學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890
Browse
9 results
Search Results
Item 基於分數階PID類神經網路之模型預測控制應用於寬輸入電壓範圍直流-直流轉換器(2024) 黃睿揚; Huang, Jui-Yang提出一種模型預測控制(Model Predictive Control, MPC)系統，以模型預測控制系統結合分數階比例-積分-微分類神經網路(Fractional-Order Proportional-Integral-Derivative Neural Network, FOPIDNN)電壓控制器，應用於直流-直流轉換器，不同於多模式操作控制(Multimode Operation Control, MOC)系統，轉換器在轉換模式切換過渡時的輸出電壓能夠更平滑且穩定。首先，本研究藉由推導出轉換器電路各開關導通狀態的電流斜率，以預測下一個時刻的電感電流、電感充放電電流斜率以及功率開關之導通工作週期(Duty Cycle)，並利用整數階比例-積分-微分(Proportional-Integral-Derivative, PID)電壓控制器對模型預測控制系統提供電感電流參考值做驗證，以確保模型預測控制系統能使轉換器電路之輸出電壓能快速穩定在理想電壓值。為了提高輸出功率之響應速度與穩定度，必須改良影響電感電流參考值的電壓控制器，而分數階比例-積分-微分(Fractional-Order Proportional-Integral-Derivative, FOPID)電壓控制器的控制參數更多，比起整數階PID有更高的控制靈活性，不過控制參數多同時也意味著必須花費額外的時間來試錯。因此，本研究進一步提出一FOPIDNN電壓控制器，以類神經網路(Neural Network, NN)動態調整參數的特性來提升FOPID產生電感電流參考值的精確度，實現快速響應且不受環境干擾地的輸出穩定功率。本研究首先以PSIM軟體模擬來評估所提出之方法之有效性和可行性，接著再應用於實際轉換器電路並以DSP TMS320F28335數位信號處理器實現控制系統。最後，比較四種實現控制系統，包括多模式操作控制系統、基於整數階PID之MPC控制系統、基於FOPID之MPC控制系統與本研究提出的基於FOPIDNN之MPC控制系統。結果顯示與前者方法相比，本研究所提方法應用於寬輸入電壓範圍直流-直流轉換器上，能夠更及時地補償電感電流參考值，除了輸出電壓響應速度更快，輸出電壓在轉換模式切換的過渡，平滑效果也明顯提高許多，有效輸出穩定的輸出功率。Item 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-CHUANItem Item 基於最佳化演算法的類神經網路剪枝策略(2021) 鐘暘; Chung, Yang隨著深度學習領域不斷的進步，類神經網路的架構比起以往擁有更多的參數量和記憶體的使用量，相對地對於硬體的要求也就更高。如何在有限的記憶體和硬體效能中擁有差不多的辨識效能也成為需要被關注的問題之一，而網路剪枝則是最直接能夠解決參數量過大問題，將網路中不必要的參數刪除，就能夠省去大量的記憶體空間。過去在網路剪枝當中，通常的策略都是將較小的權重刪除。這些網路剪枝方法的主要策略都是假設網路裡較小的權重，對於網路本身的影響較小，而可以被捨棄掉。但是我們認為這個假設對於神經網路而言並不是絕對的。在本篇論文中我們假設小權重也有可能會是重要權重的可能性，我們提出一個最佳化的剪枝策略，在剪枝時不只留下較大權重，還會留下由最佳化策略所挑選出的較小權重，能證明保留網路中重要的較小權重，有益於剪枝網路的準確率， 讓剪枝網路能夠在低參數量和高準確度中取得最佳的權衡。實驗結果說明在相較於只留較大權重的做法，透過最佳化的方法留下的較小權重，在相同的剪枝率網路會有更高的準確度。Item 植基於類神經網路之自走車室內環境辨識系統(2010) 許志豪; Chih-Hao Hsu目前智慧型自走車已經被廣泛的使用在各領域中，為了提高人類的居家生活品質，用來輔助人類生活的智慧型自走車也漸漸的開發出來，本論文提出使用類神經網路進行室內環境辨識及導航的工作，自走車使用超音波感測器和電子羅盤來取得環境中的距離和方向，當感測器取得環境的幾何特徵，相關資訊匯入類神經網路進行環境特徵辨識，接著會輸出七種環境基本類型。 環境規劃出2種不同寬度的路口大小，尺寸分別為40公分和60公分2種，接著分別收集資料進行環境辨識工作。根據類神經網路辨識結果可以發現不可辨識之區域，這些地方稱為失敗區域。性能指標提出了信賴度、準確度及有效性來做系統評估。Item 兩輪機器人之深度影像障礙物偵測與人臉識別(2018) 林鈺博; Lin, Yu-Po本論文提出了將人臉識別功能與校正車體晃動測距誤差以及避障功能結合於兩輪機器人，使得機器人在照護及居家環境都能有更好的追蹤效果。兩輪機器人平衡或是移動時，會因為兩輪車機體晃動導致測距值的不穩定，本論文除了讓Kinect感應器的驅動馬達能自動使感應器保持水平外，也使用智慧型的預測方式來修正測距誤差值，增加測距值與避障決策的精準度。測距避障的部分則藉由Kinect感應器的深度影像完成，並將測距值與移動指令上傳至MySQL資料庫供兩輪機器人使用。在人臉識別的功能，本研究使用LBPH演算法完成，並以UART傳送資訊給兩輪機器人。並以實驗以及圖表驗證本論文提出的功能。Item 以類電磁為基礎之類神經綱路技術應用於太陽能預測(2017) 徐銘偉; Hsu, Ming-Wei本論文探討使用類電磁演算法優化類神經網路並應用於日射量預測問題。首先，建置一日射量資料平台以收集日射量預測所需相關數據，該日射量資料平台設備包括日射計、單板電腦(single-board computer)、攝影機與雲端伺服器等。藉由整合該日射量資料平台設備以即時擷取日射量與當前天空之影像圖，並儲存於雲端伺服器MySQL資料庫。利用該資料庫日射量與天空之影像圖資料，建立一即時日射量類神經網路預測系統，該日射量類神經網路預測系統可領前1至6小時預測日射量。為了使預測結果更加準確，透過類電磁演算法的改造與改良，使該演算法可以用於優化該類神經網路預測系統。最後，將本文所提之類電磁神經網路和傳統類神經網路進行預測誤差比較，以驗證本文所提之類電磁神經網路之效能。Item 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。Item 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。