Browsing by Author "Chen, Mei-Yung"

Now showing 1 - 20 of 25

TD-RRT* 的實時路徑規劃設計並結合Catmull-Rom 插值的路徑平滑技術應用於非完整移動型機器人
(2022) 周星言; Jyotish
在機器人和自動化領域中，路徑規劃和追跡是常見的重要議題。因為它關係著如何讓機器人可以安全、快速地完成高精度及高準確度的工作任務，同時也能避開障礙物來防止機器人的損壞。在本論文中，我們將研究各種路徑規劃方法，這些方法可以有效地找到移動型機器人從起始位置移動到目標位置而不會與障礙物發生碰撞的安全路徑。因此，我們所提出的路徑的必須針對路徑的安全性和路徑長度兩個不同目標達到最佳解。路徑規劃問題現在是自主機器人中探索最多的課題之一。因此，在受限環境中為移動機器人建立安全路徑是所有此類移動機器人成功完成任務的關鍵先決條件。本論文提出一種新的方式來獲得有效的結果，其中包含著兩種演算法：路徑規劃演算法涉及使用諸如距離、時間和能量消耗等性能標準在起始位置和目標位置之間建立安全無碰撞路徑。再透過三角分解演算法再一步地優化路徑，可以快速又高效找到最適合機器人的路徑。且根據環境是否已知，亦可分為兩種類型的路徑規劃演算法：局部路徑規劃和全局路徑規劃。本論文基於RRT*演算法進行改良，RRT*是傳統RRT方法最佳的改良型演算法之一，本論文更進一步提出了一種新的基於三角分解法的快速探索隨機樹算法（TD-RRT*），使路徑更短，更精確地優化，同時也增強了移動機器人在短時間內尋找路徑的能力，進而降低成本花費，該技術基於增量採樣，覆蓋整個區域并快速運行。此外，由於這種方法計算效率高，因此可以應用於多維環境。本論文也提出了將TD-RRT*進行動態重新規劃的方式，當未知的隨機移動或靜態障礙阻礙路徑時，機器人將會隨著修改其路徑。並通過各種實驗結果顯示，該方法比基本RRT*更快的有效性，並且可以獲得滿足移動機器人非完整約束的最短距離的平滑路徑。
以PSO優化PID控制器參數設計應用於機械手臂之模糊模型
(2024) 吳坤瑞; Wu, Kun-Jui
本文使用 Denavit-Hartenberg (D-H) 約定推導六自由度機械手臂的運動模型，包括運動學與動力學。為了克服運動模型的高度非線性問題，我們透過了 T-S 模糊系統來建立非線性系統之線性化模型。並利用此線性化模型，我們可以通過平行分佈式 PID 控制器來控制機械手臂。根據連續軌跡的要求、各手臂的長度以及關節旋轉的角度限制，運動形式的設計需要擬合機器人手臂的運動模型。機械手臂系統中的 PID 控制器其參數係通過粒子群最佳化演算法（PSO）求得的。根據系統轉移函數，優化後的控制器參數可以在機械手臂運轉時抵抗系統的不確定性，使機械臂在運作時有能更高效且更平穩。利用 Matlab 中的 Simulink 對系統進行模擬，分析範圍包括定點跟踪和軌跡跟踪。與傳統的 PID 控制器相比，結果顯示所提出的控制器參數具有更小的穩定性誤差且有較佳的調和性與較小的振動，並依此參數操作機械手臂觀察手臂之運動情形，其結果為手臂運作很均勻無抖動現象。
以多視角影像技術結合曼達尼模糊模型實現機器人室內定位
(2021) 連君祐; LIEN, CHUN-YU
