Browsing by Author "Chen, Mei-Yung"

Now showing 1 - 19 of 19

TD-RRT* 的實時路徑規劃設計並結合Catmull-Rom 插值的路徑平滑技術應用於非完整移動型機器人
(2022) 周星言; Jyotish
在機器人和自動化領域中，路徑規劃和追跡是常見的重要議題。因為它關係著如何讓機器人可以安全、快速地完成高精度及高準確度的工作任務，同時也能避開障礙物來防止機器人的損壞。在本論文中，我們將研究各種路徑規劃方法，這些方法可以有效地找到移動型機器人從起始位置移動到目標位置而不會與障礙物發生碰撞的安全路徑。因此，我們所提出的路徑的必須針對路徑的安全性和路徑長度兩個不同目標達到最佳解。路徑規劃問題現在是自主機器人中探索最多的課題之一。因此，在受限環境中為移動機器人建立安全路徑是所有此類移動機器人成功完成任務的關鍵先決條件。本論文提出一種新的方式來獲得有效的結果，其中包含著兩種演算法：路徑規劃演算法涉及使用諸如距離、時間和能量消耗等性能標準在起始位置和目標位置之間建立安全無碰撞路徑。再透過三角分解演算法再一步地優化路徑，可以快速又高效找到最適合機器人的路徑。且根據環境是否已知，亦可分為兩種類型的路徑規劃演算法：局部路徑規劃和全局路徑規劃。本論文基於RRT*演算法進行改良，RRT*是傳統RRT方法最佳的改良型演算法之一，本論文更進一步提出了一種新的基於三角分解法的快速探索隨機樹算法（TD-RRT*），使路徑更短，更精確地優化，同時也增強了移動機器人在短時間內尋找路徑的能力，進而降低成本花費，該技術基於增量採樣，覆蓋整個區域并快速運行。此外，由於這種方法計算效率高，因此可以應用於多維環境。本論文也提出了將TD-RRT*進行動態重新規劃的方式，當未知的隨機移動或靜態障礙阻礙路徑時，機器人將會隨著修改其路徑。並通過各種實驗結果顯示，該方法比基本RRT*更快的有效性，並且可以獲得滿足移動機器人非完整約束的最短距離的平滑路徑。
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。
以多視角影像技術結合曼達尼模糊模型實現機器人室內定位
(2021) 連君祐; LIEN, CHUN-YU
本論文發展一套機器人室內定位系統，克服SURF(Speeded Up Robust Features)演算法僅能進行靜態特徵點提取的問題，本研究的貢獻是以模糊理論為基礎，應用Fuzzy邊緣檢測結合SURF，以兩種方法的整合作為本論文的改良法，透過改良演算法使影像輪廓更加清晰與貼近現實生活中物體的樣貌，SURF演算法於動態檢測的問題也獲得改善，並且藉由網路攝影機以及多項不同的程式軟體，將各項軟體與硬體進行合適的系統整合後，實現即時獲取室內機器人之座標位置。具體的研究架構包含以下內容：第一，藉由一張棋盤格之不同角度形成多角度照，多角度照形成的棋盤圖像代表校正的模式，再藉由相機校正以及針孔相機模型參數的轉換運算方法獲得機器人於空間中的所有座標點，座標記錄著機器人的移動狀態，這樣的紀錄方式將使得空間中的機器人無所遁形，並且有利於後續的機器人定位研究之實現。第二，先使用Canny邊緣檢測法或Sobel邊緣檢測法投影之機器人於環境中的樣子後，再藉由模糊邊緣檢測法使得邊緣檢測的效果得以提升並且經由改良後也能使SURF演算法於動態狀態下的問題獲得改善，抓取到足夠數量的特徵點進行特徵點的匹配，如此一來SURF演算法透過網路攝影機將能準確的標示輪型機器人之確切的位置。第三，SURF演算法藉由網路攝影機投影後，即時定位環境中之移動機器人位置並且藉由座標與改良的定位方法的整合，了解機器人於室內的動態軌跡與位置變化。整體而言，本論文的F-SURF能更快速並且更準確的定位移動機器人之位置，有效降低定位需花費之時間，同時改善SURF演算法於動態狀態標示位置跑掉之問題，提升最大有效範圍，以及將焦點鎖定在移動機器人身上，從起點到終點，改良的演算法都能於雜亂環境中準確快速地標示移動機器人的正確位置並且記錄著動態的每一個座標，最終實現了機器人之室內定位的系統。
以類神經網路實現臉部影像疼痛水準即時估測
(2016) 林高遠; Lin, Kao-Yuan
