科技與工程學院
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/5
沿革
科技與工程學院（原名為科技學院）於87學年度成立，其目標除致力於科技與工程教育師資培育外，亦積極培育與科技產業有關之工程及管理專業人才。學院成立之初在原有之工業教育學系、工業科技教育學系、圖文傳播學系等三系下，自91學年度增設「機電科技研究所」，該所於93學年度起設立學士班並更名為「機電科技學系」。本學院於93學年度亦增設「應用電子科技研究所」，並於96學年度合併工教系電機電子組成立「應用電子科技學系」。此外，「工業科技教育學系」於98學年度更名為「科技應用與人力資源發展學系」朝向培育科技產業之人力資源專才。之後，本院為配合本校轉型之規劃，增加學生於科技與工程產業職場的競爭，本院之「機電科技學系」與「應用電子科技學系」逐漸朝工程技術發展，兩系並於103學年度起分別更名為「機電工程學系」及「電機工程學系」。同年，本學院名稱亦由原「科技學院」更名為「科技與工程學院」。至此，本院發展之重點涵蓋教育（技職教育/科技教育/工程教育）、科技及工程等三大領域，並定位為以技術為本位之應用型學院。
107學年度，為配合本校轉型規劃，「光電科技研究所」由原隸屬於理學院改為隸屬本（科技與工程）學院，另增設2學程，分別為「車輛與能源工程學士學位學程」及「光電工程學士學位學程」。
News
Browse
10 results
Search Results
Item 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。Item 電動車之自動充電機器人系統與應用開發(2022) 黃三江; Hwang, San-Jiang隨著電動車的數量逐漸提升，充電樁數量不足的問題正逐漸浮出水面，本論文提出一種自動充電機器人的設計，以具移動能力的自動充電機器人替代不可移動的充電樁，除此之外，本論文也設計一套人性化介面系統，讓使用者及管理者能分別以操控介面及監控畫面操作本應用系統。本論文所設計之自動充電機器人能夠在預先建立之場域中運行，自主移動機器人首先透過SLAM以及磁導引之混合導航將自動充電機器人引導至目標車輛周邊，接著再透過經校正後的網路攝影機辨識ArUco標籤，以獲取目標車輛充電座之規格與座標資訊，隨後再以UR3手臂將設計之充電槍插入充電座，以完成充電行為。此外，本論文更整合上下位控制器，再透過Vite撰寫視窗化單頁式應用程式介面。而由實驗結果可知，本論文所提出之自動充電機器人確實可以準確根據使用者介面進行充電任務。Item 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。Item 應用於自動化生產及分揀之物件姿態估測系統(2020) 陳薪鴻; Chen, Hsin-Hung近幾年來，產業為了提升生產效率，大量使用自動化生產設備取代人力，透過電腦視覺與機器運動控制的整合搭配，已大幅增加自動化生產的效率。受惠於GPU計算平台的普及，不論機器學習或是深度學習技術紛紛出現於各種應用場景之中，以往使用電腦視覺方法不能或是難以解決的問題，透過引進深度學習都有出色的表現。本文主要研究內容可分為三部分：第一部分利用輝達(Nvidia)所提出之基於深度學習單攝影機物件姿態估測演算法(Deep Object Pose Estimation, DOPE)，其中包含產生物件的立體模型，再匯入Unreal Engine遊戲引擎並搭配輝達深度學習資料集合成器(Nvidia Deep learning Dataset Synthesizer, NDDS)套件，產生訓練數據，用來對神經網路進行權重訓練，完成後即可用來對物件姿態進行估測；第二部分使用加拿大Kinova公司所生產之Jaco 2四軸機械手臂並透過機器人作業系統(Robot Operating System, ROS)完成物件夾取功能；第三部分運用PyQt設計一圖形使用者介面(Graphical User Interface, GUI)整合前兩部分，讓使用者透過單一介面即可獲得物件估測和手臂執行資訊，也可透過其進行參數調整。