TWM515505U - 自行車防鎖死煞車系統 - Google Patents

自行車防鎖死煞車系統 Download PDF

Info

Publication number
TWM515505U
TWM515505U TW104210912U TW104210912U TWM515505U TW M515505 U TWM515505 U TW M515505U TW 104210912 U TW104210912 U TW 104210912U TW 104210912 U TW104210912 U TW 104210912U TW M515505 U TWM515505 U TW M515505U
Authority
TW
Taiwan
Prior art keywords
brake
bicycle
lock
control
module
Prior art date
Application number
TW104210912U
Other languages
English (en)
Inventor
Chih-Yung Chen
Wei-Lun Hsu
Ruei-Yu Yang
Hsuan-Yu Li
zi-han Lin
Original Assignee
Univ Shu Te
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Univ Shu Te filed Critical Univ Shu Te
Priority to TW104210912U priority Critical patent/TWM515505U/zh
Publication of TWM515505U publication Critical patent/TWM515505U/zh

Links

Landscapes

  • Regulating Braking Force (AREA)

Description

自行車防鎖死煞車系統
本創作係關於一種自行車煞車系統,更特定地,是一種可防止自行車鎖死的煞車系統。
近年來,由於自行車的工藝提升,大幅改善自行車的特性。現今的自行車重量輕、重心高、再加上優異的傳動與制動設計,輕易能將騎乘速度提升到時速30公里以上。在高速騎乘的過程中若遇到突發狀況需要緊急煞車時,常因騎乘者的習慣與不正確的煞車方式,反而造成輪胎鎖死,進而發生打滑或翻車等意外。
防鎖死煞車系統(Anti-Lock Brake System,ABS),又稱為ABS系統,是現今針對機動車輛,為了防止煞車鎖死輪胎反而導致打滑所設計的電子式穩定系統。當車體煞車時,即使車輪鎖死不動,慣性還是會讓車子前移,尤其是緊急煞車時因慣性而使前移的現象更為明顯,致使鎖住的車輪在路面上造成滑動而失去操控性、使煞車距離延長,甚至會使車體偏滑,對行車之安全非常不利。ABS系統的三大目的為:減少制動距離、改善穩定性、以及在制動過程中提高車輛操縱性。當緊急煞車使車輪發生鎖死的瞬間,ABS系統利用液壓控制閥或油壓幫浦,將煞車釋放,在車輪恢復轉動之後,馬上再施以煞車力量, 以使輪胎與地面的摩擦力始終為靜摩擦力,如此一來可使轉動中的前輪便會緊抓著地面不至打滑。
自行車的重量比汽機車來得更輕,輪胎也較窄,因而抓地力也較低。當自行車於高速行駛時,瞬間煞車會使輪子鎖死,因而造成意外。目前亦有類似ABS系統應用於自行車的實例,其以機械結構居多,並無結合電力供給裝置,嚴格來說應該被稱為頻率點放煞車裝置,有功能較佳者,可依照車體時速加速其點放頻率。
有鑑於上述習知技藝之問題,本創作之目的就是在於提供一種用於自行車的防鎖死煞車系統及其防鎖死方法,以解決習知自行車無電子化控制其輪胎的制動性能與安全性不足之缺失。
