über die Position des zumindest einen Seilabschnitts (im Prinzip würde auch ein einzelner Punkt des Seils genügen). Entsprechend ergibt sich ein Weg, über den der Seilabschnitt durch den Benutzer in einem bestimmten Zeitraum bzw. zwischen zwei aufeinander folgenden Zeitpunkten bewegt worden ist. Bzw. ergibt sich besagter Weg gegenüber einem zuvor festgelegten Referenzpunkt auch zu einem einzelnen Zeitpunkt .

Die erste zeitliche Ableitung der Positionsdaten ergibt entsprechend eine Geschwindigkeit des Seils bzw. des Seilabschnitts. Es ist denkbar, dass die Geschwindigkeit anhand gemessener Positionsdaten rechnerisch bestimmt wird. Ebenso ist es aber auch möglich, die Geschwindigkeit direkt zu messen.

Analog ergibt die zweite zeitliche Ableitung eine Beschleunigung des Seils bzw. des Seilabschnitts. Wiederum ist es denkbar, dass die Beschleunigung anhand der zuvor bestimmten Positionsdaten oder der anhand zuvor bestimmten Geschwindigkeit rechnerisch bestimmt wird. Ebenso ist es aber auch möglich, die Beschleunigung direkt zu messen.

Für höhere zeitliche Ableitungen gilt analoges.

Es ist denkbar, dass unterschiedliche Sensoren zur Bestimmung der Kraft einerseits und der Positionsdaten bzw. der n-ten zeitlichen Ableitung der Positionsdaten andererseits vorgesehen sind. Ebenso sind Sensoren denkbar, die sowohl die Kraft als auch die Positionsdaten bzw. deren n-te zeitliche Ableitung bestimmen können.

Die Auswerteeinheit ist klarerweise insoweit mit dem mindestens einen Sensor verbunden, als sie die damit bestimmten Daten empfangen kann, um diese dann zu fusionieren. Die entsprechende Verbindung kann drahtgebunden oder drahtlos sein.

Die Auswerteeinheit kann in das Trainingsgerät integriert sein oder als separates, insbesondere auswechselbares, Element vorgesehen sein. Weiters kann die Auswerteeinheit auch aus mehreren Komponenten aufgebaut sein.

Die Auswerteeinheit kann beispielsweise mit einem programmierbaren Computer ausgebildet sein, um z.B. unterschiedlichste Arten der Sensordatenfusion zu ermöglichen.

Grundsätzlich ist eine Vielzahl von Methoden für die Sensordatenfusion an sich bekannt, vgl. z.B. Wikipedia unter https://de.wikipedia.org/wiki/ Sensordatenfusion, insbesondere Klassifikationsverfahren, stochastische Verfahren, Kalman- Filter, Fuzzy-Logik, logische Verknüpfungen oder auf Regeln basierende Verfahren. In Anbetracht der zunehmenden Bedeutung von Verfahren basierend auf künstlicher Intelligenz (AI) ist natürlich auch der Einsatz von AI bei der Sensordatenfusion denkbar. Entsprechend kann die Sensordatenfusion auch im Falle des erfindungsgemäßen Trainingsgeräts mit einer oder ggf. natürlich auch mit mehreren dieser Methoden durchgeführt werden. In jedem Fall wird hierdurch eine bessere bzw. genauere Bestimmung der Masse erreicht, als es durch die Auswertung separater Daten möglich ist.

Bei einer bevorzugten Ausführungsform des erfindungsgemäßen Trainingsgeräts ist vorgesehen, dass die Auswerteeinheit dazu eingerichtet ist, die Daten mittels eines Kalman-Filters oder eines erweiterten Kalman-Filters zu fusionieren. Ein Vorteil des Einsatzes dieser Filter liegt in der wohlbekannten Funktionsweise, da diese Filter in der Praxis heute einen Standard z.B. auf dem Gebiet von Navigationssystemen und GPS darstellen. Ein weiteres Beispiel für die Anwendung dieser Filter findet sich heutzutage in praktisch jedem Smartphone und ist die Fusion von Daten von Gyrosensoren und Beschleunigungssensoren sowie optional Magnetometern und optional eines Barometers zur Bestimmung von Bewegungen des Smartphones .

