Browsing by Author "陳瑄易"

Now showing 1 - 20 of 27

並聯式機械手臂之運動控制器設計與實現
(2019) 游程瑞; Yu, Cheng-Jui
近幾年來，自動化產業的要求日漸上升，目前已有多種類型的多軸系統需要控制技術來提升其產業上的效能。非均勻有理B型曲線(Non-Uniform Rational B-Splines，NURBS)被廣泛應用於電腦輔助設計或數值加工控制，其概念是藉由調整控制點和權重值來實現各種曲線模型之擬合設計。由於傳統的自動化設備配置的控制系統容易遇到多軸同步與即時性的問題，以及受限於配線繁雜與外界雜訊干擾，EtherCAT通訊協定便因此產生。EtherCAT架構是透過簡易封包傳輸方式、硬體設計才能夠在多個裝置中進行高速傳輸，同時保證傳送過程不會因為延遲而遺失封包資料。本論文以運動控制平台為基礎，發展出具有高精度與穩定性之運動控制系統於並聯式機械手臂。並聯式機械手臂是由永磁式交流伺服馬達所組的結構，其中並聯式機械手臂在運動控制的過程中必須考慮到其架構設計與工作空間，因此運動控制設計為此研究並聯式機械手臂之重要議題。首先，在並聯式機械手臂上建立EtherCAT架構的工作環境，並透過NURBS補插器技術對並聯式機械手臂進行任意運動軌跡規劃，最後藉由人機介面可自行調整控制點與權重值，以便設計所需要之運動軌跡，結合NURBS補插器與EtherCAT架構以便提高控制精度與縮短控制時間。
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。
以數位訊號處理器實現智慧型氣動馬達速度控制系統
(2015) 龔聖賢; Gong, Sheng-Sian
本論文之目標為設計智慧型控制系統以對葉片式氣動馬達伺服系統進行速度控制。在論文中，首先對氣動馬達之構造及運作原理進行討論，接著分析氣動馬達系統之數學動態，以推導出氣動馬達之標準二階狀態方程式。由於氣動馬達之動態特性及系統參數為高度非線性且時變，為了在既有的非線性特性及外部擾動情況下仍能達到高精準度之速度控制，本論文提出了基於比例積分微分型模糊類神經網路與適應性動態滑動模式兩種智慧型控制系統作為氣動馬達之速度控制器。最後，本論文以具32位元浮點數運算能力之數位訊號處理器TMS320F28335實現所提出的控制系統。實驗結果顯示以本論文所提出之兩種智慧型控制系統對氣動馬達均能達到有效之速度控制。
使用機器人視覺及安全軌跡規劃於自動化汽車車門噴塗系統之研究
(2023) 柯宏瑨; Ko, Hung-Chin
自工業4.0興起後，機器手臂導入自動化的發展成為智慧製造中不可或缺的一部分，在許多生產或加工的工廠中可以見到機器手臂的應用，由於其具備快速及穩定的優點，使得製造過程得以在更短的時間內得到更好的成果，並大幅減少了人力及時間成本。本論文透過六軸協作型機器手臂整合RGB攝影機與二維光達執行汽車車門自動化噴漆的任務，首先機器手臂根據使用者設定的四個位置拍攝車門的影像，並將其儲存，透過影像拼接技術的幫助，將四張影像根據車門的特徵拼接，藉此得到完整的欲噴塗車門之影像。獲得完整的汽車車門影像後，使用色彩偵測方法將欲噴塗車門之範圍從原始影像中過濾出來，再利用輪廓檢測技術擷取出欲噴塗範圍之內輪廓。軌跡規劃演算法根據內輪廓的大小規劃出若干條車門噴漆之路徑，經過座標轉換將此路徑轉換為機器手臂的末端點座標，使得機器手臂得以根據的軌跡進行噴漆任務。在機器手臂進行噴漆的過程中，由於人類操作員有時需要查看汽車車門是否發生上漆不均勻的情況，為了避免機器手臂在噴塗的過程中發生人機碰撞的情形，透過二維光達監控是否有操作人員進入機器手臂工作範圍的情況，透過安全機制的協助得以避免人機碰撞的問題產生。