為達前述目的,本創作提供一種自行車防鎖死煞車系統,其可包含:加速度感測器,係設置於自行車之車體上,其感測該自行車煞車時的加速度變化,以產生加速度感測訊號;防鎖死煞車模組,係設置於該自行車之前輪、後輪或其組合,該防鎖死煞車模組包含一正常煞車模式及一防鎖死煞車模式,該防鎖死煞車模式係為間歇性使該自行車煞車;以及控制模組,係分別連接該加速度感測器及該防鎖死煞車模組,其接收來自該加速度感測器之該加速度感測訊號,該控制模組利用自我組織映射圖像網路(Self-organizing map,SOM)分類器分析該加速度感測訊號,並產生一控制訊號以控制該防鎖死煞車模組進行該防鎖死煞車模式。
承上述,進一步可包含雜訊濾除器,係連接於該加速度感測器及該控制模組之間,其利用離散小波轉換(Discrete Wavelet Transfrom,DWT)濾除來自該加速度感測器的雜訊。
承上述,進一步可包含供電單元,其設置於該自行車,分別電性連接該加速度感測器、該防鎖死煞車模組、該控制模組、該雜訊濾除器。
較佳地,該供電單元可為腳踏發電或電池。
較佳地,該加速度感測訊號、該控制訊號可透過無線方式傳輸及接收。
為達前述目的,本創作另提供一種自行車防煞車鎖死的方法,其包含:利用加速度感測器感測自行車煞車時的加速度變化,以產生加速度感測訊號;藉由控制模組接收來自該加速度感測器之該加速度感測訊號;透過該控制模組利用自我組織映射圖像網路(SOM)分析該加速度感測訊號;以及根據該加速度感測訊號,該控制模組產生控制訊號以控制一防鎖死煞車模組以防鎖死煞車模式進行煞車。
承上述,進一步可包含:傳送該加速度感測訊號至雜訊濾除器,利用離散小波轉(DWT)換濾除雜訊;以及透過該控制模組接收來自該雜訊濾除器經濾除雜訊後的該加速度感測訊號。
承上所述,依據本創作之自行車防鎖死煞車系統,其可具有一或多個下述優點:
(1)本創作之自行車防鎖死煞車系統,其可於煞車時,自動估算車體打滑情形,達成防鎖死煞車控制。
(2)本創作之自行車防鎖死煞車系統及其方法,藉由整合數種演算法,可於瞬間短時間內完成指令,控制煞車系統的煞車模式,使煞車時能保有一定程度的操控力,大幅提高安全性,減低事故發生。
501‧‧‧模糊化
502‧‧‧模糊推論引擎
503‧‧‧解模糊化
504‧‧‧路面參數規則庫
701、907‧‧‧制動機構
702‧‧‧夾具
703‧‧‧手把
800‧‧‧自行車
801、905‧‧‧防鎖死煞車模組
802‧‧‧感測器群
803‧‧‧控制訊號
804‧‧‧加速度感測訊號
805‧‧‧煞車訊號
810‧‧‧防鎖死煞車系統
811、901‧‧‧控制模組
812、902‧‧‧路面狀態SOM分類器
813、903‧‧‧雜訊濾除器
904‧‧‧加速度感測器
906‧‧‧供電單元
第1圖係為滑動率與煞車力道示意圖。
第2圖係為自我組織映射圖像網路示意圖。
第3圖係為上提式Lifting 5/3離散小波轉換運算流程圖。
第4圖係為ABS系統控制流程範例圖。
第5圖係為本創作利用模糊理論架構之車輪轉速控制模糊規則示意圖。
第6圖係為本創作利用模糊輸入與輸出歸屬函數示意圖。
第7圖係為本創作之實施例之防鎖死煞車裝置示意圖。
第8圖係為本創作之實施例之自行車防鎖死煞車系統的架構流程圖。
第9圖係為本創作之自行車防鎖死煞車系統之實際應用之示意圖。
以下將參照相關圖式,說明依本創作之自行車防鎖死煞車系統之實施例,為使便於理解,下述實施例中之相同元件係以相同之符號標示來說明。
本文所提及「防鎖死煞車系統」或「ABS系統」係指目前所屬領域所習知的防鎖死煞車系統。其因需要電子自動化對輪胎制動,因而目前僅能有效應用於汽機車等機動車輛。自行車安全議題因電力供應問題長久以來無法在電子電機控制類研究領域被廣泛討論,僅在機械研究被提及。目前因電助力自行車發展蓬勃,此防鎖死煞車系統應用於自行車的電子化解決方案露出曙光,因而受到重視。相較於汽機車而言,自行車的ABS系統更能展現其對於人身安全的重要性。具有ABS系統的自行車,可於煞車時降低意外發生。常見有下列三種情形: (1)直線煞車:一般的煞車系統從高速行駛煞車至車輛靜止,過程中可能因輪胎鎖死,只剩下單一點與地面接觸,無法提供足夠的摩擦力,導致輪胎打滑、失控、煞車距離變長。