模擬於生產線上應用，用以輔助加工與分類之程序，達成自動化生產製造之目的。Item 基於人類演示學習之機械手臂自動化控制技術(2019) 陳境浩; Chen, Jing-Hao本論文主要針對具有彈性自動化的機器人發展與應用，提出了一種基於人類演示學習的機械手臂控制系統，其目的在於降低機械手臂自動化所需要的程式編譯複雜程度，以及增加多種操作功能開發的效率。硬體方面使用六軸串列式機械手臂作為實驗平台，搭配使用一台網路攝影機和一台深度攝影機蒐集影像資訊，在示教學習過程中對於人類演示動作及操作物件進行影像處理。軟體方面，經由深度攝影機偵測之人體骨架資訊，本論文透過正逆向運動學將人類演示的動作轉換成控制機械手臂的關節角度，並建立機械手臂運動控制模組。此外，基於YOLO(You only look once)演算法在多物件偵測具有快速及正確的優點，本論文使用此演算法開發操作物件偵測與辨識，在得出目標物件的類別資訊及所在位置之後，機械手臂可依照物件的種類啟動對應的運動控制模組，目標在於重現人類演示學習所示範的任務。最後，本論文經由所建置之虛擬環境和實際自動取放實驗來驗證所發展之機械手臂演示學習技術之可行性。Item 多重智慧控制器應用於機械手臂定位(2013) 許哲勝本論文的主要目的是設計一個六軸機械手臂，並且實現高精密且高穩定之六軸機械手臂。並且在硬體架構、機械手臂之空間三維座標、機械手臂各關節轉動角度與定位追跡的控制作介紹。在空間座標轉換中，本研究使用了D-H 座標系統來運算，並且求得機械手臂中各軸關節之轉換矩陣，再藉由順向運動學與逆向運動學的理論求得機械手臂之空間三維座標與機械手臂各關節轉動角度之轉換關係，並且再藉由設計控制器完成定位控制與追跡控制。 在控制器設計方面，本論文也設計一個多重人工智慧控制器去控制此六軸機械手臂。在控制的過程中，系統會有外界的干擾與不穩定因素，因此本研究所使用之適應性模糊類神經網路控制器會藉由理想輸出位置與機械手臂實際位置之誤差的回授來調整控制器的內部參數，藉由控制器自行調整其內部參數，則可達到高精密與高穩定度的控制法則。最後也提出李阿普諾函式(Lyapunov function)來證明此控制機械手臂系統之穩定性。Item 智慧型移動式機械手臂之設計(2010) 林哲祺; Che-Chi, Lin在現今科技產業日新月異的時代，機械手臂廣泛應用在工業自動化、微創手術、複雜且精密的產品生產、甚至替人類執行危險的任務，對人類的生活中帶來有極大的便利性，並且充滿著廣大的商機。 本論文研究之目的是設計擁有多個自由度的機械手臂搭配移動裝置，實現機械手臂能夠真正用在生活上的服務以及工作任務的執行。整個系統結合了影像處理技術，利用攝影機擷取到的影像來加以辨識後，將結果傳給控制器命令機械手臂執行相對應之動作。本研究主題並非是重覆執行同一件任務的傳統工業手臂，而是隨機判斷物體而執行任務，故必須額外推導順、逆向運動學用來處理物體在空間座標轉換到手臂轉軸角度的調配，產生運動軌跡並使用馬達致動器來進行物體夾取，以達到預先設定之任務，並且考慮到機械手臂展示時需要有優良的姿態協調去執行動作，讓機器人展示時更為生動活潑，祈使在人類未來的生活中，機械手臂的物體夾取系統能夠朝向更為複雜與高彈性的日常生活環境中。Item 雙軸機械手臂之平順控制(2014) 林益頤; Yi-Yi, Lin本論文研究主旨為將各種平順控制方法應用於雙軸機械手臂之定位。