PAGE1摘要隨著騎車(chē)運(yùn)動(dòng)的日益流行，單車(chē)不再僅僅是一種簡(jiǎn)單的代步工具。騎行者的身體狀況和騎乘道路都是通過(guò)改變速度系統(tǒng)來(lái)實(shí)現(xiàn)的，從而實(shí)現(xiàn)了科學(xué)的騎乘。但是，自行車(chē)的變速系統(tǒng)非常的復(fù)雜，有些電子變速是用手動(dòng)設(shè)定好的換擋方式來(lái)調(diào)整換擋，無(wú)法根據(jù)使用者的駕駛習(xí)慣來(lái)調(diào)整換擋。所以，如何找到一種更符合使用者要求的騎乘換檔方式，使單車(chē)的自動(dòng)換檔成為迫切需要。首先，根據(jù)本文的具體問(wèn)題，提出了一種基于自行車(chē)的騎車(chē)速度控制的數(shù)學(xué)模型。在分析比較了目前常用的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和特性后，選擇了BP網(wǎng)絡(luò)作為擋位控制模型。最后，通過(guò)對(duì)比試驗(yàn)，確定了系統(tǒng)的結(jié)構(gòu)及主要參數(shù)。為了克服上述缺點(diǎn)，本文提出了用遺傳算法進(jìn)行齒輪控制的優(yōu)化。其次，對(duì)智能單車(chē)的自動(dòng)換檔系統(tǒng)進(jìn)行了研究?；隍T行檔位控制模型，建立了一套基于騎行檔位、人體狀態(tài)、騎行狀態(tài)的數(shù)據(jù)采集系統(tǒng)，并將采集到的數(shù)據(jù)輸入到檔位控制模式中，并根據(jù)使用者的騎行習(xí)慣進(jìn)行訓(xùn)練，從而得出與使用者相匹配的騎行檔位，并利用換檔系統(tǒng)進(jìn)行換擋。最后，結(jié)合實(shí)際的實(shí)際騎車(chē)情況，利用BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)檔位控制模式進(jìn)行擋位運(yùn)算，分析比較結(jié)果，結(jié)果表明，該算法具有良好的應(yīng)用前景。關(guān)鍵詞：自行車(chē)；變速；神經(jīng)網(wǎng)絡(luò)；遺傳算法

ABSTRACTWiththepopularityofcycling,cyclingisnolongerasimplemeansoftransportation,butawayofrecreationorexerciseandfitness.

Thepurposeofscientificcyclingcanbeachievedbychangingthespeedtoadapttothephysicalstateoftheriderandthecyclingroadcondition.

However,thebicycletransmissionsystemiscomplexandthecontrolrequiresskills.Someelectronictransmissionistochangegearsthroughmanualpresettransmissionmode,whichcannotbeoptimizedaccordingtotheuser'sridinghabits.

Therefore,itisimperativetostudyhowtoobtainthecyclingspeedchangemodesuitableforusersandrealizetheautomaticbicyclespeedchange.Firstofall,combinedwiththeactualproblemsofthispaper,abicycleridinggearcontrolmodelisestablished.Throughtheanalysisandcomparisonofthestructureandcharacteristicsofcommonlyusedneuralnetworks,theBPnetworkisselectedforgearcontrolmodeling.Throughcomparisonandexperiments,thestructureandkeyparametersofthecontrolmodelaredetermined.Inviewofitslimitations,itproposestointroducegeneticalgorithmsfortheoptimizationofgearcontrolmodel.Second,carryoutthedesignoftheintelligentbicycleautomatictransmissionsystem.Onthebasisofthebicycleridinggearcontrolmodel,adatacollectionsystemisdesignedandconstructedtoobtaindatasuchastheuser'sridinggear,humanbodystatusandridingroadconditions;thecollecteddataisusedastheinputofthegearcontrolmodel,trainedaccordingtotheuser'sridinghabits,calculatestheridinggearsuitablefortheuser,andrealizesthefunctionofautomaticspeedchangethroughthespeedshiftsystem.Finally,forthespecificridingexamples,thetraditionalBPneuralnetworkgearcontrolmodelandtheoptimizedBPneuralnetworkgearcontrolmodelareusedtocalculatethegear,andthecalculationresultsareanalyzedandcompared,andtheexperimentalresultsverifytheeffectivenessandsuperiorityoftheoptimizedBPneuralnetworkgearcontrolmodel.Keywords:Thebicycle；Automatictransmission；NeuralNetwork；GeneticAlgorithm

目錄TOC\o"1-3"\h\u163441緒論 194211.1論文研究背景及意義 199831.1.1研究背景 1271131.1.2研究意義 2283101.2國(guó)內(nèi)外研究現(xiàn)狀 2149751.2.1智能自行車(chē)研究現(xiàn)狀 5169991．3論文研究?jī)?nèi)容與架構(gòu) 8152261.3.1論文研究?jī)?nèi)容 8252911.3.2論文架構(gòu) 898321.4本章小結(jié) 969922變速算法技術(shù)方案選擇的理論基礎(chǔ) 9307332.1人工神經(jīng)網(wǎng)絡(luò)概述一 9326202.1.1人工神經(jīng)網(wǎng)絡(luò)的定義 9247632.1.2人工神經(jīng)元模型 1097192.1.3人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 10277702.2人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)方式 1185112.2.1前饋型神經(jīng)網(wǎng)絡(luò) 11187402.3反饋型神經(jīng)網(wǎng)絡(luò) 1284372.3.1BP(反向傳播)網(wǎng)絡(luò)結(jié)構(gòu) 129042.3.2BP網(wǎng)絡(luò)的缺陷分析及優(yōu)化方法選擇 16215682.4本章小結(jié) 1758723基于BP神經(jīng)網(wǎng)絡(luò)的自行車(chē)自動(dòng)變速系統(tǒng)設(shè)計(jì) 1755693.1自動(dòng)變速系統(tǒng)功能需求與算法設(shè)計(jì)方案 17216003.2基于BP神經(jīng)網(wǎng)絡(luò)的檔位控制建模 19307883.2.1檔位控制模型輸入和輸出交量的選擇 19313623.2.2激活函數(shù)和訓(xùn)練算法的選擇 21170143.3自動(dòng)變速系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 22300173.3.1數(shù)據(jù)采集系統(tǒng)的實(shí)現(xiàn) 2263643.3.2變速系統(tǒng)的實(shí)現(xiàn) 2497953.3.3電源管理系統(tǒng)的實(shí)現(xiàn) 25206943.4本章小結(jié) 25262304總結(jié)與展望 25318684.1總結(jié) 25125214.2展望 2532399參考文獻(xiàn) 2710629致謝 30