當緊急煞車時,騎乘者因緊張僅能拉緊煞車,無法立即以兩手適當控制煞車平均的減速,造成更長的煞車距離,形成追撞意外。此外,緊急煞車時,原本車體移動慣性平衡破壞,隨時可能騎乘者慌張或重心不穩造成摔車意外。而自行車ABS系統的用意在於提供緊急煞車時適時放開夾具,讓輪胎有更多面積與地面磨擦提供更多滾動摩擦力,不僅可以減少煞車距離,輪胎也能夠緩慢轉動前進,而非滑動前進,維持前進的移動慣性平衡; (2)轉彎與障礙物閃躲:騎乘時常需要靠煞車減慢自行車的速度以便安全地轉彎或避開障礙物,但遇到緊急情況時,即使車速不快,但因輪胎瞬間鎖死情況也會發生打滑意外。若安裝ABS系統之自行車,其煞車時能夠保有一定程度的操控力,讓駕駛者還能夠控制車子行進的方向,可降低引轉彎煞車滑出車道,或閃避失控的重大交通意外; (3)煞車前翻:因為自行車的重量輕,如遇突發狀況煞車時,前輪如同支點,此時容易發生前翻意外。當騎乘者使用前輪煞車時,車體重心向前移,當前輪煞車的反作用力大於行進的慣性力導致前輪鎖死,阻止前輪滑行時,後輪離開地面失去制動與摩擦力,則此時產生逆時針的力矩將後輪順圓周方向翻起造成車體翻覆。而ABS系統在此狀況的功能係為,當緊急煞車時ABS系統可控制適當放開前輪煞車,避免前輪鎖死成為支點,並將大部分煞車制動動作給予後輪執行。
然而,上述自行車ABS系統之控制制動技術以機械結構居多,基於此,本創作開發出適用於自行車的演算法及更動自行車煞車夾具的設計,在不使用油液控制閥原理的情況下,完成自行車防鎖死煞車系統。
根據上述目的,本創作提供一種自行車防鎖死煞車系統,其包含:加速度感測器,係設置於自行車之車體上,其感測該自行車煞車時的加速度變化,以產生加速度感測訊號,較佳地,加速度感測器為三軸加速度感測器;防鎖死煞車模組,較佳地為ABS系統煞車模組,係設置於該自行車之前輪、後輪或其組合,該防鎖死煞車模組分別具有正常煞車模式及防鎖死煞車模式,該防鎖死煞車模式係為間歇性使該自行車煞車;控制模組,係分別連接該加速度感測器及該防鎖死煞車模組,其接收來自該加速度感測器之該加速度感測訊號,該控制模組利用自我組織映射圖像網路(Self-organizing map,SOM)分析該加速度感測訊號,並產生一控制訊號以控制該防鎖死煞車模組進行該防鎖死煞車模式(間歇式煞車),較佳地,控制模組可為模糊控制器;以及雜訊濾除器,係連接於該加速度感測器及該控制模組之間,其利用離散小波轉換(Discrete Wavelet Transfrom,DWT)濾除來自該加速度感測器的雜訊。
自行車於騎乘期間,車輪與道路之間的制動力係數(附著力或摩擦力)決定煞車傳送制動力的效能,而該效能又取決於輪胎和路面之間的煞車滑移因素,例如:路面和輪胎的狀況、車輪、負重、車輛的速度、溫度、輪胎滑移角與控制的的轉向力等。車體和路面之間有打滑現象則稱為滑動率S(slip ratio),滑動率是由車輛速度V和車輪速度W計算而成,其公式如下:
當滑動率是0%時,摩擦力為∞,車速與輪速相同,是理想前進狀況。滑動率於100%時,摩擦力為0,即使車輪完全鎖死,車子仍繼續往前滑行。從第1圖之滑動率與煞車力道示意圖中可看出,有三種區間,分別為:區間(A):此區域可獲得最大轉向力,煞車系統可施加最大力道至車體停止為止;區間(B):滑動率在10%~30%時,是煞車制動力最大的區域,也是ABS煞車的控制目標就是希望將滑動率控制在此範圍,此時煞車系統為保持(Hold)狀態;區間(C):滑動率超過30%以上,輪胎與路面已經無法提供良好的摩擦力造成車體滑動,此時應放開煞車,讓輪胎再次轉動以各個角度與地面摩擦換取最大制動力,將滑動率降低;上述欲解決之問題容易理解,但實際存在兩個需突破之技術困難,第一在於車體速度的計算都是由車輪轉速得知,當車輪鎖死時則感應之車速趨近於零,轉換之車速必定有所偏差,換算之打滑率也無法正確。第二則為,即使估算的車速正確,但後續估測所在路面的參數若是錯誤,導致施加的控制方式未能最佳 化,則造成煞車效能不佳、反而有煞車距離變長、容易失控等問題,如此一來就失去安裝ABS系統的意義。