機電工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/84

系所沿革

為迎合產業機電整合人才之需求,本校於民國 91年成立機電科技研究所,招收碩士班學生;隨後並於民國93年設立大學部,系所整合為「機電科技學系」,更於101學年度起招收博士班學生。103學年度本系更名為「機電工程學系」,本系所之發展方向與目標,係配合國家政策、產業需求與技術發展趨勢而制定。本系規劃專業領域包含「精密機械」及「光機電整合」 為兩大核心領域, 使學生不但學有專精,並具跨領域的知識,期能強化學生之應變能力,以適應多元變化的明日社會。

教學目標主要希望教導學生機電工程相關之基本原理與實務應用的專業知能,並訓練學生如何運用工具進行設計、執行、實作與驗證各項實驗,以培養解決機電工程上各種問題所需要的獨立思考與創新能力。

基於建立系統性的機電工程整合教學與研究目標,本系學士班及研究所之教育目標如下:

一、學士班

1.培育具備理論與實作能力之機電工程人才。

2.培育符合產業需求或教育專業之機電工程人才。

3.培育具備人文素養、專業倫理及終身學習能力之機電工程人才。

二、研究所

1.培育具備機電工程整合實務能力之專業工程師或研發人才。

2.培育機電工程相關研究創新與產業應用之專業工程師或研發人才。

3.培育具備人文素養、專業倫理及終身學習能力之專業工程師或研發人才。

News

Browse

Search Results

Now showing 1 - 4 of 4
  • Item
    基於TPU/ILs/Li2CO3微結構陣列離子凝膠之可穿戴且高靈敏的壓力感測器研製
    (2025) 張智耀; Zhang, Zhi-Yao
    壓力感測器廣泛應用於智慧穿戴、生理監測、機器人觸覺系統與自動化控制等領域,隨著電子皮膚與人機互動技術的快速發展,具備高靈敏度、穩定性與可撓式的壓力感測器設計成為重要研究方向。本研究以此為出發點,提出一種新型離子電容式壓力感測器,藉由引入電雙層效應(Electrical Double Layer, EDL),以有效提升其整體感測性能。研究採用熱塑性聚氨酯(TPU)為基底,添加碳酸鋰(Li2CO3, LC) 與([EMIM]+[TFSI]−)離子液體(IL),製備TPU/IL/LC離子凝膠複合物介電層。在結構設計方面,運用3D列印製備倒金字塔結構之模具,接著以翻模技術製作出微結構陣列化的介電層,調整其結構尺寸與厚度參數來優化感測性能。實驗結果顯示,所製備之TPU/IL2.5感測器在低壓(0-130 kPa)範圍內具備64.49 kPa⁻¹的靈敏度,於中高壓(130-1400 kPa)區間則僅為4.04 kPa⁻¹。經Li2CO3改質後的TPU/IL2.5/LC0.20感測器在低壓範圍(0-130 kPa)內展現出高達211.57 kPa⁻¹的靈敏度,約為未改質感測器的3.28倍。此外,在130-550 kPa區間亦可達到104.26 kPa⁻¹的靈敏度,在550–1400 kPa區間則維持16.1 kPa⁻¹,顯示其於全壓力範圍內均具有大幅提升之靈敏度。TPU/IL2.5感測器具備最低檢測極限為0.052 Pa,而TPU/IL2.5/LC0.20感測器則進一步降低至0.047 Pa,顯示其微小壓力感測能力有所提升,解析度更高。此外,TPU/IL2.5/LC0.20感測器通過10000次壓縮與5000次彎曲循環測試,以及30天的長期穩定性測試,感測器依然維持穩定表現,展現出優異的可靠性與耐久性。在實際應用方面,TPU/IL2.5/LC0.20感測器可量測脈搏、呼吸、關節彎曲、水滴重量與氣壓微變等多種訊號,亦具備測量溫度與濕度之多功能感測效能。最後,透過CAV444 C-V轉換晶片、藍牙模組之整合與搭配Arduino控制板,即時將電容轉換成電壓訊號後傳輸至手機APP進行顯示,並成功應用於機械手臂之觸控暫停控制,顯示其作為撓性電子皮膚的潛力。整體成果證實本研究感測器具備高靈敏度、高穩定性與高可撓性,可提供未來智慧感測系統中材料設計、元件製作與應用整合潛力的可行解決方案。
  • 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
    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
    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。