Este trabalho apresenta o desenvolvimento de um sistema inteligente para análise da técnica de pedalada aplicada por ciclistas. Para isso, desenvolveu-se um par de pedais de encaixe instrumentados, a partir dos quais é possível medir a componente de força normal aplicada nas partes frontal e posterior dos pedais. O modelo virtual da célula de carga experimental foi desenvolvido através da digitalização dos pedais de encaixe comerciais, utilizando-se um sistema comercial de escaneamento 3D com precisão declarada de 0,1mm. Cada pedal foi instrumentado com oito extensômetros de resistência elétrica (HBM 1-LY-13-1.5/350). Posteriormente os carregamentos máximos em cada eixo de medida de força foram estabelecidos utilizando-se uma plataforma de aquisição comercial específica para medida de deformação mecânica. Considerando-se os valores determinados, desenvolveu-se o circuito de condicionamento e realizaram-se os ensaios de deformação estática, obtendo-se as funções de transferência de saída de tensão elétrica em função do carregamento mecânico. O erro de linearidade máximo, considerando todos os canais, ficou abaixo de 0,75% e a máxima incerteza expandida (k=2) por canal, obtida através da aplicação do método clássico, foi de 1,55%. Em sequência, integrouse o sistema de pedais desenvolvido a dois outros sistemas, são eles: um par pedivelas experimentais instrumentados, capazes de medir as três componentes da força aplicada aos pedais e transmitidas aos pedivelas com um erro de linearidade abaixo de 0,6% e uma incerteza combinada inferior a 3,22%, e um sistema de cinemetria comercial, cuja precisão declarada pelo fabricante é de 1mm. Para possibilitar uma comparação quantitativa entre treinos ou ciclistas, implementou-se um sistema inteligente, baseado em redes Neuro-Fuzzy (ANFIS). A partir dos valores da potência média, do desvio padrão da potência e da assimetria bilateral média, obtidos ao longo de ensaios realizados sob protocolo desenvolvido especificamente para este trabalho, um score que representa o nível da técnica de pedalada apresentado pelo ciclista é determinado. Com intuito de testar o sistema, desenvolveu-se um projeto de experimentos com 2 fatores controláveis (sujeito e nível de frenagem de um rolo de treinamento), e realizou-se ensaios com oito ciclistas de características fisiológicas e níveis de preparos distintos. Através da análise estatística, constatou-se que das 23 variáveis de resposta consideradas ao longo do experimento, 23 são influenciadas significativamente pelo fator controlado sujeito e oito são influenciadas significativamente pelo fator controlado nível de frenagem magnética. / This report describes the development of an intelligent pedaling technique analysis system. To accomplish that, a pair of road bicycle pedals (SHIMANO R540) were instrumented to measure the forces that are applied to the front and back regions of the pedals. The virtual models of the pedals were developed based on a 3D scanned mesh developed with aid of a commercial 3D scanning system with a precision of 0.1mm. Each pedal was instrumented with eight electrical resistance strain-gages (HBM 1-LY-13-1.5/350). After that, the range of the mechanical deformation of each measurement channel was determined with aid of an industrial deformation acquisition system. The conditioning circuit was developed based on the mechanical deformation ranges previously determined and the static calibration experiment was performed to determine the voltage output transfer functions. The maximum linearity error determined per channel was 0,75% and the maximum expanded uncertainty (k=2), determined applying the classical methodology, was 1,55%. After that, the instrumented pedals developed were integrated with two complementary systems, which are: a pair of instrumented crank arm load cells which measure the components of the force applied to the bicycle pedal with a linearity error under 0.6% and an uncertainty of 3,22% and an Optitrack motion track system with a declared accuracy of 1mm. An intelligent pedaling technique analysis system was implemented through an Adaptive Neuro Fuzzy Inference System (ANFIS) to determine the cyclist pedaling technique score based on three inputs: the average power applied to bicycle pedal, the average power standard deviation and the bilateral asymmetry index, all of them collected under an experimental protocol specifically designed for this application. To evaluate the behavior of the system developed a randomized block experiment design with two controlled factors was performed indoor with aid of an ergometer roll; 160 sprints were conducted with eight subjects of different training levels. From the data collected an ANOVA test was performed, which confirmed that all the 23 response variables vary significantly in function of the subject’s controlled factor and eight of them vary significantly in function of the magnetic braking level.