Mit dem jeweiligen Filter wird das jeweilige System zu einem Zeitpunkt bzw. Zeitschritt k durch einen Zustandsvektor X _k beschrieben, der sehr flexibel aufgebaut werden kann. Beobachtet bzw. gemessen wird ein „Messwertevektor" Z _k , wobei die Messwerte durch Messrauschen und Messfehler, verursacht durch deterministische Störungen und stochastische Prozesse, gestört sind. Im Zustandsvektor X _k können sich die durch den jeweiligen Filteralgorithmus „gefilterten" Messwerte befinden und/oder direkt oder indirekt davon über die Physik abhängige Werte. Dabei werden die stochastischen Zusammenhänge der Messwerte und deren Störungen berücksichtigt, indem diese über eine Kovarianzmatrix Q und ein Prozessrauschen einfließen. Mittels der genannten Filter wird X _k schrittweise immer besser angenähert bzw. geschätzt, indem die vorangegangene Schätzung mit aktuellen Messwerten unter Zuhilfenahme der Kovarianzmatrix Q der Fehler von X kombiniert wird. Zur exakten Funktionsweise des Kalman-Filters bzw. des erweiterten Kalman-Filters, das eine nichtlineare Version des Kalman- Filters darstellt, wird auf einschlägige Literatur verwiesen, vgl. auch Wikipedia unter https://de.wikipedia.org/wiki /Kalman-Filter oder https://en.wikipedia.org/wiki/Extended Kalman filter.

Bei dieser Ausführungsvariante wird die Masse im Zuge der Datenverbesserung bestimmt durch Berechnung oder als Komponente des Zustandsvektors des jeweiligen Filters.

Wie gesagt, ermöglicht die Verwendung des Kalman-Filters bzw. des erweiterten Kalman-Filters eine große Flexibilität, was die konkrete Gestaltung des Zustandsvektors anbelangt. In der Praxis erweisen sich bestimmte Zustandsvektoren bzw. Zustandsvektoren mit bestimmten Komponenten als besonders geeignet zur gewünschten Datenverbesserung. Entsprechend ist es bei einer besonders bevorzugten Ausführungsform des erfindungsgemäßen Trainingsgeräts vorgesehen, dass das Filter einen Zustandsvektor aufweist, der aus folgenden Komponenten in beliebiger Reihenfolge besteht:

- Kraft, Masse; oder

- Beschleunigung, Masse; oder

- Kraft, Beschleunigung; oder

- Beschleunigung, Kraft, Masse; oder

- Position, Geschwindigkeit, Kraft, Masse; oder

- Position, Geschwindigkeit, Beschleunigung, Kraft, Masse.

Wie bereits erwähnt, erlaubt die Kenntnis der Last bzw. Masse die genaue Bestimmung weiterer Parameter, deren Kenntnis für ein besonders erfolgreiches Training vorteilhaft ist. Entsprechend ist es bei einer bevorzugten Ausführungsform des erfindungsgemäßen Trainingsgeräts vorgesehen, dass die Auswerteeinheit dazu eingerichtet ist, zusätzlich zumindest einen der folgenden Parameter zu bestimmen: Leistung, Kraftproduktionsrate, Kraftvolumen, Arbeit. Ergänzend sei bemerkt, dass die mittels der Sensordatenfusion bestimmte Masse auch dazu verwendet werden kann, die Daten im Nachhinein erneut auszuwerten, wobei die Masse konstant auf den zuvor bestimmten Wert gesetzt wird. Ein Anfangsfehler wird auf diese Weise eliminiert, und kann eine weitere Datenverbesserung erzielt werden.

Wie bereits erwähnt, kann die Last z.B. durch einen elektromagnetischen Widerstand realisiert sein. Um die Last konstruktiv besonders einfach verwirklichen zu können, ist es bei einer bevorzugten Ausführungsform des erfindungsgemäßen Trainingsgeräts vorgesehen, dass die Last durch zumindest ein Gewichtsstück ausgebildet ist. Das oder die Gewichtsstücke werden dabei vorzugsweise senkrecht zur Schwerkraftrichtung bewegt, können aber auch schräg zur Schwerkraftrichtung bewegt werden.