本論文發展一套機器人室內定位系統，克服SURF(Speeded Up Robust Features)演算法僅能進行靜態特徵點提取的問題，本研究的貢獻是以模糊理論為基礎，應用Fuzzy邊緣檢測結合SURF，以兩種方法的整合作為本論文的改良法，透過改良演算法使影像輪廓更加清晰與貼近現實生活中物體的樣貌，SURF演算法於動態檢測的問題也獲得改善，並且藉由網路攝影機以及多項不同的程式軟體，將各項軟體與硬體進行合適的系統整合後，實現即時獲取室內機器人之座標位置。具體的研究架構包含以下內容：第一，藉由一張棋盤格之不同角度形成多角度照，多角度照形成的棋盤圖像代表校正的模式，再藉由相機校正以及針孔相機模型參數的轉換運算方法獲得機器人於空間中的所有座標點，座標記錄著機器人的移動狀態，這樣的紀錄方式將使得空間中的機器人無所遁形，並且有利於後續的機器人定位研究之實現。第二，先使用Canny邊緣檢測法或Sobel邊緣檢測法投影之機器人於環境中的樣子後，再藉由模糊邊緣檢測法使得邊緣檢測的效果得以提升並且經由改良後也能使SURF演算法於動態狀態下的問題獲得改善，抓取到足夠數量的特徵點進行特徵點的匹配，如此一來SURF演算法透過網路攝影機將能準確的標示輪型機器人之確切的位置。第三，SURF演算法藉由網路攝影機投影後，即時定位環境中之移動機器人位置並且藉由座標與改良的定位方法的整合，了解機器人於室內的動態軌跡與位置變化。整體而言，本論文的F-SURF能更快速並且更準確的定位移動機器人之位置，有效降低定位需花費之時間，同時改善SURF演算法於動態狀態標示位置跑掉之問題，提升最大有效範圍，以及將焦點鎖定在移動機器人身上，從起點到終點，改良的演算法都能於雜亂環境中準確快速地標示移動機器人的正確位置並且記錄著動態的每一個座標，最終實現了機器人之室內定位的系統。
以類神經網路實現臉部影像疼痛水準即時估測
(2016) 林高遠; Lin, Kao-Yuan
本論文提出一種以人類臉部影像為輸入資料，用類神經網路即時測得受測者疼痛水準的方法。情感運算在最近幾年來已經逐漸受到重視，而臉部影像疼痛水準自動估測，有助於醫療照顧、健康促進等領域自動化，有效減少第一線照顧者的負擔。但相關研究的數量與關注程度遠落後於其他表情辨識技術，使得相關應用發展受限。本論文嘗試兩種輸入資料：一種是屬於低階外觀特徵的人類臉部眼、嘴區域Uniform LBP直方圖，取得118-D向量；另一種屬於使類神經網路自動尋找的高階抽象特徵，將臉部影像做最大池化(Max Pooling)處裡後，從32x32灰階影像取得1024-D向量。將兩者正規化，再輸入類神經網路做迴歸訓練與測試。實驗結果方面，將The UNBC-McMaster Shoulder Pain Expression Archive Database隨機分割為兩份，分別做為訓練與測試樣本。將本論文提出的方法與Sebastian Kaltwang等人與Xiaopeng Hong等人的研究比較，可以達到較小的均方誤差(MSE=0.17)與較接近1的皮爾森相關係數(r=0.94)。速率表現方面，本論文以C#實作出的程式在i5雙核心的電腦上平均可以達24FPS。
使用新型ICP演算法多視角重建實現機器人手臂的噴漆路徑
(2025) 楊皓翔; Yang, Hao-Xiang
這篇論文介紹了一種創新的三維模型噴塗方法，利用 Open3D 多視角重建來優化機械臂輔助的工業噴塗過程。該方法首先通過深度相機從多個角度捕獲詳細的三維點雲，並通過迭代最近點（ICP）算法進行精確對齊和重建。這種精細的對齊產生了高度準確的三維模型，能夠引導機械臂進行精確且高效的噴塗應用。此外，我們開發了一種基於生成的點雲模型的往復路徑規劃策略，模擬典型的噴塗運動模式，以提高效率、覆蓋均勻性和應用的一致性。通過實驗評估，我們證明了這種方法顯著提高了噴塗精度，確保均勻的覆蓋和提高過程的可靠性。這使得該方法非常適合於先進的自動噴塗應用，為滿足大規模生產環境中嚴格的工業質量和精度標準提供了一個可靠的解決方案。