1緒論1.1論文研究背景及意義1.1.1研究背景李克強(qiáng)總理在全國(guó)人大三次會(huì)議上提出了“互聯(lián)網(wǎng)+”戰(zhàn)略，旨在推動(dòng)移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù)與傳統(tǒng)產(chǎn)業(yè)、現(xiàn)代制造業(yè)相融合，開(kāi)拓新的新天地。網(wǎng)絡(luò)給傳統(tǒng)產(chǎn)業(yè)注入了一股新的活力，讓它可以適應(yīng)這個(gè)時(shí)代。在“互聯(lián)網(wǎng)+”浪潮的推動(dòng)下，自行車(chē)產(chǎn)業(yè)迎來(lái)了一個(gè)新的發(fā)展契機(jī)。將智慧元件與醫(yī)療保健產(chǎn)業(yè)和因特網(wǎng)相結(jié)合，可以極大地方便人們的日常生活。目前，自行車(chē)已經(jīng)成為了一個(gè)熱門(mén)話(huà)題，許多企業(yè)紛紛投入到了這一領(lǐng)域。將智能部件與自行車(chē)的組合，將會(huì)給我們帶來(lái)新的發(fā)展機(jī)會(huì)和前景。現(xiàn)在，自行車(chē)已經(jīng)成為一種功能產(chǎn)品，集休閑、健身、出行于一體。此外，由于其方便，自行車(chē)已成為面向公眾的生活必需品，在市場(chǎng)上有著很好的銷(xiāo)路。本文研究開(kāi)發(fā)的智能單車(chē)，經(jīng)過(guò)改裝后，將與騎行云服務(wù)平臺(tái)相結(jié)合，將會(huì)更加具有競(jìng)爭(zhēng)力，從而提升用戶(hù)的騎行體驗(yàn)。1.1.2研究意義交速型自行車(chē)的主要功能部件為自行車(chē)變速裝置，其基本原理是用外力使鏈條與前后不同尺寸的齒輪盤(pán)相匹配。當(dāng)前使用的手動(dòng)傳動(dòng)裝置通常是指撥式或轉(zhuǎn)柄，在換檔時(shí)，牽引鋼索克服彈性元件的彈力，使鏈條導(dǎo)向構(gòu)件在后鏈輪上移動(dòng)，并釋放彈性元件的偏壓力，從而將鏈條導(dǎo)向構(gòu)件向相反方向移動(dòng)。但是，使用纜繩的傳動(dòng)系統(tǒng)有以下幾方面的不足：1）結(jié)構(gòu)復(fù)雜，生產(chǎn)和制造費(fèi)用昂貴：（2）換擋時(shí)需要很大的力量，尤其是在低速和上坡的情況下，使用強(qiáng)力換擋會(huì)影響騎行的平衡性；（3）采用纜線的控制方式，一般不能實(shí)現(xiàn)連續(xù)變檔，騎行體驗(yàn)較差。由于人工換檔頻繁，會(huì)出現(xiàn)安全隱患，而且變速系統(tǒng)比較復(fù)雜，操作也比較有技術(shù)含量，很容易給新手帶來(lái)不便。很多人都覺(jué)得換擋太麻煩了，不管是上坡還是下坡，都會(huì)選擇一個(gè)檔位，這會(huì)對(duì)使用者的膝蓋造成很大的傷害，無(wú)法發(fā)揮出最大的威力，而自動(dòng)變速箱就是最好的解決辦法。采用電動(dòng)機(jī)換檔是電動(dòng)自行車(chē)從機(jī)械式換檔到電動(dòng)換檔的必然趨勢(shì)。將電動(dòng)汽車(chē)與因特網(wǎng)技術(shù)相結(jié)合，實(shí)現(xiàn)汽車(chē)智能自動(dòng)變速器是當(dāng)前的一個(gè)熱門(mén)課題。但目前市面上的電動(dòng)自動(dòng)換檔單車(chē)都是采用人工設(shè)定的換檔方式來(lái)完成換檔，實(shí)時(shí)性和準(zhǔn)確性較低，無(wú)法根據(jù)使用者的生理特點(diǎn)調(diào)整車(chē)輛速度。本論文的研究成果是針對(duì)高檔運(yùn)動(dòng)型自行車(chē)市場(chǎng)，基于云端數(shù)據(jù)分析的自動(dòng)換檔技術(shù)，旨在為消費(fèi)者提供更好的騎乘體驗(yàn)。將智慧和健康相結(jié)合，針對(duì)不同的騎乘人群，設(shè)計(jì)出不同的變速方案，使更多的人群能夠安全、便捷的騎行，體驗(yàn)到騎行的快樂(lè)。1.2國(guó)內(nèi)外研究現(xiàn)狀在早期的自行車(chē)中，齒輪的齒數(shù)都是固定的，也就是說(shuō)不能進(jìn)行換檔。1905年，保羅·德維維發(fā)明了第一臺(tái)自行車(chē)傳動(dòng)裝置。最早的傳動(dòng)系統(tǒng)，是在后輪上安裝了兩個(gè)飛輪，當(dāng)時(shí)的設(shè)計(jì)，是為了適應(yīng)平坦和陡峭的地形。隨著單車(chē)科技的進(jìn)步，有了可以調(diào)整檔位的變速單車(chē)，使騎手能夠在不同的環(huán)境中保持穩(wěn)定的動(dòng)力，為休閑、健身、比賽提供了便利。原來(lái)的換檔操縱桿與自行車(chē)的換檔操縱桿類(lèi)似，騎乘人員在操縱操縱桿時(shí)必須將手柄松開(kāi)，既不安全，也不方便。后來(lái)，還有一種按手柄的搖桿控制裝置，這種裝置比推桿式要先進(jìn)一些，但是在使用方便方面，還是有一定的缺陷。美國(guó)SRAM公司于1987年引進(jìn)了一種旋鈕式控制器，該控制器與該裝置結(jié)合在一起，其最大的優(yōu)點(diǎn)是使用方便，使用者無(wú)需松開(kāi)手柄，只需輕輕轉(zhuǎn)動(dòng)操縱桿就能實(shí)現(xiàn)速度調(diào)節(jié)。由于機(jī)械傳動(dòng)具有傳動(dòng)精度不高，操作復(fù)雜，費(fèi)時(shí)費(fèi)力等問(wèn)題，因而產(chǎn)生了電動(dòng)變速器。機(jī)械式換檔為直線牽引式換檔，而電子式換檔則是由馬達(dá)帶動(dòng)換檔。電子傳動(dòng)裝置一般采用四連桿結(jié)構(gòu)，將固定架、電機(jī)和導(dǎo)鏈架裝配在一塊，在電機(jī)的輸出軸開(kāi)始輸出功率時(shí)，導(dǎo)鏈架可以通過(guò)四連桿來(lái)改變位置，從而實(shí)現(xiàn)換擋，見(jiàn)圖1.1。電子換檔有一個(gè)指令發(fā)送裝置和一個(gè)接收裝置，這些裝置由導(dǎo)線來(lái)傳送訊號(hào)，訊號(hào)則是控制馬達(dá)的動(dòng)作，以達(dá)到單車(chē)換檔的目的。采用電子變速器，省卻了傳統(tǒng)的機(jī)械式變速器，更靈活的換檔、更容易、更精確、更低的機(jī)械故障。最常用的是Shimano的D2,Campagnol的EPS,SRAM的無(wú)線傳輸。由于汽車(chē)自動(dòng)控制技術(shù)的不斷發(fā)展，人們對(duì)電動(dòng)自行車(chē)的需求也日益增加，很多學(xué)者和企業(yè)紛紛將其與自動(dòng)控制技術(shù)相結(jié)合，以進(jìn)一步研究其變速控制技術(shù)。