一种使用智能手机自动记录自行车骑行状态的设计外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

一种使用智能手机自动记录自行车骑行状态的设计

Jeong-Jin Yeo1, Yoon-Ho Lim1, Mun-Ho Ryu2 and Yoon-Seok Yang2

1 Department of Healthcare Engineering, Chonbuk National University, 567 Baekje-daero, deokjin-gu, Jeonju-si, Jeollabuk-do 561-756, Republic of Korea

2 Division of Biomedical Engineering, Chonbuk National University, 567 Baekje-daero, deokjin-gu, Jeonju-si, Jeollabuk-do 561-756, Republic of Korea yeojjin85@gmail.com, luhfriend1@nate.com,

摘要

自行车与非机动车辆不同，它由人力驱动且骑行者充分暴露在周围环境中。智能手机由于它小巧的外形，可无缝接入移动网络和移动应用程序，成为自行车骑行数据记录的得力工具。然而，安全骑行是最重要的，骑行者在骑行自行车时不应该被智能手机分心。因此设计一个智能自行车骑行软件，可以自动的记录自行车骑行数据并可以发出警报通知是十分必要的。本研究的目的是通过使用智能手机内置的3轴加速度计开发一种自动识别自行车运动状态的技术。我们将开发的软件进行了40组数据此时，并获得超过95%的区间识别精度为80%的数据采集准确度。未来进一步的研究可以将相关硬件集成到自行车中，成为一台智能自行车，来提供更安全的骑行体验。

关键字：自行车骑行状态记录，加速度计，智能手机，安全骑行

一 简介

自行车以其安全友好，节能，健康的生活方式在大多数国家得到了人们越来越多的的关注。它的参与人数增长迅速，每年有1亿2000万辆自行车在全球销售，自行车不仅被用于通勤，还用于户外活动等。自行车与非机动车辆不同，它由人力驱动且骑行者充分暴露在周围环境中。智能手机由于它小巧的外形，可无缝接入移动网络和移动应用程序，成为自行车骑行数据记录的得力工具。因此，年轻一代越来越多的要求推出可以在智能手机上实时显示骑行状态的自行车记录软件。然而，安全骑行是最重要的，骑行者在骑行自行车时不应该被智能手机分心。此设计一个智能自行车骑行软件，可以自动的记录自行车骑行数据并可以发出警报通知是十分必要的。精确的测量和分析自行车运动将有助于我们开发这样的骑行数据记录技术。然而，目前还没有足够的研究，可以实现在各种行驶条件下的对自行车的运动状态进行准确测量。本研究的目的是利用智能手机内置的3轴加速度计开发一种可以准确测量和记录自行车运动状态的智能手机软件。我们将开发的软件进行了40组数据此时，并获得超过95%的区间识别精度为80%的数据采集准确度。

二 实验部分

将智能手机（三星shw-m110s，韩国制造）安装在接近底座的位置在车架上如图所示，这样可减小自行车自身震动对测量数据的影响。手机内置一个三轴加速度计（博世传感器bma023；灵敏度3.8毫克/ LSB，范围plusmn;2 g）和运行在谷歌的Android 2.3.3系统。本次设计的应用程序被编程通过监听传加速度感器的数据变化，并通过蓝牙传输传感器数据和时间到PC，它将接收到的数据保存为文件。

图1 使用与智能腕表相同方式安装智能手机的加速度测量。（a）安装在座椅柱上（左）、（b）加速度计轴（中心）和（c）在10°倾斜角（右）的斜坡上进行骑行试验。

图1展示了智能手机和其内置的加速度传感器。X和Y轴位于手机的平面上，Z轴从屏幕的正面向外指向。为了便于数据处理，他X和Y轴数据被重新排列为-Y和X。由于采样间隔不一定是固定间隔，它们被转换为10毫秒恒定的采样间隔与时间戳。为了收集各种骑行状态下的加速度数据集，安装了智能手机的自行车沿着骑行路线行驶如图1-c所示。它允许自行车体验各种模式的加速度检测出坡和上坡骑踩刹车力。共5男性实验者（平均年龄：27.1岁，平均身高：176厘米，平均体重：72.2kg）参加实验。在此之前的实验中，我们提供了每一个参与者的实验的目标和程序的解释，并获得签名许可。所有参与者都有足够的时间调整自己的实验斜率倾斜角为10°，然后开始测量。经过10秒的初始待机时间，自行车下坡，停下来，转身，原路返回爬坡，然后停止了10秒。所有参与者在此过程重复4次与自行车安装的智能手机。图2显示了从实验获得的三向加速度模式典型的情况。