Insbesondere zur Kraftbestimmung können unterschiedlichste Sensoren zum Einsatz kommen. Beispielsweise wäre es denkbar, einen Kraftsensor in einen Bolzen zu integrieren, was vom Prinzip her bei Kränen in größerer Dimension bekannt ist. Besagter Bolzen eignet sich gut zur Nachrüstung bei bestehenden Trainingsgeräten, insbesondere wo die Last im Wesentlichen durch Gewichtsstücke ausgebildet ist und der Bolzen in Eingriff oder zumindest in Wirkverbindung mit diesen Gewichtsstücken gebracht werden kann.

Bei einer bevorzugten Ausführungsform des erfindungsgemäßen Trainingsgeräts ist vorgesehen, dass eine Seilwaage vorgesehen ist, die den mindestens einen Sensor umfasst. Insbesondere umfasst die Seilwaage den zumindest einen Sensor zu Bestimmung der Kraft und vorzugsweise der Positionsdaten.

Die Seilwaage gewährleistet einen einfachen und zuverlässigen Aufbau. Typischerweise umfasst die Seilwaage eine erste Umlenkrolle, eine zweite Umlenkrolle und eine zwischen den beiden Umlenkrollen angeordnete Spannbacke, wobei das Seil über die beiden Umlenkrollen und die Spannbacke läuft und durch die Spannbacke so gespannt wird, dass der Verlauf des Seils zwischen den beiden Umlenkrollen gekrümmt ist, wobei mit zunehmender aufgebrachter Kraft das Seil an der Spannbacke mit einer Spannkraft zieht. Der Sensor zu Bestimmung der Kraft misst diese Spannkraft, wobei typischerweise ein Zug und kein Druck gemessen wird (wobei der Sensor aber natürlich auch für eine Druckmessung ausgelegt und angeordnet sein kann). Die Seilwaage stellt dabei eine Übersetzung dar, weshalb der verwendete Sensor tatsächlich nur einen Bruchteil jener Kraft verarbeiten muss, die auf das Seil aufgrund der Last wirkt.

Dabei sind unterschiedliche Anordnungen der Seilwaage möglich - z.B. entlang des Seils verschiebbar oder räumlich fixiert -, die insbesondere auch einen problemlosen nachträglichen Einbau ermöglichen, weil der Seilverbund hierfür nicht aufgetrennt werden muss.

Die Umlenkrollen können zudem in einfacher Weise zur Bestimmung der Positionsdaten verwendet werden, indem ein Drehwinkel von zumindest einer der Umlenkrollen mittels eines Sensors in an sich bekannter Weise bestimmt wird.

Bei einer bevorzugten Ausführungsform des erfindungsgemäßen Trainingsgeräts ist vorgesehen, dass die Auswerteeinheit eine Datenkommunikationsschnittstelle zur, vorzugsweise drahtlosen, Datenkommunikation aufweist. Beispielsweise kann die Datenkommunikationsschnittstelle die Verbindung über WLAN und/oder Bluetooth und/oder Near Field Communication erlauben.

Die Datenkommunikationsschnittstelle ermöglicht die Übertragung von Daten zwischen der Auswerteeinheit und einem Computer, beispielsweise einem Smartphone oder einem Server im Internet, auf dem z.B. der Trainingsverlauf aufgezeichnet wird und weiterführende Auswertungen vorgenommen werden können. Darüberhinaus kann hierdurch auch eine einfache Programmierung der Auswerteeinheit (über den Computer) oder können Anpassungen der jeweiligen Sensordatenfusion vorgenommen werden, z.B. von Startwerten für das Kalman-Filter oder das erweiterte Kalman-Filter.

KURZE BESCHREIBUNG DER FIGUREN

Die Erfindung wird nun anhand von Ausführungsbeispielen näher erläutert. Die Zeichnungen sind beispielhaft und sollen den Erfindungsgedanken zwar darlegen, ihn aber keinesfalls einengen oder gar abschließend wiedergeben.

