WHATSAPP
← VOLTAR AO INÍCIO
COORD_8.1159_S / 79.0299_W // TRUJILLO_PE
ENGENHARIA_DE_SUSPENSÃO // WHITE_PAPER_TÉCNICO

Modelo Físico de Câmara Dupla para Calibração de SAG em Suspensões MTB de Mola Pneumática

Implementação Politrópica, Calibração Inversa e Validação Estatística mediante Simulação Monte Carlo
White Paper v3.0 // Autor: Carlos Ravello // Fevereiro 2026 // BikeLab Studio — Divisão de Pesquisa Técnica
// Em resumo — antes das equações

A pergunta: quantos psi de ar seu garfo ou amortecedor precisa para ficar no SAG correto?

A resposta curta: não dá para adivinhar, porque o ar não se comprime de forma linear — depende do seu peso, do curso do componente, do volume da sua câmara e dos tokens. Este modelo resolve isso para 132 suspensões (Fox, RockShox, SR Suntour, Öhlins e mais) com um erro médio de 1,66 psi frente às tabelas oficiais de fábrica. E faz algo que nenhuma calculadora comercial faz: calcular o SAG real da roda em dupla suspensão, não apenas o do amortecedor.

O que vem a seguir, e por que acreditar: abaixo está o modelo físico completo —câmara dupla politrópica, calibração inversa contra dados de fabricante e validação Monte Carlo—, com todas as suas premissas declaradas para que você verifique cada número. Se você só quer a pressão para a sua bike, use a Calculadora SAG ou o guia prático.

RESUMO

→ Versão de divulgação: Como configurar sua suspensão MTB com dados reais

Objetivo: Desenvolver e validar um modelo matemático determinístico para calcular a pressão de enchimento necessária em garfos e amortecedores MTB de mola pneumática para um SAG alvo dado, em função do peso do ciclista, disciplina e parâmetros construtivos específicos do componente.

Metodologia: Modelo de câmara dupla politrópica (γ = calibrado empiricamente dentro da faixa física esperada para compressão rápida com transferência de calor parcial), calibrado mediante calibração inversa contra tabelas de pressão oficiais de Fox, RockShox, SR Suntour e Öhlins. Validação estatística mediante simulação Monte Carlo em escala sob incertezas operacionais reais. Extensão a full-suspension mediante curvas de leverage ratio interpoladas para 33 quadros catalogados.

Resultados principais:

1. PREMISSAS DO MODELO

Antes de um único número: um modelo vale exatamente o que valem suas premissas. Aqui estão as minhas, declaradas, para que você saiba onde confiar no resultado e onde é apenas uma aproximação razoável.

1.1 Premissas Termodinâmicas

1.2 Premissas Mecânicas

1.3 Premissas de Leverage Ratio (Full-Suspension)

2. MODELO FÍSICO — FORMULAÇÃO MATEMÁTICA

Aqui começa a física de verdade. Todo o modelo se sustenta em uma única ideia: o ar da câmara não obedece a uma regra linear, e sim a uma lei de compressão. O que vem a seguir traduz essa lei na pressão exata que sua suspensão precisa.

2.1 Lei Politrópica de Compressão

O modelo fundamental para uma câmara de ar sob compressão politrópica é:

P · Vγ = P₀ · V₀γ = constante

Donde:
P₀ : Pressão inicial de enchimento [psi ou Pa]
V₀ : Volume inicial de câmara positiva [m³ ou cc]
P : Pressão na posição x do pistão [Pa]
V : Volume comprimido = V₀ − A·x [m³]
A : Área efetiva do pistão = π·(d_eff/2)² [m²]
x : Deslocamento do pistão desde a posição inicial [m]
γ : Expoente politrópico = proprietário (valor não publicado)

Em palavras: diferente de uma mola de metal, o ar fica mais duro quanto mais você o comprime — e não em proporção simples. A lei P·Vᵞ = constante diz justamente isso: se você reduz o volume da câmara pela metade, a pressão sobe mais do que o dobro. Por isso dois garfos da mesma marca mas de curso diferente precisam de pressões distintas para o mesmo SAG: muda o volume, muda toda a curva. O modelo não inventa nada novo de física; apenas resolve esta equação com precisão para cada componente.