图2 典型加速度波形（a）x轴左（b）y轴中心（z轴）右

利用加速度计Z轴向上读取的静态重力分量，当加速度计在静态位置时，可以将加速度计的3个分量结合起来，估计加速度计坐标轴的倾斜角度。然而，当自行车运动时，除了静态重力分量外，还存在动态加速度，在不使用附加惯性传感器陀螺的情况下，很难从复杂的加速度计读数中提取姿态信息。但我们发现，有一些特定模式的加速度数据，有助于估计其乘坐状态，即上坡或下坡骑，站立不动，强迫踩踏，突然刹车，而无需使用任何额外的惯性传感器。首先，当自行车静止不动时，除了重力G（1G）外，没有任何外力作用。因此，加速度分量的范数必须等于g（如式1所示）。如果自行车站立在水平面上，也就是说，不倾斜，式（1）采取一种特殊形式如式（2）和（3）。在静止的情况下，我们甚至可以估计从3个方向分量的测量加速度的组合的自行车的倾斜角度。

Ax 、 Ay 、 Az 分别是X、Y、Z轴的加速度大小。

其次，当自行车运动时，除了重力外，还有一些外力作用。这将产生式（4），然后几个特定的关系保持不同的姿势状态，使我们能够合理化的算法识别的状态。在水平面上运行的自行车的加速度投射到其方向上X或横向Y方向，这是在式（5）所示。式（5）与式（2）很相似，但有一个非零的加速度向前到Z轴显示在公式（6），这是由实验者的蹬踏力产生。通过结合式（5）和（6），水平面上的骑行产生式（7）。当自行车在上坡或下坡跑，它的三向加速度分量相关性更大。然而，一组分析结果可使人们有可能确定每个骑状态。图3说明了在下坡和上坡骑自行车时，重力和脚蹬力共同作用的方向。如图所示，向前加速由脚蹬产生，位于相反的方向向后加速度由重力Gz产生。其结果是，净向前加速度的大小是从他们的差异计算如式（8）。由式（4）和式（8）我们推导出式（9），假设在通常情况下，在下坡骑不大于Gz。这可以保证由图2-（c），其中信号的上半部分显示较低的平均值比下半部分和峰值负值对应于制动减速的目的。式（11）导致在关于自行车的加速度的总幅度。

上坡

下坡

图3 骑在自行车上的重力和踏板加速作用。（a）下坡（左）、（b）上坡（右）

a:由脚踏板产生的前进加速度

Gz：由重力产生的后退加速度

表2总结了这些不同加速状态下的加速度分量的特征模式。它清楚地表明，美国的几个主流自行车可以区分的基础上的三轴加速度测量而无需使用额外的惯性传感器，如陀螺仪甚至运行时，即当存在动态以及静态重力加速度。