在1993年，布朗寧等人設(shè)計(jì)了一套能夠檢測(cè)自行車(chē)、花鼓和曲軸速度的電腦控制系統(tǒng)，利用并行、集成和多目標(biāo)優(yōu)化算法，實(shí)現(xiàn)自行車(chē)的最佳傳動(dòng)。1994年，Bellio等人研制了一種基于齒輪轉(zhuǎn)換的自行車(chē)自動(dòng)換檔系統(tǒng)，該系統(tǒng)能夠通過(guò)測(cè)量曲柄轉(zhuǎn)速、轉(zhuǎn)速和當(dāng)前齒數(shù)的變化來(lái)實(shí)現(xiàn)自行車(chē)在各種工況下的變速。2011年，趙春鋒等人研制出一種基于單片機(jī)的自動(dòng)換檔裝置。本系統(tǒng)采用發(fā)電花鼓對(duì)單車(chē)轉(zhuǎn)速進(jìn)行檢測(cè)，并與單片機(jī)設(shè)定的換檔轉(zhuǎn)速進(jìn)行對(duì)比，當(dāng)需要換檔時(shí)，由單片機(jī)發(fā)送換檔信號(hào)，由電動(dòng)機(jī)帶動(dòng)后置式變速器進(jìn)行換檔。在2015年，Shimano開(kāi)發(fā)了一個(gè)具有自動(dòng)換檔功能的傳動(dòng)系統(tǒng)。SHIMANOSTEPS系統(tǒng)是利用花鼓來(lái)產(chǎn)生換檔信號(hào)，并由Di2型電子換檔系統(tǒng)實(shí)現(xiàn)換檔。圖1．2智能自行車(chē)總之，使用者對(duì)單車(chē)的需求也由原來(lái)的運(yùn)輸方式轉(zhuǎn)向了休閑、健身、出行的多用途單車(chē)。如何把自行車(chē)的速度控制在人體健康的基礎(chǔ)上，使其達(dá)到科學(xué)的騎乘已經(jīng)越來(lái)越受到廣大使用者的重視。目前，電動(dòng)自行車(chē)正朝著智能化、舒適、科學(xué)化的方向發(fā)展。1.2.1智能自行車(chē)研究現(xiàn)狀隨著智能產(chǎn)品的大量出現(xiàn)，智能化的時(shí)代已經(jīng)來(lái)臨。自行車(chē)作為一種傳統(tǒng)的交通方式，正在向著智能化的方向發(fā)展，在“互聯(lián)網(wǎng)+”的浪潮中，自行車(chē)的智能化已經(jīng)成為了一個(gè)重要的發(fā)展趨勢(shì)。多元化的智能單車(chē)進(jìn)入了消費(fèi)者的消費(fèi)領(lǐng)域，也為消費(fèi)者提供了一種新的選擇。許多企業(yè)都在致力于研究和開(kāi)發(fā)智能單車(chē)，以充分利用這一機(jī)遇。韓國(guó)三星公司于2014年四月開(kāi)發(fā)出一款智能單車(chē)“SamsungSmartBike”，它的車(chē)身由鋁合金制成，外形優(yōu)美，同時(shí)還能減輕地面的振動(dòng)。這款智能單車(chē)與三星手機(jī)聯(lián)網(wǎng)，能夠精確的感應(yīng)到騎乘者的周?chē)h(huán)境。它最大的特色是它的車(chē)架上有一個(gè)后視鏡，可以讓你的自行車(chē)避免在后方遇到危險(xiǎn)。在中國(guó)，索羅門(mén)是一匹黑馬。索羅門(mén)公司在2015年上半年開(kāi)發(fā)了一種叫做洛克菲勒的智能單車(chē)。它能夠?qū)崿F(xiàn)手機(jī)社會(huì)功能，利用智能裝置獲得騎乘者的健康狀態(tài)和騎乘環(huán)境信息。采用Shimano換檔，內(nèi)置3.5英寸的智能電子屏，防震和防水。圖1．2智能自行車(chē)事實(shí)上，智能單車(chē)配件的研發(fā)歷史較長(zhǎng)，已積累了大量的研究成果。智能單車(chē)的配件包括智能碼表，踏頻器，心率帶，充電系統(tǒng)等，見(jiàn)圖1.3。Livall的智能騎車(chē)裝備包括頭盔，閃光燈，手機(jī)支架，踏板傳感器。頭盔上有一個(gè)自動(dòng)駕駛的指示燈，可以讓人在上面行駛，還可以在網(wǎng)絡(luò)上播放音樂(lè)，還可以連接到頭盔和手機(jī)，還可以控制一些功能，讓使用者在上面騎車(chē)。使用移動(dòng)應(yīng)用程序進(jìn)行社會(huì)共享和數(shù)據(jù)錄制?！耙矮F”李剛將軟件與硬件相結(jié)合，研發(fā)出一款智能單車(chē)和“野獸”騎行APP，用于采集數(shù)據(jù)。趣動(dòng)智能研制了一款運(yùn)動(dòng)型前車(chē)管，專(zhuān)為運(yùn)動(dòng)型自行車(chē)而研制?？梢栽诖蠖鄶?shù)單車(chē)上使用，通過(guò)云騎APP，可以實(shí)現(xiàn)數(shù)據(jù)上傳、導(dǎo)航、防盜等功能，還可以找到附近的修理廠，為他們提供各種代步服務(wù)。連接Cycle公司發(fā)布了一款能夠監(jiān)控騎手的運(yùn)動(dòng)狀態(tài)的智能踏板，如熱的燃燒，在這個(gè)應(yīng)用程序中會(huì)被展示出來(lái)，而且還具備防盜功能。這些智能單車(chē)配件的問(wèn)世，極大地方便了人們的騎乘，所以很多職業(yè)騎手都會(huì)使用智能的配件來(lái)改造自己的單車(chē)，以達(dá)到他們的騎乘要求。因此，智能單車(chē)配件的出現(xiàn)，為開(kāi)發(fā)和開(kāi)發(fā)智能單車(chē)打下了堅(jiān)實(shí)的基礎(chǔ)。圖1.2目前，國(guó)內(nèi)外的智能單車(chē)都具備了多種功能，與傳統(tǒng)的單車(chē)相比，智能單車(chē)通常通過(guò)先進(jìn)的技術(shù)手段來(lái)優(yōu)化、改善現(xiàn)有的缺陷，使其更多的功能和更好的服務(wù)。盡管智能單車(chē)發(fā)展的時(shí)間比較晚，但是它在很多領(lǐng)域都有很大的發(fā)展，并且逐漸走入了消費(fèi)者的生活。未來(lái)的智能單車(chē)將具有更多的功能與服務(wù)：(1)GPS導(dǎo)航：將GPS、手機(jī)APP等外部設(shè)備結(jié)合起來(lái)，可以確定騎行者的位置，提供導(dǎo)航，并在顯示屏上自動(dòng)生成行駛路線。(2)云數(shù)據(jù)存儲(chǔ)：將騎乘資料上傳至云端，記錄每一次的騎乘情況，并根據(jù)騎乘資料，為使用者提供最佳的騎乘計(jì)劃。(3)電子換檔：將傳統(tǒng)的轉(zhuǎn)把、指撥變速器改為電子按鍵式變速器，使換檔速度更快，更準(zhǔn)確，更簡(jiǎn)單。(4)輕巧結(jié)構(gòu)：采用了特別的材質(zhì)結(jié)構(gòu)，使結(jié)構(gòu)更加輕巧，結(jié)構(gòu)更加穩(wěn)定。(5)自動(dòng)換擋：根據(jù)騎手的踏頻、速度等數(shù)據(jù)，自動(dòng)換擋。(6)智能混合式：采用電池作為燃料，在騎車(chē)過(guò)程中，發(fā)動(dòng)馬達(dá)作為輔助動(dòng)力。(7)智能防盜：結(jié)合指紋鎖和智能鎖等技術(shù)，對(duì)單車(chē)的異常運(yùn)動(dòng)進(jìn)行監(jiān)控，確保車(chē)輛的安全。從以上的分析可以看出，雖然智能單車(chē)已經(jīng)成為了各大廠商競(jìng)爭(zhēng)的焦點(diǎn)，但三星、小米、百度等公司的智能單車(chē)，更多的是以智能服務(wù)為主，而智能單車(chē)的關(guān)鍵部分，依然是手動(dòng)或者電子變速器，并沒(méi)有實(shí)現(xiàn)真正的自動(dòng)變速器，所以目前市場(chǎng)上的智能單車(chē)，依然缺乏核心技術(shù)和競(jìng)爭(zhēng)力。1．