基于速度训练（VBT）的深度解析与实践应用批判

基于速度的训练 (VBT) 是一种越来越流行的训练编排策略，被力量和体能训练专业人士用来培养运动员快速表达力的能力。为了在训练方案中有效地实施各种形式的 VBT，力量和体能训练专业人士需要了解这些策略的优缺点，例如使用负荷速度曲线预测 1 次最大重复次数、使用负荷速度曲线调节训练负荷以及使用速度损失量控制训练量。本文章的目的是强调这些优缺点，然后提供每个训练编排策略何时可以最有效地实施的实际示例。

一、背景

在设计旨在提高运动表现的周期性训练计划时，一个关键考虑因素是培养和优化运动员的力量产生能力 。力量产生能力通常与运动表现的关键标志有关，例如短跑 、跳跃 和变向 以及运动专项技能，例如铲球 。此外，有充分的证据表明，运动员的最大力量不仅会区分不同的比赛水平，还会影响他们在这些比赛中的状态，身体更强壮的运动员更有可能被选入更高水平的比赛 。运动员的最大力量水平还能防止比赛期间积累的疲劳 ，并可能减轻受伤风险 。具体来说，Malone 等人 报告称，下肢相对力量较大的运动员在训练中能承受更大的负荷，总体受伤风险也较低。因此，根据现有的科学文献，在设计运动员的周期性力量训练计划时，最大力量的发展是一个主要考虑因素。

在设计运动员的训练计划时，运动员可用训练时间的很大一部分被分配给发展和优化最大力量。通常，这是通过从举重和力量举运动中发现的动作中抽取阻力练习来实现的，例如深蹲、硬拉、卧推、高翻和其他举重衍生动作 。文献中一致报告称，运动表现指标的改善与这些动作的力量产生能力的提高同时发生 。例如，Comfort 等人 报告称， 相对一次最大重复 (1RM) 深蹲力量从 1.78 倍体重 (BW) 提高到 2.05 倍体重，这可能有助于橄榄球联盟球员在完成季前训练期后表现出 5、10 和 20 米短跑成绩的提高。 同样，McBride 等人 报告称，相对一次最大重复 (1RM) 深蹲力量从 1.78 倍体重 (BW) 提高到 2.05 倍体重，这可能有助于橄榄球联盟球员在完成季前训练期后表现出 5、10 和 20 米短跑成绩的提高。 报告称，相对 1RM 深蹲力量 > 2.1 × BW 的运动员 40 码冲刺时间也明显快于相对 1RM 深蹲力量 < 1.9 × BW 的运动员。考虑到在冲刺时快速加速身体需要运动员在与地面接触的短时间内表达较大的净力，相对力量在后蹲等练习中的影响并不令人意外 ，并进一步强调了在运动员训练计划中优化力量生成能力发展的重要性。

在设计以提高力量产生能力为目标的阻力训练计划时，运动员所进行的训练负荷通常规定为已知最大值（如 1RM 或另一个重复最大值）的百分比。或者，文献中也经常报道仅以 RM 负荷（即 3、5 或 10RM）或使用 RM 区域（即 8-12RM）进行训练。尽管这些负荷规定方法经常使用，但据报告每种方法都存在一些潜在缺点。例如，有研究表明， 使用基于百分比的阻力训练负荷无法解释运动员因生活压力、整体训练/比赛负荷以及对强加的训练刺激的适应而导致的力量水平变化 。 类似地，习惯性使用训练至力竭模式（即使用 RM 负荷或 RM 区域）据报道效率低下，会导致训练压力增加，并导致运动表现和骨骼肌纤维适应性下降，尤其是与针对能量系统发展的其他训练方式相结合时 。这在运动员群体中尤为重要，因为运动表现所需的身体素质通常是多因素的， 因此需要体能训练专业人员同时制定二分训练目标 。