使用邊緣偵測和特徵偵測結合之移動物體偵測
(2017) 邱敬棋; Chiu, Chin-Chi
本文是針對影像作移動物體偵測。現今有非常多的方式對視訊監控影像作移動偵測的方法，在物體移動中，大部分最常見的方法是對物體找出特定的特徵點，並在兩張影像中計算此特徵點的移動，但有時這些特徵點有時候會較難被定義清楚，因為物體移動的時候容易使影像模糊，特別是在影像無法事先得知的情況下更為困難。在本文主要是使用加速穩健特徵(SURF)演算法來定義移動物件的特徵點，因為SURF 偵測特徵的速度相對於SIFT 來說會比較快，但是不管是SIFT 還是SURF，在檢測的物體移動時，匹配結果則不如預期中良好，因為物體在移動時可能存在著不正確的特徵點，所以本文提出了邊緣和特徵偵測去作結合，以此提高特徵匹配的情況，除此之外本研究中我們各種不同的移動方式做偵測去計算正確的特徵點並做分析。在實驗中，我們可以進一步的了解此方法相較於傳統的方法上，能有更良好的辨識能力。
基於Faster R-CNN演算法的行人偵測應用研究與分析
(2025) 何逸凡; He, Yi-Fan
本論文的研究動機在於物件偵測與追蹤的運作探討與原理分析，研究目的主要在於行人的影像偵測與追蹤上，了解現有的物件分類的演算法及數據庫，同時改良出新演算法以達到的較高的物件匹配度。本文中所改良的物件辨識演算法主要以Faster R-CNN為主，對行人影像目標進行物件追蹤，過程中也會與現有的演算法做分析比較取得研究的可行性與可靠度。
基於人臉網格的一種對於化妝與跨年齡的臉部辨識
(2024) 陳勁凱; Chen, Chin-Kai
臉部辨識是一種重要的生物識別技術，在多種應用中得到廣泛使用。然而，化妝以及年齡變化會使人臉發生變化，進而影響人臉上的特徵，從而降低臉部辨識的準確性。為了解決化妝以及年齡變化造成的臉部辨識問題，本論文提出了一種基于MediaPipe的FaceMesh和類神經網路的臉部辨識方法，以解決化妝以及年齡變化造成的臉部辨識問題，該方法將在Python內部逐步構成。MediaPipe FaceMesh模型的人臉偵測是以 BlazeFace 人臉偵測器為基礎，該偵測器會對圖像進行操作並計算人臉位置。偵測到人臉後，FaceMesh模型會使用一個自定義殘差神經網絡提取名為landmark的臉部特徵，並利用歐式距離和landmark蘊含的座標資料計算指定的landmark之間的距離以及比值，作為訓練用的臉部特徵。主成分分析用於提高準確率，降低過擬合現象。類神經網路用於訓練模型。實驗結果表明，該方法在化妝以及年齡變化下的臉部辨識有一定的準確性，具有一定的應用價值。
基於強化學習結合KAN網路和注意力機制的創新混合架構應用於多機器人避障系統
(2025) 姜嵐新; Jiang, Lan-Shin
本研究提出一種結合 Kolmogorov-Arnold Network（KAN）與多層感知器(Multi-layer Perceptron , MLP）的創新架構，用於解決多機器人系統中的避障問題。隨著機器人技術的發展，多機器人系統在複雜環境中的運作日益普及，有效的避障策略成為確保系統安全與高效運作的關鍵。本研究設計了一種整合卷積神經網路（Convolutional Neural Network , CNN）、注意力機制（Attention）與 KAN 的混合架構，結合近端策略優化(Proximal Policy Optimization , PPO)算法進行強化學習訓練。實驗結果表明，與傳統的 CNN-MLP 架構相比，所提出的 CNN_ATT_MLP_KAN-PPO 架構在參數效率、學習效率和泛化能力方面均具有顯著優勢，特別適用於複雜環境和大規模多機器人系統。研究結果不僅驗證了 KAN 網路在實際應用中的價值，也為多機器人協作系統的發展提供了新的技術路徑。