具最佳化差動驅動模式設計之智慧型磁浮軸承控制系統
(2016) 宋旻翰; Song, Min-Han
近年來，由於磁浮軸承能有效減少系統因為摩擦力所產生之磨耗、震動、噪音與能量損失…等問題，已被廣泛的利用在各種應用之中。然而由於磁浮軸承系統具有高度非線性與時變之控制特性，因此必須針對磁浮軸承發展具優異強健性之控制系統以達到良好之控制性能。為了達到非線性磁浮軸承系統之精密定位與追蹤控制功能，本論文首先提出遞迴式小波類神經網路(Recurrent Wavelet Neural Network, RWNN)控制器來控制磁浮軸承系統的轉子位置。雖然控制器之參數值可經由負梯度下降法進行線上學習，但不適當之參數初始值會使得線上學習落入局部最佳值，限制了控制性能。有鑑於此，本論文進一步提出最佳化遞迴式小波類神經網路(Optimal Recurrent Wavelet Neural Network, ORWNN)，運用適應性差分進化演算法(Adaptive Differential Evolution, ADE)來優化網路參數初始值。由實驗結果可知，優化後的遞迴式小波類神經網路確實可得到更佳之控制效果。此外，本論文以利用適應性差分進化演算法最佳化差動驅動模式中之偏置電流(Bias Current, io)之概念，提出具最佳化差動驅動模式之遞迴式小波類神經網路(Optimal Recurrent Wavelet Neural Network with Differential Driving Mode, ORWNN-DDM )控制器，以進一步降低磁浮軸承系統之耗能。最後由實驗可知，本論文所提出之ORWNN-DDM控制器確實可在達到良好定位控制情況下，同時達到降低能量消耗之效果。
具有有效特徵選取及歸屬函數最佳化機制之模糊分類器之設計及應用
(2006) 陳瑄易; Shyuan-Yi Chen
ㄧ個可以解釋因果關係的分類系統，必須具備容易解釋語意的表示方式以及使用方便等特性。因此本研究建構於類神經-模糊網路之上，利用其模糊理論之可解釋性與類神經網路之學習能力對樣本進行訓練以期獲得一個優越的模糊分類器。其中對特徵選取以及歸屬函數最佳化均分別用了不同之方法進行試驗，同時提出如何利用K-means演算法獲得歸屬函數初始參數之方法，並提供一特徵選取方式，使所設計之模糊分類器可以用最低特徵考量達至最高推論精確度。為克服類神經-模糊網路分類器繁瑣之最佳化過程，本研究提出一個垂直合併型歸屬函數概念之快速圖形式模糊分類器，將原本模糊集合之歸屬度由值之水平移動進行歸屬度之計算方式，改由由各值之垂直移動對應模糊區間之計算方式，同樣可以藉由圖形化之概念進行可讀性之解釋，同時步驟簡易且具可解釋性，更重要的是大量減低歸屬函數之使用，且仍可保有相當高之準確率。而本研究所提出之演算法均經由實驗證明其可行性，並進行分析與討論。
基於交叉耦合分數階自抗擾控制之X-Y-Y棒狀線性馬達定位平台
(2022) 魏佑鈞; WEI, Yu-Chun
