CN108757813A - 一种自行车减震系统及减震方法 - Google Patents

Abstract

本发明涉及一种自行车减震系统及减震方法，减震系统包括依次连接的姿态采集模块、信息处理模块、驱动控制模块及减震装置。通过姿态采集模块采集自行车在路面上行驶时的加速度信息与角速度信息；信息处理模块对接收到的加速度信息值与角速度信息使用神经网络分析、处理、判断，并输出判断结果；驱动控制模块根据接收到的判断结果输出控制信息；控制减震装置进行相应的伸缩，从而实现减震效果。

Description

一种自行车减震系统及减震方法

技术领域

本发明涉及减震器领域，尤其涉及一种自行车减震系统及减震方法。

背景技术

随着人们生活水平的不断提高，绿色出行，休闲健身已成为人们日常生活的一部分。山地自行车因外形粗犷带减震器，能在复杂路面提高骑行者的舒适度，深受骑行爱好者的喜爱。山地车减震器是由回弹介质和阻尼器组成，回弹介质有弹性材料回弹形变或高压气体，阻尼器有液压阻尼器和橡胶阻尼器。现有的阻尼器均由手动控制。这使得前叉体积大，重量重，制造成本较高。这类减震自行车适用于大多行走在坎坷不平的地面，以减轻震动和冲击，达到轮胎与地面的贴合，从而增大轮胎抓地力。

但是随着社会水平提高，人们对竞技山地车的要求变的更高。原有的山地车减震器设计简单，适应性差。单一的减震设计结构无法做到实时自动识别路况并调节，车手在骑行的同时需要介入减震调节。在较高强度骑行时，车手无法分心或分手来操控减震装置，需要浪费掉较多体能来执行减震之间切换，需降低车速来进行调节，对于复杂路面无法在实时的阻尼改变。因此，此种减震方式切换时间长、不能根据路况实时进行减震调节，不能适应车手。

发明内容

本发明所要解决的技术问题是提供一种自行车减震系统及减震方法，通过对路况进行实时检测，在大量数据进行训练后得到的神经网络模型可有效实现减震优势，起到良好的减震作用，可给车手提供足够支撑和地面贴合力。

本发明解决上述技术问题的技术方案如下：

一种自行车减震系统，包括姿态采集模块、信息处理模块、驱动控制模块及减震装置；

所述姿态采集模块，采用六轴运动传感器，用于采集自行车在路面上行驶时的加速度信息与角速度信息，并传给信息处理模块；

所述信息处理模块，基于神经网络模型，包括神经网络训练模块、神经网络分析模块、比较模块和判断模块；

所述神经网络训练模块，用于训练神经网络，将路况信息与采集的加速度信息与角速度信息建立映射；

所述神经网络分析模块，用于将训练后的神经网络对接收到的加速度信息与角速度信息进行分析、运算，并将运算结果传给比较模块；

所述比较模块，用于对接收到的运算结果和预设值进行比较，并将比较结果传给判断模块；

所述判断模块，用于基于判断规则对比较结果和当前路况及变化趋势进行判断，并将判断结果传给驱动控制模块；

所述驱动控制模块，用于根据接收到的判断结果输出相应的控制信息到减震装置；

所述减震装置，用于根据接收的控制信息控制减震装置进行相应的伸缩，从而实现减震效果。

本发明的有益效果是：

1.反应时间变快。通过姿态采集模块采集自行车在路面上行驶的加速度信息与角速度信息及方向加速度信息值；信息处理模块对接收到的的加速度信息值与角速度信息值经过神经网络分析、处理、判断，并输出判断结果；驱动控制模块根据接收到的判断结果输出控制信息；控制减震装置进行相应的伸缩，从而实现减震效果。采用信息处理模块高效的运行保障极短时间完成信息输出，以实时转换进行减震，可在0.1秒内完成结构改变。