Dabei zeigt:

Fig. 1 eine schematische Darstellung einer ersten Ausführungsform eines erfindungsgemäßen Trainingsgeräts mit einer fix an einer Umlenkrolle montierten Seilwaage

Fig. 2 eine schematische Darstellung einer zweiten

Ausführungsform des erfindungsgemäßen Trainingsgeräts mit einer entlang eines Seils bewegbaren Seilwaage

Fig. 3 ein erstes Diagramm zu einem ersten Beispiel einer Sensordatenfusion mittels Kalman-Filter, wobei Kraft und Beschleunigung mittels Sensor bestimmte Daten sind und das Diagramm die gemessene Kraft, die mittels des Filters bestimmte Kraft und die mittels des Filters bestimmte Masse zeigt

Fig. 4 ein zweites Diagramm zum ersten Beispiel der

Sensordatenfusion, wobei das Diagramm die gemessene Beschleunigung und die mittels des Filters bestimmte („bereinigte") Beschleunigung zeigt

Fig. 5 ein erstes Diagramm zu einem zweiten Beispiel der

Sensordatenfusion mittels erweitertem Kalman-Filter, wobei Kraft und Position mittels Sensor bestimmte Daten sind und das Diagramm die mittels des Filters bestimmte Kraft sowie die mittels des Filters bestimmte Masse zeigt

Fig. 6 ein zweites Diagramm zum zweiten Beispiel der

Sensordatenfusion, wobei das Diagramm die gemessene Position, die mittels des Filters bestimmte Geschwindigkeit sowie die mittels des Filters bestimmte Beschleunigung zeigt

WEGE ZUR AUSFÜHRUNG DER ERFINDUNG

In der schematischen Darstellung der Fig. 1 ist eine erste Ausführungsform eines erfindungsgemäßen Trainingsgeräts 1 dargestellt. Das Trainingsgerät 1 umfasst eine Last, die durch mehrere Gewichtsstücke 2 ausgebildet ist und einer Masse m entspricht. Die Gewichtsstücke 2 sind an einem Seil 3 befestigt, welches über zwei Umlenkrollen 8, 8' geführt ist und im Bereich eines freien Endes einen Griff 9 aufweist. Ein Benutzer kann am Griff 9 angreifen und am Seil 3 (nach unten) ziehen, um die Gewichtsstücke 2 in einer Bewegungsrichtung 11 zu bewegen, wobei die Bewegungsrichtung 11 antiparallel zur Schwerkraftrichtung ist.

Das Trainingsgerät 1 umfasst weiters eine Seilwaage 7, welche einen Kraftsensor 4 sowie einen Positionsdatensensor 5 umfasst .

Die Seilwaage 7 umfasst die Umlenkrolle 8' und ist mit dieser z.B. an einem Träger (nicht dargestellt) befestigt. Die Seilwaage 8 umfasst darüberhinaus eine weitere Umlenkrolle 8'' und eine zwischen den beiden Umlenkrollen 8, 8'' angeordnete

Spannbacke, in die der Kraftsensor 4 integriert ist, wobei das Seil 3 über die beiden Umlenkrollen 8', 8'' und die Spannbacke bzw. den Kraftsensor 4 läuft und durch die Spannbacke so gespannt wird, dass der Verlauf des Seils 3 zwischen den beiden Umlenkrollen 8', 8'' gekrümmt ist, wobei mit zunehmender aufgebrachter Kraft F das Seil 3 an der Spannbacke bzw. am Kraftsensor 4 mit einer Spannkraft zieht. Der Kraftsensor 4 misst diese als Zugkraft auftretende Spannkraft. Die Seilwaage 7 stellt dabei eine Übersetzung dar, weshalb der verwendete Kraftsensor 4 tatsächlich nur einen Bruchteil jener Kraft F verarbeiten muss, die auf das Seil 3 aufgrund der Last wirkt. Da das Übersetzungsverhältnis bekannt ist, liefert der Kraftsensor 4 die Kraft F, die wiederum proportional zur Masse m ist, die vom Benutzer bewegt wird.

Der Positionsdatensensor 5 misst den Drehwinkel der Umlenkrolle 8' und/oder eine n-te zeitliche Ableitung des Drehwinkels, wobei n eine ganze Zahl größer gleich 1 ist. Hierdurch wird die Position s eines Abschnitts des Seils 3 bestimmt bzw. wie weit das Seil zwischen zwei Zeitpunkten bewegt worden ist und/oder die n-te zeitliche Ableitung der Position s, also z.B. eine Geschwindigkeit v (im Falle der ersten zeitlichen Ableitung der Position s) oder Beschleunigung a (im Falle der zweiten zeitlichen Ableitung der Position s).