由于传统训练编排方法可能存在局限性，因此有人建议体能训练专业人士允许运动员“自动调节”他们的训练负荷。从概念上讲，这需要根据运动员当天的训练状态测量结果，逐场、甚至逐组改变阻力训练量和强度。科学和教练文献中提出了许多自动调节编程策略，例如自觉用力程度评定、 “储备次数”（RIR） 和自动调节渐进式阻力训练（APRE），作为调节训练强度的潜在方法 。然而，值得注意的是，这些方法要么基于运动员完成一组训练后疲劳状态的主观评估 ，要么在 APRE 的情况下，仅仅构成一个基于训练至力竭的模型 。此外，许多方法的有效性可能会受到运动员训练经验的影响。例如，个人对 RIR 估计的准确性取决于训练经验，新手举重运动员与经验丰富的举重运动员相比，会低估自己可以完成的重复次数 ，这表明主观的自我调节方法对某些人群来说是不可行的。

最近，为了解决主观自我调节方法的一些问题，一些研究人员开始研究客观自我调节方法 。基于这项研究，客观测量阻力训练期间产生的运动速度被认为是一种可行的方法，可以调节训练期间使用的训练负荷以与运动员的当前训练状态保持一致 。例如，如果针对给定的 %1RM 产生的速度低于之前的训练，则表明最大力量下降和/或整体累积疲劳增加 。相反，如果针对给定的 %1RM 产生的速度增加，则认为这表明最大力量增加和/或累积疲劳减少 。因此，有建议通过在阻力训练期间长期监测速度，可以让教练更准确地考虑运动员的日常表现波动，从而更精确地定制训练课程以匹配运动员当前的训练状态 。

尽管在阻力训练中使用速度来指导规定的负荷，已显示出作为提高力量产生能力和运动表现标志物的有效方法的初步前景，并且尽管最近对该主题进行了一些评论，但力量和体能训练专业人士对于哪些程序设计策略属于基于速度的训练（VBT）的范畴以及哪些方法得到科学文献的支持仍然存在一些混淆。因此，在本文中，我们概述了支持这些程序设计策略的当前科学证据，并提出了有效地将它们付诸实践的方法。重要的是，尽管已经对 VBT 主题进行了广泛的研究， 但其中很大一部分研究是使用史密斯机在非常受控的条件下完成的，这往往缺乏生态效度 。例如，在 VBT 文献中，通常在向心和离心阶段之间暂停，或者在距离参与者胸部几厘米的安全停止点处仅以向心的方式进行卧推等练习，以增加速度测量的可靠性 。鉴于运动员进行的阻力训练计划绝大多数都是使用没有这些额外限制的自由重量练习来设计和实施的，因此本综述主要关注涉及自由重量练习的研究，以确保其结论中提出的任何建议在生态上都是有效的，并且可以由力量和调理专业人士在实践中使用。

二、负荷-速度曲线

基于速度的训练计划策略的核心是速度与运动员举起的负荷之间的关系。尽管人们长期以来一直在阻力训练期间监测速度，Richter 和 Miller 报告称，分别于 1973 年和 1976 年在德国使用计时器来计算举重训练中的杠铃速度，但 Gonzalez-Badillo 和 Sanchez-Medina 的工作强调了使用相对负荷（例如 % 1RM 和 % ×RM）与速度之间的关系来监测和规定训练负荷的效用。通过使用二阶多项式函数绘制速度与相对负荷之间的关系，Gonzalez-Badillo 和 Sanchez-Medina 报告称，即使最大力量增加，每个 1RM 百分比的速度仍保持稳定。后续研究表明，这种关系也可以用线性回归建模，同时保持关系的强度和相似的可靠性 ，从而提供一种在数学上更简单的方法来制定运动员的负荷-速度曲线。然而，进一步的研究表明，广义的负荷-速度曲线并不能解释可能由相对力量介导的每次负荷 或生物性别 下的速度个体差异，因此，体能训练专业人士需要为他们希望实施基于速度的编程的每个运动员创建负荷-速度曲线。此外，值得注意的是，负荷-速度曲线是特定于运动的，不能在运动之间转移（ 图 1 ） ，不仅需要为每位运动员制定特定的负荷-速度曲线，还需要为体能训练专业人士在其阻力训练计划中规定的每项运动制定基于速度的编程策略。