2.采用神经网络分析模块对车手习惯学习。通过大数据分析后得出最适合路况的模型，通过大量数据训练后的模型可以保持与车手的避震需求一致。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述减震装置包括阻尼支撑杆，所述阻尼支撑杆的上端与叉肩固定盖固定连接，所述阻尼支撑杆的下端与电机护壳的上端固定连接；

电机，所述电机固定设置在所述阻尼支撑杆内，所述电机的转矩输出轴穿过所述电机护壳与自锁联轴器固定连接，且所述电机的信息输入端电连接所述驱动控制模块的控制信息输出端；

压缩阻尼活塞，所述压缩阻尼活塞的上端与所述电机护壳的下端固定连接，所述压缩阻尼活塞的下方设置有单向回油阀片，所述压缩阻尼活塞内设置有螺纹通孔，所述螺纹通孔的上部设置有锁死旋钮，所述螺纹通孔内设置有可滑动的锁死顶针，所述锁死旋钮的通过自锁联轴器与所述电机的转矩输出轴固定连接；

阀片弹簧罩，所述阀片弹簧罩与所述压缩阻尼活塞的下端连接，所述单向回油阀片水平设置在所述阀片弹簧罩内，所述单向回油阀片的上侧面与所述压缩阻尼活塞的下端面抵靠，所述单向回油阀片的下侧面与所述阀片弹簧罩的底面之间通过弹簧固定连接，所述阀片弹簧罩的底面设置有油口。

采用上述进一步方案的有益效果是：本结构易生产，采用控制系统进行控制，可以保证电传信息稳定生产；机械部分采用CNC(数控机床)完成；本结构采用轻量化设计，采用航空铝材镂空设计制作。

进一步，所述压缩阻尼活塞包括杆部活塞部，所述杆部的下端与所述活塞部的上侧面固定连接，所述螺纹通孔设置在所述杆部内，所述活塞部上设置有内过油孔和边过油孔，所述内过油孔与所述螺纹通孔对应设置，所述锁死顶针与所述内过油孔适配，所述杆部的下段设置有出油孔，所述边过油孔设置在所述塞部的外沿；所述单向回油阀片中部设置有与所述内过油孔对应的主过油孔，所述单向回油阀片封闭所述边过油孔。采用上述进一步方案的有益效果是。

进一步，所述单向回油阀片中部设置有与所述内过油孔对应的主过油孔，所述单向回油阀片封闭所述边过油孔。

另外，本发明还提供了一种自行车减震方法，基于上述自行车减震系统，包括以下步骤：

(1)姿态采集模块实时采集并输出自行车在路面上行驶的加速度信息与角速度信息；

(2)神经网络分析模块对接收到的加速度信息与角速度信息进行分析、运算，并将运算结果传给比较模块；；

(3)比较模块对接收到的运算结果和预设值进行比较，并将比较结果传给判断模块；

(4)判断模块基于判断规则对比较结果和当前路况及变化趋势进行判断，并将判断结果传给驱动控制模块；

(5)驱动控制模块根据判断结果，输出相应的控制信息；

(6)减震装置根据接收的控制信息控制减震装置进行相应的伸缩，从而实现减震效果。

进一步，所述步骤(2)中的神经网络分析模块基于神经网络模型，所述神经网络模型为：

其中，x为采集的所有加速度信息与角速度信息，x_j为第j项的x值，y为神经网络输出的运算结果，w为权重值，w_j为第j项第权重值，f为神经网络的阈值函数，j为数据项项数，D为数据项上限。