Der Kraftsensor 4 und der Positionsdatensensor 5 sind mit einer Auswerteeinheit 6 verbunden (strichliert angedeutet), wobei die Verbindung drahtlos oder drahtgebunden sein kann, wobei eine drahtgebundene Verbindung insbesondere dann vorliegen kann, wenn die Auswerteeinheit 6 und der Kraftsensor 4 und/oder der Positionsdatensensor 5 gemeinsam in einem Bauteil integriert sind. Die Auswerteeinheit 6 weist wiederum eine drahtlose Datenkommunikationsschnittstelle (nicht extra dargestellt) zum drahtlosen Austausch von Daten - beispielsweise über WLAN und/oder Bluetooth und/oder Near Field Communication - mit einem Computer, insbesondere mit einem Smartphone des Benutzers, auf. Die Auswerteeinheit 6 ist dazu eingerichtet, die mittels des Kraftsensors 4 und des Positionsdatensensors 5 bestimmten Daten mittels Sensordatenfusion zu fusionieren, um zumindest die Masse m möglichst exakt zu bestimmen und/oder eine Datenqualitätsverbesserung zu erzielen. Dabei können unterschiedlichste Methoden der Sensordatenfusion zur Anwendung kommen. Sowohl für die in Fig. 1 gezeigte erste Ausführungsform als auch für die in Fig. 2 gezeigte zweite Ausführungsform des Trainingsgeräts 1 werden untenstehend ein erstes Beispiel mit einem Kalman-Filter zur Sensordatenfusion und ein zweites Beispiel mit einem erweiterten Kalman-Filter zur Sensordatenfusion präsentiert, wobei sich Fig. 3 und Fig.

4 auf das erste Beispiel beziehen und Fig. 5 und Fig. 6 auf das zweite Beispiel.

Die zweite Ausführungsform des Trainingsgeräts 1 unterscheidet sich von der ersten Ausführungsform lediglich in der Ausgestaltung der Seilwaage 7. Letztere ist in der zweiten Ausführungsform am Seil 3 angeordnet und wird mit diesem mitbewegt, wobei die Seilwaage 7 grundsätzlich entlang des Seils 3 auch verschoben werden kann, weshalb die Umlenkrolle 8' nicht Teil der Seilwaage 7 ist. Entsprechend weist die Seilwaage 7 neben der Umlenkrolle 8'' eine weitere Umlenkrolle 8''' auf, wobei das Seil 3 über die beiden Umlenkrollen 8'', 8''' und die Spannbacke bzw. den Kraftsensor 4 läuft und durch die Spannbacke so gespannt wird, dass der Verlauf des Seils 3 zwischen den beiden Umlenkrollen 8'', 8''' gekrümmt ist, wobei mit zunehmender aufgebrachter Kraft F das Seil 3 an der Spannbacke bzw. am Kraftsensor 4 mit der Spannkraft zieht.

Der Kraftsensor 4 bildet in der zweiten Ausführungsform auch den Positionsdatensensor 5 aus bzw. ist der

Positionsdatensensor 5 ebenfalls in die Spannbacke integriert. Vorzugsweise ist der Positionsdatensensor 5 dabei als Beschleunigungssensor ausgebildet, sodass die zweite zeitliche Ableitung der Position s gemessen wird. Alternativ oder zusätzlich wäre es z.B. auch denkbar, dass der Positionsdatensensor 5 mit einer räumlich fixierten Höhenreferenz 10 Zusammenarbeiten kann, um die Position s und/oder eine n-te zeitliche Ableitung der Position s zu bestimmen. Beispielsweise kann der Positionsdatensensor 5 dazu eingerichtet sein, mittels Ultraschall oder Laser laufend die Distanz zur Höhenreferenz 10 zu messen, um die Position s zu bestimmen. Analog lassen sich natürlich auch die Geschwindigkeit v oder die Beschleunigung a bestimmen.

Im bereits erwähnten ersten Beispiel wird das Kalman-Filter verwendet mit einem Zustandsvektor x, der aus folgenden Komponenten besteht: Position s, Geschwindigkeit v, Kraft F und Masse m, also

Als Messgrößen fungieren die mit dem Kraftsensor 4 gemessene Kraft F sowie die mit dem Positionsdatensensor 5 gemessene Beschleunigung a, d.h. der Positionsdatensensor 5 ist in diesem Fall ein Beschleunigungssensor.