图1：卧推（黑色）、深蹲（蓝色）和硬拉（红色）的负荷-速度曲线示例。数据改编自 Balsalobre-Fernandez 和 Torres-Ronda 。

三、使用负荷速度曲线预测一次重复的最大值（1RM）

VBT 早期流行的一个关键驱动因素是，有人建议可以利用运动员的热身组来创建每日负荷-速度曲线，进而利用该曲线估算运动员当前的 1RM，从而可以制定更精确的负荷处方 。此外，Gonzalez-Badillo 和 Sanchez-Medina 以及 Jovanovic 和 Flanagan 认为，这种做法可以消除体能教练进行定期最大力量测试的需要，因为这种测试通常很耗时，而且可能令人疲劳。简而言之，这种估算 1RM 的方法要求体能专业人员使用 2 至 6 个亚最大负荷来制定负荷-速度曲线。然后将运动员在之前记录的 1RM 下的速度输入到计算的回归方程中，便可以估算出运动员当天的 1RM 。

然而， 尽管随后的作者们提出这是自动调节阻力训练负荷的客观方法，但几乎没有实证证据支持这种做法的有效性 。例如，Banyard 等人报告称，使用热身组创建的负荷-速度曲线会高估使用自由重量时的背蹲 1RM（平均差异 = 19.67–29.83 公斤）。Hughes 等人也报告了类似的结果，当比较预测的背蹲 1RM 与测得的 1RM 时，95% 的一致性界限范围从 ±19.65 公斤到难以置信的大 ±395.43 公斤。重要的是，Hughes 等人报告称，使用负荷-速度曲线估计的背蹲 1RM 与测得的 1RM 之间的差异与运动员的力量成正比。虽然通过构建接近 1RM（即 90% 1RM）的最终次最大负荷 的曲线，可以在一定程度上提高负荷速度曲线估计 1RM 的精度，但与直接测量 1RM 相比 ，自由重量训练的估计精度最终仍不可接受。基于这些发现，如果运动员进行阻力训练干预，成功提高其下肢最大力量，则使用负荷速度曲线估计 1RM 将对其最大力量的评估越来越不准确。还值得注意的是，尽管从负荷速度曲线预测的 1RM 通常与实际 1RM 非常密切相关，但相关系数不能评估测量值之间的偏差，因此无法评估两个测量值之间的一致性，不应该在未来关于使用速度曲线估计 1RM 的主题的方法比较研究中使用。

尽管大多数关于使用负荷-速度曲线预测自由重量训练中的 1RM 的研究都集中在深蹲和硬拉等下肢运动，但在检查为上肢训练（如卧推）创建的负荷-速度曲线时也报告了类似的结果。例如，Macarilla 等人报告称，与实际记录的 1RM 相比， 使用负荷-速度曲线会导致高估自由重量卧推的 1RM（平均差异 = 6.22-9.75 公斤） 。有趣的是，无论是使用完整的负荷-速度曲线还是使用缩短的“两点”法，都会发生这种高估，使用两点法时，对 1RM 的高估相对较大，并且 95% 一致性界限更宽 。这些结果与 Fernandes 等人报告的结果一致。 他还报告称，无论使用何种负荷-速度分析方法，与直接测量的 1RM 相比，卧推的 1RM 被高估了 8.2-20.4%。此外，自由重量卧推的结果与在史密斯机上进行的卧推的报告结果相冲突 。例如，Perez-Castilla 等人 报告称，与直接测量的 1RM 相比，使用两点法预测 1RM 时的系统偏差和随机误差较低。鉴于自由重量是运动表现发展计划中卧推的主要方式，这凸显了在生态有效环境中评估基于负荷-速度曲线的预测模型的重要性。

