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

Search Results

Now showing 1 - 5 of 5
  • Item
    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。
  • 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
    模擬退火演算法於區間第二類模糊類神經網路控制器設計
    (2010) 邵皓勇; Hao-Yong Shao
    本文提出利用模擬退火演算法(SA)於區間第二類模糊類神經網路控制器設計,該模擬退火演算法可以適當的調整模糊類神經系統內部的參數,並應用於函數近似與非線性系統之適應控制設計。此模擬退火演算法應用在適應控制器設計,不需要事先的離線學習程序和複雜的數學運算,相較於傳統的非線性系統適應控制器,可以有效減少適應控制器需要的複雜數學運算,模擬退火演算法的參數調整機制主要是依據閉迴路系統的穩定性,這樣一來可增加線上系統之穩定性。傳統上在非線性系統的適應控制過程中,模糊類神經控制器的權重値是透過模擬退火演算法做即時的線上調整,產生所想要的控制輸入。為了立即評估閉迴路系統穩定的趨勢,我們從Lyapunov函數的推導過程中,提出一個能量成本函數於模擬退火最佳演算法中,藉此來獲得更好的閉迴路系統的穩定度。此外,為了防止模擬退火法可能在控制過程中使系統狀態進入不穩定不安全的區域,我們加入監督控制器來限制,使閉迴路系統的狀態維持在安全穩定的區域。 本文利用電腦來模擬與實驗所提出方法的可行性與效果。最後將模擬退火演算法於區間第二類模糊類神經網路應用於具有直流轉換器之馬達控制實驗。
  • Item
    A GA-based indirect adaptive fuzzy-neural controller for uncertain nonlinear systems
    (2002-12-06) W.-Y. Wang; C.-C. Hsu; C.-W. Tao; Y.-H. Li
    In this paper, a novel approach to adjust both the control points of B-spline membership functions (BMFs) and the weightings of fuzzy-neural networks using a reduced-form genetic algorithm (RGA) is proposed. Chromosomes consisting of both the control points of BMFs and the weightings of fuzzy-neural networks are coded as an adjustable vector with real number components and searched by the RGA. Moreover, we propose an application of the RGA in designing an RGA-based indirect adaptive fuzzy-neural controller (RIAFC) for uncertain nonlinear dynamical systems. The free parameters of the indirect adaptive fuzzy-neural controller can successfully be tuned on-line via the RGA approach. A supervisory controller is incorporated into the RIAFC to stabilize the closed-loop nonlinear system. An example of a nonlinear system controlled by RIAFC are demonstrated to show the effectiveness of the proposed method.
  • Item
    Adaptive fuzzy-neural sliding mode control for a class of uncertain nonlinear dynamical systems
    (2001-03-24) W.-Y. Wang; M.-L. Chan; T.-T. Lee
    In this paper, a novel design algorithm of adaptive fuzzy-neuralsliding mode control for a class of uncertain nonlinear dynamicalsystems is proposed to attenuate the effects caused by unmodeleddynamics, disturbances and approximate errors. Since fuzzy-neuralsystems can uniformly approximate nonlinear continuous functions toarbitrary accuracy, the adaptive fuzzy control theory is employed toderive the control law for a class of nonlinear system, with unknownnonlinear functions and disturbances. Moreover, the sliding modecontrol method is incorporated into the control law so that thederived controller is robust with respect to unmodeled dynamics,disturbances and approximate errors. To demonstrate the effectivenessof the proposed method, an example is illustrated in this paper.