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
21 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 全向移動平台結合機械手臂動態物件追蹤(2024) 邱軒博; Chiu, Hsuan-Po全向移動平台(Omnidirectional Mobile Platform)是一種具有全方向移動能力的移動平台,比起傳統的四輪平台更加靈活且複雜。本文自行設計此移動平台並結合機械手臂與影像辨識系統,並整合軟、硬體功能,最後使其能夠模擬一些簡單的人體動作。在機械手臂方面,描述了手臂的運動模型,取得末端的位置座標;在影像辨識上,利用雙目測距取得球體的世界座標;再將機械手臂與雙目估計的座標整合,最後透過拋物線運動方程式以及類神經網路預測其落點。最後通過實驗結果證明所提出的方法可以整合不同的座標系,且可以追蹤球體的座標,及時回傳並移動到預測落點的位置,再控制機械手臂到實際球體落下位置完成接球動作。Item 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。Item 使用機器人視覺及安全軌跡規劃於自動化汽車車門噴塗系統之研究(2023) 柯宏瑨; Ko, Hung-Chin自工業4.0興起後,機器手臂導入自動化的發展成為智慧製造中不可或缺的一部分,在許多生產或加工的工廠中可以見到機器手臂的應用,由於其具備快速及穩定的優點,使得製造過程得以在更短的時間內得到更好的成果,並大幅減少了人力及時間成本。本論文透過六軸協作型機器手臂整合RGB攝影機與二維光達執行汽車車門自動化噴漆的任務,首先機器手臂根據使用者設定的四個位置拍攝車門的影像,並將其儲存,透過影像拼接技術的幫助,將四張影像根據車門的特徵拼接,藉此得到完整的欲噴塗車門之影像。獲得完整的汽車車門影像後,使用色彩偵測方法將欲噴塗車門之範圍從原始影像中過濾出來,再利用輪廓檢測技術擷取出欲噴塗範圍之內輪廓。軌跡規劃演算法根據內輪廓的大小規劃出若干條車門噴漆之路徑,經過座標轉換將此路徑轉換為機器手臂的末端點座標,使得機器手臂得以根據的軌跡進行噴漆任務。在機器手臂進行噴漆的過程中,由於人類操作員有時需要查看汽車車門是否發生上漆不均勻的情況,為了避免機器手臂在噴塗的過程中發生人機碰撞的情形,透過二維光達監控是否有操作人員進入機器手臂工作範圍的情況,透過安全機制的協助得以避免人機碰撞的問題產生。Item 自製具手臂四輪移動平台之最佳路徑規劃與抓取(2022) 王偉權; Wang, Wei-Chuan本文自行設計具手臂的四輪移動平台,其中四輪移動平台的機械手臂擁有兩個自由度,可以垂直伸縮也可以水平伸縮,具有抓取物品功能。四輪移動平台本身可驅動前進、後退、左轉、右轉,因此四輪移動平台可以自由的移動,並且利用最佳路徑規劃到達指定地點。具手臂四輪移動平台,控制的核心是使用32位元的微控制器,將控制訊號傳至馬達驅動器來控制車輪與手臂的馬達。同時利用超音波感測器做為模糊控制的輸入並輸出相對應的目標轉速,使用霍爾感測器取得目前車子移動的狀態以及PIDNN (Proportional-Integral-Derivative Neural Network)控制器給予對應的控制訊號維持當前的速度。最佳路徑規劃是使用A-star演算法,實驗的場地會在各個轉彎處使用QR Code作為標記點,以利於四輪移動平台知道自己的位置並且執行對應的指令。最後,透過實驗驗證具手臂四輪移動平台能以最佳路徑移動至目標倉庫前執行抓取的任務。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 具機械手臂之履帶式機器人協作任務之實現(2023) 謝佩哲; Hsieh, Pei-Che目前履帶式與機械手臂的相關技術已經越來越成熟,但是大部分的研究,還是將兩者分開來分別進行探討,鮮少討論結合的應用策略,因此本文嘗試結合履帶式機器人的移動導航與機械手臂的物件抓取等功能,以實現跨樓層移動取物、多平台的溝通整合以及具交集工作環境的人機協作任務為目標,提出演算法與系統架構。本文所使用的機器人平台為自行研發裝載了五軸機械手臂的履帶型機器人,透過雷射測距儀和超音波感測器的輔助,搭配牆面校準演算法,完成自動爬梯。為實現近端定位,利用ArUco圖示輔助,引導機器人更精準地移動至目標地,接著使用TensorFlow-Lite提供的物件偵測模型,找出場景物件,並建立3D虛擬環境,再根據場景模型,計算機械手臂的路徑規劃,進行物件抓取。另外本研究透過socket自行開發可以與非機器人作業系統架構開發的機器人進行溝通的簡易方式,讓履帶機器人可以跨平台收到由另一台機器人發送的取物需求,進行跨樓層取物的任務,並透過Mediapipe提供的手勢辨識模型,讓人類使用者以簡易手勢與機器人進行簡易的任務溝通,實現具交集工作環境的人機協作任務。Item 應用於四輪移動機器人車的動態避障系統(2021) 郭勝斌; Kuo, Sheng-Pin本論文藉由整合四輪驅動車與機械手臂,完成一台移動機器人車。我們設計一結合了光流法與 SVM 分類器的移動行人影像運動偵測系統,以實現移動機器人的動態避障功能。此外,亦設計了一僅以單一影像輸入的影像伺服控制系統,用以精確的控制機械手臂完成夾取作業。最後,整合上述兩項功能,使移動機器人可以在複雜的工作環境中避障移動以完成夾取作業。移動機器人車的移動速度控制功能是由模糊控制器串聯比例、積分及微分控制器(Proportional-Integral-Derivative, PID)在微控制器中實現。應用於機械手臂的影像伺服控制系統利用單目測距,以單一組攝影機提供的影像輸入計算出目標物件的世界座標。將此資訊回傳至微控制器後,由微控制器計算並控制機械手臂移動至夾取物體的姿態。最後,移動機器人車透過整合實驗,驗證此機器人可以完成夾取指定物件,並在移動過程中對於行人進行避障的任務。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。
- «
- 1 (current)
- 2
- 3
- »