体能论坛China Fitness Forum

 找回密码
 注册Reg
搜索
查看: 5596|回复: 1

[竞技体育] 横向(侧向)爆发力的复合式训练

  [复制链接]
发表于 2014-5-8 11:24:37 | 显示全部楼层 |阅读模式
横向(侧向)爆发力的复合式训练
2014-05-05 山姆伯伯 体能训练

0CAX458PV.jpg

将 PAP 复合式训练整合到训练中,让你变成一位更有爆发力的运动员,其内容有提供一个横向(侧向)爆发力复合式训练,一块来看看。
如何让你运动中关键的动作能移动的更有效率并且而为有力呢?试着将 Post-Activation Potentiation (PAP) 的优势整合到训练中。复合式训练是一个进阶的训练方法,结合「高负荷的肌力动作」与「相似力学结构的增强式动作」。
PAP 指的是在高负荷活动后肌肉功能会增强。运动科学家已经发现,在爆发力动作前先进行高负重的训练会诱导高程度的中枢神经系统的刺激,导致更高运动单元的征招及发力,效果持续5~30分钟。
换句话说,高负重的肌力动作可导致肌肉功能的增强,对于接续使用同一肌群来进行爆发力动作提供最佳的条件。当在操作高负荷肌力动作或是最大收缩时,总是要在疲劳及PAP增强效果之间做取舍,这一点是要注意而且十分重要的。
在进行 PAP中,在进行完肌力动作之后,运动员没有从训练中获得适应,这将有可能带来太多的疲劳,但这是可以的。运动员无法立即从 PAP 训练获得到好处,但仍然可以从复合式训练获得好处,予许他们在力量训练中来锻练运动能力及爆发力。一旦基础被建立、适应发生了,运动员可以预期他们的肌肉产生更有爆发性的力量。
P3 的测试及训练
在 P3 (Peak Performance Project) 训练机构,我们不断的测量及分析动作,使用动态捕捉技术、电子计时系统及客制化测力板。从每次的训练中,提供运动员实时的反馈及量化进度的能力是非常有价值的,因为它能猜测出运动力的发展。
在一些情况中,P3 已经测量出个别运动员 PAP 的效果。为了测量 PAP 在垂直及水平跳跃表现的效果,我们让运动员在客制的测力板上进行 Depth Jumps 及 Skaters (侧向的增强式训练)。对于所有的测试中,75%的运动员在经过高负荷肌力动作(如:深蹲)之后的表现有显助的改善。所有的受测皆是有经验而且受过爆发力训练的运动员。研究已经指出,增强效果的个别差异(Individual Variability)很大。尽管有许多的变因需要去考虑,我相信在赛前操作高强度的肌肉收缩可以增强运动表现,特别是指个人的生理反应有经过长时间的Try & Error 以及良好的判断理解。
P3 以季为单位进行测试,来测量及图表运动员长期的适应。在几乎所有的情况下,在运动相关的动作中,其最大爆发力及速度上都有显助的进步。最重要的是,这些许多的适应性及增益与比赛中的表现有良好的相关性。随着短期及长期爆发力的适应,对于增加训练密来说,复合式训练是相当好的方式。
P3将这个方式应用在NBA Utah Jazz的大前锋Derrick Favor,以提高其横向爆发力及改变方向的能力。当进行短时间高强度的间歇时,从代谢的角度,复合式训练相当的吃力。上一季结束,我们将 Favors 变成一个「代谢怪兽(Metabolic Monster)」,因此他可以在全场48分钟的比赛,在没有疲劳下整场全力的表现。
运动员一直在找寻如何改善横向速度、改变方向及横向爆发力。虽然组数、次数及运动休可以,并且应该可以被操控来达成预期的目标,但我们建议以下的复合式训练方式,将爆发力的适应性提到最大并且获得到 PAP的好处。
横向(侧向)爆发力复合式训练
一个复合式训练的内容如下,进行四次:
<1> Trap Bar Deadlift:6~8次,休息1~3分钟,接<2>
<2> Lateral Depth Jump:每个方向各3次,休息30秒,接<3>
<3> Lateral Agility:12~15秒,休息30秒,接<4>
<4> Side Plank:每边进行30秒,休息30秒,然后重复<1>






该贴已经同步到 songyan的微博

评分

参与人数 1金钱 +5 收起 理由
admin + 5

查看全部评分

发表于 2014-5-11 20:17:23 | 显示全部楼层
将 PAP 复合式训练整合到训练中,让你变成一位更有爆发力的运动员.好好1
您需要登录后才可以回帖 登录 | 注册Reg

本版积分规则

QQ|小黑屋|手机版Mobile|体能论坛 ( 粤ICP备15092216号-2 )

GMT+8, 2024-3-29 22:59 , Processed in 0.048800 second(s), 21 queries .

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表