使用负荷-速度曲线估算 1RM 往往不准确，原因在于难以选择合适的 1RM 速度 (v1RM) 来纳入负荷-速度曲线 。为了克服这一限制，Weakley 等人 建议对感兴趣的运动使用广义 v1RM，尽管这些作者确实警告说，在文章发表时，还没有实验研究直接测试过这种方法与直接评估 v1RM 相比的精确度。在 Weakley 等人 发表文章后，Fernandes 等人 报告称，在比较估计的背蹲、卧推和俯身划船 1RM 与实际 1RM 时，使用广义 v1RM 会导致与使用个性化 v1RM 时类似的预测误差。Jukic 等人也报告了类似的结果， 报告称，使用广义 v1RM 作为负荷-速度曲线的一部分会导致预测硬拉 1RM 与实际 1RM 相比被高估。这种高估的幅度与使用个性化 v1RM 作为负荷-速度曲线的一部分时发生的高估幅度相似 。此外，Jukic 等（ ⁶³ ）报告称，当使用广义 v1RM 代替个性化 v1RM 时，负荷-速度曲线估计的标准误差大约增加了一倍，这表明精度较低。

为了解决因加入 v1RM 而导致 1RM 预测不准确的问题，Balsalobre-Fernandez 和 Kipp 提出了一系列不需要使用广义或个体化的 MVT 值的机器学习模型。这些研究人员发现， 实际史密斯机卧推 1RM 与预测值之间存在非常强的相关性（ r = 0.97–0.98），没有显著差异 。然而，尽管这些结果为进一步研究提供了有趣的途径，但这些预测模型与直接测量 1RM 的可互换性仍然未知，因为相关系数不能评估偏差 ，配对 t 检验不能评估两个测量值之间差异的大小 ，缺乏差异证据也不是等效性证据 。此外，各个模型中包含的数据均来自史密斯机卧推 创建的负荷-速度曲线，而使用自由重量时该方法的有效性仍然未知。Thompson 等人 还提出了另一种方法，他们认为，当使用二次建模方法构建一种新的组合弹道式（跳蹲）和非弹道式（背蹲）负荷-速度曲线时，可以相对高精度地估算背蹲 1RM。然而，与构建负荷-速度曲线时通常使用的简单线性建模方法相比，这种组合测试方案的逻辑性和二次建模的统计复杂性可能会使这种预测方法对许多体能训练专业人士来说不切实际。

综合目前的大量科学文献，似乎可以相对清楚地看出，尽管使用负荷速度曲线来预测日常 1RM 强度是一种理论上很有前景的编程策略， 但在实践中，它尚不可行，并且可能导致训练负荷的错误编程 。如果体能训练专业人士采用这种方法，他们很有可能让运动员承受超出其当前身体能力的训练负荷，因此会抑制文献中推荐的自动调节编程结构的潜在益处。此外，尽管 Thompson 等人提出的方法可能比典型的基于速度的方法更精确地估计 1RM，但它涉及多天的测试并要求进行多项练习，因此限制了它在大多数体能训练专业人士通常可用的有限时间内的使用。相反，对于力量和体能训练专业人士来说， 使用传统方法评估最大力量，并使用负荷速度曲线以其他方式监测和管理疲劳可能更合适 。

四、速度损失和训练量管理

基于客观指标的另一种自动调节训练方法是使用速度下降百分比来控制运动员在一组训练中的运动量。通常，这需要在运动员从第一次重复或组中最快的重复（通常发生在第一次重复期间）产生的速度达到预定的速度损失阈值时终止一组阻力训练。下降的幅度根据体能训练专业人员在运动员周期性年度计划中选择的身体素质来规定。例如， 在一般准备阶段，当总体工作能力和骨骼肌横截面积的发展是一个典型的目标时，更高的下降幅度（30-40%）被规定为更大的总体运动量，因此每组都可以完成 。相反， 在赛前或赛季期间，优化力量产生能力、提高运动状态和控制疲劳是主要目标，由于每组训练的总量较少，因此要求速度下降幅度较小（10-20%） 。

