随着骑行运动的普及,自行车已不再是一种单纯的交通工具,它更是一种休闲娱乐或运动健身的方式。自行车通过变速来适应骑行者的身体状态和骑行路况,可以达到科学骑行的目的。但是自行车变速系统复杂,操控需要技巧,而已有的电子变速是通过人工预先设置的变速模式改变档位,不能根据用户的骑行习惯进行最佳的变速。因此,研究如何获得适合用户的骑行变速模式,实现自行车自动变速势在必行。针对骑行档位复杂非线性的特点,本文选择人工神经网络进行骑行档位计算。基于此,本文研究并开发了基于神经网络的智能自行车自动变速系统及骑行云服务平台。首先,结合本文实际问题,建立自行车骑行档位控制模型。通过对常用神经网络结构和特点的分析比较,,选取BP网络进行档位控制建模。并通过比较和实验,对该控制模型的结构和关键参数进行了确定。针对其局限性提出引入遗传算法进行档位控制模型优化。其次,开展智能自行车自动变速系统设计。在自行车骑行档位控制模型的基础上,设计和构建了获取用户骑行档位、人体状态和骑行路况等数据的数据采集系统;将采集的数据作为档位控制模型的输入,根据用户的骑行习惯进行训练,计算适合该用户的骑行档位,通过变速系统实现自动变速的功能。其三,构建了一个功能较为完备的智能自行车骑行云服务平台。从用户管理模块、数据传输模块、数据库访问模块、档位控制模块四个方面完成了服务器层的开发;从用户界面和软件功能上完成了移动客户端的设计和开发。实现了数据传输、显示、分析、计算等功能,无需用户干预就能实现智能自行车自动变速。最后,针对具体的骑行实例,分别采用传统BP神经网络档位控制模型和优化后的BP神经网络档位控制模型进行档位计算,对计算结果进行分析、比较,实验结果验证了优化后的BP神经网络档位控制模型的有效性和优越性。并利用腾讯WeTest平台、科大讯飞iTest平台对骑行云服务平台的服务器和移动客户终端进行了性能测试,实验结果验证了骑行云服务平台的可靠性和稳定性。基于神经网络的智能自行车将心率结合车速、踏频、坡度来控制自行车自动变速,通过移动客户端为用户提供骑行信息服务,实时监测和反馈用户生理状态,提供更加科学的骑行体验。本文通过互联网+自行车的模式,有望为传统自行车行业带来新的发展机遇。