BOGEER博格尔YT-813码表使用说明书 (我的是YT-823)
- BOGEER博格尔YT-813码表使用说明书.doc
源:http://w.gdu.me/wiki/Bike/BOGEER-YT-813.html
参数设置
- 首先要测量出车轮的周长,测出车轮周长后按住码表●键2秒即可进入参数设置模式,在设置模式中:
- ●键为确定键
- ▲键为选择或调整键
- MODE键为退出键
- 按●键2秒进入设置模式后:
- 首先要设置时间:按▲键选择12/24小时制,确定后按●键,然后进入时钟依次按小时、分钟、秒的顺序进行调整,
- 确定后进入(DA)日期设置,按年、月、日进行调整确认,
- 随后进入(TH)摄氏温度/华氏温度的选择,
- 确定后再选择公制(Km)/英制(Mile)单位,
- 然后输入车轮周长(预设为2080MM),
- 确认后进入骑行总里程(ODO)设置,按照个、十、百、千位输入预设为00000公里/英里,
- 再进入骑车总时间(RAT)设置,以小时为单位输入预设为0000小时,
- 确定后即完成设置并进入自动模式(AUTO)状态。
- 在设置时如果15秒没有输入或按MODE键将会进入自动模式(AUTO)状态。
功能查询
模式切换
码表开机状态为AUTO(自动模式),在SPD(即时速度)和AVS SPD(平均速度)及DST数据栏和CAL数据栏之间循环显示,并附有AUTO字样闪烁。
连续按MODE键,就可以在DST数据栏,ODO数据栏,CAL数据栏,RPM数据栏和AUTO(自动模式)之间循环显示。
数据的查询
- 当显示DST数据栏时可查询DST(骑车距离),RT(骑车时间),当前时间、SPD(即时速度)。
- 当显示ODO数据栏时可查询ODO(累计骑车总距离),RAT(累计骑行总时间),Th(当前温度)、SPD MXS(最高速度)。
- 当显示CAL数据栏时可查询CAL(卡路里),TT(码表使用时间)、DA(当前日期),AVS SPD(平均速度)。
- 当显示RPM数据栏时可查询RPM(车轮即时速度),RT(单次骑行时间)、当前时间,SPD(当前速度)。
秒表使用
- 在非设置状态下按●键即可启动秒表(SW),
- 按▲键开始和停止秒表,
- 停止时按●键清零。
- 在秒表启动时按MODE键可查询各数据栏的即时数据。
注意:在秒表状态下不能进入设置模式。
清除资料
- 显示DST状态栏时,按住▲键3秒清除RT和DST及AVS SPD的数据;
- 显示ODO状态栏时,长按▲键3秒清除MAX SPD;
- 显示CAL状态栏时,短按▲键清除CAL的数据,长按▲键3秒清除TT的数据。
- 长按MODE键5秒码表启动复位,所有数据清零。
设置骑车倒计
- 在DST模式下长按▲键3秒清除数据后自动进入骑车距离或骑车时间倒计时设置。
- 不设置可按MODE键退回自动模式AUTO;
- 按需要输入骑车的距离或骑车的时间,确定后骑车时将进行倒计,倒计结束时荧幕会闪烁提示。
自行车维护
- 当自行车使用一定的时间后,码表会提示对自行车进行加油及维护,以保障自行车的性能和使用寿命。
- 当出现加油图示请及时对自行车各部件进行加油维护,同时按下MODE键和▲键即可取消码表的加油维护指示。
- 当出现维护图示时请及时对自行车各部件进行检修维护,同时按下MODE键和▲键即可取消码表的检修维护指示。
电池更换
当出现电池图示时,表示电池电量已不足请及时更换电池,以保障码的正常工作。
背光使用
同时按●和▲可打开或关闭码表背光,让你夜骑也可随心查询数据。
关机模式
码表在4分钟内没有行车讯号输入,会自动进入关机模式,荧幕只显示时间。
当有行车讯号或都按任一键可恢复到关机前模式,并保留了关机前的各项资料。
常见故障排除
- 显示黑屏:曝晒时间过长,放置阴凉处自动回复。
- 显示反应迟缓:码表低于0度工作,温度高于0度回复正常。
故障表现 | 原 因 | 排除方法 |
---|---|---|
行驶时表头速度始终显示为“0” | 安装位置不正确 | 重新按要求安装 |
电池安装错误或电量不足 | 正确安装电池或更换电池 | |
显示屏暗 | 电池电量不足 | 更换新电池 |
显示黑屏 | 暴晒时间过长 | 放置阴凉处自动恢复 |
速度显示不正确 | 车轮周长设置不对 | 重新设置车轮周长 |
显示反应迟缓 | 码表低于零度工作 | 温度高于零度恢复正常 |
---恢复内容结束---
转载于:https://www.cnblogs.com/lmsmall/p/4308003.html
BOGEER博格尔YT-813码表使用说明书 (我的是YT-823)相关推荐
- 隐马尔科夫模型(HMM)笔记(公式+代码)
文章目录 1. 基本概念 1.1 HMM模型定义 1.2 盒子和球模型 1.3 观测序列生成过程 1.4 HMM模型3个基本问题 2. 概率计算问题 2.1 直接计算法 2.2 前向算法 2.2.1 ...