Basierend auf den Bewegungsgleichungen kann die Kovarianzmatrix Q beispielsweise folgendermaßen angenommen werden: wobei die Varianz der Beschleunigung a und die Varianz der Masse m ist. Im dargestellten ersten Beispiel (Fig. 3 und Fig. 4) sind folgende Werte als Standardabweichungen angenommen : a _m = 0,005 kg.

Weiters ist aufgrund des eingesetzten Kraftsensors 4 die Standardabweichung der Kraft F bekannt als a _F = 0,5 N .

Die zeitliche Entwicklung des mit dem Kalman-Filter geschätzten Zustandsvektors ergibt sich durch Anwendung einer Matrix MF und Addition einer Störung B*u: wobei g die Erdbeschleunigung ist.

Die Beobachtungsmatrix H (hat die Dimension

Zustände*Messwerte ; hier wird nur der Messwert für die Kraft F berücksichtigt), welche die Werte des Systemzustands bzw. von x auf die Beobachtungen abbildet, lautet:

Ein Abtastintervall bzw. die Differenz zwischen zwei aufeinanderfolgenden Zeitpunkten ist

At = 0,015s. Als Startwert wird folgender Zustandsvektor verwendet:

Fig. 3 stellt ein Diagramm der gemessenen Kraft F in kp, einer mittels des Kalman-Filters geschätzten Kraft F_K in kp und einer mittels des Kalman-Filters geschätzten Masse m_K in kg über der Zeit in s (horizontale Achse) dar. Die gemessene Beschleunigung a in m/s ² sowie eine mittels Kalman-Filter geschätzte Beschleunigung a_K in m/s ² sind aus Klarheitsgründen nicht in Fig. 3, sondern in Fig. 4 dargestellt. Es ist folgender Verlauf ersichtlich:

In den ersten Sekunden konvergiert das Filter von seinen Startwerten auf den Istzustand. Es erfolgt noch keine Bewegung des Seils 3 durch den Benutzer. Das Gewicht am Seil 3 ist entsprechend nur durch den Griff 9 bedingt.

Im nächsten Zyklus wird ein Training begonnen. Aufgrund der Messwerte wird die Masse m_K am Seil 3 berechnet, welche nach kurzer Zeit auf einen Wert konvergiert. Diese Zeit ist bis zu einem gewissen Grad von den Standardabweichungen, welche für das Filter gewählt werden, abhängig.

- Nach Stabilisieren der Last bzw. der Gewichtsstücke 2 (entspricht ca. dem Wert von 7 Sekunden auf der horizontalen Achse) ist der Unterschied der Mess- und Schätzwerte (gemessene Kraft F vs. mittels des Filters bestimmte Kraft F_K bzw. gemessene Beschleunigung a vs. mittels des Filters bestimmte Beschleunigung a_K) besonders gut zu erkennen, womit verdeutlicht wird, dass das geschätzte Signal jenes ist, das sinnvoll weiterverarbeitet werden kann (z.B. durch Ableitungen).

Speziell bei der gemessenen Beschleunigung a ist das Rauschen zu erkennen, vgl. Fig. 4. Dieses Signal so weiterzuverarbeiten, wäre sinnbefreit, wohingegen die mittels Kalman-Filter geschätzte Beschleunigung a_K einen sinnvoll verarbeitbaren Verlauf aufweist.

Im letzten Teil (ab ca. dem Wert von 14 Sekunden auf der horizontalen Achse) wird die Last bzw. werden die

Gewichtsstücke 2 wieder abgelegt und die geschätzte Masse m_K konvergiert gegen die Masse des Griffs 9, vgl. Fig.

3.

Im ebenfalls bereits erwähnten zweiten Beispiel wird das erweiterte Kalman-Filter verwendet mit einem Zustandsvektor x, der aus folgenden Komponenten besteht: Position s, Geschwindigkeit v, Beschleunigung a und Masse m, also

Als Messgrößen fungieren die mit dem Kraftsensor 4 gemessene Kraft F sowie die mit dem Positionsdatensensor 5 gemessene

Position s, d.h. Geschwindigkeit v und Beschleunigung a sind hier ausschließlich mittels des Filters berechnete Größen.