进一步，所述神经网络训练模块的工作过程为：

(21)对采集的加速度信息与角速度信息进行整理、切片、分类；

(22)根据误差最小的判断准则将一部分数据导入神经网络模型中进行训练；

(23)将剩下的另一部分数据对训练完成后对神经网络模型进行校验，以检测神经网络的有效性。

进一步，所述步骤(22)中误差最小的判断准则为公式：

其中，y为神经网络输出的运算结果，x_n为输入运算值，t_n为扰动项,w为权重值,n为数据项项数，N为数据项上限。

进一步，所述步骤(4)中的判断规则为：

通过加速度信息与角速度信息判断：摇车A、悬空B、上坡C、弯道D；

通过方向加速度信息值加权后得到震动系数G，

其中，x_i为方向加速度信息值,f为项数,N为数据项上限，i为数据项项数，f_i为总项数。

设减震系数为K，则减震系数K与震动系数G之间关系为：

G＝a+b ln k

其中，a为常数,b为系数,

判断公式如下：

AUK＝减震；BUK＝减震；CUK＝减震；DUK＝减震；

A∩K＝不减震；B∩K＝减震；C∩K＝不减震；D∩K＝减震。

进一步，当判断结果为不减震时，电机和自锁联轴器顺时针旋转，自锁联轴器驱动锁死旋钮向锁死顶针运动，顶住锁死顶针封闭内过油孔，此时单向回油阀片由于阻尼油压力和弹簧的共同作用封闭边过油孔；

当判断结果为减震时，电机和自锁联轴器逆时针旋转，阻尼油通过内过油孔推动锁死顶针移动油路完全打开，减震器自由压缩，实现前叉减震。

附图说明

图1为本发明的系统原理框图；

图2为本发明的姿态采集模块原理图；

图3为本发明的驱动控制模块原理图；

图4为本发明的减震装置的剖视图；

图5为本发明的减震装置的分解图。

图中，1-叉肩固定盖；2-阻尼支撑杆；4-压缩阻尼活塞；5-阀片弹簧罩；11-电机；12-自锁联轴器；13-锁死旋钮；14-锁死顶针；21-单向回油阀片；22-弹簧；41-内过油孔；42-边过油孔。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，本发明提供了一种自行车减震系统，包括依次连接的姿态采集模块、信息处理模块、驱动控制模块及减震装置。

如图2所示，姿态采集模块用于采集自行车在路面上行驶的加速度信息与角速度信息，并传给信息处理模块。本发明采用六轴运动传感器，型号为MPU-6050的贴片陀螺仪，该陀螺仪是整合性6轴运动处理组，其工作原理为：陀螺仪为传感与维持方向的器件，基于角动量守恒的理论设计出来的，物体高速旋转时，角动量很大，旋转轴会一直稳定指向一个方向的性质，陀螺仪主要是由一个位于轴心且可旋转的转子构成，一旦开始旋转，由于转子的角动量，陀螺仪有抗拒方向改变的趋向。

所述信息处理模块，基于神经网络模型，包括神经网络训练模块、神经网络分析模块、比较模块和判断模块；所述神经网络训练模块，用于训练神经网络，将路况信息与采集的加速度信息与角速度信息建立映射；所述神经网络分析模块，用于将训练后的神经网络对接收到的加速度信息与角速度信息进行分析、运算，并将运算结果传给比较模块；所述比较模块，用于对接收到的运算结果和预设值进行比较，并将比较结果传给判断模块；所述判断模块，用于基于判断规则对比较结果和当前路况及变化趋势进行判断，并将判断结果传给驱动控制模块。

如图3所示，所述驱动控制模块，用于根据接收到的判断结果输出相应的控制信息到减震装置；本发明驱动控制模块前端采用霍尔效应电流传感器ACS72，用于检测信息处理器输出的电流，后端采用是运算放大器电路，用于放大电压，以便驱动减震装置。