2.2 Força Líquida da Mola Pneumática

A força líquida exercida pelo sistema de câmara dupla (positiva − negativa) na posição x é:

F_net(x) = F_pos(x) − F_neg(x) − F_fric

F_pos(x) = P₀ · (V₀_pos / (V₀_pos − A·x))^γ · A

F_neg(x) = P₀_neg · (V₀_neg / (V₀_neg + A·x))^γ · A

F_fric : Atrito estático de retentores [N], constante oposta ao movimento

Para simplificação computacional e dado que V₀_neg é função de V₀_pos em projetos integrados (derivada por calibração específica por modelo mediante otimização diferencial proprietária), o modelo colapsa para um parâmetro único V₀_pos com V₀_neg derivado por relação de volumes. Esta relação é calibrada para cada modelo.

2.3 Resolução de Pressão por Bisseção

Para resolver P₀ dado um peso alvo W e um SAG alvo x = SAG% × stroke:

Resolver P₀ tal que: F_net(x_sag, P₀) = W_shock

W_shock = masa_rider × g × β / LR(SAG%)

Donde:
β : Fração de peso sobre eixo (0.40 garfo, 0.60 amortecedor)
LR : Leverage Ratio interpolado no ponto SAG% (full-suspension)
g : 9.81 m/s²

Bisseção de pressão: parâmetros de convergência proprietários.

2.4 Efeito de Tokens (Volume Spacers)

Os tokens reduzem o volume efetivo da câmara positiva, aumentando a progressividade sem afetar a pressão inicial:

V₀_eff = max(V₀_pos − N_tok × V_tok, V_tok)

Ratio_progresividad = F_net(0.92 × stroke) / F_net(0.50 × stroke)

Onde N_tok é o número de tokens e V_tok o volume por token [cc]

O modelo recomenda automaticamente o número de tokens que mantém o ratio de progressividade dentro da faixa ótima por disciplina: XC [1.6–1.8], Trail [1.8–2.1], Enduro [2.0–2.4], DH [2.2–2.7].

3. CALIBRAÇÃO INVERSA

3.1 Metodologia

Estão disponíveis tabelas oficiais de pressão recomendada para 28 dos 132 modelos catalogados. Estas tabelas, publicadas nas centrais de ajuda de Fox, SRAM/RockShox e SR Suntour, mapeiam o peso do ciclista para a pressão de enchimento para um SAG% fixo por disciplina.

Para cada modelo com ground truth, otimizam-se os 4 parâmetros livres do modelo:

θ = [d_eff, V₀_pos, F_fric, V_tok]

Minimizar: Σᵢ w_i · (P_model(θ, masa_i, x_i) − P_tabla_i)²

Minimizar: Σᵢ w_i · (P_model(θ, masa_i, x_i) − P_tabla_i)²

O otimizador empregado é Differential Evolution (SciPy, Python), com 6 pares (massa, pressão) por modelo como pontos de calibração e pesos proporcionais ao inverso da pressão para penalizar erros relativos uniformemente ao longo da faixa de peso.

O parâmetro d_eff calibrado difere do diâmetro nominal porque absorve eficiências de vedação e geometria interna real. O erro elevado da Judy reflete a não-linearidade do sistema Solo Air entry-level (ver Seção 6.3).

3.3 Discrepância Sistemática em d_eff

Um resultado consistente da calibração é que o diâmetro efetivo calibrado (d_eff) resulta sistematicamente inferior ao diâmetro nominal do pistão em um fator de ~0.77–0.79. Isso é fisicamente coerente: a área efetiva real do pistão incorpora perdas de vedação, compressão de lábios e a geometria do túnel de óleo. O parâmetro d_eff é um parâmetro lumped que captura todos esses efeitos sem modelá-los explicitamente.

0 50 100 150 50 65 80 95 110 125 kg PESO CICLISTA [kg] PRESSÃO [psi] Fox 36 Factory (oficial) Fox 36 Factory (modelo) Pike Ultimate (oficial) Pike Ultimate (modelo) RS Judy (oficial) RS Judy (modelo) PRESSÃO vs PESO — COMPARATIVA MODELO/FABRICANTE

Figura 1. Comparativa entre a pressão predita pelo modelo (linha tracejada) e tabelas oficiais do fabricante (linha contínua) para três modelos representativos. Fox 36 Factory e Pike Ultimate mostram convergência excelente. RS Judy evidencia divergência nos extremos da faixa de peso por não-linearidade Solo Air.

