Fügen Sie Ihrem Fahrrad eine intelligente ML-gesteuerte Federungsabstimmung hinzu
Einige moderne Autos, Lastwagen und SUVs sind mit intelligenten aktiven Federungssystemen ausgestattet, die sich an unterschiedliche Geländebedingungen anpassen können. Sie passen sich in Echtzeit an, um die Sicherheit oder Leistung aufrechtzuerhalten. Aber sie kommen in der Regel nur bei High-End-Fahrzeugen zum Einsatz, weil sie teuer und kompliziert sind und das Gewicht erhöhen. Deshalb ist es so beeindruckend, dass Jallson Suryo sein Fahrrad mit einem ähnlich intelligenten Federungs-Tuning-System ausstatten konnte.
Dieses System funktioniert nur bei bestimmten Fahrrädern mit Federgabeln, die der Benutzer mit einem Knopf einstellen kann. Ein servogesteuerter Mechanismus wird an der Gabel montiert und dreht den Knopf, um die Festigkeit und den Rückprall der Vorderradaufhängung einzustellen. Normalerweise würde der Fahrer anhalten und diesen Knopf bei Bedarf von Hand drehen, aber dieses System kann diese Einstellung automatisch als Reaktion auf die aktuellen Bedingungen vornehmen. Es kann fünf verschiedene Bedingungen erkennen und sich daran anpassen: langsam, mittel, rau, glatt und sprintend.
Suryos Projekt ist besonders interessant, weil es Bedingungen mit einem maschinellen Lernmodell erkennt, das den eingebauten neunachsigen Trägheitssensor eines Arduino Nano 33 BLE Sense-Boards überwacht. Suryo musste keine expliziten Sensorablesungsklassifizierungen programmieren. Er trainierte das maschinelle Lernmodell, das mit Edge Impulse Studio erstellt wurde, mit realen Daten, die über die Arduino Science Journal-App gesammelt wurden. Es könnte zum Beispiel einen unebenen Pfad hinunterfahren und dem Modell mitteilen, dass die Messwerte des Trägheitssensors diesem Modus entsprechen.
Der Arduino wird von einer Lithiumbatterie über ein SparkFun-Ladegerät/Booster-Board mit Strom versorgt. Es führt das trainierte und bereitgestellte Edge Impulse ML-Modell aus. Wenn es Trägheitssensorwerte erkennt, die auf ein bestimmtes Gelände oder eine bestimmte Aktion hinweisen, dreht es das Servo, um den Aufhängungsknopf auf die ideale Einstellung einzustellen.
Einige moderne Autos, Lastwagen und SUVs sind mit intelligenten aktiven Federungssystemen ausgestattet, die sich an unterschiedliche Geländebedingungen anpassen können. Sie passen sich in Echtzeit an, um die Sicherheit oder Leistung aufrechtzuerhalten. Aber sie kommen in der Regel nur bei High-End-Fahrzeugen zum Einsatz, weil sie teuer und kompliziert sind und das Gewicht erhöhen. Deshalb ist es so beeindruckend, dass Jallson Suryo sein Fahrrad mit einem ähnlich intelligenten Federungs-Tuning-System ausstatten konnte.
Dieses System funktioniert nur bei bestimmten Fahrrädern mit Federgabeln, die der Benutzer mit einem Knopf einstellen kann. Ein servogesteuerter Mechanismus wird an der Gabel montiert und dreht den Knopf, um die Festigkeit und den Rückprall der Vorderradaufhängung einzustellen. Normalerweise würde der Fahrer anhalten und diesen Knopf bei Bedarf von Hand drehen, aber dieses System kann diese Einstellung automatisch als Reaktion auf die aktuellen Bedingungen vornehmen. Es kann fünf verschiedene Bedingungen erkennen und sich daran anpassen: langsam, mittel, rau, glatt und sprintend.
Suryos Projekt ist besonders interessant, weil es Bedingungen mit einem maschinellen Lernmodell erkennt, das den eingebauten neunachsigen Trägheitssensor eines Arduino Nano 33 BLE Sense-Boards überwacht. Suryo musste keine expliziten Sensorablesungsklassifizierungen programmieren. Er trainierte das maschinelle Lernmodell, das mit Edge Impulse Studio erstellt wurde, mit realen Daten, die über die Arduino Science Journal-App gesammelt wurden. Es könnte zum Beispiel einen unebenen Pfad hinunterfahren und dem Modell mitteilen, dass die Messwerte des Trägheitssensors diesem Modus entsprechen.
Der Arduino wird von einer Lithiumbatterie über ein SparkFun-Ladegerät/Booster-Board mit Strom versorgt. Es führt das trainierte und bereitgestellte Edge Impulse ML-Modell aus. Wenn es Trägheitssensorwerte erkennt, die auf ein bestimmtes Gelände oder eine bestimmte Aktion hinweisen, dreht es das Servo, um den Aufhängungsknopf auf die ideale Einstellung einzustellen.
What's Your Reaction?