越来越多的科学证据支持将速度损失阈值作为发展力量和表现指标的方法。例如，Held 等人报告称，在 8 周的训练期内使用 10% 的速度损失阈值比使用 1RM 百分比规定训练负荷然后举到力竭产生更大的力量增益。同样，Pareja-Blanco 等人 报告称，虽然在实施 20% 速度损失阈值和 40% 速度损失阈值时力量增益相似，但 20% 速度损失组的反向运动跳跃高度提高幅度更大，尽管他们的训练量明显较少。相反， 40% 速度损失阈值引起股外侧肌和中间肌横截面积的更大增加 ，考虑到体积和肥大之间的剂量反应关系 ，这并不奇怪。与比赛期间使用的基于百分比的波浪式计划结构 相比，Dorrell 等人 报告称，根据速度区规定强度并使用 20% 速度损失阈值控制执行量相结合，可使卧推 1RM 和反向运动跳跃高度获得更大改善。此外，VBT 组执行的总量明显较少，以增加背部深蹲、硬拉和过顶推举 1RM，其数量与传统计划结构相似 。

虽然这些研究的总体结果表明，速度损失作为一种训练计划策略很有前景，特别是在疲劳管理是首要任务的情况下，但它也存在一些值得注意的局限性。例如，一种建议将速度损失作为控制训练量的方法是规定固定的组数，并允许运动员在达到规定的截止阈值（即 10%、20% 或 30%）之前进行尽可能多的重复 。最近，为了支持这种方法，Gonzalez-Badillo 等人 建议，传统的实施预先计划的每组重复次数的训练计划方法应该被实施不受约束的组数并与速度损失阈值相结合的训练计划策略所取代，以最大限度地提高阻力训练干预的效果。同样，Banyard 等人也建议，运动员在达到规定的组数之前尽可能多地重复训练。 建议，在训练时间有限的情况下，可以为运动员规定一项练习的总重复次数，总组数和每组的重复次数取决于运动员在达到预定的速度损失阈值之前可以完成的重复次数。但是，如果体能训练专业人士在季前或赛季中训练期间实施这些方法，他们可能会让运动员接受过度疲劳的训练量，从而抵消实施计划策略的目的（即限制或控制疲劳）。事实上，Pareja-Blanco 等人 报告称，使用 40% 速度损失阈值的训练组在 56% 的组中失败。考虑到由于习惯性训练到力竭而积累的疲劳 ，这可能解释了与 20% 速度损失组相比，40% 速度损失组的反向运动跳跃高度改善幅度较小 。

此外，Weakley 等人 报告称，在无约束的背蹲组中，在 10%、20% 和 30% 速度损失阈值下可进行的重复次数在个体间存在相当大的差异（ 图 2 ）。例如，当施加 10% 的速度损失阈值时，该组中进行的重复次数范围为 2 至 11 次 。随着速度损失程度的增加，该范围也会扩大，在 20% 阈值下进行 4-19 次重复，在 30% 阈值下进行 4-24 次重复 。考虑到在针对力量和爆发力发展时通常建议使用 10% 到 20% 的阈值 ，如果力量和体能训练专家不对一组训练中的重复次数进行限制，运动员可能会无意中改变训练期间所针对的身体素质，从而改变训练中积累的疲劳程度。此外，这种方法会导致阻力训练计划与运动员周期性年度训练计划中所包含的时期或阶段相关的总体目标不一致。因此，为了确保在年度计划中的正确时间点发展适当的身体素质，速度损失阈值可能最好作为增强传统“固定”编程策略的工具，并防止过度暴露于高度疲劳的训练（例如，训练到失败），而不是作为控制整体训练量的独立方法。

