Estimation intelligente du couple d'appui sur les pédales et contrôle d'assistance adaptatif des vélos électriques intelligents // Intelligent Pedalling Torque Estimation and Adaptive Assistance Control in Smart E-Bikes

L'intégration d'intelligence artificielle dans le contrôle des vélos électriques est un enjeu majeur aujourd'hui.
Un nouvel encodeur de position simple et précis, basé sur une solution à deux aimants, a été développé sur le pédalier. Cette méthode permet des mesures très précises de la cadence et de l'accélération angulaire, améliorant ainsi la précision de l'estimation du couple du cycliste sans nécessiter de capteurs complexes ou coûteux. Elle repose sur un capteur magnétique excentrique triaxial doté de deux aimants excentriques placés symétriquement aux pôles opposés. Des publications récentes montrent que l'excentricité améliore la précision.
De plus, l'intégration de données physiologiques en temps réel (telles que la fréquence cardiaque et la pression artérielle) issues de montres connectées Bluetooth permet de mieux comprendre l'effort et le niveau de stress du cycliste. Cette couche d'entrée supplémentaire, associée à l'estimation du couple cycliste, permet un réglage adaptatif de l'assistance et même un changement de vitesse automatique sur la roue arrière, offrant une expérience de conduite entièrement réactive et personnalisée.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Adding artificial intelligence in ebikes control is a key challenge today.
A new simple and precise position encoder on the crank of a bike, based on a 2-magnet solution, has been developed. This method provides highly accurate cadence and angular acceleration measurements, improving the precision of rider torque estimation without requiring complex or costly sensors. It is based on an excentric 3-axis magnet sensor with two excentric magnet symetrically placed in opposite poles. Recent publications show that excentricity improves accuracy.
Furthermore, integrating real-time physiological data (such as heart rate and blood pressure) from Bluetooth-enabled smartwatches can enhance the understanding of rider effort and stress levels. This added layer of input coupled with torque estimation enables adaptive assistance tuning and even automatic gear shifting of the rear wheel gearbox, offering a fully responsive and personalized riding experience.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Public funding alone (i.e. government, region, European, international organization research grant)

Concours pour un contrat doctoral

Université Grenoble Alpes

220 EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal

automatique, systèmes embarqués
automation, embedded systems