為了能夠使設備的追蹤效果以及動子間的同動性能提升，本論文設計出交叉耦合分數階自抗擾控制(CCFOADRC)策略，用於控制X-Y-Y棒狀線性馬達定位平台。首先介紹棒狀線性馬達平台之系統架構和運作原理，通過時域的系統鑑別推導出馬達數學模型中的系統參數。接著，設計出第一個控制器為自抗擾控制器(ADRC)，在模擬確認能良好做出控制之後，為了更進一步改善棒狀線性馬達的定位誤差及同為Y軸的定位誤差相減產生的同動誤差，針對定位誤差的改善加入了分數階微積分做改善，設計出了分數階自抗擾控制器(FADRC)，通過了分數階提供的額外自由度，成功的改善其控制響應，接著為了改善同動誤差，加入了交叉耦合控制，進一步提出了交叉耦合分數階自抗擾控制器(CFADRC)。交叉耦合分數階自抗擾控制器裡包含了許多控制項，複雜度也隨之升高，因此本論文提出了智慧型交叉耦合分數階自抗擾控制器(ICFADRC)，藉由教與學最佳化方法(TLBO)針對重要參數做動態優化。在教與學最佳化方法的過程中，進一步引進灰狼演算法的概念設計出助教型教與學演算法(TA-TLBO)。最後，由實作結果可以得知本論文提出的控制策略能有效地控制X-Y-Y棒狀線性馬達定位平台。
基於交叉耦合電壓下降法之最佳化鋰電-超級電容混合電能管理系統
(2020) 林芮慶; Lin, Ruei-Cing
本論文發展鋰電-超級電容混合電力系統，為了提高系統之輸出功率，並聯三台直流-直流轉換器組成一套三進一出的系統，然而轉換器因元件匹配、外部雜訊等影響產生負載分配不均之問題，將降低轉換器使用效率甚至燒毀電路元件導致系統癱瘓，轉換器必須透過均流技術來確保模組間的輸出電流相同並提高系統可靠度。本論文提出一種均流架構，此架構結合了既有的改良型電壓下降法與交叉耦合控制，調整模組之下降斜率參數，使模組間電流平均分配，實驗比較傳統電壓下降法、自動主僕法與交叉耦合電壓下降法，實驗結果可知交叉耦合電壓下降法之均流誤差最大值、平均值及標準差分別為[7.2776, 0.9094, 0.5774]，確實優化均流效果。本論文針對鋰電-超級電容混合電力系統提出最佳化能量管理策略，應用電動機車行車型態作為系統負載，策略因應不同需求功率與超級電容殘電量計算出功率分配比，達到能源消耗最小化與續航力提升之目的。本論文發展基本規則庫控制、最小等效能耗策略與生物地理演算法設計能量管理策略。本論文以非線性遷移模型與粒子群移動演算法提出改良型生物地理演算法提高分配效率。實驗結果以基本規則庫控制策略為能耗比較基準，生物地理演算法、改良型生物地理演算法與最小等效能耗策略之能耗改善率在WMTC行車型態分別為[7%, 8.06%, 9.26%]，在NEDC行車型態分別為[6.69%, 9.41%, 12.39%]，實驗結果可知本論文提出之改良型生物地理演算法相較於生物地理演算法擁有高可行性與環保效率。
基於單維度卷積神經網路之遞迴終端滑動模式控制應用於雙軸運動平台精密定位
(2024) 洪展鵬; Hong, Zhan-Peng
本論文目標為開發一種具有高強健性、高精度之智慧型遞迴終端滑動模式控制器，用於音圈馬達雙軸運動平台定位控制，論文中首先介紹音圈馬達雙軸運動平台架構和運作原理，並對運動平台進行系統鑑別，得出系統模型參數並建立其動態模型。接著，本論文先以傳統滑動模式控制設計一雙軸運動平台控制系統，再以非線性滑動面之遞迴終端滑動模式控制解決傳統滑動模式控制無法在有限時間收斂之問題。為了降低控制力的高頻震盪，本論文引入雙曲正切函數取代符號函數的不連續性，改善控制過程中的抖顫現象。由於切換控制力需要得知不確定項的上限才可確保系統收歛，實務上並不容易取得，故引入單維度卷積神經網路估測器對系統不確定項進行估測與補償，提出智慧型遞迴終端滑動模式控制器，消除系統參數變化和外部干擾等不確定性影響，提高系統的強健性，最終採用Lyapunov函數證明系統的穩定性並得到網路權重之更新律。本研究以數位訊號處理器實現上述控制法則，並設計出兩種控制軌跡和雜訊，組合成四種控制情境進行分析對比，實驗結果得知與傳統滑動模式控制相比遞迴終端滑動模式控制最高改善了28.5%；智慧型遞迴終端滑動模式控制最高改善了39.3%，最終實驗證實所設計之控制系統具備優異的控制精密度的同時依然保有較佳的強健性。