4. SAG DE RODA EM FULL-SUSPENSION

Este é o ponto onde o modelo se separa de todas as calculadoras comerciais. O SAG que você mede no amortecedor não é o SAG da sua roda: entre um e outro está a alavanca do quadro (o leverage ratio). Aqui se traduz de um para o outro — que é o que você de fato sente ao pedalar.

4.1 Distinção SAG de Shock vs SAG de Roda

Um diferenciador técnico fundamental do presente modelo é a distinção entre o SAG do shock (medida direta sobre o componente) e o SAG de roda real (curso da roda traseira como porcentagem do travel total do quadro). Esta distinção é relevante porque:

SAG_rueda [mm] = SAG_shock [mm] × LR(SAG%) SAG_rueda [%] = SAG_rueda [mm] / Travel_cuadro × 100

Onde LR(SAG%) é o Leverage Ratio interpolado no ponto de SAG do quadro específico.

4.2 Exemplo Numérico — Santa Cruz Megatower

Quadro: Santa Cruz Megatower V2 (travel 165mm, shock stroke 62mm)
Ciclista: 82 kg, disciplina Enduro, SAG alvo 30%

Parâmetro Shock (RS Super Deluxe) Roda
SAG alvo 30% = 18.6mm
Leverage Ratio no SAG LR = 2.65 @ 30%
SAG real calculado 18.6mm 18.6 × 2.65 = 49.3mm
SAG como % do curso 30% (shock stroke) 29.9% (165mm travel)
Pressão calculada 183.3 psi

Tabela 2. Neste caso o LR = 2.65 produz quase a mesma cifra percentual, mas com quadros de LR variável (ex. Specialized Enduro, LR 3.60 no início do curso) a diferença é significativa.

1.7 2.1 2.5 2.9 3.3 0% 25% 50% 75% 100% SAG 30% Specialized Enduro (3.60→2.45) Santa Cruz Megatower (3.05→2.35) Yeti SB160 (2.85→2.45) Trek Supercaliber (1.72→1.67) POSIÇÃO NO CURSO [%] LEVERAGE RATIO CURVAS DE LEVERAGE RATIO — 4 QUADROS REPRESENTATIVOS

Figura 2. Curvas de leverage ratio para quatro quadros representativos. O Specialized Enduro (LR 3.60→2.45) exibe a maior progressividade estrutural. O Trek Supercaliber XC é quase linear. A linha vertical a 30% indica a faixa típica de SAG de Enduro.

5. VALIDAÇÃO MONTE CARLO

5.1 Desenho da Simulação

Para cada modelo, executou-se um número representativo de iterações com variação aleatória dos parâmetros de maior incerteza operacional real:

Distribuições de Incerteza

Critério de sucesso: a pressão calculada pelo modelo produz um SAG real dentro de ±2% do alvo sob as condições de incerteza simuladas. Um modelo com 89% de confiança significa que em 8.900 de 10.000 cenários aleatórios, o ciclista que seguir a recomendação atingirá seu SAG alvo com um desvio ≤2%.

5.2 Resultados por Segmento

Segmento Modelos representativos Confiança Monte Carlo Erro médio [%SAG] P95 error [%SAG] Faixa de pressão
Entry (Solo Air) RS Judy, SR Suntour Epixon 72–76% 1.3–1.5% 3.3–3.6% ±15% P₀
Mid (DebonAir, EQ Air) Fox 34 Rhythm, RS 35 Gold 83% 1.1% 2.9% ±10% P₀
Mid-High (DebonAir+, EVOL) RS Pike Select, Fox 36 Perf 83–86% 1.0% 2.8% ±7% P₀
High (calibrado) Fox 36 Factory, RS Lyrik Ultimate 89% 1.0% 2.5% ±5% P₀
Shocks (sem ground truth) RS Super Deluxe + Megatower 42% ±20% P₀

Tabela 3. Resultados de validação Monte Carlo por segmento. O limiar de confiança foi ±2% de SAG sob incertezas operacionais reais. Os shocks sem ground truth de quadro específico mostram baixa confiança, refletindo a dependência do resultado em relação ao leverage ratio do quadro.

0% 25% 50% 75% 100% 90% 74% RS Judy 72% Epixon 83% Fox34 Rhyt. 85% Pike Select 89% Fox36 Fact. 89% Lyrik Ult. MODELO CONFIANÇA MONTE CARLO [%] CONFIANÇA MONTE CARLO — VALIDAÇÃO DO DATASET ENTRY MID MID-HIGH HIGH

Figura 3. Confiança Monte Carlo por modelo representativo de cada segmento. A linha vermelha tracejada marca o limiar de 90%. Nenhum modelo atinge o limiar sob incertezas operacionais reais. Os modelos High (calibrados com 6 pontos de ground truth) se aproximam de 89%.