- 【机器学习】隐马尔可夫模型及其三个基本问题(四)状态序列预测算法及python实现
[机器学习]隐马尔可夫模型及其三个基本问题(四)状态序列预测算法及python实现 一.维特比算法 二.python实现 参考资料 隐马尔可夫模型状态序列预测问题是指给定模型 λ=[A,B,∏]\la ...
- 【机器学习】隐马尔可夫模型及其三个基本问题(一)
[机器学习]隐马尔可夫模型及其三个基本问题(一) HMM模型 1.HMM模型概述 2.HMM的三个基本问题 3.HMM问题实例 参考资料 隐马尔可夫模型(Hidden Markov Model,HMM ...
- 一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现
一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现 1 隐马尔科夫模型 1.1 HMM解决的问题 1.2 HMM模型的定义 1.2.1HMM的两个假设 1.2.2 HMM模型 1.3 HM ...
- 自然语言处理入门-第4章 隐马尔可夫模型与序列标注
HMM 序列标注问题 隐马尔可夫模型 1.HMM与马尔可夫假设 2.HMM三要素 3.HMM样本生成 4.HMM的训练(参数估计) 1.状态转移概率矩阵的估计 2.初始状态概率向量的估计 3.发射概率 ...
- 隐马尔科夫模型(HMM)算法的理解与超详细推导
今天看了徐亦达教授的HMM讲解,感觉有所收获,并将隐马尔科夫模型算法的推导整理了一下,帮助大家一起理解这个算法.首先我们通过一个股票的案例来引入这个算法,我们来看看这个股票行情和涨跌观测值的一个状态图 ...
- 隐马尔可夫模型(HHM)学习笔记3
隐马尔可夫模型的训练 Baum-Welch算法 整理了李航书上的内容. 马尔科夫模型是一个含有隐变量的概率模型P(x∣λ)=∑yP(x∣y,λ)P(y∣λ)P\left( {{\bf{x}}|{\bf ...
- 基于C#的序列分类器:Part I:隐马尔科夫模型
原文地址:http://www.codeproject.com/Articles/541428/Sequence-Classifiers-in-Csharp-Part-I-Hidden-Marko B ...
- YT Saver(网页视频下载软件)官方中文版32位V4.6.0 | 网页万能视频下载神器
YT Saver Video Downloader 是一款集视频下载器和格式转换器于一体的专业网页视频下载软件,从包括Facebook.Instagram.Dailymotion.TikTok.Ok. ...
最新文章
- 跳车开发者Pokkst自述——从BTC到BCH
- python apply_async函数_Python-未调用apply_async回调函数
- for in range语句_Python 之旅5——for循环
- 微软Kubernetes服务AKS开发正式版空间服务
- asp mysql text_11种ASP连接数据库的方法
- 编写函数实现有序数组的二分查找
- [Linux] 解决virtualbox共享文件夹没有访问权限的问题
- Cadence tensilica vision Q7 DSP
- Linux安装nat123步骤
- 深入OpenJDK源码全面理解Java类加载器(下 -- Java源码篇)
- 车载服务机器人app开发源码提供
- L13.linux命令每日一练 -- 第二章 文件和目录操作命令 -- lsattr和file命令
- Java将一个堆栈进行反转,如何使用Java中的堆栈反转数组的元素?
- 微信小程序转码机器人----【在线实战】
- nacos启动成功无法访问
- IDEA+SSH :图书管理系统实现
- SVM(支持向量机)(一)基本形式推导
- 经理人与元老能双赢联动吗?
- 阿里云王文彬:希望云计算支撑百亿设备
- 苹果商城怎么调成中文_苹果手机没声音?苹果专业维修帮你