回顾 2020 东京奥运会场地自行车短距离项目专用自行车，普利司通 × MathWorks 使用建模、仿真和数据驱动的分析手段加快开发，针对奥运竞速赛事不断改良设计。
奥运会场地自行车短距离项目专用的自行车仿佛一柄刀锋。此类自行车必须尽可能坚固、轻巧和高效，同时要遵循包含最低重量限制在内的各项国际标准。
运动员需要以每小时 70 公里以上的速度在周长 250 米的碗形木制赛道上骑行，可谓千分之一秒必争。
作为日本自行车国家队的摇篮，日本自行车联盟 (JCF) 意识到，即使只是对设计作出轻微修改，也可能为赛场发挥带来显著优势。
因此，他们找到了全球第一大轮胎和橡胶公司普利司通股份有限公司以及知名日本竞赛自行车公司普利司通自行车有限公司的专家。
普利司通 Anchor Sprint 自行车。（图片所有权：普利司通股份有限公司）
“两家公司强强联合，借助科学手段打造最优秀的自行车。”普利司通股份有限公司数字工程技术推广部高级技术主管内田和男这样说道。
普利司通基础技术部和普利司通自行车公司竞赛设备设计部联合组建了一支团队，与 JCF 签署了一项短距离竞速自行车开发协议。
要助力车手走向胜利乃至打破纪录，需要整合各方面的专业知识，涉及车轮、车架、车把等部件，以及整体的操控性能与响应能力。
与长距离比赛不同，短距离赛事要求自行车具备急加速的能力，还要有强大的踏板驱动力。
在这两方面，车架是关键所在。
在竞争趋于白热的自行车竞速领域，车架的刚度和重量都至关重要。弹性过强的车架会降低踏板效率。车架太重则会拖累车手，浪费宝贵的时间。
所有派出奥运参赛自行车队的国家和地区都在急切地寻找重量和刚度的理想平衡点。
不过，即使是符合国际自行车联盟 (UCI) 6.8 千克最低重量限制、刚度最高、质量最轻的自行车，也不一定能成为赢家。“骑感”非常重要。普利司通团队的目标就是去实现这样的理想组合。
团队与 MathWorks 的咨询服务团队和高级支持团队合作，利用基于模型的设计对自行车在馆内赛道上的运动进行仿真。
他们通过以数据驱动的精细分析更快地开发原型，优化了先进短距离竞速自行车的设计，为赢得全球精英赛事更添砝码。
竞速自行车行为建模
普利司通团队专注于短距离项目：个人竞速、团队竞速和凯林赛。凯林赛（keirin，日语：競輪）是一种场地自行车运动，发源于 20 世纪 40 年代末。在此项运动中，先由一辆称为“derny”的摩托车领骑几圈，在领骑过程中带着自行车手逐渐加速。然后摩托车离场，让运动员们在最后几圈决出胜负。
2000 年，凯林赛正式成为奥运会男子项目；2012 年有了女子项目。
与凯林赛类似，参加个人和团体竞速的运动员们通常会以超过 70 公里/小时的速度完成比赛。
顶级车手的速度能接近 80 公里/小时。标准赛道的最大倾斜角为 45 度，静冈县伊豆市的伊豆自行车馆就是这样配置的。
这里也正是姗姗来迟的 2020 年东京奥运会的场地自行车场馆。
“借助 MathWorks 的咨询和支持服务，我们避免了自行研发可能面临的许多困难。”—— 内田和男，普利司通股份有限公司
普利司通自行车运动学模型。（图片所有权：普利司通股份有限公司）
这支队伍必须对自行车在椭圆形斜坡赛道上飞驰的状态建模。尽管自行车馆是一个严格受控的环境，但工程师们依然发现自己进入了未知领域。
内田解释说：“没有任何现有的测量系统可以准确地捕捉车架-转向系统-车轮这一移动目标的三维行为。”
用于测量摩托车运动状态的商用系统太重、太大，不适合轻量的室内赛道自行车开发。另外，摩托车的“骑感”也与竞赛自行车大不相同。这一切都会导致设计结果出现偏差。
普利司通团队还介绍说，传统技术也存在一些限制。
运动捕捉技术只能在极其狭窄的范围内进行测量，同时还会涉及大量的实施准备工作。陀螺仪传感器则可能产生显著的积分误差。全球定位系统 (GPS) 信息可以有效纠正积分误差，但在室内赛道上难以正常工作。
所以，团队需要开发一种全新的运动测量系统，对赛道上自行车的行为精确建模。纠正自行车方向需要解释复杂的信号，包括真实加速度、离心加速度和重力，同时还要对这些信号进行明确分解和准确分类。