Die Kovarianzmatrix Q kann unter Berücksichtigung der Bewegungsgleichungen angenommen werden als:

Die die zeitliche Entwicklung des Zustandsvektors beschreibende Matrix MF ergibt sich als Jacobi-Matrix von f (x):

Die Beobachtungsmatrix H ergibt sich als Jacobi-Matrix von h (x):

Dabei wird im ersten Schritt (kann auch als „Zwischenschritt"

—» bezeichnet werden) auf Basis des Modells f(x) ein Vektor x berechnet: Im zweiten Schritt werden die Messwerte verwendet, um den neuen Zustandsvektor x zu berechnen, wobei x, das Ergebnis vom ersten Schritt (bzw. das „Zwischenergebnis"), verwendet wird, wie dies beim erweiterten Kalman-Filter üblich ist, vgl. auch https://en.wikipedia.org/wiki/Extended Kalman filter. Folgende Standardabweichungen sind angenommen: a _m = 0,001kg, a _F = 0,01N , a _s = 0,002 m .

Das Abtastintervall ist in diesem Fall D t = 0,01 s.

Als Startwert wird wiederum folgender Zustandsvektor verwendet :

Fig. 5 stellt ein Diagramm der mittels des Filters geschätzten Kraft F_K in kp und einer mittels des Filters geschätzten Masse m_K in kg über der Zeit in Sekunden (horizontale Achse) dar. Die gemessene Position s in dm, eine mittels des Filters geschätzte Geschwindigkeit v_K in m/s sowie die mittels des Filters geschätzte Beschleunigung a_K in m/s ² sind aus Klarheitsgründen nicht in Fig. 5, sondern in Fig. 6 dargestellt. Es ist folgender Verlauf ersichtlich:

In den ersten Sekunden konvergiert das Filter von seinen Startwerten auf den Istzustand, wobei bereits im ersten Schritt die mittels des Filters berechnete Masse m_K vom Startwert abweicht, wie aus Fig. 5 hervorgeht. Es erfolgt noch keine Bewegung des Seils 3 durch den Benutzer. Das Gewicht am Seil 3 ist entsprechend nur durch den Griff 9 bedingt .

Im nächsten Zyklus wird ein Training begonnen. Aufgrund der Messwerte wird die Masse m_K am Seil 3 berechnet, welche nach kurzer Zeit auf einen Wert konvergiert. Diese Zeit ist bis zu einem gewissen Grad von den Standardabweichungen, welche für das Filter gewählt werden, abhängig.

- Bereits nach kurzer Zeit erfolgt eine Stabilisierung der Last bzw. der Gewichtsstücke 2 (entspricht ca. dem Wert von 6 Sekunden auf der horizontalen Achse), vgl. Fig. 5. Ab hier liefert die mittels des Filters bestimmte Beschleunigung a_K qualitativ gute Werte, wie sie mit einer zweifachen Ableitung der gemessenen Position s niemals zu erreichen wären.

Im letzten Teil (ab ca. dem Wert von 13 Sekunden auf der horizontalen Achse) wird die Last bzw. werden die

Gewichtsstücke 2 wieder abgelegt und die geschätzte Masse m_K konvergiert gegen die Masse des Griffs 9.

Sowohl im ersten als auch im zweiten Beispiel wird also durch die geschätzte Masse m_K die tatsächlich bewegte Masse m in höchstmöglicher Qualität bestimmt, was eine genaue Analyse des Trainings sowie weiterführende Analysen ermöglicht.

BEZUGSZEICHENLISTE

1 Trainingsgerät

2 Gewichtsstück

3 Seil 4 Kraftsensor

5 Positionsdatensensor

6 Auswerteeinheit

7 Seilwaage

8, 8', 8'', 8''' Umlenkrolle 9 Griff

10 Höhenreferenz

11 Bewegungsrichtung m Masse m_K Masse, mittels Filter geschätzt F Kraft, gemessen

F_K Kraft, mittels Filter geschätzt s Position, gemessen v Geschwindigkeit v_K Geschwindigkeit, mittels Filter geschätzt a Beschleunigung, gemessen a_K Beschleunigung, mittels Filter geschätzt