图 2：使用 10%、20% 和 30% 速度损失阈值进行背蹲时进行的中位数、最小值和最大值。数据改编自 Weakley 等人。

五、使用负荷-速度曲线检测疲劳

在运动队和机构系统中，监测神经肌肉疲劳非常常见。通常，从反向运动跳跃测试中提取的变量， 例如跳跃高度或峰值速度 ，已用于确定运动员训练状态的变化。然而，这些方法通常需要使用测力板，这在某些情况下可能不切实际或经济上不可行。最近，在正常的阻力训练练习（如背蹲）期间产生的负荷-速度曲线已被提议作为评估和监测神经肌肉疲劳的替代方法。例如，Vernon 等人报告称，虽然最大力量没有变化，但亚最大背蹲期间的平均速度（MV）在进行疲劳阻力训练后 24 和 48 小时下降，并在 72 小时时恢复到基线水平，符合典型的刺激-疲劳-恢复曲线。然而，背蹲速度的这些变化以及因此的负荷速度曲线与用线性位置传感器测量的反向运动跳跃峰值速度（PV）的变化不一致。

Callaghan 等人 的进一步研究报告了与 Vernon 等人 类似的发现，即在进行一场令人疲劳的力量导向型阻力训练后，背蹲坐MV 的下降与神经肌肉疲劳的增加相对应。然而，与 Vernon 等人的结果相反，背部蹲坐 MV 的下降与反向运动跳跃期间产生的 PV 的下降相对应。基于这些结果，Callaghan 等人 建议，在正常阻力训练期间监测速度可与正常反向运动跳跃测试一起使用，以监测神经肌肉疲劳。

然而，使用负荷-速度曲线调节训练负荷的类似限制也适用于将其用于疲劳监测。准确评估负荷和速度之间的关系需要足够的数据来准确拟合回归方程，因此需要广泛的实施前测试协议。此外，由于负荷-速度曲线在锻炼之间不能互换，因此需要为体能训练专业人员希望使用此方法监测疲劳程度的每项锻炼构建负荷-速度曲线。在疲劳监测方面，潜在的最大限制是速度测量的准确性，因为这在很大程度上取决于体能训练专业人员在测试期间使用的设备。如果使用不准确的测量设备，可能会做出错误的训练决策。

六、速度测量装置及其局限性

虽然本文概述的大多数基于速度的编程策略都具有一定程度的科学支持，但它们都依赖于对阻力训练中每次重复产生的速度进行准确测量。这在实施编程策略时尤为重要，例如根据速度的急剧变化调节负荷或使用速度损失控制设定容量，因为不准确的测量会导致错误的训练决策。值得注意的是，目前商业市场上许多设备的测量误差都大于通常用于调整外部负荷的阈值（ 图 3 ），或者与黄金标准测量（例如 3D 动作捕捉）相比无法有效测量速度。例如，Lake 等人报告说，虽然与 3D 动作捕捉相比，PUSH Band 2.0 加速度计设备能够有效估计以估计 1RM 的 60% 和 90% 进行的卧推时的峰值速度， 但比较两种负荷下的 MV 时发现比例偏差 。Jovanovic 和 Jukic 也发现了类似的结果，在六角杠铃硬拉过程中，使用同样的基于加速度计的设备与线性位置传感器 (LPT) GymAware 相比，表现出固定偏差和比例偏差。此外，Jovanovic 和 Jukic  报告称， 基于加速度计的设备存在很大的测量误差和低灵敏度， 这表明，当体能训练专业人士试图根据逐组速度变化来调整外部负荷时，该设备可能无法使用。Callaghan 等人 报告称， 在背蹲过程中，PUSH Band 2.0 与快速度 (> 1.00 m/s) 下的 3D 动作捕捉相比无效，但在中速 (0.65-1.00 m/s) 和慢速 (<0.65 m/s) 下有效 。然而，在前蹲和卧推过程中，该装置仅在低速（<0.65 米/秒）下有效。其他基于加速度计的设备或惯性测量装置，如 BarSensei、BEAST 和 Output Sports，在用于测量阻力练习（如深蹲、卧推和力量翻）期间的速度时，也表现出类似的较差的有效性和测量误差。根据现有数据，目前可用的基于加速度计的设备和惯性测量单元可能不适合在许多常用的基于速度的编程策略中使用。