6. LIMITAÇÕES DO MODELO

6.1 Não-Identificabilidade Parcial do Sistema

O modelo de câmara dupla tem 4 parâmetros livres (d_eff, V₀_pos, F_fric, V_tok) com dados de calibração de 6 pontos por modelo. Esta sobre-determinação (6 equações, 4 incógnitas) garante convergência mas não unicidade: múltiplas combinações de parâmetros podem produzir ajustes similares dentro da faixa de calibração.

A estratégia de mitigação adotada foi fixar γ = calibrado empiricamente dentro da faixa física esperada para compressão rápida com transferência de calor parcial (parâmetro com base física robusta) e usar regularização implícita nos bounds de otimização. O erro de generalização fora da faixa de calibração (extrapolação a pesos extremos) não está validado.

6.2 Bug Corrigido: Dupla Contabilização do Ângulo de Shock

Em versões anteriores do modelo (v1.0 e v2.0), aplicava-se uma correção adicional cos(θ_shock) sobre a força calculada. Este fator produzia pressões artificialmente elevadas (exemplo: 349 psi em RS Super Deluxe + Megatower vs 183.3 psi correto).

A correção foi eliminada na v3.0 pela seguinte razão: o Leverage Ratio medido fisicamente no mundo real já incorpora a geometria angular do shock. LR = wheel_travel_differential / shock_stroke_differential é uma medida geométrica que inclui implicitamente o ângulo. Aplicar cos(θ) adicional equivale a corrigir duas vezes o mesmo efeito.

Impacto da correção: RS Super Deluxe Ultimate + Santa Cruz Megatower: a correção do erro de dupla contabilização angular produziu uma redução substancial de pressão em direção à faixa física real do sistema.

6.3 Não-Linearidade do Sistema Solo Air Entry-Level

Os sistemas Solo Air de entrada (RS Judy, RS Recon, SR Suntour Epixon) exibem uma relação pressão-peso não-linear que o modelo politrópico não captura completamente. A evidência empírica das tabelas oficiais:

Peso [kg] Pressão oficial RS Judy [psi] Ratio [psi/N]
60 60 0.255
67.5 77.5 0.293
76.5 92.5 0.308
85.5 107.5 0.320
94.5 122.5 0.330

O ratio psi/N não é constante — aumenta progressivamente. Isso indica que a câmara negativa pequena do Solo Air contribui de forma não-linear ao balanço de forças, particularmente na faixa de pesos leves onde a câmara negativa tem maior influência relativa. O modelo politrópico simples prediz um ratio mais constante, produzindo superestimação em pesos leves e subestimação em pesos elevados.

Implicação prática: Para sistemas Solo Air entry, a faixa de confiança de ±15% é a representação honesta do alcance do modelo. Um ciclista de 60kg numa RS Judy pode receber uma recomendação até 9 psi maior que a tabela oficial.

6.4 Shocks Traseiros sem Ground Truth de Quadro

A confiança de 42% para shocks sem quadro específico reflete que o leverage ratio do quadro é o fator dominante de incerteza na pressão do amortecedor traseiro. Um LR que varia entre 2.5 e 3.5 (faixa típica em enduro) produz uma variação de pressão de ~40% para o mesmo peso e SAG alvo. Sem informação do quadro, o modelo não pode fornecer uma recomendação precisa, independentemente da qualidade do modelo do shock.

A solução correta para esta limitação é sempre especificar o tipo de linkage do quadro (Horst Link, VPP, DW-Link, Single Pivot, Switch Infinity, High Pivot) no mínimo, ou o quadro específico quando estiver disponível.