以市售汽車而言,除高級車種安裝感測器量測外,一般經濟車種其車速及路面參數都是以估測方式取得。為解決此問題,本創作則進一步以加速度感測器偵測煞車時所產生的反作用力,以此資訊作為更精確之車體移動的估測。由於ABS系統的反應必須要非常快速,煞車精度的控制也僅需要判定是否真的有打滑的現象,因此所採用的演算法在執行時著重於運算的速度。因此,本創作使用自我組織映射圖像網路(Self-organizing map,SOM)分析三軸加速度感測器的加速度感測訊號,將此些訊號歸類,接著再以反作用力重力值、輪胎轉速估測路面的參數與車速。
自我組織映射圖像網路(SOM)是類神經(artificial neural networks)非監督式學習(Unsupervised learning)網路的一種,其基本原理是模仿人腦中具有相似功能的腦細胞會聚集在一起的特性,所發展出來的類神經網路。參考第2圖,其係為自我組織映射圖像網路示意圖。在類神經網路的學習資料中,一旦有群聚分類的規則,則適用於自我組織映射圖網路(以下簡稱SOM)。在SOM中,輸出層(Output Layer)的神經元是以矩陣方式排列於一維或二維的空間中,每一個神經元皆與其它的神經元相連結形成有意義的拓樸(Topological)結構,此一便是所謂的特徵映射圖(Feature Map)。接著,特徵映射圖根據目前的輸入向量彼此競爭以爭取得到調整鏈結值向量的機會。SOM的架構可相當精簡,如第2圖僅有一層輸入層(Input Layer)與一層輸出層(也稱作Kohonen layer)。實際操作時,假設有一輸入向量x(感測值)與輸出層向量k(滑動量)如下所示: 其中n是輸入資料的數量,N為輸出層欄與列的數量。本創作規劃輸入資料為煞車時加速度感測器回傳的反作用力數值。因此,與輸出層中k ij 神經元連結之權重向量可被表示為: 其中ij分別為輸出神經元k欄與列之索引值。
當本架構開始學習時,完全連結至輸出層k的輸入向量x其連結權重向量以隨機亂數指定。假定對於一個x最合適(Best-matching)的輸出神經元可表示b(x),其可用最最短的歐基里得距離(Euclidean Distance)計算方式得知,b(x)可表示如下: 一旦一個最合適的神經元找到後,勝利(winner)神經元及其拓樸結構鄰邊神經元對應的權重值也會被一併調整,其調整的公式可表示如下:
其中t k 表示目前疊代索引值,0<η k (t k )1為學習速率,此數值會隨著學習時間逐漸遞減。hb(x)(t k )為以b(x)為中心之鄰近神經元計算公式,σ(t k )是使用這設定之鄰邊範圍寬度的參數,此參數一樣會隨著學習時間逐漸遞減。
重複步驟(4)、(5)與(6)直到學習流程結束,結束條件可以設定固定訓練次數或是當學習結果收斂時結束。以各種不同路面、時速、坡度等訓練資料輸入至SOM,例如:水泥、柏油、硬碎石路、鬆動沙地、結冰地等,附加乾或濕、平地、上下坡等參數類別。完成訓練後,SOM之輸出層權重值可用於特徵分群使用。訓練步驟雖然繁複,但當學習完成後,實際使用時並不需要再 次學習,而且系統判定時間非常快。
另外,當自行車煞車時,加速度感測器晶片可量測一反作用力重力訊號,藉由此訊號來達成車體速度的估測。然而,加速度計會受到路面產生的震動造成誤判。為了分離碰撞訊號及行駛雜訊,本創作使用離散小波轉換(Discrete Wavelet Transform,DWT)設計適當的雜訊濾除器來過濾雜訊。DWT提供富有彈性的時域與頻域的解析度,經由其運算後訊號可被分為低頻部分(近似值)與高頻部分(細部值)。DWT具有運算簡單的效能特性,面對低運算效能運算平台,仍然可以在合理的時間內完成動作。有鑑於此,本創作採用離散型小波轉換中的上提式的方法做為縮減資料及路面顛簸雜訊濾除的工具。Lifting5/3運算效能是DWT中最好的一種,運算複雜度極低,其運算步驟如第3圖所示,可大致分為兩個步驟:
分離步驟(Splitting Step):在此步驟中,假設具有m筆資料之向量變數d(例如:輸入之扭力),可被切分為兩個部分:機數點d 2i+1以及偶數點d 2i ,並分別以以及表示,運算方式如下:
上提步驟(Lifting Step):此步驟科分離出高頻成分以及低頻成分,表示如下: 利用上述簡單的兩個步驟,經過二次的小波轉換後稱為二階小波轉換。低頻的部分會僅剩下原來資料量的四分之一大小,更重要的是特徵並無明顯的減少,能夠有效的減少往後的複雜演算法運算時間,同時期高頻的部分也被分離保留下來,可作為後續訊號分析之用。
總結而言,當自行車於騎乘時突然煞車,則加速度感測器測得回傳之資料(加速度、重力值等)經由雜訊濾除器透過DWT濾除雜訊後輸入至控制模組,連同感測的車輪轉速,利用SOM分類器,可立即區分分類路面類型,並查表得知其對應之滑動及滾動係數,以此特性曲線可作為後續煞車致動元件反應的行為依據。
接著,經由雜訊濾除器透過DWT濾除雜訊及利用SOM分類器分析路面類型騎乘狀況,精確估測路面參數及車速後,依據這兩組參數對煞車夾具施予正確力道與作動時間,是ABS系統最重要的流程。請參閱第4圖,係為ABS系統控制範例流程圖。可看到圖中下半部為煞車制動力道,數值越高則輪胎轉速越低。上半部的兩線條分別為真實輪胎速度及估測之車體速度,理想的安全情況為兩者都相同地快速下降至期望的速度,然而車體打滑的現象會讓兩者有差異。ABS系統即是在當真實輪胎速度與估測車體速度兩者差異過大時讓煞車制動器放開,使輪速與車速兩線貼合,且在尚未達到期望速度時繼續加大煞車制動力降低車速。只要反覆執行上述動作,當反應速度低於0.2秒時,快速的制動/放開煞車兩個動作就是所屬領域具有通常知識者熟知的ABS系統間歇式煞車模式(點煞)的運作原理。
由於路況、車體配重、胎壓、煞車皮狀態、手握力等因素的影響,兩輪真實的煞車力道都存在著誤差。實際應用上,即使這些誤差數值不明確時,系統仍必須當下做出判斷。傳統控制方法只可以固定公式求解,面對參數變動時其適應性就有待商榷。因此本創作利用模糊演算法完成兩輪的ABS系統煞車控制,達成在車體打滑輪速不同的情況下仍可利用前後煞車各自控制至將車速穩定。
模糊理論(Fuzzy Logic Theory)是由Zadeh教授在1965年提出,其基本架構包含:模糊推論引擎、模糊規則庫、模糊歸屬函數。模糊邏輯理論 是種能夠提供容錯的方法,將不準確的距離以0與1之間的數值來表示模糊概念的程度,稱為「歸屬函數」(membership function),並將距離評估數值化,使得複雜的系統輸出結果更能符合自行車煞車的模式。由於模糊理論的容錯性高,本創作以模糊理論建立兩輪同速煞車控制的核心運算技術,如表1及第5圖所示,第5圖係為本創作利用模糊理論架構之車輪轉速控制模糊規則示意圖。說明如下:若D i VLVLD i LLD i MMD i SSD i VSVS其中,模糊化501為三角歸屬函數(Triangular Membership Function);模糊推論引擎502為(Mamdani max-min)模糊推論引擎;解模糊化503為高度法(Height Method)。模糊理論的核心,是具有模擬人類做決策判斷的能力。因此在模糊歸屬函數所使用的名稱說明如下,VS表示「非常小」,S表示「小」,M表示「中等」,L表示「大」,VL表示「非常大」。由於自行車可及速度範圍不廣,因此本創作使用五條路面參數規則庫504達成推論,使用者可透過歸屬值的大小調整以符合實際的應用環境。假設前述之輪胎速度與車體估測速度為D i (兩輪各一個參數),預期控制後的煞車後力道為。而需建立一模糊規則庫,其為模糊系統設計的重點之一,其中由語言的方式所形成的IF-THEN規則在模糊系統中是用來建立系統輸入輸出的關係(第5圖)。
車體估測速度D i 為系統的輸入參數。輸入參數由模糊化流程將距離轉換為0與1之間的數值,其模糊輸入歸屬函數如第6圖,係為模糊輸入與輸出歸屬函數示意圖。