图 3.背部深蹲负荷-速度曲线示例，每个训练负荷的最小可检测差异。误差线表示 Banyard 等人 报告的最小可检测差异，而水平线表示与 Weakley 等人建议的特定速度相对应的相对强度带。

相反，依赖于测量杠铃位置的设备，例如便携式线性位置传感器（GymAware、T-Force、Speed4Lifts 和 Tendo），似乎表现出更强的效度和更低的测量误差（ 表 1 ）。例如，Banyard 等人报告称，与实验室测力板和 4 LPT 系统相比，GymAware 量化的自由重量深蹲 MV 和 PV 是有效的。同样，Dorrell 等人报告称，与 3D 动作捕捉相比，用 GymAware 量化自由重量深蹲、卧推和硬拉过程中的 MV 是有效的。但是，虽然这种设备有效，但它确实需要财务支出（ 约 2000 美元 ），这可能会阻止一些体能训练专业人士将其纳入实践，特别是因为中到大型运动员队伍需要多台设备。成本较低的替代品，例如 Speed4Lifts（现在以 Vitruve 的名称销售），在杠铃速度较慢到中等（<1.00 ms ⁻¹ ） 时，表现出与 GymAware 和 3D 动作捕捉相似的有效性和测量误差，在某些情况下，这是一种经济上更可行的选择。虽然 LPT 通常比安装在杠铃上的加速度计设备更准确，但它的一个限制是必须将伸缩系绳连接到杠铃上。改变该连接点的位置将影响测得的位移，因此，将影响通过微分该测得的位移计算出的速度。此外，在某些锻炼方式（如举重运动）中，将伸缩绳连接到杠铃上可能会很麻烦，或者由于设备施加的回缩张力，可能会改变个人进行运动的技术。

LPT 的另一种潜在替代品是最近设计的激光光学设备（FLEX； Kinetic Performance，澳大利亚堪培拉），它直接连接到杠铃末端，通过测量杠铃位置的变化来量化速度。 Weakley 等人报告称，该设备与 3D 动作捕捉一致，并且在使用运动员常用的相对强度（60-90% 1RM）进行自由重量后蹲和卧推时表现出非常低的典型误差。 此外，Fritschi 等人报告称，与 3D 动作捕捉相比， FLEX 设备对 MV 和 PV 表现出固定偏差 ； 然而，在测试练习（后蹲、悬垂抓举、负重反向运动跳跃和负重深蹲跳）期间进行的所有重复都被汇总以进行统计分析，因此，无法从这些数据中确定该设备在单个练习中的有效性。 鉴于对 FLEX 有效性的研究数量有限，力量和体能训练专业人士在实践中采用它时应谨慎处理。

综合来看，根据目前的科学证据，寻求实施基于速度的编程策略的力量和训练专业人员应尽可能优先使用 LPT，因为它们提供最可靠和最准确的速度测量。基于加速度计的设备和惯性测量单元可能是一种比 LPT 更低成本的替代方案，但测量误差更大，且缺乏有效性。鉴于可能根据错误的速度测量做出错误的训练决策，力量和训练专业人员在将任何设备纳入运动员的训练之前必须考虑其准确性。

七、将VBT的训练编排策略整合到年度计划中

与所有阻力训练技术一样，体能训练专业人士应该考虑在整个年度计划中哪些地方可以最有效地使用基于速度的编程策略。通常，休赛期需要高训练量和中等强度，因为主要重点是发展整体工作能力，而且由于缺乏竞赛项目，优化运动表现的需要较低 ，因此，在年度训练计划的这个阶段几乎不需要提升准备程度，因此也不太强调有助于缓解累积疲劳的编程策略。然而，在季前或赛季内训练期间，优化运动表现是主要目标。因此， 会实施通过缓解疲劳来提高准备程度的训练策略 。通常，这需要减少训练量，同时保持甚至增加整体训练强度 。在阻力训练中，运动员必须避免训练至力竭，因为这将因累积疲劳增加而导致运动表现大幅下降 ，最终掩盖体能特征的提高可能带来的运动表现增益。