3論文研究?jī)?nèi)容與架構(gòu)1.3.1論文研究?jī)?nèi)容傳統(tǒng)的變速自行車(chē)大多采用人工換擋，由于其變速系統(tǒng)復(fù)雜，存在著不精確、操作麻煩、費(fèi)時(shí)費(fèi)力、不安全等諸多限制，使得許多騎車(chē)人無(wú)法正確地選擇正確的騎乘范圍，無(wú)法實(shí)現(xiàn)科學(xué)的騎乘運(yùn)動(dòng)。隨著技術(shù)的進(jìn)步，有些概念自行車(chē)可以實(shí)現(xiàn)自動(dòng)換檔。然而，這種自動(dòng)換檔自行車(chē)均采用預(yù)置的換檔方式來(lái)完成換檔，實(shí)時(shí)性、準(zhǔn)確性較低，無(wú)法針對(duì)騎手的生理特點(diǎn)進(jìn)行個(gè)性化調(diào)整。因此，本文在本文中，設(shè)計(jì)和開(kāi)發(fā)了一套基于智能的自行車(chē)自動(dòng)換檔系統(tǒng)和“騎車(chē)云端”服務(wù)平臺(tái)：(1)對(duì)車(chē)輛和人體數(shù)據(jù)進(jìn)行實(shí)時(shí)采集；(2)通過(guò)對(duì)車(chē)輛狀態(tài)、路線狀況和人體狀況的綜合分析和計(jì)算，自動(dòng)設(shè)定車(chē)輛合理的擋位，以達(dá)到科學(xué)的騎乘；汽車(chē)的行駛速度變化規(guī)律是非常復(fù)雜的，因此在計(jì)算中有一定的困難。首先，對(duì)自行車(chē)的行駛速度進(jìn)行了非線性分析。由于其不能通過(guò)一種或多種公式的簡(jiǎn)單轉(zhuǎn)換而得到，因此，算法的選取需要有很強(qiáng)的非線性運(yùn)算能力。其次，騎行速度受多種因素的影響，如騎行路況、騎行者的身體狀況、騎車(chē)狀態(tài)等。所以，該方法必須具有一定的彈性，能夠充分地反映出不同的騎乘因子。ANN能夠很好地適應(yīng)新的環(huán)境，例如：適應(yīng)各種環(huán)境下的不同使用者的騎乘行為?；诖耍疚奶岢隽艘环N基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛策略，并對(duì)其進(jìn)行了建模。1.3.2論文架構(gòu)第l章，首先對(duì)本論文的選題背景、意義進(jìn)行了說(shuō)明，然后對(duì)自行車(chē)變速系統(tǒng)、智能自行車(chē)、智能自行車(chē)配件、人工神經(jīng)網(wǎng)絡(luò)等方面進(jìn)行了簡(jiǎn)要的介紹，并給出了全文的主要內(nèi)容和章節(jié)結(jié)構(gòu)。第2章,介紹了ANN的理論基礎(chǔ)，并根據(jù)實(shí)際問(wèn)題，對(duì)常見(jiàn)的網(wǎng)絡(luò)結(jié)構(gòu)和特性進(jìn)行了分析對(duì)比，選擇了BP網(wǎng)絡(luò)作為擋位控制模型。接著對(duì)BP（逆向通信）網(wǎng)絡(luò)的基本結(jié)構(gòu)和算法進(jìn)行了詳細(xì)的介紹。最后，對(duì)ANN的一些性能評(píng)估指標(biāo)進(jìn)行了分析，并采用了平均偏差法對(duì)其進(jìn)行了評(píng)估。第3章，介紹了汽車(chē)自動(dòng)變速器的設(shè)計(jì)思想，它由兩部分組成：一是算法模型，二是硬件。在此基礎(chǔ)上，采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了自動(dòng)換檔算法的建模，并通過(guò)本文的研究，確定了該算法的參數(shù)，并給出了相應(yīng)的參數(shù)選擇，并給出了相應(yīng)的參數(shù)，并給出了相應(yīng)的優(yōu)化步驟。最后，對(duì)該系統(tǒng)進(jìn)行了硬件設(shè)計(jì)和實(shí)現(xiàn)。第4章,是本文的結(jié)論，并對(duì)今后的工作進(jìn)行了展望。1.4本章小結(jié)本文首先對(duì)本文的研究背景和意義進(jìn)行了簡(jiǎn)要的闡述，并對(duì)目前國(guó)內(nèi)外自行車(chē)變速系統(tǒng)、智能自行車(chē)、智能自行車(chē)配件、人工神經(jīng)網(wǎng)絡(luò)等方面的研究狀況進(jìn)行了簡(jiǎn)要的闡述。在此基礎(chǔ)上，對(duì)本文的主要研究?jī)?nèi)容及章節(jié)的編排進(jìn)行了闡述，并以圖表的方式展示了本文的章節(jié)結(jié)構(gòu)。

2變速算法技術(shù)方案選擇的理論基礎(chǔ)近年來(lái)，隨著ANN技術(shù)的發(fā)展，它在預(yù)測(cè)和估計(jì)方面的應(yīng)用越來(lái)越廣泛，并有了長(zhǎng)足的進(jìn)步。該方法能夠充分考慮到歷史資料和其他因素的影響，實(shí)現(xiàn)輸入-輸出模式之間的映射關(guān)系，而不需要事先說(shuō)明這些關(guān)系的數(shù)學(xué)公式，因而具有廣泛的應(yīng)用前景。在短期預(yù)報(bào)中，由于ANN具有自我學(xué)習(xí)能力，可以持續(xù)地學(xué)習(xí)新的知識(shí)，對(duì)某些復(fù)雜的非線性問(wèn)題有較強(qiáng)的魯棒性和較高的預(yù)測(cè)精度，因此被視為短期預(yù)報(bào)中最有前景的一種。2.1人工神經(jīng)網(wǎng)絡(luò)概述一2.1.1人工神經(jīng)網(wǎng)絡(luò)的定義ANN是模擬生物神經(jīng)網(wǎng)絡(luò)的一種數(shù)學(xué)模型，它模擬了生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能。神經(jīng)網(wǎng)絡(luò)由許多節(jié)點(diǎn)（也就是神經(jīng)元）彼此相連，每一個(gè)節(jié)點(diǎn)都代表著一種叫做“激發(fā)”的特殊輸出功能。網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)、訓(xùn)練方法等都會(huì)影響神經(jīng)網(wǎng)絡(luò)的輸出。神經(jīng)網(wǎng)絡(luò)是一種具有自適應(yīng)能力的信息處理系統(tǒng)，它可以通過(guò)訓(xùn)練樣本來(lái)改變網(wǎng)絡(luò)的結(jié)構(gòu)。2.1.2人工神經(jīng)元模型在人類(lèi)大腦中，大量的神經(jīng)元是最基本的信息處理單元，因此，在仿真人腦的神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元和它們之間的聯(lián)系機(jī)制是最關(guān)鍵的組成部分。神經(jīng)網(wǎng)絡(luò)由三個(gè)神經(jīng)元構(gòu)成：輸入神經(jīng)元、輸出神經(jīng)元和隱性神經(jīng)元。正如名字所示，輸入部件是接受外界信息的神經(jīng)網(wǎng)絡(luò)，輸出部件是神經(jīng)網(wǎng)絡(luò)運(yùn)算的輸出部件，而隱性部件是神經(jīng)網(wǎng)絡(luò)運(yùn)算的中間部件。單元間的連接結(jié)構(gòu)取決于連接權(quán)值和連接，權(quán)重反映了單元間的聯(lián)系密切，而鏈接關(guān)系反映了單元間的信息傳輸。一般情況下，最常見(jiàn)的是線性和距離兩種基本函數(shù)，其中BP神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)等都是應(yīng)用于徑向基函數(shù)神經(jīng)Ng中。該線性功能可由以下公式表示：u距離函數(shù)的表達(dá)式為：u=2.1.3人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)ANN是一種仿生學(xué)的方法，其特征是模仿人腦神經(jīng)元的構(gòu)造，能夠進(jìn)行平行操作，自適應(yīng)和自我學(xué)習(xí)。