基於強化式學習之複合電力電動機車能量管理系統
(2022) 羅祥瑜; Lo, Hsiang-Yu
本論文針對鋰電池搭配超級電容發展一複合式能量管理系統，利用基本規則庫控制策略、強化式學習控制策略、Q學習全域搜索法控制策略以及全域搜索法控制策略，在不同需求功率和超級電容殘電量的情況下，計算出最佳功率分配比以達到最小化能量消耗。強化式學習之特點為可於系統運作過程中，不斷學習以找到最佳解，相較於一般演算法更具有靈活性，而在學習方法上本論文採用Q-Learning和Deep Q Network (DQN)兩種策略，其中DQN引用深度學習類神經網路的概念，以解決傳統Q學習在狀態維度上之缺點。此外本論文也將Q學習與全域搜索法結合，利用Q學習調整濾波參數以抑制全域搜索法之鋰電池輸出電流，達到保護電池之目的。實驗平台以電源端、數位訊號處理器、雙向直流-直流轉換器和電子負載組成，其中負載端選用新歐洲地區行車型態 (NEDC) 與全球機車測試型態 (WMTC) 作為測試依據，另外為了增加系統之輸出功率，直流轉換器以三台並聯並搭配均流技術，可確保轉換器模組間輸出電流一致，提高系統穩定度。同時為了使負載端更貼近真實情況，本論文也使用一直流無刷馬達，透過馬達和磁粉剎車搭配驅動器進行控制，於負載端模擬車輛之行駛狀態。結果比較中以基本規則庫控制策略為基準，分別探討於不同控制策略下之能耗改善幅度，由實驗結果可知，全域搜索法為最佳解，而所提出之強化式學習控制策略亦能有效的改善能耗。
基於教與學優化演算法之適應性階層式模糊控制應用於鋰電-超級電容混合電力系統
(2022) 林祐偉; Lin, Yu-Wei
電源轉換器需具備穩定電力輸出品質與良好的即時功率調節能力，而電源轉換器的並聯操作雖然可以提高輸出功率，但並聯式轉換器必須透過均流技術來確保模組間的輸出電流相同。本論文針對鋰三元電池模組與超級電容搭配成複合式電力系統並提出最佳化能量管理策略，利用傳統模糊邏輯控制策略、最小等效能耗策略，以及教與學優化演算法控制策略，以雙向直流-直流轉換器與數位訊號控制器實現混合電力系統最佳化能量管理之硬體架構。此架構根據目前負載端需求功率及超級電容之殘電量即時對複合式電力系統進行能量分配最佳化。本論文選用WMTC全球機車測試型態與新歐洲WLTP測試型態作為能耗比較基準，最後經由實驗測試傳統模糊邏輯控制策略、最小等效能耗策略以及教與學優化演算法控制策略應用於並聯式直流-直流轉換器之耗能結果。藉由兩種行車型態測試與比較，本論文所提出之教與學優化演算法控制策略確實能達到最佳的能源使用效率，獲得最節能之控制效果。
基於教與學最佳化策略之適應性混合模糊PID控制應用於音圈馬達運動平台
(2024) 王彥涵; Wang, Yan-Han