基於退火演算法之複合型電動車隊最佳路徑規劃
(2025) 李陟; Li, Chi
本研究旨於開發基於退火演算法之複合型電動車隊最佳路徑規劃，首先利用先進車輛模擬軟體Advisor(Advanced Vehicle Simulator)中的車輛系統數據資料庫，將既有的車體參數、電動馬達數據、儲能系統數據、車輛傳動系統等，與本研究所參照的物流車型中華菱利電動車E300廂型車，建構出所需之整車系統模型，接續為電力源尺寸度數選配及整車系統能量管理，求得以34.28(kWh)之鋰三元電池搭配8.32(kWh)之磷酸鋰鐵電池作為本研究物流電動車之複合電力源，最終透過逐一調整距離及載重參數，記錄所對應之能耗，得到一距離/載重/能耗多維表。本研究設計基於最低能耗之車輛途程問題(Vehicle Routing Problem, VRP)數學模型: 本研究以先期路線規劃為主軸，探討車隊於單一物流中心出發前完成的路徑規劃，設計以最低能耗作為目標函數，探討具收貨順序限制之VRP及不具收貨限制之VRP。配送車輛由物流中心出發，依序至各客戶點完成收貨服務再回到物流中心，每個客戶點的收貨量為確定值，每個客戶點只由一臺車輛服務一次，不可有重複服務的情況。本文使用模擬退火演算法作最佳化路徑規劃，該演算法透過多次迭代，不斷生成鄰域解並根據接受準則選擇新的解，逐步尋找最低能耗的路徑，此演算法的核心在於模擬物理退火過程中的緩慢降溫，以利在全局範圍內找到最佳解，於本研究用以搜尋物流車輛執行收貨服務時，能根據最低能耗為目標作路徑規劃。本文探討收貨順序限制對於能耗之影響，透過所設計基於最低能耗之VRP數學模型中，限制物流車之收貨順序需依貨物重量輕重依序收取，對固定8、10、14個客戶數分別搭配不同數量之電動物流車，分析有無載貨順序限制對能耗表現之影響，透過實驗結果得知，於8個客戶點時，分配3、4、5臺車輛進行收貨服務，在無限制載貨順序時，能耗較有限制載貨順序時能耗可改善0.07%-2.07%;於10個客戶點時，分配2、3、4臺車輛進行收貨服務，在無限制載貨順序時，能耗較有限制載貨順序時能耗可改善1.66%-14.17%;於14個客戶點時，分配3、4、5、6臺車輛進行收貨服務，在無限制載貨順序時，能耗較有限制載貨順序時能耗可改善0.08%-12.23%。比較使用SA於無限制載貨順序及RB此兩種路徑規劃策略之結果，於固定8個客戶數分別搭配3、4、5臺電動物流車，SA較RB可分別改善14-19%;於固定10個客戶數分別搭配2、3、4臺電動物流車，SA較RB可分別改善22-29%;於固定14個客戶數分別搭配3、4、5、6臺電動物流車，SA較RB可分別改善29-33%。未來將加入動態即時路徑規劃及其他限制條件，並應用於實際地圖模型作物流車隊最佳路徑規劃。
基於長短期記憶網路的疲勞檢測
(2022) 高國瑋; Gao, Guo-Wei