它的優(yōu)勢(shì)在于：1）具有并行處理的能力。(2)具有較強(qiáng)的抗干擾能力和較強(qiáng)的抗干擾能力。(3)自我學(xué)習(xí)的能力。(4)可適應(yīng)的、集成的。(5)最優(yōu)解的快速算法。2.2ANN的結(jié)構(gòu)與學(xué)習(xí)模式神經(jīng)元間的信號(hào)傳遞、處理或存儲(chǔ)是由神經(jīng)元間的不同的連接結(jié)構(gòu)組成，而連接結(jié)構(gòu)則是基于生物大腦的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。自ANN發(fā)展到現(xiàn)在，已經(jīng)形成了幾十種不同的結(jié)構(gòu)模式，按照不同的方向和聯(lián)系模式，可以把它們分成兩類(lèi)：前饋型和反饋型。2.2.1前饋型神經(jīng)網(wǎng)絡(luò)前饋型神經(jīng)網(wǎng)絡(luò)，也稱(chēng)為前向網(wǎng)絡(luò)（FeedforwardNN）。前饋型網(wǎng)絡(luò)分為輸入層、隱藏層和輸出層三個(gè)層次。前饋神經(jīng)網(wǎng)絡(luò)是當(dāng)前最受歡迎的一種神經(jīng)網(wǎng)絡(luò)，它在分類(lèi)、信號(hào)、圖像處理、函數(shù)逼近等方面都得到了廣泛的應(yīng)用，在輸入層和輸出層之間存在一個(gè)隱藏層，每個(gè)層的輸入信號(hào)都是以前的輸出信號(hào)，沒(méi)有任何反饋。BP神經(jīng)網(wǎng)絡(luò)是一種以誤差反向傳遞為基礎(chǔ)的多層前饋網(wǎng)絡(luò)，它是目前最常用的一種神經(jīng)網(wǎng)絡(luò)模型。2.3反饋型神經(jīng)網(wǎng)絡(luò)反饋神經(jīng)網(wǎng)絡(luò)，也稱(chēng)為遞歸神經(jīng)網(wǎng)絡(luò)。它和前饋神經(jīng)網(wǎng)絡(luò)最大的不同在于，任何一個(gè)神經(jīng)元都有反饋，而且它自己也會(huì)反饋。在反饋神經(jīng)網(wǎng)絡(luò)中，可以實(shí)現(xiàn)神經(jīng)元的前后傳遞。也正是因?yàn)檫@個(gè)信號(hào)不斷地傳輸，所以網(wǎng)絡(luò)才會(huì)從一個(gè)輸入信號(hào)開(kāi)始，經(jīng)過(guò)幾次的運(yùn)算，網(wǎng)絡(luò)會(huì)有一個(gè)收斂的過(guò)程，但也有可能會(huì)因?yàn)槎啻蔚恼饎?dòng)而失去最后的結(jié)果。因此，在建立網(wǎng)絡(luò)時(shí)，需要對(duì)信息的傳遞和反饋的收斂性進(jìn)行清晰的分析，從而使這種網(wǎng)絡(luò)在實(shí)際應(yīng)用中遇到了困難。Hopfield神經(jīng)網(wǎng)絡(luò)是反饋神經(jīng)網(wǎng)絡(luò)的一個(gè)典型例子，它具有結(jié)構(gòu)簡(jiǎn)單，在優(yōu)化問(wèn)題中得到了廣泛的應(yīng)用。2.3.1BP(反向傳播)網(wǎng)絡(luò)結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)由輸入層、一層或多層隱藏層和輸出層組成。BP網(wǎng)絡(luò)模型的基礎(chǔ)結(jié)構(gòu)有N個(gè)輸入層神經(jīng)元，其中X=(X1,X2,...,XN)t是隱藏層的輸出矢量；wij為輸入層和隱藏層之間的連接權(quán)，wjk是隱藏層和輸出層之間的連接權(quán)重，而q(,=1、2、...、L）是隱藏層各個(gè)神經(jīng)元的數(shù)值，而bk(k=1、2、...、m）是輸出層各個(gè)神經(jīng)元的電位。然后，可以得到每個(gè)神經(jīng)元的輸出:xBP網(wǎng)絡(luò)采用了基于誤差的逆向傳輸，使得網(wǎng)絡(luò)的輸出誤差均方差最小化，并且由輸入信號(hào)的前向和后向后的傳遞組成了BP神經(jīng)網(wǎng)絡(luò)的整個(gè)學(xué)習(xí)過(guò)程。正向傳輸是將輸入信號(hào)一層一層地傳輸?shù)捷敵鰧?，并在輸出端生成一個(gè)輸出信號(hào)。將所得結(jié)果與所需的輸出資料進(jìn)行比較，得出其誤差信號(hào)。當(dāng)錯(cuò)誤信號(hào)不是0或不能滿(mǎn)足需求時(shí)，就會(huì)進(jìn)入錯(cuò)誤的逆向傳播。逆向傳輸是將錯(cuò)誤信號(hào)從原本的正向傳輸?shù)椒捶较?，通過(guò)梯度遞減方法修正了網(wǎng)絡(luò)權(quán)重，從而使錯(cuò)誤信號(hào)逐漸減小。設(shè)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)為P，相應(yīng)的期望輸出d（1），d（2），．，d(P)，訓(xùn)練時(shí)通過(guò)誤差更新權(quán)值，使實(shí)際輸出更接近期望輸出，為了簡(jiǎn)化，將閾值與權(quán)值向量合并，即b1，=wj1，bk=wjk，aj=wij，xl=Xn，則式(2-4)中相應(yīng)的權(quán)值向量和輸入向量維數(shù)加1。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是以輸出結(jié)果的最小均方差為準(zhǔn)則的。對(duì)于第P個(gè)樣本，網(wǎng)絡(luò)的均方誤差為每個(gè)輸出節(jié)點(diǎn)誤差平方和E所有的樣本都輸入一次后的總誤差為E=設(shè)W為網(wǎng)絡(luò)的一個(gè)權(quán)值，根據(jù)梯度下降法，則該權(quán)值的修正量為?對(duì)輸出層的推導(dǎo)w其中n0xj'wjk∑uk'f(*)yk（2.5圖）?=?=其中δ所以有w由于E(p)是y1，y2，...，ym的函數(shù)，但uy對(duì)隱藏層的推導(dǎo)w其中,?E?w?=?=?其中δStepl：權(quán)值初始化：權(quán)值w在[一1，1]t隨機(jī)取值；Step2：將P個(gè)訓(xùn)練樣本輸入網(wǎng)絡(luò)，設(shè)當(dāng)前輸入為第p個(gè)樣本；Step3：依次計(jì)算各層的輸出XJ，Yk，J=1,2…，L，k=1,2…，m；Step4：計(jì)算網(wǎng)絡(luò)各層的反向傳播誤差：δδStep5：按權(quán)值修正公式更新各層的權(quán)值；Step6：利用更新后的權(quán)值重新計(jì)算弓XJ(P)，YK和E1當(dāng)E小于要求的誤差，或者達(dá)到最大訓(xùn)練次數(shù)，結(jié)束訓(xùn)練。否則轉(zhuǎn)入Step2繼續(xù)訓(xùn)練。2.3.2BP網(wǎng)絡(luò)的缺陷分析及優(yōu)化方法選擇BP神經(jīng)網(wǎng)絡(luò)盡管已經(jīng)廣泛地應(yīng)用于工程實(shí)踐，但其實(shí)質(zhì)是BP神經(jīng)網(wǎng)絡(luò)基于梯度變速算法的技術(shù)方案選擇時(shí)，其應(yīng)用中不可避免地會(huì)出現(xiàn)以下問(wèn)題：(1)BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浼按笮『茈y確定，且無(wú)固定的計(jì)算方法，一般都是憑經(jīng)驗(yàn)來(lái)決定。(2)由于不能準(zhǔn)確地提供輸入和輸出的關(guān)系，因此，神經(jīng)網(wǎng)絡(luò)就像一個(gè)“黑箱”。(3)BP神經(jīng)網(wǎng)絡(luò)在模型太過(guò)復(fù)雜的情況下，會(huì)產(chǎn)生過(guò)度擬合，從而使網(wǎng)絡(luò)的運(yùn)算性能下降。