機電工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/84

系所沿革

為迎合產業機電整合人才之需求,本校於民國 91年成立機電科技研究所,招收碩士班學生;隨後並於民國93年設立大學部,系所整合為「機電科技學系」,更於101學年度起招收博士班學生。103學年度本系更名為「機電工程學系」,本系所之發展方向與目標,係配合國家政策、產業需求與技術發展趨勢而制定。本系規劃專業領域包含「精密機械」及「光機電整合」 為兩大核心領域, 使學生不但學有專精,並具跨領域的知識,期能強化學生之應變能力,以適應多元變化的明日社會。

教學目標主要希望教導學生機電工程相關之基本原理與實務應用的專業知能,並訓練學生如何運用工具進行設計、執行、實作與驗證各項實驗,以培養解決機電工程上各種問題所需要的獨立思考與創新能力。

基於建立系統性的機電工程整合教學與研究目標,本系學士班及研究所之教育目標如下:

一、學士班

1.培育具備理論與實作能力之機電工程人才。

2.培育符合產業需求或教育專業之機電工程人才。

3.培育具備人文素養、專業倫理及終身學習能力之機電工程人才。

二、研究所

1.培育具備機電工程整合實務能力之專業工程師或研發人才。

2.培育機電工程相關研究創新與產業應用之專業工程師或研發人才。

3.培育具備人文素養、專業倫理及終身學習能力之專業工程師或研發人才。

News

Browse

Search Results

Now showing 1 - 4 of 4
  • Item
    結合顏色刺激及閃光頻率刺激實現四類方向辨識之研究
    (2011) 林詠翔; Yung-Shiang Lin
    近年來,腦電波常被用來幫助肢體障礙或者脊椎受損的人們作為輔助的用具,但因腦電波裝置太過龐大以及昂貴,以至於並非普及,因此本研究為開發設計一套價格低廉的線上即時大腦人機介面系統。透過腦電波訊號處理技術應用於四方向辨識之研究,提供肢體障礙人士利用大腦意識做出控制的實用輔具。本研究利用顏色以及閃光頻率刺激的視覺回授來達成四方向的辨識,其採用的電極位置包含了大腦的頂葉(Cz)以及大腦的枕葉(Oz, O1, O2)。利用收集到的腦波資料經過前處理(數位濾波器以及獨立成分分析)將其雜訊先做去除,再利用快速傅立葉轉換觀察其顏色以及閃光頻率刺激的差異性,並採用統計方法、主成分分析法以及獨立成分分析法抽取特徵,最後投入機器學習中的支持向量機,達到辨識四方向的效果。本實驗共採用3名受測者進行測試,其離線分析最高分類率可以達到77.5%,而平均也有75%;線上即時分類率平均也可以達到68.33%,已具初步的實用價值。
  • Item
    結合多尺度主成分分析法與支持向量機在想像彩色圖像與中文文字之腦電波差異分析
    (2010) 劉昀松; Liu yun-sung
    大腦人機介面大多以想像左手、右手、腳與吐舌等體感動作為主,然而,以想像彩色圖像和中文文字作為大腦人機介面的媒介,目前少有相關研究團隊從事這方面研究,所以本研究在此試驗性地探討想像彩色圖像和中文文字的腦電波差異,並設計適合這種認知實驗的提示,此為本研究的主要動機和貢獻。 腦電波記錄時會包含著許多雜訊,例如:市電干擾、生理雜訊…等,而且腦電波訊號具有時變、非穩態等特性,所以腦電波的「特徵擷取」以及「分類」這兩個方面一直是主要的研究課題。本研究在「特徵擷取」方面,是採用多尺度主成分分析法來分析腦電波訊號,本分析方法分為兩個階段:第一階段是利用離散小波轉換中的多貝西小波,來分解腦電波訊號變成數個子頻帶,以增加特徵數量;第二階段是用主成分分析法,來得到最顯著的特徵值及其對應的特徵向量。本研究在「分類」方面,選擇具有高度辨識率的支持向量機,使用此來分類本研究所使用的彩色圖像與中文文字兩類想像內容。實驗受測者總共有13位,實驗結果發現以受測者S4為例,分類正確辨識率可高達88.89%,而平均正確準確率可達到72.65%。本研究更進一步探討圖像-動物類和文字-非動物類這兩種差異提示想像,實驗結果發現在圖像-動物類的平均分類正確率為74.08%,而文字-非動物類的平均分類正確率則達到84.21%,顯示對大部份受測者而言,文字-非動物類的平均分類正確率比圖像-動物類的平均分類正確率高。 本研究還有歸納出P300及N400在彩色圖像及中文文字提示的電位變化關係,N400事件相關電位在370ms~520ms間會出現一個負向的波峰,在負波峰後通常會有一個低頻的負波,這是腦電波感受到新奇刺激的反應,以及大腦空間能量分佈圖能量差異較大的頻帶位於Alpha2頻帶(11-14Hz)及Beta1頻帶(14-25Hz),也就是常見的Beta頻帶。
  • Item
    改良式對角化主要成份分析法應用於腦電波辨識
    (2007-06-01) 陳致仰; 葉榮木; 蔡俊明
    本篇文章提出一個有效的方法,對受測者在意圖吐舌頭與意圖舉起左手時的腦電波做辨識。腦電波辨識是否成功的關鍵,在於特徵擷取與分類兩個議題,有別於過去文獻將重點放在分類演算法的改良上,我們認為找出更具代表性和更精簡的特徵,同樣值得重視。若選取的特徵能夠讓類別之間的差異變大,我們就可以使用很簡單的方法,來取代原先複雜的分類演算法,也不會降低辨識的準確率。在此,我們採用在人臉影像辨識中,具有良好效果的對角化主成份分析法(DiaPCA),來擷取腦電波特徵,並加以辨識。我們除了找出 DiaPCA 在腦電波辨識的應用中最佳的參數條件之外,並提出了「改良式對角化主成份分析法」,來提升其辨識率。研究結果顯示,我們所做的修改,將原始的 DiaPCA應用在腦電波辨識的準確率大幅提升了10.79%。
  • Item
    用線性鑑別分析法分類冥想四個方向之腦機介面研究
    (2007-06-01) 蔡俊明; 葉榮木; 沈世評; 許育財
    許多神經疾病,例如脊髓損傷、腦幹中風、肌萎縮性脊髓側索硬化症(amyotrophic lateral sclerosis, ALS)等等,這些疾病影響到個體的工作能力。大腦人機介面(brain-computer interface, BCI)是一種利用腦部訊號與外界溝通的新技術,其目的是幫助因神經肌肉損傷而行動受阻礙的人。過去在這方面的研究中,對於內部刺激-想像,為想像左、右手和腳動,並無利用冥想四個方向做為內部刺激,有鑑於此,本研究遂以冥想四個方向實驗的腦波訊號輸入並利用快速傅立葉分析法找出重要之特徵,再應用線性鑑別分析器進行分類,發展一套可分辨冥想四個方向的腦波系統。 經由實驗結果得知,此系統利用與標準資料作方向比對,其辨識率可達 80%。未來我們計劃將此系統運用在設計生活環境的下拉式選單,以造福神經疾病患者或行動不便人士。