本論文目標為針對音圈馬達運動平台設計一適應性混合模糊比例-積分-微分控制策略，使該平台具備優異之定位精度與強健性能。首先說明音圈馬達運動平台的系統架構及運作原理，經由系統鑑別推導出馬達數學模型以及系統參數，將回授訊號達到或保持在理想值使系統變得更加準確且穩定。接著，以模糊理論設計一個模糊PID(Fuzzy Proportional–Integral–Derivative, FPID)控制器，透過動態調整控制增益的方式改善系統穩定度，進一步提升動態響應和強健性。之後，為了進一步提升系統的抗干擾能力，本研究設計一個基於教與學演算法最佳化模糊歸屬函數的適應性混和模糊控制器，讓控制器能夠隨著輸入誤差動態調整歸屬函數的區間，使模糊系統在相同誤差下能反應出更精確的歸屬度，解模糊化得到前饋控制力將進一步提高系統的穩定度並抑制外部干擾的影響。本論文以數位訊號處理器實現上述控制策略並比較兩種追蹤軌跡，最後由實驗結果得知最佳化模糊歸屬函數的適應性混和模糊控制器相比於傳統PID控制器的控制性能，加入雜訊的窗形軌跡平均誤差改善58.28 %，加入雜訊的花瓣形軌跡平均誤差改善66.32 %，且相比於FPID控制器加入雜訊的窗形軌跡平均誤差改善29.99 %，加入雜訊的花瓣形軌跡平均誤差改善45.13 %，證實控制器確實能有效進行音圈馬達定位控制，也使系統在具有干擾的環境下保持穩定性和強健性。
基於智慧型倒階同動控制之三軸龍門式定位平台
(2017) 李東鴻; Li, Tung-Hung
本論文以個人電腦控制為基礎，發展具有高精度與高強健性之智慧型同動控制系統於龍門式定位平台。龍門式定位平台係利用三部永磁線型同步馬達組合成H型運動模式之雙軸定位平台，其中由於垂直方向是由兩部平行馬達共同驅動，故同動控制遂成為研究龍門式定位平台之重要課題。有鑑於此，本論文先發展單軸馬達倒階控制系統，再將非整數階微積分計算加入其中，以增加可控制參數自由度之方式改善控制效能。接著，為了加強系統的強健性，使用函數鏈結模糊類神經網路對系統不確定項進行估測與補償。而為了達到雙平行馬達之同動，本論文基於單軸控制之基礎，進一步以Lagrange 方程式建立三自由度龍門動態模型，同時為了避免倒階控制中微分膨脹之問題，於設計過程中引入一階低通濾波器成為動態面控制，而為了提升各軸之控制精準度與雙軸之同動效果，亦引入非整數階微積分系統於動態面控制。最後為了確保系統在參數變化、外在干擾與摩擦力等影響下系統均具備強健性，再利用函數鏈結模糊類神經網路直接補償系統之不確定項，並進行控制系統之穩定性分析。本論文所發展之控制系統皆由個人電腦實現，並由實作結果驗證所設計之控制理論有效性與可行性。關鍵字：動態面控制、函數鏈結模糊類神經網路、龍門式定位平台、非整數階倒階控制、雙平行線型馬達、同動控制
基於智慧型分數階超扭曲滑動模式控制之3-PRP型並聯式機械平台
(2022) 劉郁泓; Liu, Yu-Hong
本論文以個人電腦作為控制單元，嘗試做出具有高精度、高強健性之智慧型分數階超扭曲滑動模式控制演算法，不僅自製3-PRP型並聯式機械平台上並實作驗證。並聯式機械平台是基於並聯式機械手臂，透過三顆旋轉伺服馬達加上連桿結構形成關節，根據連接的關節不同，在組合上相當靈活，可以被設計為3-RPP、3-PRP、3-PPR亦或上述的任意組合，而本論文選用3-PRP的架構進行自製。由於許多研究都指出並聯式機械平台都有著複雜耦合的動態特性，為了有效進行控制，透過拉格朗日方程式建立機械平台之動態模型。控制器部分，透過雅可比矩陣將、和方向的目標軌跡進行轉換，將運動軌跡進行解耦合，再將命令輸入控制器。將傳統的滑動模式加入超扭曲的特性，除了保留傳統滑動模式優點外，也降低系統抵達滑動面之後的小範圍抖動，並將超扭曲滑動模式演算法引入分數階微積分概念，增加控制參數的自由度以提升控制效果。最後為了消除系統在外部干擾、參數變化等影響使其提升強健性，再提出循環神經網路估測器補償系統之不確定性誤差，發展出智慧型分數階超扭曲滑動模式控制系統，此系統也通過李亞普諾夫穩定性來證明穩定性及權重更新。經過實驗證實，本研究設計之控制演算法可以有效控制自製之3-PRP型並聯機械平台。
