[发明专利]一种自行车的智能自动变速控制系统

摘要

本发明公开了一种自行车的智能自动变速控制系统，包括变速器，还包括：检测模块，检测骑乘者的身体情况以及自行车车况，并产生身体情况信号和车况信号；神经网络控制模块，具有通过样本数据训练形成计算模型，所述计算模型获取所述身体情况信号和车况信号计算得到当前自行车的变速信号；同时采用身体情况信号和车况信号更新计算模型；变速控制模块，根据所述变速信号控制变速器变速；本发明结合自行车和人体的数据，通过计算分析，实现自动化智能精确变速，提高骑行平衡性，提高骑行安全性，大为提高骑行体验；提出了基于BP神经网络的自动变档策略，能够很好地解决最佳档位识别问题，并能及时、准确地满足自行车自动变速的要求。

主权项

1.一种自行车的智能自动变速控制系统，包括变速器，其特征在于，还包括：检测模块，检测骑乘者的身体情况以及自行车车况，并产生身体情况信号和车况信号；神经网络控制模块，具有通过样本数据训练形成计算模型，所述计算模型获取所述身体情况信号和车况信号计算得到当前自行车的变速信号；同时采用身体情况信号和车况信号更新计算模型；变速控制模块，根据所述变速信号控制变速器变速；通过样本数据训练形成计算模型的具体步骤如下：步骤1：神经网络的初始化，初始化输入层和隐含层之间的权值w_ij以及隐含层和输出层之间的权值w_j，初始化隐含层阈值a，输出层阈值b，确定学习速率和神经元激励函数，i表示第i个输入层，j表示隐含层第j个节点；步骤2：计算隐含层输出，根据输入变量X，输入层和隐含层之间的权值w_ij以及隐含层阈值a，计算隐含层输出H，每个节点的表达式如(1)所示，式中，1为隐含层节点数，此式中1＝8；f为隐含层激励函数Tan‑Sigmoid，输出范围为[‑1，1]，Tan‑Sigmoid函数表达式如下：步骤3：计算输出层的输出，根据隐含层输出H，权值w_j和输出层阈值b，计算BP神经网络预测输出G，步骤4：计算误差，根据神经网络期望输出Y和预测输出G，计算神经网络预测误差E，E＝Y‑G                                  (4)步骤5：更新权值，根据BP神经网络预测误差E更新权值w_ij，w_j，w_ij＝w_ij+ηH_j(1‑H_j)x(i)w_jE                   (5)w_j＝w_j+ηH_jE                                (6)式中，η为学习速率；步骤6：更新阈值，根据BP神经网络预测误差E更新隐含层阈值a，输出层阈值b，a_j＝a_j+ηH_j(1‑H_j)w_jE                     (7)b＝b+E                                  (8)步骤7：判断算法迭代是否结束，若没有结束，返回步骤2；采用身体情况信号、车况信号和变速信号更新计算模型的具体步骤如下：(1)获得当前的身体情况信号和车况信号；(2)对步骤(1)中的数据计算其对应参数的梯度；对于第j个输出神经元有：其中Δω(i，j)表示第i个输入层，第j个节点的权值w_ij梯度；于是得到：已知Tan‑Sigmoid函数的导函数：f′(x)＝1‑f(x)²于是有：δ_ij＝(G_j‑Y_j)·(1‑Y_j²)(3)根据步骤(2)的结果更新梯度获取新参数，进而更新计算模型；(4)丢弃步骤(1)的数据。