如图4和图5所示，所述减震装置用于根据接收的控制信息控制减震装置进行相应的伸缩，从而实现减震效果。本发明的减震装置，包括阻尼支撑杆2、驱动电机11、压缩阻尼活塞4、阀片弹簧罩5和控制器，阻尼支撑杆2的上端与叉肩固定盖1固定连接，阻尼支撑杆2的下端与电机11护壳的上端固定连接；电机11固定设置在阻尼支撑杆2内，电机11的转矩输出轴穿过电机11护壳与自锁联轴器12固定连接；压缩阻尼活塞4的上端与电机11护壳的下端固定连接，压缩阻尼活塞4的下方设置有单向回油阀片21，压缩阻尼活塞4内设置有螺纹通孔，螺纹通孔的上部设置有锁死旋钮13，螺纹通孔内设置有可滑动的锁死顶针14，锁死旋钮13的通过自锁联轴器12与电机11的转矩输出轴固定连接；阀片弹簧罩5与压缩阻尼活塞4的下端连接，单向回油阀片21水平设置在阀片弹簧罩5内，单向回油阀片21的上侧面与压缩阻尼活塞4的下端面抵靠，单向回油阀片21的下侧面与阀片弹簧罩5的底面之间通过弹簧22固定连接，阀片弹簧罩5的底面设置有油口；控制器的控制信息输出端与电机11的控制信息输入端电连接，控制器的信息输入端与自行车行驶数据监测传感器的信息输出端电连接。

叉肩固定盖1与阻尼支撑杆2的上端通过粘接方式连接，阻尼支撑杆2的下端与电机11护壳的上端通过螺纹固定连接，电机11护壳的下端与压缩阻尼活塞4的上端通过螺纹固定连接，压缩阻尼活塞4的下端与阀片弹簧罩5通过粘接方式连接，自锁联轴器12为内六角结构，自锁联轴器12的下端与锁死旋钮13内嵌连接。

压缩阻尼活塞4包括杆部和塞部，杆部的下端与塞部的上侧面固定连接，螺纹通孔设置在杆部内，塞部上设置有内过油孔41和边过油孔42，内过油孔41与螺纹通孔对应设置，锁死顶针14与内过油孔41适配，杆部的下段设置有出油孔，边过油孔42设置在塞部的外沿，单向回油阀片21中部设置有与内过油孔41对应的主过油孔，单向回油阀片21封闭边过油孔42。

另外，本发明还提供了一种自行车减震方法，基于上述自行车减震系统，包括以下步骤：

(1)姿态采集模块实时采集并输出自行车在路面上行驶的加速度信息与角速度信息；

(2)神经网络分析模块对接收到的加速度信息与角速度信息进行分析、运算，并将运算结果传给比较模块；；

(3)比较模块对接收到的运算结果和预设值进行比较，并将比较结果传给判断模块；

(4)判断模块基于判断规则对比较结果和当前路况及变化趋势进行判断，并将判断结果传给驱动控制模块；

(5)驱动控制模块根据判断结果，输出相应的控制信息；

(6)减震装置根据接收的控制信息控制减震装置进行相应的伸缩，从而实现减震效果。

所述步骤(2)中的神经网络分析模块基于神经网络模型，所述神经网络模型为：

其中，x为采集的所有加速度信息与角速度信息，x_j为第j项的x值，y为神经网络输出的运算结果，w为权重值，w_j为第j项第权重值，f为神经网络的阈值函数，j为数据项项数，D为数据项上限。

所述神经网络训练模块的工作过程为：

(21)对采集的加速度信息与角速度信息进行整理、切片、分类；

(22)根据误差最小的判断准则将一部分数据导入神经网络模型中进行训练；

(23)将剩下的另一部分数据对训练完成后对神经网络模型进行校验，以检测神经网络的有效性。

所述步骤(22)中误差最小的判断准则为公式：

其中，y为神经网络输出的运算结果，x_n为输入运算值，t_n为扰动项,w为权重值,n为数据项项数，N为数据项上限。

所述步骤(4)中的判断规则为：

通过加速度信息与角速度信息判断：摇车A、悬空B、上坡C、弯道D；

通过方向加速度信息值加权后得到震动系数G，

其中，x_i为方向加速度信息,f为项数,N为数据项上限，i为数据项项数，f_i为总项数。

设减震系数为K，则减震系数K与震动系数G之间关系为：

G＝a+b ln k

其中，a为常数,b为系数,

判断公式如下：

AUK＝减震；BUK＝减震；CUK＝减震；DUK＝减震；

A∩K＝不减震；B∩K＝减震；C∩K＝不减震；D∩K＝减震。

当判断结果为不减震时，电机和自锁联轴器顺时针旋转，自锁联轴器驱动锁死旋钮向锁死顶针运动，顶住锁死顶针封闭内过油孔，此时单向回油阀片由于阻尼油压力和弹簧的共同作用封闭边过油孔；