基於最佳化分數階模糊PID控制之X-Y音圈馬達定位平台
(2019) 楊孟晨; Yang, Meng-Chen
本論文目標是研究一種最佳化的分數階比例-積分-微分(PID)控制策略，用來控制於X-Y音圈馬達定位平台。首先介紹音圈馬達平台之系統架構和運作原理，以系統鑑別的方式推導出馬達數學模型中的系統參數。接著，基於分數階微積分設計一個分數階PID控制，透過控制系統參數額外自由度，分數階PID可改善傳統的PID控制響應和穩健性，為了增加系統的控制平滑度，本論文以模糊理論提出了分數階模糊PID控制，可解決傳統分數階PID的抖動現象，調整這些額外的分數運算也增加控制系統設計的複雜性，因此，本論文進一步提出了最佳化分數階模糊PID控制器，其中五個參數包括比例增益、積分增益、微分增益、分數階積分和分數階微分，均利用自適應布穀鳥搜索算法調整。在自適應布穀鳥中，本論文再提出以動態調整步長及發現率來增加全域和局部的搜尋能力，並以音圈馬達追隨過程中X軸和Y軸的最小誤差的絕對值作為布穀鳥演算之適應函數。本論文以數位訊號處理器(TMS320F28377xD)實現上述控制策略，並且比較兩種追蹤軌跡和兩種測試模式，最後由實驗結果驗證所設計的控制器確實能有效的控制音圈馬達定位平台。
基於積分型終端滑動模式控制之三軸音圈馬達定位平台
(2017) 吳冠緯; Wu, Quan-Wei
本論文針對三軸音圈馬達定位平台發展具高精密度與強健性之智慧型定位控制系統。在本論文中，首先對所設計之三軸音圈馬達定位平台進行工作原理分析、運動模式討論與數學模型推導，再對平台進行系統鑑別以獲得各項系統參數值。接著，本論文先以滑動模式控制為基礎發展三軸音圈馬達定位控制系統，再以基於非線性滑動平面之終端滑動模式控制改良傳統滑動模式控制不能在有限時間使系統狀態收斂至零的缺點。而為了提高系統之控制精準度，本論文再引入分數階微積分運算，以分數階積分型終端滑動模式控制改善傳統滑動模式控制之位置追隨效果。最後為了確保系統在參數變化、外在干擾與摩擦力等影響下系統均具備強健性，再利用函數鏈結模糊類神經網路估測系統之不確定項，提出智慧型分數階積分終端滑動模式控制，可解決傳統滑動模式控制中切換控制之抖動現象。由於所設計之函數鏈結模糊類神經網路改良了原本模糊類神經網路之架構，並以柴比雪夫正交基底函數作為激發函數，可有效增加函數逼近能力。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三種控制模式，最後由實驗結果驗證所設計之控制系統確實具備良好之控制精密度與強健性。
基於蝙蝠演算法之二自由度PID控制器應用於直流–直流轉換器平台
(2018) 楊博丞; Yang, Bo-Cheng
　　本論文以數位信號處理器 DSP TMS320F28335，實現一並聯式升、降壓直流-直流功率轉換器的智慧型控制。首先，以三台直流-直流轉換器並聯，並使用自動主僕均流控制技術，使每台轉換器在電壓有良好的穩壓性能情況下，電流能夠平均分配給三台直流轉換器。然而，轉換器因元件老化導致特性改變、負載變動、電路雜訊及外部干擾等情況下，原廠的控制器參數未能有效的匹配目前的轉換器。為了解決此一困難，本論文開發一個基於蝙蝠演算法之二自由度比例-積分-微分(Two-degree- of-freedom Proportional Integral Derivative, 2DOFPID)控制器，透過蝙蝠演算法(bat algorithm, BA)模擬蝙蝠飛行和狩獵的形式，將所有控制參數當作一個搜索空間中的微蝙蝠，蝙蝠在尋找最佳解的過程中看成是蝙蝠尋找食物的過程，以進行動態優化。從模擬和實驗結果可得知，本論文所提出的蝙蝠演算法之二自由度PID控制器，與傳統單自由度PID控制器及二自由度PID控制器相比，具有最小電壓調整率和最小均流誤差率。
