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 - 6 of 6
  • 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
    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
    機器手臂在農作採收之最佳姿態分析─數據驅動法
    (2021) 莊鴻榮; Chuang, Hung-Jung
    本論文「機器手臂在農作採收之最佳姿態分析─數據驅動法」旨在利用數據驅動法(Data Driven Method)取代傳統的逆向運動學算法,並結合可操控度(Manipulability)來控制機器手臂迅速達到最佳採收姿態。文中以溫室農場為假想場地,以玉女番茄為採收目標,並將玉女番茄的生長方向納入採收的參數之中,以此來制定整套採收流程。由於玉女番茄的成串果實較多,因此本文自行設計的末端採收機構具有番茄套筒,可以將目標番茄與番茄串做區隔,同時避免在剪切根莖時誤傷其他果實。最後探討在單顆及多顆番茄的情況下,實際利用採收系統對各種生長方向的番茄進行採收。結果顯示本論文所使用的數據驅動法對於採收玉女番茄之成功率以及採收效率。
  • 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
    基於物件角度分類演算法之機械手臂夾取策略
    (2021) 林叡安; Lin, Jui-An
    none
  • 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。