当判断结果为减震时，电机和自锁联轴器逆时针旋转，阻尼油通过内过油孔推动锁死顶针移动油路完全打开，减震器自由压缩，实现前叉减震。

综上，本发明的工作原理如下：

姿态采集模块实时采集自行车在路面上行驶时三维空间中的加速度信息值与角速度信息值；信息处理模块对接收到的的加速度信息值与角速度信息值进行预处理，然后经过神经网络分析、处理、判断，并输出判断结果；驱动控制模块根据接收到的判断结果输出控制信息；控制电机根据控制信息工作。

当判断结果为不减震时，电机11和自锁联轴器12顺时针旋转，自锁联轴器12驱动锁死旋钮13向锁死顶针14运动，顶住锁死顶针14封闭内过油孔41，此时单向回油阀片21由于阻尼油压力和弹簧22的共同作用封闭边过油孔42；

当判断结果为减震时，电机11和自锁联轴器12逆时针旋转，阻尼油通过内过油孔41推动锁死顶针14移动油路完全打开，减震器自由压缩，实现前叉减震。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种自行车减震系统，其特征在于，包括姿态采集模块、信息处理模块、驱动控制模块及减震装置；

所述姿态采集模块，采用六轴运动传感器，用于采集自行车在路面上行驶时的加速度信息与角速度信息，并传给信息处理模块；

所述信息处理模块，基于神经网络模型，包括神经网络训练模块、神经网络分析模块、比较模块和判断模块；

所述神经网络训练模块，用于训练神经网络，将路况信息与采集的加速度信息与角速度信息建立映射；

所述神经网络分析模块，用于将训练后的神经网络对接收到的加速度信息与角速度信息进行分析、运算，并将运算结果传给比较模块；

所述比较模块，用于对接收到的运算结果和预设值进行比较，并将比较结果传给判断模块；

所述判断模块，用于基于判断规则对比较结果和当前路况及变化趋势进行判断，并将判断结果传给驱动控制模块；

所述驱动控制模块，用于根据接收到的判断结果输出相应的控制信息到减震装置；

所述减震装置，用于根据接收的控制信息控制减震装置进行相应的伸缩，从而实现减震效果。

2.根据权利要求1所述的自行车减震系统，其特征在于，所述减震装置包括阻尼支撑杆，所述阻尼支撑杆的上端与叉肩固定盖固定连接，所述阻尼支撑杆的下端与电机护壳的上端固定连接；

电机，所述电机固定设置在所述阻尼支撑杆内，所述电机的转矩输出轴穿过所述电机护壳与自锁联轴器固定连接，且所述电机的信息输入端电连接所述驱动控制模块的控制信息输出端；

压缩阻尼活塞，所述压缩阻尼活塞的上端与所述电机护壳的下端固定连接，所述压缩阻尼活塞的下方设置有单向回油阀片，所述压缩阻尼活塞内设置有螺纹通孔，所述螺纹通孔的上部设置有锁死旋钮，所述螺纹通孔内设置有可滑动的锁死顶针，所述锁死旋钮的通过自锁联轴器与所述电机的转矩输出轴固定连接；

阀片弹簧罩，所述阀片弹簧罩与所述压缩阻尼活塞的下端连接，所述单向回油阀片水平设置在所述阀片弹簧罩内，所述单向回油阀片的上侧面与所述压缩阻尼活塞的下端面抵靠，所述单向回油阀片的下侧面与所述阀片弹簧罩的底面之间通过弹簧固定连接，所述阀片弹簧罩的底面设置有油口。