Este trabalho apresenta o desenvolvimento de um sistema inteligente para análise da técnica de pedalada aplicada por ciclistas. Para isso, desenvolveu-se um par de pedais de encaixe instrumentados, a partir dos quais é possível medir a componente de força normal aplicada nas partes frontal e posterior dos pedais. O modelo virtual da célula de carga experimental foi desenvolvido através da digitalização dos pedais de encaixe comerciais, utilizando-se um sistema comercial de escaneamento 3D com precisão declarada de 0,1mm. Cada pedal foi instrumentado com oito extensômetros de resistência elétrica (HBM 1-LY-13-1.5/350). Posteriormente os carregamentos máximos em cada eixo de medida de força foram estabelecidos utilizando-se uma plataforma de aquisição comercial específica para medida de deformação mecânica. Considerando-se os valores determinados, desenvolveu-se o circuito de condicionamento e realizaram-se os ensaios de deformação estática, obtendo-se as funções de transferência de saída de tensão elétrica em função do carregamento mecânico. O erro de linearidade máximo, considerando todos os canais, ficou abaixo de 0,75% e a máxima incerteza expandida (k=2) por canal, obtida através da aplicação do método clássico, foi de 1,55%. Em sequência, integrouse o sistema de pedais desenvolvido a dois outros sistemas, são eles: um par pedivelas experimentais instrumentados, capazes de medir as três componentes da força aplicada aos pedais e transmitidas aos pedivelas com um erro de linearidade abaixo de 0,6% e uma incerteza combinada inferior a 3,22%, e um sistema de cinemetria comercial, cuja precisão declarada pelo fabricante é de 1mm. Para possibilitar uma comparação quantitativa entre treinos ou ciclistas, implementou-se um sistema inteligente, baseado em redes Neuro-Fuzzy (ANFIS). A partir dos valores da potência média, do desvio padrão da potência e da assimetria bilateral média, obtidos ao longo de ensaios realizados sob protocolo desenvolvido especificamente para este trabalho, um score que representa o nível da técnica de pedalada apresentado pelo ciclista é determinado. Com intuito de testar o sistema, desenvolveu-se um projeto de experimentos com 2 fatores controláveis (sujeito e nível de frenagem de um rolo de treinamento), e realizou-se ensaios com oito ciclistas de características fisiológicas e níveis de preparos distintos. Através da análise estatística, constatou-se que das 23 variáveis de resposta consideradas ao longo do experimento, 23 são influenciadas significativamente pelo fator controlado sujeito e oito são influenciadas significativamente pelo fator controlado nível de frenagem magnética. / This report describes the development of an intelligent pedaling technique analysis system. To accomplish that, a pair of road bicycle pedals (SHIMANO R540) were instrumented to measure the forces that are applied to the front and back regions of the pedals. The virtual models of the pedals were developed based on a 3D scanned mesh developed with aid of a commercial 3D scanning system with a precision of 0.1mm. Each pedal was instrumented with eight electrical resistance strain-gages (HBM 1-LY-13-1.5/350). After that, the range of the mechanical deformation of each measurement channel was determined with aid of an industrial deformation acquisition system. The conditioning circuit was developed based on the mechanical deformation ranges previously determined and the static calibration experiment was performed to determine the voltage output transfer functions. The maximum linearity error determined per channel was 0,75% and the maximum expanded uncertainty (k=2), determined applying the classical methodology, was 1,55%. After that, the instrumented pedals developed were integrated with two complementary systems, which are: a pair of instrumented crank arm load cells which measure the components of the force applied to the bicycle pedal with a linearity error under 0.6% and an uncertainty of 3,22% and an Optitrack motion track system with a declared accuracy of 1mm. An intelligent pedaling technique analysis system was implemented through an Adaptive Neuro Fuzzy Inference System (ANFIS) to determine the cyclist pedaling technique score based on three inputs: the average power applied to bicycle pedal, the average power standard deviation and the bilateral asymmetry index, all of them collected under an experimental protocol specifically designed for this application. To evaluate the behavior of the system developed a randomized block experiment design with two controlled factors was performed indoor with aid of an ergometer roll; 160 sprints were conducted with eight subjects of different training levels. From the data collected an ANOVA test was performed, which confirmed that all the 23 response variables vary significantly in function of the subject’s controlled factor and eight of them vary significantly in function of the magnetic braking level.