在模糊輸出歸屬函數中,其中w為權值。目標控制煞車後力道,皆經由模糊系統計算,可得到權值w,計算公式如下: 其中j為車輪的索引編號(自行車為兩輪),N為規則的數量,w i 表示第i個規則的模糊輸出權重值。當駕駛者緊急煞車,此時瞬間輪胎輪速為0,而自行車ABS系統啟動時,經由SOM運算後受控之制動機構(例如:機械式制動器、電磁制動器及流體制動器、馬達機構等),將會以夾具讓車輪減速,過程中以模糊控制器加強調整,使打滑的可能性降低。
最後,考量騎乘者其他的騎乘情形,當緊急時單手壓住煞車桿可能會發生後輪鎖死打滑、前輪鎖死翻車以及雙手緊急煞車可能發生握力不平均前後兩輪速度不相同而導致摔車。本創作開發前後輪同時煞車的防鎖死煞車模組。此模組設置於前輪、後輪或兩者組合,較佳地,此模組設置於前後兩輪,並同時連接左右手握把以及前後輪夾具,如此只要單手就可以同時控制兩組夾具。
經由前述之SOM與模糊控制器運算後,設計特定之控制閥系統來連結一制動機構,控制控制閥的轉速來達成手把緊握時還能鬆開煞車制動器的目的。其中,制動機構可為機械式制動器、電磁制動器及流體制動器、馬達機 構等,較佳者為馬達機構。請參閱第7圖,其係為本創作之實施例之防鎖死煞車裝置示意圖,其第7圖(A)部分表示正常行駛時,手把703未被按煞車的情形;第7圖(B)部分係為正常煞車模式時夾具702夾緊輪胎的示意圖;第7圖(C)部分係為當制動機構701轉至特定位置,即使手握煞車,而夾具依然會鬆開。本創作的防鎖死煞車系統是利用此方式,當速度快而制動機構快速作動時,即使手按煞車,夾具也會快速夾緊鬆開,形成點煞,而制動機構的轉速依據則是前述的SOM與模糊系統所推論的輸出。
本創作提供一種自行車煞車防鎖死的實施方式,並請參閱第8圖及第9圖。第8圖為本創作之實施例自行車防鎖死煞車系統的架構流程圖;第9圖係為本創作自行車防鎖死煞車系統之實施應用之示意圖。
在本創作的實施例中,如顯示於第8圖,自行車800於騎乘過程中,一旦煞車產生煞車動作,且同時車輪轉速為0時(不轉動,係為滑動),其設置於自行車上的感測器群802(例如加速度感測器)分別測得加速度感測訊號804及煞車訊號805。加速度感測訊號804及煞車訊號805被傳送至雜訊濾除器813,其利用DWT濾除加速度感測訊號804之雜訊,並將其經濾除之訊號傳送至路面狀態SOM分類器812,其利用SOM演算法可得到精確估測的路面參數及車速。所得參數傳輸至控制模組811,其利用模糊邏輯理論進而傳遞控制訊號803至防鎖死煞車模組801,使其連接之制動機構快速作動而切換煞車夾具夾緊放鬆,達成間歇式煞車模式。須注意的是,本創作之實施例所提供的防鎖死煞車系統,其也可利用無線方式傳輸及接收訊號,例如,藍牙傳輸系統。
在此實施例中,本創作所提供之自行車防鎖死煞車系統可進一步實際應用,如第9圖所示,其自行車體上可安裝控制模組901,較佳地可為微控 制器製成,例如進階指令集機器(Advanced RISC Machine,ARM);路面狀態SOM分類器902,用以精確估測的路面參數及車速;雜訊濾除器903,其用以濾除所接收的感測訊號之雜訊;加速度感測器904,較佳地可為陀螺儀;防鎖死煞車模組905,較佳者為ABS煞車模組並透過制動機構907以進行防鎖死煞車模式,其中制動機構可為機械式制動器、電磁制動器及流體制動器、馬達機構等,較佳者為馬達機構;供電單元906,如腳踏發電裝置或電池。
綜上所述,本創作之自行車防鎖死煞車電系統,藉由整合數種演算法,可於瞬間短時間內完成指令,控制煞車系統的煞車模式,使煞車時能保有一定程度的操控力,大幅提高安全性,減低事故發生。本創作可解決習知自行車於行進間緊急煞車造成輪胎鎖死之諸多安全上之缺失。
以上所述僅為舉例性,而非為限制性者。任何未脫離本創作之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
801‧‧‧防鎖死煞車模組
802‧‧‧感測器群
803‧‧‧控制訊號
804‧‧‧加速度感測訊號
805‧‧‧煞車訊號
810‧‧‧防鎖死煞車系統
811‧‧‧控制模組
812‧‧‧路面狀態SOM分類器
813‧‧‧雜訊濾除器