3.根据权利要求2所述的自行车减震系统，其特征在于，所述压缩阻尼活塞包括杆部和塞部，所述杆部的下端与所述塞部的上侧面固定连接，所述螺纹通孔设置在所述杆部内，所述塞部上设置有内过油孔和边过油孔，所述内过油孔与所述螺纹通孔对应设置，所述锁死顶针与所述内过油孔适配，所述杆部的下段设置有出油孔，所述边过油孔设置在所述塞部的外沿；所述单向回油阀片中部设置有与所述内过油孔对应的主过油孔，所述单向回油阀片封闭所述边过油孔。

4.根据权利要求3所述的自行车减震系统，其特征在于，所述单向回油阀片中部设置有与所述内过油孔对应的主过油孔，所述单向回油阀片封闭所述边过油孔。

5.一种自行车减震方法，其特征在于，基于权利要求1至4中任一项所述的自行车减震系统，包括以下步骤：

(1)姿态采集模块实时采集并输出自行车在路面上行驶的加速度信息与角速度信息；

(2)神经网络分析模块对接收到的加速度信息与角速度信息进行分析、运算，并将运算结果传给比较模块；；

(3)比较模块对接收到的运算结果和预设值进行比较，并将比较结果传给判断模块；

(4)判断模块基于判断规则对比较结果和当前路况及变化趋势进行判断，并将判断结果传给驱动控制模块；

(5)驱动控制模块根据判断结果，输出相应的控制信息；

(6)减震装置根据接收的控制信息控制减震装置进行相应的伸缩，从而实现减震效果。

6.根据权利要求5所述的自行车减震方法，其特征在于，所述步骤(2)中的神经网络分析模块基于神经网络模型，所述神经网络模型为：

其中，x为采集的所有加速度信息与角速度信息，x_j为第j项的x值，y为神经网络输出的运算结果，w为权重值，w_j为第j项第权重值，f为神经网络的阈值函数，j为数据项项数，D为数据项上限。

7.根据权利要求5所述的自行车减震方法，其特征在于，所述神经网络训练模块的工作过程为：

(21)对采集的加速度信息与角速度信息进行整理、切片、分类；

(22)根据误差最小的判断准则将一部分数据导入神经网络模型中进行训练；

(23)将剩下的另一部分数据对训练完成后对神经网络模型进行校验，以检测神经网络的有效性。

8.根据权利要求7所述的自行车减震方法，其特征在于，所述步骤(22)中误差最小的判断准则为公式：

其中，y为神经网络输出的运算结果，x_n为输入运算值，t_n为扰动项,w为权重值,n为数据项项数，N为数据项上限。

9.根据权利要求5所述的自行车减震方法，其特征在于，所述步骤(4)中的判断规则为：

通过加速度信息与角速度信息判断：摇车A、悬空B、上坡C、弯道D；

通过加速度信息值加权后得到震动系数G，

其中，x_i为加速度信息值,f为项数,N为数据项上限，i为数据项项数，f_i为总项数。

设减震系数为K，则减震系数K与震动系数G之间关系为：

G＝a+b ln k

其中，a为常数,b为系数,

判断公式如下：

AUK＝减震；BUK＝减震；CUK＝减震；DUK＝减震；

A∩K＝不减震；B∩K＝减震；C∩K＝不减震；D∩K＝减震。

10.根据权利要求9所述的自行车减震方法，其特征在于，当判断结果为不减震时，电机和自锁联轴器顺时针旋转，自锁联轴器驱动锁死旋钮向锁死顶针运动，顶住锁死顶针封闭内过油孔，此时单向回油阀片由于阻尼油压力和弹簧的共同作用封闭边过油孔；

当判断结果为减震时，电机和自锁联轴器逆时针旋转，阻尼油通过内过油孔推动锁死顶针移动油路完全打开，减震器自由压缩，实现前叉减震。