在赛季前或赛季中期实施基于速度的训练计划策略可能是最合适的。如前所述，在训练计划中加入速度损失阈值旨在避免运动员经常训练至力竭 。然而，考虑到Pareja-Blanco 等人 的研究中，40% 的速度损失组在 56% 的组数中力竭，Weakley 等人 报告的速度损失为 10%、20% 和 30% 时可能的重复次数范围很广（见图 2 ），以及 Jukic 等人 报告的个人重复次数百分比存在差异，很明显，速度损失阈值不能作为控制力竭距离和训练量的唯一策略。相反，速度损失阈值应该与传统的规定训练量和强度的方法一起使用。例如，在以力量发展为目标的中周期区块中，通常规定 3 至 5 组，每组 4-6 次 。这种传统的容量规定模型应继续使用，但应作为每组重复次数的硬性上限。然后可以通过使用 20-25% 的速度损失阈值 来实现容量的自动调节控制，当运动员达到速度损失阈值或重复次数上限（以先发生者为准）时，该组训练终止。 最终，将速度损失阈值与传统的编程策略同时实施将防止运动员无意中将训练重点从目标身体素质转移。

另一个可以有效实施 VBT 的策略是提高运动员在训练过程中的积极性。此前，即使由于训练负荷非常重而导致动作速度缓慢，只要运动员有尽可能快地移动的意图，也能提高力量 。这种意图受多种因素影响，包括运动员的动机，而动机又受训练环境的影响。此前，Weakley 等人 和 Weakley 等人 已经证明，在完成一次重复动作后提供运动反馈（即动作速度）可同时提高男性和女性青少年运动员在阻力训练期间的竞争力和积极性。Weakley 等人 报告称，与每次重复动作后未获得运动反馈的训练组相比，在关键的阻力训练练习期间提供运动反馈可使力量表现得到更大改善。

同样，Nagata 等人 报告称，每次重复后提供运动反馈比仅提供视觉反馈、组后提供运动反馈或根本不提供反馈更能提高跳深蹲表现。与主观的基于 RIR 的自动调节训练计划相比，Shattock 和 Tee 报告称，使用客观速度测量进行自动调节训练负荷可使背蹲 1RM、卧推 1RM、反向运动跳跃高度以及 10 米和 40 米冲刺时间得到更大改善。鉴于两组都执行了相似的训练容量负荷，这种相对较大的表现结果改善归因于为那些进行客观自动调节训练计划的人提供运动反馈所产生的激励影响 。综合起来，相对明显的是，在每组阻力训练期间提供运动反馈可能会改善适应性结果。然而，体能训练专家应该考虑训练过程中提供的组内反馈类型，一些证据表明，与传统力量训练期间提供的运动反馈相比，组内反馈对力量训练适应性的影响有限 。此外，应注意确保试图超越前一次重复的速度不会导致运动员采用次优运动策略，从而增加受伤的可能性。最终，VBT 应该用于增强训练过程，并且仍然需要体能训练专家指导他们面前的运动员，而不是简单地监控输出速度测量值的设备 。

八、结论与实际应用

尽管基于速度的编程策略得到了当前大量科学文献中不同程度的证据支持，但必须注意的是，这种编程方法在许多情况下可能并不合理。虽然最初很有希望， 但使用负荷-速度曲线来估计运动员的每日 1RM 强度可能会导致对运动员实际身体能力的大幅高估，因此应避免使用这种方法，而应直接在预定的时间点测试 1RM 。

诸如根据速度的急剧变化逐组调整负荷之类的策略有助于改善疲劳管理，从而提高动态表现，但这取决于用于量化阻力训练期间产生的速度的设备的准确性，而且似乎不会比传统方法带来更大的力量增长。力量和体能训练专业人士还应考虑基于速度的编程策略的实施如何与运动员年度计划的每个特定阶段或时期的目标保持一致。