電機工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/85
歷史沿革
本系成立宗旨在整合電子、電機、資訊、控制等多學門之工程技術，以培養跨領域具系統整合能力之電機電子科技人才為目標，同時配合產業界需求、支援國家重點科技發展，以「系統晶片」、「多媒體與通訊」、與「智慧型控制與機器人」等三大領域為核心發展方向，期望藉由學術創新引領產業發展，全力培養能直接投入電機電子產業之高級技術人才，厚植本國科技產業之競爭實力。
本系肇始於民國92年籌設之「應用電子科技研究所」，經一年籌劃，於民國93年8月正式成立，開始招收碩士班研究生，以培養具備理論、實務能力之高階電機電子科技人才為目標。民國96年8月「應用電子科技學系」成立，招收學士班學生，同時間，系所合一為「應用電子科技學系」。民國103年8月更名為「電機工程學系」，民國107年電機工程學系博士班成立，完備從大學部到博士班之學制規模，進一步擴展與深化本系的教學與研究能量。
News
Browse
8 results
Search Results
Item 基於ROS之智慧安防自主巡邏履帶式機器人系統(2022) 紀鴻文; Ji, Hong-Wen本論文主要將深度感測器與自主式履帶機器人整合，並針對障礙物偵測與人體動作辨識這兩方面各自提出一種系統。在障礙物偵測系統中，運用深度影像使機器人能夠偵測前方空間中的障礙物，並結合模糊控制器控制機器人安全避開。在人體動作辨識系統中，藉由Kinect v2攝影機取得人體骨架，並透過事先訓練好的模糊類神經網路進行即時動作辨識，以觀察是否作出危險動作。除了以上兩種系統外，還增加監控系統的使用者介面，並透過3台Mesh架構的路由器來跟履帶式機器人相互溝通，以此來傳遞影像資訊、地圖位置、任務要求、顯示警示燈等功能。Item 可適應無人搬運車彈性化設計之學習式導航策略及強健式路徑跟隨控制(2022) 王思涵; Wang, Sih-Han現今無人搬運車(Automated Guided Vehicle，AGV)引入製造工廠和自動化倉儲是邁向工業4.0的必備條件，由於實際工廠生產線環境中高度動態與不確定性，本論文開發一套強化AGV定位精確性與導航策略。首先提出具有低成本效益之反光柱輔助定位技術，利用反光點作為環境中的分離特徵進行重新定位，能有效改善自適應蒙地卡羅定位定位(Adaptive Monte Carlo Localization, AMCL) 演算法在環境特徵不明顯或環境地圖邊界過於破碎，所導致的迷航或定位失效的問題。接著，本論文提出可適應AGV動作的路徑跟隨控制設計，並整合至機器人作業系統(Robot Operating System, ROS)的軟體環境，此種設計除了可延伸應用於相關自主式無人搬運車軌跡追蹤控制策略之外，基於模糊神經網路架構並提出新的誤差計算方式，可以在模擬環境搭配AGV運動模型來預先進行控制參數自動調整。本論文開發的AGV導航控制先使用MATLAB模擬環境來實現所提出的用於導航控制的模糊神經網絡(Fuzzy Neural Network, FNN)策略，對軌跡跟踪中的模擬結果評估，以驗證所提出的AGV控制策略的有效性。由實驗測試結果說明，本論文提出的反光柱輔助定位搭配AMCL定位演算法能有效克服累積定位誤差之外，進一步整合強健式路徑跟隨控制與學習式導航策略，能展現本論文所開發AGV技術在實際工廠生產線環境中之高度應用價值。Item 以數位訊號處理器實現之智慧型音圈馬達定位控制系統(2016) 李承諺; Lee, Cheng-Yen本論文目標為針對非線性時變之音圈馬達，設計一具強健性與高精度之控制系統，本論文首先提出基於比例積分微分型細菌覓食模糊類神經網路控制系統，由於傳統的類神經網路控制系統，網路參數初值設計會導致控制系統陷入區域最佳解，所以本篇論文以最佳化演算法改良型細菌覓食演算法在馬達運動前先進行歸屬函數最佳化，避免系統陷入區域最佳解。 為了簡化控制系統計算複雜度，進一步提出具動態參數估測能力之補償型模糊類神經網路，此控制系統利用動態粒子群演算法於控制過程中即時最佳化Jacobia項，可有效提高系統控制指標性能。在此架構中，主控制器為補償型模糊類神經網路，另使用Elman類神經網路即時估測音圈馬達動子位置。 為提高系統之強健性，本論文提出智慧型分數階滑動模式系統，此系統以補償型類神經網路對不確定項估測，可解決傳統分數階滑動模式控制中切換控制之抖動現象，另外亦設計一平滑補償器，可補償估測誤差與確保系統之漸進穩定。 本論文以數位訊號處理器實現上述控制法則，並設計兩種追隨軌跡與兩種測試情況。實驗結果顯示所提出之控制系統確實能有效控制音圈馬達之動子位置。Item 不確定非線性系統之強健適應性模糊類神經控制器之設計(行政院國家科學委員會, 2000-07-31) 王偉彥; 陳麗貞Item 線上基因演算之模糊類神經網路及其在非線性系統辨識與控制之應用(2/2)(行政院國家科學委員會, 2004-07-31) 王偉彥在本文中，提出一種簡單式的基因演算法(Simplified Genetic Algorithm)用來調整模糊類經網路中的權重值及BMF(Bspline Membership Function)控制點。