布穀鳥演算法應用於混合燃料電池電動機車之最佳能量管理
(2019) 卜擇安; Pu, Tse-An
相較於傳統燃油式車輛，發展電動車成為主要趨勢之一，然而電動車價格昂貴，有續航力比不上燃油車之缺點，且電池性能決定了電動車的最大行程與充電時間，故針對電池特性發展提升電動車續航力，本論文選用燃料電池混合電力機車進行實測，針對燃料電池與鋰電池雙電力提出最佳化能量分配策略並進行探討、優化與改善，利用基本規則庫、最小等效油耗法，以及布穀鳥搜索演算法，輸入目前的馬達需求功率、電池殘電量適時的對電池進行即時控制，以直流-直流轉換器與數位訊號控制器實現電動機車之硬體架構，探討能耗改善幅度以達到能量最佳化及行駛距離延長等目的。本論文選用測試過程中能觀察停車、高低車速以及加減速之行駛於市區的ECE-40行車型態。為了比較最佳化能量管理策略與基本規則庫，首先透過數位訊號處理器下達控制命令於燃料電池車之電動機車整車控制器，透過整車控制器分配燃料電池之輸出功率於升壓轉換器並以機車實際測試，比較最佳化前後之數值其結果顯示行駛距離改善幅度約6.33%。由於燃料電池混合電力機車使用單模組升壓轉換器，針對燃料電池耗盡時無法有效控制鋰電池電壓，造成控制效果不佳而提出並聯式直流-直流轉換器，將上述最佳化能量管理策略應用於此並聯式直流-直流轉換器系統，最後將整車系統進行實車測試比較，經實驗結果顯示並聯式系統之行駛距離能改善0.94%。
應用強化式學習策略之分數階比例積分微分控制於X-Y-Y棒狀線性馬達定位平台
(2024) 楊祐銓; YANG, YU-CHUAN
應用於微電網之電能管理策略
(2020) 張志宏; Chang, Chih-Hung
本研究之目標為針對智慧家庭，發展整合太陽能發電、市電及儲能系統之微電網系統，透過設計多能源系統最佳化能量管理技術(Energy Management System, EMS)，適當調度各電源之間之功率流向，並對儲能系統進行必要之儲能與釋能，以降低整體用電成本。在此研究中，首先發展基於規則控制策略(Rule-Based Control Strategy, RBCS )於微電網系統中，以達到節省電能消耗、降低碳排放量與減少用戶電費支出等目的。然而，由於實際微電網系統在運作時，家用負載、太陽能發電功率、儲電量與即時電價等各項數值均會隨時間變化而縝密變動，且RBCS之切換條件無法兼顧所有可能性。因此，為提高整體用電成本最小化之目標，本研究進一步以最小等效能耗策略(Equivalent Consumption Minimization Strategy, ECMS) 設計多能源之電能管理策略，因應不同再生能源發電量、即時電價與負載需求進行功率分配最佳化，將能源更有效率地使用，進而達到電價最小化之目標。礙於最小等效能耗策略搜尋時間過於冗長，最終提出適應性人工蜂群演算法(Adaptive Artificial Bee Colony Algorithm, AABC)設計多能源之電能管理策略來降低搜索時間，實驗結果表明以月計電費夏日時段為例，使用AABC之控制策略比RBCS之控制策略能省下9.8%的電費；使用ECMS之控制策略比RBCS之控制策略一個月能省下11.2%的電費。