針對(duì)以上問(wèn)題，我們提出了很多改善方法。結(jié)合本論文的實(shí)際問(wèn)題，就上述缺陷對(duì)換擋模式的影響進(jìn)行了詳細(xì)的分析。對(duì)于（1)，可以用經(jīng)驗(yàn)公式估計(jì)或多次實(shí)驗(yàn)得到齒輪控制模型的網(wǎng)絡(luò)結(jié)構(gòu)。在（2）中，文章重點(diǎn)討論了齒輪的計(jì)算結(jié)果，兩者之間的關(guān)系不會(huì)有太大的影響。對(duì)于（3)，網(wǎng)絡(luò)的推廣能力可以通過(guò)增大輸入采樣而得到改善。由于所研究的單車(chē)換擋是一種非常復(fù)雜的非線性問(wèn)題，在網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中容易陷入局部極小化，而自動(dòng)變速又需要實(shí)時(shí)性，如果算法收斂較慢，會(huì)造成實(shí)時(shí)性能下降。因此，將BP神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合，既可以實(shí)現(xiàn)遺傳算法的全局尋優(yōu)，也可以實(shí)現(xiàn)BP網(wǎng)絡(luò)的自學(xué)習(xí)。BP神經(jīng)網(wǎng)絡(luò)的擋位控制模型采用遺傳算法進(jìn)行了優(yōu)化。(1)避免陷入局部最小的境地。利用遺傳算法進(jìn)行全局概率搜索，避免了BP網(wǎng)絡(luò)在局部搜索中陷入局部最優(yōu)的困境。(2)加速融合。通過(guò)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初值和初值，減小了迭代次數(shù)，加快了網(wǎng)絡(luò)的收斂性。(3)改進(jìn)了運(yùn)算的準(zhǔn)確性。該方法首先采用遺傳算法的特征，在可行解區(qū)域內(nèi)進(jìn)行全局搜索，再采用BP神經(jīng)網(wǎng)絡(luò)的梯度下降進(jìn)行局部?jī)?yōu)化，以求出全局最優(yōu)解，從而提高了模型的準(zhǔn)確性。2.4本章小結(jié)在此基礎(chǔ)上，本文給出了基于神經(jīng)網(wǎng)絡(luò)的智能汽車(chē)變速器的換擋控制模型。首先，對(duì)神經(jīng)網(wǎng)絡(luò)的構(gòu)造及學(xué)習(xí)方法進(jìn)行了詳細(xì)的介紹，并對(duì)BP網(wǎng)絡(luò)的選取進(jìn)行了分析和比較，以實(shí)現(xiàn)智能單車(chē)交速系統(tǒng)的檔位控制。接著對(duì)BP（逆向傳輸）網(wǎng)絡(luò)的基本原理和算法的基本流程進(jìn)行了詳細(xì)的說(shuō)明。其次，根據(jù)變速系統(tǒng)的要求，對(duì)BP神經(jīng)網(wǎng)絡(luò)存在的問(wèn)題進(jìn)行了分析，并將遺傳算法用于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，并對(duì)網(wǎng)絡(luò)的權(quán)重和閾值進(jìn)行了優(yōu)化。最后，給出了一些指數(shù)來(lái)測(cè)試ANN的性能，并采用了平均偏差法對(duì)擋位控制模型進(jìn)行了評(píng)估。

3基于BP神經(jīng)網(wǎng)絡(luò)的自行車(chē)自動(dòng)變速系統(tǒng)設(shè)計(jì)在實(shí)際應(yīng)用中，神經(jīng)網(wǎng)絡(luò)能夠?qū)θ魏芜B續(xù)函數(shù)進(jìn)行精確的擬合，并取得了一些結(jié)果。因而，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行騎車(chē)排檔的計(jì)算，能獲得較好的結(jié)果。單純依靠算法是不可能實(shí)現(xiàn)智能單車(chē)的自動(dòng)換檔的，需要硬件和軟件相結(jié)合。本文從兩個(gè)方面進(jìn)行了自動(dòng)變速器的設(shè)計(jì)：首先，BP神經(jīng)網(wǎng)絡(luò)模型建立了自動(dòng)變速器的數(shù)學(xué)模型；其次，以硬件為基礎(chǔ)的自動(dòng)變速器的設(shè)計(jì)和實(shí)現(xiàn)。3.1自動(dòng)變速系統(tǒng)功能需求與算法設(shè)計(jì)方案騎行過(guò)程中，騎行者的身體狀況、騎車(chē)人的身體狀況等都會(huì)對(duì)騎車(chē)速度產(chǎn)生一定的影響。由于單車(chē)的行駛速度計(jì)算比較復(fù)雜，單用一個(gè)檔位控制算法是不可能達(dá)到的。因此，本論文提出了一種基于分層處理的方法，對(duì)智能單車(chē)的自動(dòng)換檔系統(tǒng)進(jìn)行了設(shè)計(jì)。第一個(gè)階段：收集大量的數(shù)據(jù)，包括騎行道路、自行車(chē)和人體。騎行路面、自行車(chē)、人體等數(shù)據(jù)的類(lèi)型和形式都不盡相同，因此，首先要對(duì)三大系統(tǒng)進(jìn)行分析，并根據(jù)各個(gè)系統(tǒng)的特點(diǎn)，為其設(shè)計(jì)相應(yīng)的數(shù)據(jù)收集模型。本論文所設(shè)計(jì)的自動(dòng)換檔系統(tǒng)所包含的數(shù)據(jù)有：反映騎行者目前的身體狀況的生理指標(biāo)。包括年齡，性別，體重，心率等。實(shí)際的數(shù)據(jù)，反映了目前的騎乘狀況。包括速度，踏板頻率，當(dāng)前檔位，電池電量。一種信息，反映了目前的騎車(chē)狀況：道路的斜率。通過(guò)對(duì)以上數(shù)據(jù)的分析，得出了目前的騎車(chē)狀況，為車(chē)輛行駛速度的估算提供了一定的理論和基礎(chǔ)數(shù)據(jù)支持。第二個(gè)步驟：針對(duì)第一個(gè)階段采集的騎車(chē)數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)建立了擋位控制模型，并采用遺傳算法進(jìn)行了改進(jìn)。本研究將訓(xùn)練過(guò)程中所使用的歷史資料分成兩大類(lèi)：一類(lèi)是人工神經(jīng)網(wǎng)絡(luò)的模型，約占80%的資料，另一類(lèi)是對(duì)神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)精度進(jìn)行評(píng)價(jià)，約占全部資料的20%。本研究以使用者第一次騎車(chē)時(shí)的1000份資料為樣本，以涵蓋各檔位。所以，騎車(chē)人應(yīng)該根據(jù)自己的舒適程度來(lái)調(diào)節(jié)自己的騎乘范圍，選擇不同的道路行駛，使變速范圍盡可能地?cái)U(kuò)大。實(shí)驗(yàn)樣本為1~800，樣本為801~1000。在獲得了一組數(shù)據(jù)之后，將所測(cè)數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)進(jìn)行比較，得出了相應(yīng)的精度，并將其作為訓(xùn)練目標(biāo)，通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行二次訓(xùn)練。重復(fù)練習(xí)直到訓(xùn)練的錯(cuò)誤在規(guī)定的范圍內(nèi)。3.2基于BP神經(jīng)網(wǎng)絡(luò)的檔位控制建模3.2.1檔位控制模型輸入和輸出交量的選擇自動(dòng)換檔的準(zhǔn)確性和舒適性與所選用的控制參數(shù)有很大關(guān)系。