本論文重點介紹即時疲勞檢測流程。該系統將在 Python 內部完成這一切，並逐步構建它，以便能夠檢測到不同的姿勢，特別是困倦的跡象。為了做到這一點，我們使用一些關鍵模型並使用 MediaPipe Holistic 來提取關鍵點。這將使我們能夠從臉部提取關鍵點。該系統使用 Tensorflow 和 Keras，並建立了一個長短期記憶模型 long short-term memory（LSTM），能夠預測螢幕上顯示的動作。我們需要做的是收集關於我們所有不同關鍵點的一些數據，所以我們收集我們臉上的數據並將它們保存為 Numpy 數據，以便處理多維的陣列或矩陣。人臉檢測方法基於一個深度神經網絡，使用 Sklearn 進行評估和測試，並使用 Matplotlib 幫助進行圖像可視化。能夠從臉部檢測到 468個地標，提取臉部的重要特徵並對數據進行變換，以便將數據導入 LSTM 模型。使用 LSTM 層繼續並預測時間分量，它能夠從多個幀預測動作，而不僅僅是單個幀。使用 Opencv 進行集成，然後使用網路攝影機進行即時預測。本研究成功使用 MediaPipe 與 LSTM 模型相結合，提出一套疲勞檢測的系統。實驗結果顯示，經機器學習後其檢測平均準確率能達到 90%。
基於馬可夫決策過程之路徑規劃演算法用於複雜動態環境
(2023) 陳宥儒; Chen, Yu-Ju
本論文提出了一種基於馬可夫決策過程的機器人路徑規劃演算法。首先，需要將目標點設為一個正的獎勵訊號。其次，代理人每走一格就會有一個負的獎勵訊號。代理人必須最大化其長期累積的總獎勵，這也是代理人的唯一目標。利用根據能夠將長期獎勵最大化所得到的策略來決定機器人行走路徑。最後，將每個位置所得到的策略串聯來，就得到一條最佳路徑。此外，本篇論文透過設計馬可夫決策過程中的價值函數，使得規劃出來的路徑能與牆壁與移動障礙物保持一定的安全距離。最後，在本論文模擬中，代理人在產生第一條路徑之後，因應環境變化產生其他路徑相當迅速，且會主動閃避移動障礙物 ;而在實驗的部分，使用了搭載機器人作業系統 (Robot Operating System,ROS)的雙輪差動機器人在有移動的障礙物和移動的人時，皆能有效的產生閃避障礙物之路徑。此路徑規劃演算法是由馬可夫決策過程發展而成，也是現代機器學習的基石。有別於傳統的路徑規劃演算法，像是 Dijkstra、 A*、 D*之類的演算這些演算法無法在複雜動態環境有良好表現甚至無法適用於動態環境，本篇論文所提出的基於馬可夫決策過程路徑規劃演算法是以計算全域地圖上各點的獎勵訊號來決定路徑，在每個時刻、每一個點都會有一個預期回報的期望值，所以在動態變化較大的環境中可以比較即時的更改路徑因此其在動態環境的效率較佳。
對於水平方向線性並聯機器手臂的工作空間分析與實作
(2024) 曾俊達; Zeng, Jun-Da
Delta機械手臂是並聯式機械手臂中的一種，在結構上可分為移動平台和固定底座，以及三個平行四邊形形狀，具有相同運動學結構的機械手臂，固定在一個固定底座上，依靠底座上裝設的馬達來驅動手臂上的連桿，對移動平台進行移動。大部分的Delta機械手臂是採用垂直方向，而本文中所展現的則是水平方向的Delta機械手臂，並介紹其特點以及針對Delta機械手臂的運動學、工作空間和與對運動軌跡進行分析，為水平方向Delta機機械手臂的應用提供參考。運動學分析分為正向運動學和逆向運動學。逆向運動學的解可以通過機械臂的參數以及幾何的分析來求得。利用逆向運動學的計算結果以及參數代換的方法，可以獲得Delta機械手臂的正向運動學之解。藉由正向運動學的計算結果，可以對Delta機械手臂的工作空間進行分析，並透過MATLAB模擬Delta機械手臂在3D空間中的工作空間。在運動軌跡方面，通過控制系統來操控機械手臂的運動，通過模擬與實驗對比，藉以優化Delta機械手臂的運動軌跡。