Claims (5)

  1. 一種自行車防鎖死煞車系統,其包含:一加速度感測器,係設置於一自行車之車體上,其感測該自行車煞車時的加速度變化,以產生一加速度感測訊號;一防鎖死煞車模組,係設置於該自行車之前輪、後輪或其組合,該防鎖死煞車模組包含一正常煞車模式及一防鎖死煞車模式,該防鎖死煞車模式係為間歇性使該自行車煞車;以及一控制模組,係分別連接該加速度感測器及該防鎖死煞車模組,其接收來自該加速度感測器之該加速度感測訊號,該控制模組利用一自我組織映射圖像網路(Self-organizing map,SOM)分析該加速度感測訊號,並產生一控制訊號以控制該防鎖死煞車模組進行該防鎖死煞車模式。
  2. 如申請專利範圍第1項所述之系統,進一步包含一雜訊濾除器,係連接於該加速度感測器及該控制模組之間,其利用一離散小波轉換(Discrete Wavelet Transfrom,DWT)濾除來自該加速度感測器的雜訊。
  3. 如申請專利範圍第2項所述之系統,進一步可包含一供電單元,其設置於該自行車,分別電性連接該加速度感測器、該防鎖死煞車模組、該控制模組、該雜訊濾除器。
  4. 如申請專利範圍第3項所述之系統,其中該供電單元係為腳踏發電或電池。
  5. 如申請專利範圍第4項所述之系統,其中該加速度感測訊號、該控制訊號、係透過無線方式傳輸及接收。
TW104210912U 2015-07-07 2015-07-07 自行車防鎖死煞車系統 TWM515505U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW104210912U TWM515505U (zh) 2015-07-07 2015-07-07 自行車防鎖死煞車系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104210912U TWM515505U (zh) 2015-07-07 2015-07-07 自行車防鎖死煞車系統

