學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Subject: search.filters.subject.Recurrent Neural Network

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    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。
  • No Thumbnail Available
    Item
    具影像特徵之LSTM深度遞迴類神經網路之日射量預測
    (2019) 周建華; Jhou, Jian-Hua
    由於日照強度會因為雲層厚度、空氣霾害等問題而受到影響，進而造成太陽光電發電量的不穩定，所以能夠準確的預測日射量是件重要的事情。在本論文中使用具長短期記憶(LSTM)的遞迴類神經網路(RNN)進行日射量的預測。首先建置一日射量紀錄系統，及天空影像採集系統，這兩種系統將記錄每天的日射量及天空影像變化，並儲存於MySQL資料庫。在天空影像方面，利用影像處理方法萃取出天空影像的特徵值，之後將影像特徵值與日射量做為LSTM遞迴類神經網路(LSTM-RNN) 輸入 ，以進行預測。最後，本文以領前五分鐘至六十分鐘進行日射量預測，並進行許多方法比較，以驗證本文所提方法的預測效能。