心跳感測器輔助影像深度學習應用於臉部痛苦指數之判別
(2018) 陳梓瑄; Chen, Zi-Xuan
本研究提出了一種估計人臉疼痛強度的方法。使用回歸卷積神經網路訓練模型，其中包含三層卷積層及三層池化層。此外，使用心跳感測器幫助臉部疼痛識別，目的是更準確地判斷人的疼痛程度。在兩個感測器的偵測及相互輔助下，可以極大程度的預防危險性的發生。例如使用在跑步、復健及醫療上，若能夠第一時間偵測到使用者的痛苦指數及心跳數異常，將能有效且迅速的做第一時間的處理。同時，本論文另一個貢獻為根據醫療及運動等相關文獻做出實際測試結果，將心跳感測與臉部疼痛做出結合與應用，並且能實際應用於生活當中。本研究結果顯示，i5雙核計算機的MSE為0.11，Pearson相關係數接近1（r = 0.98），平均運算速度達到70 FPS。除了能夠高速運算臉部痛苦指數，也能迅速對硬體下達指令。
應用自適應性類神經網路控制器於六軸機械手臂
(2022) 吳孟謙; Wu, Meng-Chien
本論文提出了一種基於神經網絡框架學習機制的六軸機械臂控制器設計。首先，我們從六軸機械臂的實際構造中得到訓練數據集。其次，神經網絡的訓練方法是基於自適應調整輸入層和隱藏層之間的權重值和誤差。第三，將訓練數據集作為神經網絡的輸入來訓練模型。最後，我們利用李雅普諾夫理論保證了六軸機械臂控制器設計的穩定性，並與PI控制器設計進行了比較。實現了六軸機械手臂動力學模型推導，以解決運動不穩定性問題。機械臂運動過程中時變不確定擾動引起的現象。詳細動力學模型是藉由Lagrange方程式所推導出來的，計算出六軸機械手臂動力學模型。透過動力學模型，進一步進行模擬驗證。控制器是以PD為基礎進行設計的，結合自適應徑向基函數神經網絡 (RBFNN)，經由隱藏層與輸出層之間的自適應調整，最終取得所需的輸出結果，再藉由Lyapunov 函數進行穩定性分析，證明整個系統的穩定性，最後實驗分析此控制器對六軸機械手臂的控制穩定性。
應用適應性類神經網路於機械手臂之追跡控制器設計
(2020) 彭景詮; Peng, Jing-Quan
本論文研究目的為使用類神經網路(Neural Network)估測機械手臂之未知系統參數，並使用適應性控制(Adaptive Control)作為類神經網路之權重值調變，使機械手臂在未知系統參數的情況下完成追跡。在運動學方面使用D-H(Denavit-Hartenberg)座標系統定義並以此推導出正向運動學，在此定義基礎上使用Pieper’s Solution推導出機械手臂的逆向運動學，藉由順向與逆向運動學求出機械手臂末端點在空間中的三維座標與各軸馬達移動角度之間的關係。在控制器設計上使用背推(Backstepping)方法設計，將系統分成一個非線性二階系統，設計一個虛擬控制器用以對抗系統未知項，並藉由穩定性分析在保證子系統穩定的狀況下設計該虛擬控制器的形式。對於未知系統參數與系統未知項使用類神經網路進行估測，並藉由適應控制的更新律對類神經網路之權重值做參數調變，藉由Lyapunov 函數與Barbalat引裡證明整個系統的穩定性，最後經由實驗驗證此控制器的性能。
永磁同步線性馬達應用於X-Y定位平臺之高精密伺服控制器設計
(2017) 林廷恩; Lin, Ting-En