Publications (1)

Publication Number Publication Date
TWM515505U true TWM515505U (zh) 2016-01-11

Family

ID=55639495

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104210912U TWM515505U (zh) 2015-07-07 2015-07-07 自行車防鎖死煞車系統

Country Status (1)

Country Link
TW (1) TWM515505U (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI624397B (zh) * 2017-01-23 2018-05-21 巨大機械工業股份有限公司 Bicycle display device that changes display interface according to riding state
TWI630128B (zh) * 2017-06-06 2018-07-21 樹德科技大學 可自動調整之避震裝置及其方法
TWI656987B (zh) * 2018-05-02 2019-04-21 樹德科技大學 自行車自動阻尼調整方法及裝置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI624397B (zh) * 2017-01-23 2018-05-21 巨大機械工業股份有限公司 Bicycle display device that changes display interface according to riding state
TWI630128B (zh) * 2017-06-06 2018-07-21 樹德科技大學 可自動調整之避震裝置及其方法
TWI656987B (zh) * 2018-05-02 2019-04-21 樹德科技大學 自行車自動阻尼調整方法及裝置

Similar Documents

Publication Publication Date Title
Li et al. Comprehensive tire–road friction coefficient estimation based on signal fusion method under complex maneuvering operations
US11186286B2 (en) Method for estimating road surface friction coefficient of tire and device for estimating road surface friction coefficient of tire in high speed normal driving state
Singh et al. An intelligent tire based tire-road friction estimation technique and adaptive wheel slip controller for antilock brake system
CN109552289B (zh) 一种汽车自适应辅助制动系统及其控制方法
US6597980B2 (en) Road friction coefficients estimating apparatus for vehicle
JP4331881B2 (ja) 路面状態推定装置
TWM515505U (zh) 自行車防鎖死煞車系統
Unguritu et al. Design and assessment of an anti-lock braking system controller
CN106114287B (zh) 一种电动汽车防滑控制系统及控制方法
TWI541163B (zh) Bicycle anti - lock braking system and method thereof
Wu et al. An intelligent wheelchair anti-lock braking system design with friction coefficient estimation
Chiang et al. Slip-based regenerative ABS control for in-wheel-motor drive EV
CN109910865B (zh) 一种基于物联网的车辆预警刹车方法
Le Solliec et al. Regenerative braking optimization and wheel slip control for a vehicle with in-wheel motors
John et al. A comparative study of two control schemes for anti-lock braking systems
Baumann et al. A two-wheel driven power train for improved safety and efficiency in electric motorbikes
CN114683871B (zh) 滑动转向电驱动无人车驱动防滑控制方法
Hsiao et al. Iterative estimation of the tire-road friction coefficient and tire stiffness of each driving wheel
Verghese et al. Fuzzy logic based integrated control of anti-lock brake system and collision avoidance system using can for electric vehicles
Vodovozov et al. Fuzzy Gradient Control of Electric Vehicles at Blended Braking with Volatile Driving Conditions.
Park et al. Anti-lock brake system control for buses based on fuzzy logic and a sliding-mode observer
KR101541222B1 (ko) 노면마찰계수 측정방법
Han et al. Inverse analysis of pre-and post-impact dynamics for vehicle accident reconstruction
Arat et al. Identification of road surface friction for vehicle safety systems
Erdogan et al. Development of a new lateral stability control system enhanced with accelerometer based tire sensors