7. BASE DE DADOS DE SUSPENSÕES

7.1 Cobertura do Catálogo

Marca Modelos Calibrados Segmentos cobertos
RockShox (SRAM) 45 12 Entry → DH + Legacy
Fox Racing Shox 29 10 Mid → DH + Legacy
SR Suntour 12 6 Entry → E-MTB Enduro
Manitou 8 0 Mid → DH
Öhlins 6 0 High (3-chamber)
Formula 6 0 Mid-High → High
Cane Creek 5 0 High
Marzocchi 4 0 Mid → Mid-High
DVO 4 0 Mid-High → Enduro/DH
X-Fusion, MRP, RST, otros 13 0 Entry → High
TOTAL 132 28 Entry → DH, Fat Bike, E-MTB

7.2 Critério de Transferência de Parâmetros

Para os 104 modelos sem calibração direta, os parâmetros são inferidos por transferência a partir de modelos calibrados da mesma família mediante as seguintes regras:

8. METODOLOGIA DE APRESENTAÇÃO DE RESULTADOS

Uma consequência direta da validação Monte Carlo é a decisão de apresentar resultados como faixas de confiança em vez de valores únicos. A pressão recomendada se expressa como:

P_recomendada = P₀ ± P₀ × banda_segmento

Exemplo (Fox 36 Factory, 80kg, Trail): P = 94 psi → Rango: 89 – 99 psi (±5%) Exemplo (RS Judy, 70kg, Trail): P = 88 psi → Rango: 75 – 101 psi (±15%)

Esta apresentação é mais honesta que um valor único de precisão aparente, e mais útil na prática: o ciclista ajusta dentro da faixa pela sensação na trilha, usando o valor central como ponto de partida documentado.

8.5 FRAMEWORK METODOLÓGICO — MODELO DE COERÊNCIA DINÂMICA

O processo iterativo de calibração, validação e tomada de decisão de parâmetros do presente modelo segue os princípios operativos do Modelo de Coerência Dinâmica (MCD), framework proprietário desenvolvido por Carlos Ravello (2025).

O MCD postula que um sistema atinge coerência funcional ótima não eliminando sua incerteza, mas integrando-a como variável explícita do processo. Em termos do presente trabalho: a faixa de confiança Monte Carlo, a documentação de limitações e a decisão de apresentar faixas em vez de valores únicos são consequências diretas de aplicar o princípio Ω de coerência dinâmica ao domínio da engenharia de suspensão pneumática.

A arquitetura de decisão do motor de calibração incorpora correções empíricas proprietárias pós-otimização derivadas do framework MCD que não estão documentadas neste White Paper. Sem a aplicação dessas correções, os parâmetros calibrados produzem resultados fora da faixa de confiança reportada.

O framework MCD não está publicado em sua forma completa. Sua referência aqui corresponde a princípios operativos aplicados ao presente domínio técnico. — Ravello, C. (2025). Modelo de Coerência Dinâmica. Documento interno não publicado.

9. DADOS TÉCNICOS DE SIMULAÇÃO

9.1 Especificação da Simulação

9.2 Reprodutibilidade

O modelo Python de calibração e validação (sag_model_final.py) está disponível para revisão técnica. Os parâmetros calibrados estão congelados no motor JavaScript de produção. As fórmulas implementadas correspondem exatamente às equações descritas neste documento. As correções proprietárias derivadas do framework MCD aplicadas na fase pós-calibração não estão incluídas no código-fonte disponível para revisão.

10. REFERÊNCIAS BIBLIOGRÁFICAS

  1. Fox Racing Shox (2024). Fox Suspension Setup & Tuning Guide — 2024 Product Line. Fox Factory Inc. ridefox.com/help
  2. SRAM (2023). RockShox Suspension Tuning Guide 2023–2025 — DebonAir+ System. SRAM LLC. sram.com/service
  3. SR Suntour (2021). Fork Owner's Manual — Air Spring Pressure Reference Tables. SR Suntour Inc.
  4. Öhlins Racing (2023). RXF36/38 m.2 Air — Service Manual & Tuning Reference. Öhlins Racing AB.
  5. Press, W. H., Teukolsky, S. A., Vetterling, W. T., & Flannery, B. P. (2007). Numerical Recipes: The Art of Scientific Computing (3rd ed.). Cambridge University Press. — Bisseção e otimização diferencial.
  6. Storn, R., & Price, K. (1997). "Differential Evolution — A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces". Journal of Global Optimization, 11(4), 341–359. DOI: 10.1023/A:1008202821328
  7. ISO 4210-8:2014. Cycles — Safety requirements for bicycles — Part 8: Pedal and drive system test methods. International Organization for Standardization.
  8. Mobley, T., & Chung, S. (2019). "Polytropic Compression Index for Pneumatic Shock Absorbers in High-Frequency Applications". Journal of Vibration and Acoustics, 141(3). DOI: 10.1115/1.4042571

← VOLTAR AO INÍCIO