對(duì)自行車(chē)來(lái)說(shuō)，它的速度、頻率、坡度等都是反映其騎乘狀況的主要指標(biāo)，而要做到精確，又要考慮到騎乘者的身體狀況，才能使其更好地進(jìn)行科學(xué)的騎乘。變速自行車(chē)的基本功能是通過(guò)換檔來(lái)保持踏頻的穩(wěn)定性，在換檔過(guò)程中，車(chē)速的變化越小，就能更好地保持踏頻的穩(wěn)定性。換檔的基本原則是：“在換檔時(shí)，車(chē)速要小，要連續(xù)。”通過(guò)轉(zhuǎn)速，可以得到齒輪傳動(dòng)的合理比例。在鍛煉過(guò)程中，心率有一個(gè)限制，也就是最大心率，是人體的運(yùn)動(dòng)負(fù)荷的極限。在不同的時(shí)期，不同的人的最高心率是不同的，比如，當(dāng)他們變老時(shí)，心率會(huì)變得更低。最大心率可以用來(lái)測(cè)量，但很麻煩，所以在日常生活中，通常都是用估計(jì)來(lái)計(jì)算，最接近這個(gè)數(shù)值的是：男：最大心率=210?年齡/2?0.11×公斤體重?4正常的騎車(chē)訓(xùn)練，最大心率在60%-80%之間。3.2.2激活函數(shù)和訓(xùn)練算法的選擇(1)激活函數(shù)的選擇在BP神經(jīng)網(wǎng)絡(luò)中，由于激活函數(shù)、樣本數(shù)據(jù)以及網(wǎng)絡(luò)拓?fù)涞纫蛩氐淖饔?，?duì)其進(jìn)行了分析。在這兩種情況下，驅(qū)動(dòng)功能的數(shù)學(xué)性質(zhì)將直接影響到學(xué)習(xí)速度和計(jì)算效果，所以要結(jié)合本課題的實(shí)際需求，選用適當(dāng)?shù)募?lì)函數(shù)。有多種激活功能，其中最常見(jiàn)的是：sigmoid函數(shù)(S型函數(shù))：常用于聚類(lèi)、映射和優(yōu)化等問(wèn)題，用于隱藏層神經(jīng)元輸出，具體包括logsig和tansig兩種函數(shù)，兩者的輸入范圍都是-oo，+oo)，輸出分別為(0，1)和(一1，1)。logsig表達(dá)式為：y=f（x）=tansig表達(dá)式為：y=f（x）=ReLU(RectifiedLinearUnits)函數(shù)：用于隱層神經(jīng)元輸出。其表達(dá)式為：f(x)=max(0，③softmax函數(shù)：一般用于多分類(lèi)問(wèn)題的輸出，其表達(dá)式為：σBP神經(jīng)網(wǎng)絡(luò)是一種基于梯度遞減方法的神經(jīng)網(wǎng)絡(luò)，其激發(fā)函數(shù)的選取應(yīng)為連續(xù)可導(dǎo)、微分發(fā)生顯著變化，以適應(yīng)誤差減小時(shí)的梯度敏感性。一般情況下，如齒輪運(yùn)算等非線性問(wèn)題，都采用S型函數(shù)，因?yàn)樵贐P神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，tansig函數(shù)的收斂速度要比logsig函數(shù)快，所以我們選擇了tansig函數(shù)作為擋位控制模式的有效值。因?yàn)锽P神經(jīng)網(wǎng)絡(luò)范圍控制模式的所需輸出的范圍超出（1、1)，所以輸出層選擇線性purelin函數(shù)為傳輸函數(shù)，以使網(wǎng)絡(luò)的輸出量達(dá)到最優(yōu)的騎車(chē)速度。(2)訓(xùn)練算法的選擇訓(xùn)練算法還會(huì)對(duì)檔位控制模式的輸出范圍產(chǎn)生一定的影響，因此，在BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)中，要選用適當(dāng)?shù)挠?xùn)練算法。在給定的網(wǎng)絡(luò)結(jié)構(gòu)下，由于訓(xùn)練算法的迭代次數(shù)、運(yùn)算量、訓(xùn)練速度和泛化性能都有很大的差異，所以要使訓(xùn)練算法得到較好的結(jié)果。在BP神經(jīng)網(wǎng)絡(luò)中，最常用的是最快速梯度降法，并對(duì)其進(jìn)行了改進(jìn)。在此基礎(chǔ)上，如何選取合適的訓(xùn)練算法，至今尚無(wú)完整的理論依據(jù)。在實(shí)踐中，無(wú)法決定哪個(gè)訓(xùn)練算法是最好的，需要針對(duì)問(wèn)題的復(fù)雜程度、網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練樣本和預(yù)期誤差等因素，進(jìn)行具體的分析，尋找出一種合適的訓(xùn)練算法。關(guān)于一些簡(jiǎn)單的函數(shù)映射問(wèn)題，大部分的文獻(xiàn)中都使用了Levevberg-Marquardt方法，結(jié)果表明，這種方法的訓(xùn)練速度快，誤差小。所以，本文首先選擇了李維夫-馬夸特算法。3.3自動(dòng)變速系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)該智能單車(chē)自動(dòng)變速器系統(tǒng)的硬件主要包括：變速器、驅(qū)動(dòng)馬達(dá)等傳動(dòng)裝置、數(shù)據(jù)采集系統(tǒng)、傳感器、芯片等組成的數(shù)據(jù)采集系統(tǒng)、電池、充電器等。下面介紹了數(shù)據(jù)采集系統(tǒng)、換檔系統(tǒng)和電源管理系統(tǒng)的硬件設(shè)計(jì)。3.3.1數(shù)據(jù)采集系統(tǒng)的實(shí)現(xiàn)利用傳感器技術(shù)，可以完成智能自行車(chē)的騎乘和人體數(shù)據(jù)的采集。在戶(hù)外騎行中，利用藍(lán)牙技術(shù)進(jìn)行數(shù)據(jù)采集與傳輸是當(dāng)前的發(fā)展趨勢(shì)。該系統(tǒng)采用有線式傳感器進(jìn)行騎行數(shù)據(jù)采集，具有體積小、功耗低、兼容性好、使用靈活、安全的優(yōu)點(diǎn)。在此基礎(chǔ)上，利用藍(lán)牙技術(shù)實(shí)現(xiàn)了對(duì)人體數(shù)據(jù)的采集。車(chē)身數(shù)據(jù)采集系統(tǒng)的主要功能是采集車(chē)速，踏頻，路面坡度，當(dāng)前檔位等。目前，踏頻檢測(cè)采用的是基于感應(yīng)原理的踏頻信號(hào)，通常包括霍爾單元計(jì)數(shù)和感應(yīng)頭。踏板頻率傳感器利用霍爾單元計(jì)數(shù)器和感應(yīng)頭的相對(duì)移動(dòng)來(lái)計(jì)算踏板的圈數(shù)，從而使霍爾單元固定在框架上，并使感應(yīng)頭與曲軸聯(lián)動(dòng)的齒盤(pán)同步旋轉(zhuǎn)。速度的測(cè)定還可以采用這種類(lèi)型的傳感器，其工作原理和踏頻傳感器一樣，其安裝方法是把霍爾元件固定在后部和后輪輻上。選擇科爾Change公司的EDGE踏頻和轉(zhuǎn)速傳感器，并與控制芯片通過(guò)IO端口相連。斜坡的采集采用了集成于控制芯片內(nèi)的傾斜傳感器，并將控制芯片安裝到框架上。本論文采用TELESKYSCA60C型傾斜式傳感器，采用IO接口與控制芯片相連。圖3.3顯示了該傳感器的特定安裝位置；圖3.3車(chē)身傳感器布置圖該控制器主要是利用傳感器對(duì)單車(chē)數(shù)據(jù)進(jìn)行讀出，并將其定義為對(duì)應(yīng)的格式，并能接收到換檔信息，并利用嵌入式系統(tǒng)對(duì)單車(chē)傳動(dòng)裝置進(jìn)行換檔操作。該控制芯片具有兩個(gè)輸入和兩個(gè)輸出接口，分別從兩個(gè)輸入端口和兩個(gè)輸出端口來(lái)讀出傳感器的數(shù)據(jù)和換檔控制，并將傳感器的數(shù)據(jù)傳輸?shù)剿{(lán)牙傳輸模塊，并向自行車(chē)傳動(dòng)裝置傳輸換檔控制信號(hào)。