Este trabalho apresenta o desenvolvimento de um sistema inteligente para análise da técnica de pedalada aplicada por ciclistas. Para isso, desenvolveu-se um par de pedais de encaixe instrumentados, a partir dos quais é possível medir a componente de força normal aplicada nas partes frontal e posterior dos pedais. O modelo virtual da célula de carga experimental foi desenvolvido através da digitalização dos pedais de encaixe comerciais, utilizando-se um sistema comercial de escaneamento 3D com precisão declarada de 0,1mm. Cada pedal foi instrumentado com oito extensômetros de resistência elétrica (HBM 1-LY-13-1.5/350). Posteriormente os carregamentos máximos em cada eixo de medida de força foram estabelecidos utilizando-se uma plataforma de aquisição comercial específica para medida de deformação mecânica. Considerando-se os valores determinados, desenvolveu-se o circuito de condicionamento e realizaram-se os ensaios de deformação estática, obtendo-se as funções de transferência de saída de tensão elétrica em função do carregamento mecânico. O erro de linearidade máximo, considerando todos os canais, ficou abaixo de 0,75% e a máxima incerteza expandida (k=2) por canal, obtida através da aplicação do método clássico, foi de 1,55%. Em sequência, integrouse o sistema de pedais desenvolvido a dois outros sistemas, são eles: um par pedivelas experimentais instrumentados, capazes de medir as três componentes da força aplicada aos pedais e transmitidas aos pedivelas com um erro de linearidade abaixo de 0,6% e uma incerteza combinada inferior a 3,22%, e um sistema de cinemetria comercial, cuja precisão declarada pelo fabricante é de 1mm. Para possibilitar uma comparação quantitativa entre treinos ou ciclistas, implementou-se um sistema inteligente, baseado em redes Neuro-Fuzzy (ANFIS). A partir dos valores da potência média, do desvio padrão da potência e da assimetria bilateral média, obtidos ao longo de ensaios realizados sob protocolo desenvolvido especificamente para este trabalho, um score que representa o nível da técnica de pedalada apresentado pelo ciclista é determinado. Com intuito de testar o sistema, desenvolveu-se um projeto de experimentos com 2 fatores controláveis (sujeito e nível de frenagem de um rolo de treinamento), e realizou-se ensaios com oito ciclistas de características fisiológicas e níveis de preparos distintos. Através da análise estatística, constatou-se que das 23 variáveis de resposta consideradas ao longo do experimento, 23 são influenciadas significativamente pelo fator controlado sujeito e oito são influenciadas significativamente pelo fator controlado nível de frenagem magnética. / This report describes the development of an intelligent pedaling technique analysis system. To accomplish that, a pair of road bicycle pedals (SHIMANO R540) were instrumented to measure the forces that are applied to the front and back regions of the pedals. The virtual models of the pedals were developed based on a 3D scanned mesh developed with aid of a commercial 3D scanning system with a precision of 0.1mm. Each pedal was instrumented with eight electrical resistance strain-gages (HBM 1-LY-13-1.5/350). After that, the range of the mechanical deformation of each measurement channel was determined with aid of an industrial deformation acquisition system. The conditioning circuit was developed based on the mechanical deformation ranges previously determined and the static calibration experiment was performed to determine the voltage output transfer functions. The maximum linearity error determined per channel was 0,75% and the maximum expanded uncertainty (k=2), determined applying the classical methodology, was 1,55%. After that, the instrumented pedals developed were integrated with two complementary systems, which are: a pair of instrumented crank arm load cells which measure the components of the force applied to the bicycle pedal with a linearity error under 0.6% and an uncertainty of 3,22% and an Optitrack motion track system with a declared accuracy of 1mm. An intelligent pedaling technique analysis system was implemented through an Adaptive Neuro Fuzzy Inference System (ANFIS) to determine the cyclist pedaling technique score based on three inputs: the average power applied to bicycle pedal, the average power standard deviation and the bilateral asymmetry index, all of them collected under an experimental protocol specifically designed for this application. To evaluate the behavior of the system developed a randomized block experiment design with two controlled factors was performed indoor with aid of an ergometer roll; 160 sprints were conducted with eight subjects of different training levels. From the data collected an ANOVA test was performed, which confirmed that all the 23 response variables vary significantly in function of the subject’s controlled factor and eight of them vary significantly in function of the magnetic braking level.