本論文提出了重複適應性互補式滑動模式控制(RACSMC)應用於X-Y軸伺服線性馬達定位平台，以開發一套高精密運動之雙軸控制平台。首先我們先針對單軸的線性馬達系統模型建立，然後進行控制器設計，在本研究中RACSMC將主要運用適應性互補式滑動模式控制(ACSMC)來進行主要的控制動作，其主要特性在於有兩個滑動面的設計，而滑動面的狀態收斂條件是沿著兩滑動面的交線移動到最終收斂位置，而在動態響應部分比起一般傳統的滑動模式控制(SMC)，有更好的誤差收斂效果，接著加入適應控制讓不確定性的參數估測不必全部都藉由SMC的強健控制切換函數項進行抑制，進而減少切跳現象(chattering)，最後再加入重複控制原理，讓系統在週期性的精密運動的時候，可以抑制週期性的誤差，反覆學習的一種概念，使系統的穩態誤差在經由反覆的學習再更加的降低，進而提升此系統的精確度。　　在本論文中將會建立出一個線性馬達的雙軸定位平台數學模型，首先會把使馬達驅動的三相電流轉換為d-q軸控制電流，接著將此線性馬達推力方程式與機械模型整合後推導出兩軸的定位平台運動方程式，而系統的運動方程式將會考慮不確定性的問題，因此將會藉由此運動方程式，進行控制器的推導來設計適合此定位平台之控制器。在實驗中本研究將會對兩軸個別的做控制，以了解論文中設計的SMC及RACSMC對於此控制平台的性能差異，藉由定位以及追跡的實驗結果，可以證明本論文提出的RACSMC可以在此控制平台中有降低切跳現象，以及增加誤差收斂的效果，最後將使用RACSMC對雙軸做圓追跡、螺紋和葉子軌跡來呈現控制器的效能。
研製一功率因數修正器與諧振轉換器
(2024) 王崇軒; Wang, CHYNG HUSUAN
本研究研製一應用於微移動載具充電器(Mirco-mobility charge)之交流/直流轉換器。第一級使用功率因數修正電路進行交流/直流轉換，第二級使用半橋LLC諧振式電路進行直流/直流轉換，藉此實現交流輸入電壓110 ~ 220 Vrms，直流輸出電壓60 V，輸出電流4 A的微移動充電器。本研究第一級電源需實現交流/直流轉換，採用升壓式功率因數修正電路使用意法半導體(ST)的控制晶片L4985A，將功率因數修正電路操作在連續導通模式。本研究第二級電源需實現直流/直流轉換，採用半橋LLC諧振式轉換電路，使用安森美(On-semi)的控制晶片NCP13992。其次，半橋功率開關，選用意法半導體的封裝在同一個晶片上閘極驅動器與高壓氮化鎵電晶體。本研究將第一級與第二級電路進行結合後，可將電路操作在交流輸入110 ~ 220 Vrms，皆能操作在滿載條件，並且在不同輸入條件下，功率因數皆可達到0.99，轉換效率可達到90%以上。
結合單目SLAM與視覺語言模型之語意導引導航系統設計與實現
(2025) 吳榮軒; Wu, Rong-Syuan
設計與實現差動型輪型移動機器人之機器人控制系統
(2023) 鍾秉剛; Jhong, Bing-Gang
本論文改良機器人控制系統中的演算法，主題涵蓋機器人的運動規劃、定位與控制器設計，藉此提升控制系統的運作效率。在運動規劃領域，我們探討或提出對雙向快速探索隨機樹（BRRT）演算法、A*演算法與hybrid A*演算法的改進措施，並且設計剪枝與平滑算法優化路徑品質，最後搭配梯形速度規劃完成運動規劃工作。在定位方面，在使用特徵地圖的場合採用拓展卡曼濾波器，而在網狀地圖使用改良式蒙地卡羅定位法。此改良式蒙地卡羅定位法由本論文提出，藉由重新設計演算法的權重分配與重新採樣的架構提升演算法的搜尋效率。而在控制器設計方面，我們提出了一種自適應控制器，旨在最小化機器人的預定狀態和當前狀態之間的追蹤誤差。透過我們的機器人控制系統，機器人可以順利地從目前位置導航到指定目標。該系統的性能透過模擬和實驗結果的結合得到證實。