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 - 6 of 6
  • Item
    以小波轉換鑑別人類情緒腦電波
    (2011) 洪偉哲
    人類情緒的正確鑑別存在著許多的困難,根據每個人所經歷的事物與心情狀態,影響著即使面對相同的事件,所呈現的情緒強度也有所不同。而現今對於人類腦波的研究逐漸盛行,藉由大腦人機介面(Brain computer interface)收集腦電波(Electroencephalogram)訊號,經由訊號分析、特徵擷取以及分類器,來鑑別腦電波訊號的情緒類別。本研究的受測者為六位男性,四位女性。年齡介於20歲至28歲。實驗流程為撥放六種情緒的臉部圖片,分別為高興、驚訝、生氣、厭惡、難過和恐懼,每種情緒有20張圖片,共有120張圖片。使用NeuroScan大腦人機介面,藉由非侵入式的腦電波訊號量測,共有30個通道。紀錄完成後,進行腦電波訊號前處理降低腦電波訊號的雜訊,使得腦電波訊號更接近真實的訊號,接著繪製出大腦空間能量頻譜圖,用以了解腦電波訊號的頻帶能量分布差異。將腦電波訊號進行小波轉換(Wavelet transform)分解訊號,選取能量分布差異較大的θ波為分類波段,接著計算各種的特徵,共有八類特徵,分別為最大值(Max)、最小值(Min)、全距(Range)、標準差(Standard deviation)、絕對中位差(Median absolute deviation)、絕對平均差(Average absolute deviation)、能量(Energy)及特徵向量(Eigenvectors),將各種特徵投入支持向量機(Support vector machine)進行分類,訓練的方式將隨機抽取出60%的腦電波訊號區段為訓練資料,40%為測試資料,以隨機投入支持向量機作各種情緒的鑑別,得到情緒鑑別從最高到最低的正確辨識率分別為87.50%和62.50%,平均值為76.25%。 研究中發現當使用無效的特徵或是相似的特徵,無法增加情緒的鑑別率,但是若增加有效的特徵,鑑別率會隨之提高,不過也會增加複雜度,經由比較其中較為有效的特徵為全距、標準差、絕對中位差、絕對平均差、能量及特徵向量,可較為明顯增加鑑別的效果。
  • 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
    應用於腦電波量測之三維乾式電極製作技術開發
    (2007) 曾柏翔; Bo-Hsiang Tseng
    有鑑於近年來,腦電波雖然廣泛地應用於醫學臨床之診斷,與大腦人機界面系統,但其量測電極技術卻無顯著進步。故本研究提出一種新型腦波量測電極製造技術,利用微機電製程中,特有的矽基體型微加工技術、KMPR厚膜光阻微影、精密電鑄製程,並結合PDMS聚合物材料之選用。製造出於可撓曲基板上,擁有三維微探針陣列之乾式電極。有別於現今通用之銀/氯化銀電極,此新型量測電極,可於不需使用導電膠,且省略去角質等皮膚前處理的條件下,進行腦電波量測。 於實驗中,建立新型厚膜光阻KMPR 1050之相關製程參數,使得以一次旋轉塗佈的製程,便可得到厚度約130 um之光阻膜。配合KOH蝕刻、精密電鑄製程與本實驗所提出之二階段式光阻去除步驟,可製作出高度約170 um、寬為 50 um(深寬比為3.5),且具出平面特性之微探針陣列。雖然此製程證明其製造上之可行性,但由於其製造良率低於50%。因此本研究中,提出三種改善良率之製程,藉以希望達到微機電製程中,特有的批次生產能力。
  • 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。