雙軸機械手臂為耦合的非線性系統，在此我們使用計算力矩控制(Computed Torque Control)方法將其解耦為線性系統之後，再設計各種時間最佳化平順控制器。 研究動機是因為機械系統中若急動度(即，加速度對時間的微分量)太大常常會對系統造成不好的影響。基於此點，本論文限制雙軸機械手臂的最大急動度，設計急動度限制下時間最佳化控制(Jerk-Constrained Time-Optimal Control, JCTOC)；此外，更進一步限制痙攣度，其為急動度的再一次微分量，設計痙攣度限制下時間最佳化控制(Snap-Constrained Time-Optimal Control, SCTOC)。 在實作上，本研究將平順控制法則實現於雙軸機械手臂，使用的實驗平台核心控制器為DSP搭配具可程式陣列閘(FPGA)之實驗室自製擴充子板，FPGA方面使用VHDL規劃週邊界面，而DSP方面使用C語言實現各種控制法則。實驗結果顯示，藉由限制住受控體輸出之高階微分量，雙軸機械手臂在定位時能擁有平順的響應，且相較於傳統的線性控制器能達到更短的安定時間。Item 雙軸機械手臂之適應性模糊滑動模式控制(2011) 鄭景文; Ching-Wen Cheng本研究之目的是針對機械手臂之循軌控制提出適應性模糊滑動模式控制。於系統模型部份已知的情況下，運用極點配置法來設計標稱控制器給予機械手臂之理想動態，並透過滑動模式干擾估測器及適應性模糊補償器將系統的不確定性及外部干擾予以補償。 利用滑動模式干擾估測器來提昇整體控制架構之初始性能，並對於未知的干擾給予快速有效的補償，以提升控制架構的強健性能。適應性模糊補償器透過自訂適應性法則，將控制系統中的未知干擾建模於模糊規則庫；當建模完成便可依據系統之狀態，查得目前的系統干擾，以達到即時的干擾補償，因此可進一步改善滑動模式干擾估測器補償的相位落後問題。 本文實驗平台之架構上，採用美國德州儀器公司(Texas Instruments, TI)所生產之TMS320C6713 DSP搭配具FPGA之自製擴充子板為實驗平台。在FPGA方面，以硬體描述語言(VHDL)撰寫Encoder, A/D與D/A等週邊界面程式；在控制器實現上，利用TI所提供的Code Composer Studio (CCS)環境下以C/C++撰寫控制器程式並下載到DSP上執行。經由自製的雙軸機器手臂實驗平台進行追圓軌跡控制，結果顯示能有效提升循軌的表現及降低循軌誤差。Item 機械手臂之加速度觀測及其應用(2017) 陸俊瑋; Lu, Chun-Wei本文主旨為雙軸機械手臂加速度的估測，並且使用線性加速度感測器來量測。由於一般在市面上角加速度感測器比較難以取得，因此在實驗中使用線性加速度規。一般常用的線性加速度規通常是電容式與壓電式加速度規兩種。由於MEMS技術的進步使的電容式加速度規變得無所不在，但是與壓電式加速度規相比，電容式加速度規在頻寬與雜訊之間存在很大的衝突，因此限制了它們在高性能運動系統的應用。另一方面，壓電式加速度規在頻寬與雜訊之間有很好的平衡，卻無法量測低頻之加速度訊號。 在本研究中，在具有兩個旋轉關節的雙軸機械手臂之末端安裝兩個壓電式加速度規，並且使用光學編碼器來測量兩個旋轉關節的角度。接著使用角度和壓電式加速度規所量測之線性加速度，估測出兩個旋轉關節的直角座標加速度。 本文實驗平台採用TI TMS320C6713 DSP與Xilinx可程式閘陣列(FPGA)結合而成之控制器硬體核心，以C語言與硬體描述語言(VHDL)作為控制器設計之發展工具。本文實現所提出的加速度觀測器設計方法，並且使用加速度干擾補償器(ADOB)，比較各種加速度訊號對於實驗平台控制性能之影響，由實驗結果可知本方法具有實用性。