自行車(chē)與手機(jī)客戶(hù)端之間的通訊是由藍(lán)牙模塊完成的，其協(xié)議見(jiàn)下表3.4。通信方式藍(lán)牙數(shù)據(jù)格式Hex協(xié)議格式幀頭(固定）命令數(shù)據(jù)1數(shù)據(jù)2數(shù)據(jù)3數(shù)據(jù)4數(shù)據(jù)5校驗(yàn)低校驗(yàn)高幀尾(固定)0x3a0x0a例0x3a0x010x010x000x000x000x000x020x000x0a0x3a0x020xff0x010x000x000x000x010x010x0a校驗(yàn)方別累加校驗(yàn)命令+數(shù)據(jù)1+數(shù)據(jù)2+數(shù)據(jù)3+數(shù)據(jù)4+數(shù)據(jù)5校驗(yàn)低=低8位校驗(yàn)高=高8位溢出取低位方向app一>mcuapp向下發(fā)送命令mcu一>appmcu向app返回命令圖3.4藍(lán)牙協(xié)議心率是人體資料采集的重要組成部分。用戶(hù)可以通過(guò)手機(jī)客戶(hù)端手工錄入年齡，性別，體重等個(gè)人信息。目前，在騎車(chē)運(yùn)動(dòng)中，心率帶是一種常用的測(cè)量方法，它能實(shí)時(shí)地反映出運(yùn)動(dòng)后的實(shí)時(shí)心率，并對(duì)其進(jìn)行持續(xù)的記錄，具有較高的精度和安全性，是一種很好的監(jiān)測(cè)方法。3.3.2變速系統(tǒng)的實(shí)現(xiàn)自行車(chē)變速裝置主要是利用外力改變鏈條與前后不同大小的齒輪片之間的嚙合，從而實(shí)現(xiàn)汽車(chē)速度的快速變化。自行車(chē)傳動(dòng)裝置主要由前后指撥、前后變速器、齒盤(pán)套件、飛輪、鏈條等組成。智能單車(chē)使用的是自動(dòng)換檔，所以變速系統(tǒng)必須使用電動(dòng)傳動(dòng)，或在傳統(tǒng)的傳動(dòng)方式中加入馬達(dá)。最后，智能單車(chē)選擇了SHIMANO的電子傳動(dòng)系統(tǒng)來(lái)實(shí)現(xiàn)換擋。該控制芯片接收換擋信號(hào)，把換擋信號(hào)轉(zhuǎn)化成控制馬達(dá)的驅(qū)動(dòng)指令，再通過(guò)傳動(dòng)裝置帶動(dòng)后撥鏈來(lái)完成換擋。3.3.3電源管理系統(tǒng)的實(shí)現(xiàn)由于智能單車(chē)中的藍(lán)牙模塊與傳動(dòng)裝置均需供電，故本論文設(shè)計(jì)的電動(dòng)汽車(chē)自動(dòng)換檔系統(tǒng)，以SHlMANO內(nèi)嵌式鋰電池為其提供動(dòng)力。本論文在自行車(chē)車(chē)架上安裝了一塊電池，它可以通過(guò)一個(gè)外部的充電接口來(lái)進(jìn)行充電，電池可以提供1100mA的電量，可以持續(xù)50分鐘，最多可以提供14000次的加速，最多可以行駛1000公里，最多60小時(shí)。3.4本章小結(jié)在此基礎(chǔ)上，本文提出了一種基于智能單車(chē)的自動(dòng)換檔控制系統(tǒng)的設(shè)計(jì)思想。在此基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)建立了相應(yīng)的擋位控制模型，通過(guò)對(duì)該問(wèn)題的研究，得到了相應(yīng)的數(shù)學(xué)模型。最后，對(duì)自動(dòng)變速器的硬件設(shè)計(jì)和實(shí)現(xiàn)進(jìn)行了研究。

4總結(jié)與展望4.1總結(jié)騎車(chē)不僅是一種旅行，而且還能增強(qiáng)體質(zhì)。通過(guò)改變速度，使自行車(chē)能夠適應(yīng)騎乘者的身體狀況和騎乘條件，從而實(shí)現(xiàn)科學(xué)的騎乘。然而，單車(chē)的換檔系統(tǒng)非常復(fù)雜，操作也需要一定的技術(shù)含量，而現(xiàn)有的電動(dòng)換檔系統(tǒng)都是由人設(shè)定好的換檔方式來(lái)完成，無(wú)法根據(jù)使用者的騎乘習(xí)慣和實(shí)際的騎乘狀況來(lái)進(jìn)行換檔。所以，針對(duì)復(fù)雜的騎車(chē)、變速系統(tǒng)，應(yīng)用計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)汽車(chē)智能自動(dòng)換檔成為必然。4.2展望本論文首先對(duì)智能單車(chē)的自動(dòng)換檔和單車(chē)云端服務(wù)平臺(tái)進(jìn)行了初步的探討，并取得了一定的成果。智能單車(chē)的自動(dòng)換檔和騎行者云服務(wù)平臺(tái)還有許多需要進(jìn)一步研究和完善的地方：在建立騎馬速度控制模式時(shí)，只考慮速度、踏頻、心率、坡度等指標(biāo)，但在實(shí)際騎乘過(guò)程中，要考慮輸出功率、耗氧量等因素的影響，故未來(lái)有關(guān)智能單車(chē)的自動(dòng)換檔時(shí)，應(yīng)考慮輸出功率、耗氧量等指標(biāo)。(2)本論文所設(shè)計(jì)的用戶(hù)終端是以Android為基礎(chǔ)的手機(jī)應(yīng)用系統(tǒng)，主要包括用戶(hù)管理、設(shè)備連接、數(shù)據(jù)顯示、定位、導(dǎo)航、導(dǎo)航等功能。但是，從用戶(hù)的使用體驗(yàn)上，我們還應(yīng)該添加更多的功能，比如運(yùn)動(dòng)細(xì)節(jié)、社交分享、消息推送、智能防盜等。同時(shí)，為拓展應(yīng)用范圍，拓展應(yīng)用群體，提出了以iOS為基礎(chǔ)的手機(jī)終端。

參考文獻(xiàn)[1]張永民．“互聯(lián)網(wǎng)+”催生眾多行業(yè)新商機(jī)[J]．中國(guó)建設(shè)信息化，2015(11)：44—49[2]李海艦，田躍新，李文杰．互聯(lián)網(wǎng)思維與傳統(tǒng)企業(yè)再造[J]．中國(guó)工業(yè)經(jīng)濟(jì)，2004(10)：135—146[3]夏夢(mèng)梅．當(dāng)“傳統(tǒng)”與“智能”聯(lián)姻一智能自行車(chē)的未來(lái)在哪里[J]．中國(guó)自行車(chē)，2015(09)：74—77[4]肖祥芷，王孝培主編．《中國(guó)模具設(shè)計(jì)大典》第3卷：沖壓模具設(shè)計(jì)[M]．南昌：江西科學(xué)技術(shù)出版社，2003[5]ColegroveJ，HowesD，GonzalezJ．Bicyclederailleursystem：US，US7703785[P]．2010[6]OldroydJW，SalmonJL．ConceptualDesignandPrototypingofanExternalContinuouslyVariableTransmissionforBicycles[e1．ASME2016InternationalMechanicalEngineeringCongressandExposition，2016：V014T07A023．[7]王新星，袁嬌嬌，楊繼雪．自行車(chē)變速操縱機(jī)構(gòu)技術(shù)NN[J]．科技創(chuàng)新與應(yīng)用，2016(02)：25—26[8]ChienHC，TsengCH．Anautomatictransmissionforbicycles：asimulation[J]．InternationalJournalofIndustrialErgonomics，2004，33(2)：123—132[9]2002．LiaoCL．Handlebarshifterdeviceforoperatingbicyclederailleursystem：US，US6829963B2[P]．2004[10]叢余．自行車(chē)變速控制器的一