傳 統模糊類神經網路透過梯度下降法學習，在學習過程中可能會產生落入區域極值的現象。在不同領域，基因演算法搜尋最佳值的特性已經受到廣泛的注意。因此許多研究者利用基因演算法來克服傳統梯度下降法所產生的問題。但是，傳統的基因演算法對於處理大量變數 (超過100) 編碼解碼的過程中會有兩個重大的缺點：第一個是過程中需要大量的計算，第二個是經過此過程照成精確度的偏差。在本文中，提出的簡易型基因演算法藉由循序搜尋交配點來保證子代的適應力會優方於母代。染色體由實數的方式組成，包括了模糊類經網路中的權重值及BMF控制點。SGA 可以快速收斂到模糊類神經網路的最佳值已經在本文中証實。近年來，線上即時控制是一個重要的研究方向，但是以基因演算法做為基礎的線上即時控制，因為速算量過大會有控制力延遲的問題而無法做更進一步的研究。本文藉由SGA 快速收斂的特性設計線上即時間接型及直接型適應控制器來控制機械手臂及倒單擺系統在模擬中得到不錯的效果。Item 結合BMF模糊類神經網路與實數基因演算於系統鑑別上的應用(2002-03-16) 李宜勳; 王偉彥本文提出使用實數型基因演算法，找出最佳模糊類神經網路的權重值及BMF（Bspline membership function）控制點的方法。使用傳統模糊類神經網路透過梯度下降法學習，在學習過程中可能會產生落入區域極值的現象，在本文中使用BMP模糊類神經網路，藉著B-spline函數區間調整的特性，使系統作細微的調整。我們隨機建立初始的模糊評估法則，藉由循序搜尋單參數交配的實數基因演算法作為學習法則，並且由建立完整的自動學習機構來學習。我們使用實數基因演算法來解決二進制基因演算法在演化過程中，編碼解碼所造成複雜的運算。最後我們將它應用在離線調整，得到不錯的結果。Item A GA-based indirect adaptive fuzzy-neural controller for uncertain nonlinear systems(2002-12-06) W.-Y. Wang; C.-C. Hsu; C.-W. Tao; Y.-H. LiIn this paper, a novel approach to adjust both the control points of B-spline membership functions (BMFs) and the weightings of fuzzy-neural networks using a reduced-form genetic algorithm (RGA) is proposed. Chromosomes consisting of both the control points of BMFs and the weightings of fuzzy-neural networks are coded as an adjustable vector with real number components and searched by the RGA. Moreover, we propose an application of the RGA in designing an RGA-based indirect adaptive fuzzy-neural controller (RIAFC) for uncertain nonlinear dynamical systems. The free parameters of the indirect adaptive fuzzy-neural controller can successfully be tuned on-line via the RGA approach. A supervisory controller is incorporated into the RIAFC to stabilize the closed-loop nonlinear system. An example of a nonlinear system controlled by RIAFC are demonstrated to show the effectiveness of the proposed method.Item 模糊類神經網路之函數近似使用基因演算法(2002-03-16) 鄭智元; 王偉彥; 許陳鑑本文中我們利用類神經網路的學習能力，建立一個擁有自動調整權重值的模糊推論系統。而基因演算法是一種族群搜尋策略的最佳化方法，所以我們使用基因演算法去搜尋模糊類神經網路中最佳的權重值w/sub i/來近似函數。然而基因演算法中最大的缺點在於搜尋到最佳值的速度太慢，因此在本文中提出新的交配運算方法並且探討其對搜尋結果之影響。