为此，团队选用了一种广为人知的状态估计算法：卡尔曼滤波器。
卡尔曼滤波器能够获取测量数据并过滤掉其中的噪声，从而准确估计系统状态。这种算法非常适合状态不断变化的实时系统，比如在坡度赛道上行驶的自行车。
为了使用卡尔曼滤波器估计自行车行为，普利司通团队必须首先获得不受干扰的信号数据。
内田注意到，用于俯仰、侧倾和横摆变化检测的小型惯性测量单元 (IMU) 传感器技术近年来有了显著进步。
得益于此，工程师们部署了重量仅 25 克的 IMU 传感器。也就是说，JCF 车手在自行车馆试骑原型车时，甚至不一定能感觉到车上安装了传感器。
赛道形状的模型。（图片所有权：普利司通股份有限公司）
团队还需要将赛道的形状纳入运动学模型的卡尔曼滤波器状态方程中。
团队成员使用激光雷达捕获了赛道曲面的形状，由此生成了赛道的三维点云。构建赛道形状的数学模型后，团队使用 MATLAB® 来确定模型参数。
团队使用 MATLAB 和 Simscape™ 对自行车运动进行仿真，同时测试系统级性能。团队也构建了竞速过程的运动学模型。
内田称，在行为测量系统准备就绪后，团队还比较了各种原型车和其他公司产品的性能。他们分析了自行车在关键竞赛场景中的赛道表现，然后根据这些信息调整了设计。这样的建模和仿真工作帮助团队迅速制定了设计计划，也避免了在不必要的原型开发周期上浪费时间。
内田说：“MathWorks 团队为我们提供的建模建议可谓一针见血。他们对于各项常用技术有着极为丰富的经验。因此，我们避免了自行研发可能面临的许多困难。”
内田称，过去进行原型设计时，团队需要根据车手的反馈反复微调设计。不过，在设计这款全新的短距离赛道自行车时，团队大胆地采用了基于模型的设计。迭代进行的系统级仿真大大加快了研发周期。
“通过卡尔曼滤波器，我们得以分析自行车行为，从而确定了关键骑行场景。”内田说道。然后，团队借助复合流体力学模型和有限元方法（一种量化物理现象的数学方法），迅速完成了自行车空气动力学和刚度设计方面的工作。
随后，JCF 运动员在室内赛道上对新系统进行了测试。内田解释道：“运动员会试骑安装了测量系统的自行车，然后把自行车在关键场景下的性能表现反馈给我。”
在最后阶段，团队还尝试了一些常见于汽车设计中的工具，将其巧妙应用于自行车研发。
例如，包括汽车和运输在内，各行各业的创作者都在使用 Epic Games 的虚幻引擎 (Unreal Engine®)，通过实时沉浸式可视化功能对仿真结果进行渲染。团队利用虚幻引擎仿真环境，将使用 Simulink® 设计的骑行算法可视化。
“逼真的仿真视频让团队以外的人也能真正理解团队所创造的技术。”—— 内田和男，普利司通股份有限公司
在 Simulink 中使用虚幻引擎对自行车进行三维仿真和可视化。
借助 Simulink 的虚幻引擎接口，这支团队以全新的方式展示了短距离竞速自行车研发成果。内田说：“逼真的视频让团队以外的人也能真正理解团队所创造的技术。”
他还补充说，最新的短距离竞速自行车设计与初始原型之间有着显著的不同。他说：“我们打造了重量更轻、空气动力学特性更佳但又有足够刚性的自行车。”
最终落地的成果十分惊艳。
2021 年 5 月，日本自行车运动员桥本英也参加了在香港举行的 TISSOT UCI 国家杯赛，赢得了男子全能赛的金牌，他的赛车采用了普利司通打造的车架。
8 月，梶原悠未在伊豆自行车馆赢得了场地自行车女子全能赛银牌，成为第一位赢得奥运场地自行车赛奖牌的日本女性。
现在，团队的短距离竞速自行车已经通过“大考”。内田说，他们计划将此次收获的全部研发心得投入全新公路自行车的生产研发。团队希望让普利司通自行车更上一层楼，使其成为可靠的、适应多种公路环境的全能型自行车。
内田说：“我们计划面向市场推出一款全能型自行车，以最高水平整合空气动力学、刚性和轻量化特性。”也就是说，采用先进建模和仿真技术、追求极致性能的自行车不再是竞赛专属，而将更为普及。无论是室内竞速、户外爬坡还是都市穿行，未来的车手都将获得非凡的骑行体验。
文章和图片均为MathWorks版权所有
最前沿的电子设计资讯