表2 不同骑乘姿势下的特征加速度模式

三 结果及讨论

图4给出了一些示例结果从该算法的应用。图上的注释表明公认的骑行状态和结果叠加在Z轴（向前）加速数据，便于可视化。图4 （a）及（b）来自两个不同的参与者。

图4 （a）参与者（左）及（b）来自不同参与者的另一项结果（右）

用灰色圆标记的正峰对应于踏板加速度，这是简单地检测到的峰值检测技术与一些阈值。以黑圆圈标记的负峰表示强制制动后的加速度，可以通过类似的峰值检测方法被发现。应当注意的是，骑在路上有很多的噪声源，包括随机振动的路面和自行车车身框架，二次振荡弹簧悬架。这种噪声信号通常会导致识别结果中的错误。然而，我们发现，一些骑自行车的模式也扰乱了正确的分类骑状态。在上坡骑，例如，当踏板加速度相对较小，如式（11）。事实证明，Az大于标准值的式（10）在实践中给出了更准确的识别结果。一些下坡骑显示加速度模式，这是没有明显区别于那些获得在平坦的路面上。这不仅是由于嘈杂的信号，但也由于这样的事实，我们通常不适用强大的踏力下坡时骑。因此，额外的加速度a并不明显。在这种情况下，所有的加速度分量的总方差，这是在信号中的噪声波动的措施有助于更准确的识别。骑行在路面相比于静止通常会产生更多的振动。这些补充标准被添加到算法。使用智能手机的算法的可行性进行了验证。我们计算了每个骑的数据，这被定义为正确识别部分的比例，整个骑期间的间隔识别精度。的总骑用智能手机80%数据显示精度大于95%。

四 总结

我们开发了一个检测骑自行车的状态通过使用智能手机配备三轴加速度计自动识别原型系统。所开发的技术验证其可行性，得到的间隔识别精度大于95%的数据采集的准确度大于80%。该系统可以获得更长的时间比任何其他传统的电子自行车配件更详细的骑行信息。例如，它具有潜在的更准确的实时评估的自行车运动状态，包括斜坡相关的运动负荷，相比传统的速度计为基础的方法，其中只有移动的距离和速度可测量。正在进行的研究重点是通过移动网络共享的斜率相关的形成，通过使用智能手机。这将有助于其他骑自行车的人有一个先验的信息循环的经济使用功率的信息。在进一步的研究中，我们将开发一种技术，它可以评估的人的骑手的身体状况更安全的骑行体验。

致谢

本研究通过对韩国国家研究基金会的基础科学研究项目（NRF）由教育部资助，科学和技术（2012-008332）。

参考文献

1. Gatersleben, B., Appleton, K.M.: Contemplating cycling to work: Attitudes and perceptions in different stages of change. Transportation Research Part A. 41, 302--312 (2007)

2. Heinen, E., Maat, K., Wee, B.: The role of attitudes toward characteristics of bicycle commuting on the choice to cycle to work over various distances. Transportation Research Part D. 16, 102--109 (2011)

3. Landis, B.W., Vattikuti, V.R., Brannick, M.T.: Real-time human perceptions toward a bicycle level of Service. Transportation Research Record. 1578, 119--126 (1997)

4. Harkey, D.L., Reinfurt, D.W., Knuiman, M.: Development of the bicycle compatibility index. Transportation Research Record. 1636, 13--20 (1998)

5. Klobucar, M.S., Fricker, J.D.: Network evaluation tool to improve real and perceived bicycle safety. Transportation Research Record. 2031, 25--33 (2007)

6. Champoux, Y., Richard, S., Drouet, J.-M.: Bicycle structural dynamics. Sound and Vibration. 16--22 (2007)

7. Kavanagh, J.J., Menz, H.B.: Accelerometry: A technique for quantifying movement patterns during walking. Gait amp; Poature. 28, 1--15 (2008)

利用霍尔传感器进行位置测量

Jaromiacute;r Jeznyacute;1,*Miloslav Čurilla

VVU ZTS, a.s., Juzna trieda 95, Koscaron;ice, Slovak Republic

Mondi SCP a.s., Tatranskaacute; Cesta 3, Ruzomberok, Slovak Republic

Corresponding author: Jaromir.Jezny@ztsvvu.eu

Received October 03, 2013; Revised October 11, 2013; Accepted November 01, 2013

摘要

本文利用霍尔传感器进行位置测量。霍尔传感器的模拟输出电压值根据磁场的变化而改变。对永磁体的极性进行了静态特性测量，并以此作为磁阵列的来源。霍尔传感器可进行精度不高的位置测量工作。

关键词：霍尔效应，传感器，测量，位置

引用本文： Jaromiacute;r Jeznyacute;, and Miloslav Čurilla, “Position Measurement with Hall Effect Sensors.” American Journal of Mechanical Engineering 1, no.

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[140610]，资料为PDF文档或Word文档，PDF文档可免费转换为Word