该项目通过使用Edge脉冲软件开发了TinyML模型，该模型可以预测在减速器和坑洼中的制动技能。在刹车踏板和加速度计上添加了外部传感器，用于数据捕获。该模型将制动分为：

• 刹车良好
• 过度刹车
• 未完全刹车
• 平路驱动

体系结构：

该分析器包括：

• 车辆数据模拟
• 边缘脉冲模型训练
• 类别

构建步骤：

步骤一、车辆数据模拟

该项目不是从车辆CAN总线中读取车辆数据，而是制作一个独立的模块，该模块可以安装在任何四个轮车中，并且可以实时捕获数据。

• 刹车踏板：将Flex sensor4.5“放在制动踏板下方。

• 刹车踏板值的计算：使用阈值法。在启动时，将踩下制动踏板7秒钟，然后放开7秒钟。并使用辅助控制器-Arduino Nano进行校准和计算制动踏板的踩踏值。

步骤二：电路的连接 ：

步骤三：

代码：将Arduino Nano的A4，A5连接到主控制器“ Arduino Nano 33 BLE Sense ”。制动踏板设备将在I2C中充当从设备，而主设备“ Arduino Nano 33 BLE Sense ”将请求并从从设备获取制动踏板踩下的数据。

//柔性传感器-制动踏板踩下值计算
#include <Wire.h>
//常数：
const int flexPin = A0; //引脚A0读取模拟输入

uint16_t FullbrakeUpperthreshold=0;
uint16_t FullbrakeLowerthreshold=0;
uint8_t brakepedalpressedVal=0;

float time_ms=0;

//变量：
int FlexSensorvalue; //保存模拟值
float avgFlexValue=0;

boolean CalibrateFlexBrakepedalvalue=1;

int Linearinterpolation( float x , float x0, float x1, float y0, float y1);

void setup(){
  
  Serial.begin(115200);       //开始串行通信
  // 启动I2C总线作为主机
  Wire.begin(1);                          //开始I2C通信，从机地址为1，位于引脚（A4，A5）
  Wire.onRequest(requestEvent);           //当主设备向从设备请求值时的函数调用

}

void loop(){
   
    
    if(CalibrateFlexBrakepedalvalue==1)
    {
          delay(5000);
       Serial.println("Press Full Brake pedal for 7 seconds");               //打印

    
    for(int i =0 ; i<50;i++)
    {
       FlexSensorvalue = analogRead(flexPin);         //读取并保存电位计的模拟值
       avgFlexValue=FlexSensorvalue+avgFlexValue;
       Serial.println(FlexSensorvalue);               //打印值
       delay(100);      
    }

    FullbrakeUpperthreshold=avgFlexValue/50;
    avgFlexValue=0;
    Serial.print("FullbrakeUpperthreshold  :  ");
    Serial.print("\t");
    Serial.println(FullbrakeUpperthreshold);
    
     Serial.println("Release Brake pedal for 7 seconds");               //打印
    delay(5000);

      for(int i =0 ; i<50;i++)
    {
       FlexSensorvalue = analogRead(flexPin);         //读取并保存电位计的模拟值
       avgFlexValue=FlexSensorvalue+avgFlexValue;
       Serial.println(FlexSensorvalue);               //打印值
       delay(100);      
    }
    FullbrakeLowerthreshold=avgFlexValue/50;
    avgFlexValue=0;
    Serial.print("FullbrakeLowerthreshold  :  ");
    Serial.print("\t");
    Serial.println(FullbrakeLowerthreshold);

    CalibrateFlexBrakepedalvalue=0;
    delay(10000);
    }
  
  delay(1);                          //小延迟
  
}

// 计算制动踏板值的线性插值公式
int Linearinterpolation( float x , float x0, float x1, float y0, float y1)
{

int y=0;

y= y0+(((x-x0)*(y1-y0))/(x1-x0));
return y;
  
}

void requestEvent()                                //当主想要从的值时调用此函数
{
  FlexSensorvalue = analogRead(flexPin);         //读取并保存模拟值
  // 达到阈值
  if(FlexSensorvalue<FullbrakeUpperthreshold)
  {
    FlexSensorvalue=FullbrakeUpperthreshold;
  }
  else if(FlexSensorvalue>FullbrakeLowerthreshold)
  {
    FlexSensorvalue=FullbrakeLowerthreshold;
  }  
 brakepedalpressedVal=Linearinterpolation(FlexSensorvalue,FullbrakeUpperthreshold,FullbrakeLowerthreshold,100,0);
  Serial.println(brakepedalpressedVal);               //打印值

  Wire.write(brakepedalpressedVal);                          // 将一个字节转换后的POT值发送到主节点
}

数据计算：

•  车辆Z轴加速度计数据：将Arduino Nano 33 ble感放置在汽车的仪表板上。Nano 33 ble感应器内置了加速度计，将该值用作车辆的Z轴数据。

• 车速模拟： 为了进行速度模拟，将按钮安装在齿轮的顶部，每当踩下制动踏板时，同时按下按钮，这将通过校准系数降低速度。该算法将如下图所示工作。

根据按按钮时的校准系数得出，从25kmph的速度将在4秒钟内降低到零。为了重置车速，在Nano 33 Ble的意义上添加了以下算法。

模型训练：

将Arduino Nano BLE 33 Sense连接到Edge Impulse（操作步骤）

转到命令提示符并在命令下方输入：$ edge-impulse-data-forwarder，然后选择Arduino连接的COM端口。连接后，可以提供边缘脉冲登录凭据并选择您的项目。该项目中收集了22分钟的不同制动模式数据。

刹车数据：

• 良好

• 过度：当按下减速器中的全制动时，它可能会使车辆停止或接近零。从下面的数据图中，可知当车速下降到零后，驱动器施加了全制动，以避免车辆从减速器后退。

• 未完全刹车

• 平路驱动：在正常平坦的道路上，车辆将保持恒定的速度，行驶将在平坦的表面上进行，无坑洼/速度断路器。

脉冲配置：

将过滤技术设置为“无”，因为在过滤过程中，全制动可能显示为零。

NN分类器设置

模拟结果：

根据模拟测试，该设备结果可达94.5%。

硬件：

1、硬件组件：

• Arduino Nano 33 BLE感测
• Arduino Nano R3
• 传感器
• 按钮开关
• 跳线
• 面包板

2、电路连接：

 制动踏板值-柔性传感器与Arduino Nano的电路连接

Arduino纳米33 BLE感和制动踏板单元之间的连接

组装：