本論文提出一種以人類臉部影像為輸入資料，用類神經網路即時測得受測者疼痛水準的方法。情感運算在最近幾年來已經逐漸受到重視，而臉部影像疼痛水準自動估測，有助於醫療照顧、健康促進等領域自動化，有效減少第一線照顧者的負擔。但相關研究的數量與關注程度遠落後於其他表情辨識技術，使得相關應用發展受限。本論文嘗試兩種輸入資料：一種是屬於低階外觀特徵的人類臉部眼、嘴區域Uniform LBP直方圖，取得118-D向量；另一種屬於使類神經網路自動尋找的高階抽象特徵，將臉部影像做最大池化(Max Pooling)處裡後，從32x32灰階影像取得1024-D向量。將兩者正規化，再輸入類神經網路做迴歸訓練與測試。實驗結果方面，將The UNBC-McMaster Shoulder Pain Expression Archive Database隨機分割為兩份，分別做為訓練與測試樣本。將本論文提出的方法與Sebastian Kaltwang等人與Xiaopeng Hong等人的研究比較，可以達到較小的均方誤差(MSE=0.17)與較接近1的皮爾森相關係數(r=0.94)。速率表現方面，本論文以C#實作出的程式在i5雙核心的電腦上平均可以達24FPS。
使用邊緣偵測和特徵偵測結合之移動物體偵測
(2017) 邱敬棋; Chiu, Chin-Chi
本文是針對影像作移動物體偵測。現今有非常多的方式對視訊監控影像作移動偵測的方法，在物體移動中，大部分最常見的方法是對物體找出特定的特徵點，並在兩張影像中計算此特徵點的移動，但有時這些特徵點有時候會較難被定義清楚，因為物體移動的時候容易使影像模糊，特別是在影像無法事先得知的情況下更為困難。在本文主要是使用加速穩健特徵(SURF)演算法來定義移動物件的特徵點，因為SURF 偵測特徵的速度相對於SIFT 來說會比較快，但是不管是SIFT 還是SURF，在檢測的物體移動時，匹配結果則不如預期中良好，因為物體在移動時可能存在著不正確的特徵點，所以本文提出了邊緣和特徵偵測去作結合，以此提高特徵匹配的情況，除此之外本研究中我們各種不同的移動方式做偵測去計算正確的特徵點並做分析。在實驗中，我們可以進一步的了解此方法相較於傳統的方法上，能有更良好的辨識能力。
基於人臉網格的一種對於化妝與跨年齡的臉部辨識
(2024) 陳勁凱; Chen, Chin-Kai
臉部辨識是一種重要的生物識別技術，在多種應用中得到廣泛使用。然而，化妝以及年齡變化會使人臉發生變化，進而影響人臉上的特徵，從而降低臉部辨識的準確性。為了解決化妝以及年齡變化造成的臉部辨識問題，本論文提出了一種基于MediaPipe的FaceMesh和類神經網路的臉部辨識方法，以解決化妝以及年齡變化造成的臉部辨識問題，該方法將在Python內部逐步構成。MediaPipe FaceMesh模型的人臉偵測是以 BlazeFace 人臉偵測器為基礎，該偵測器會對圖像進行操作並計算人臉位置。偵測到人臉後，FaceMesh模型會使用一個自定義殘差神經網絡提取名為landmark的臉部特徵，並利用歐式距離和landmark蘊含的座標資料計算指定的landmark之間的距離以及比值，作為訓練用的臉部特徵。主成分分析用於提高準確率，降低過擬合現象。類神經網路用於訓練模型。實驗結果表明，該方法在化妝以及年齡變化下的臉部辨識有一定的準確性，具有一定的應用價值。
基於長短期記憶網路的疲勞檢測
(2022) 高國瑋; Gao, Guo-Wei
本論文重點介紹即時疲勞檢測流程。該系統將在 Python 內部完成這一切，並逐步構建它，以便能夠檢測到不同的姿勢，特別是困倦的跡象。為了做到這一點，我們使用一些關鍵模型並使用 MediaPipe Holistic 來提取關鍵點。這將使我們能夠從臉部提取關鍵點。該系統使用 Tensorflow 和 Keras，並建立了一個長短期記憶模型 long short-term memory（LSTM），能夠預測螢幕上顯示的動作。我們需要做的是收集關於我們所有不同關鍵點的一些數據，所以我們收集我們臉上的數據並將它們保存為 Numpy 數據，以便處理多維的陣列或矩陣。人臉檢測方法基於一個深度神經網絡，使用 Sklearn 進行評估和測試，並使用 Matplotlib 幫助進行圖像可視化。能夠從臉部檢測到 468個地標，提取臉部的重要特徵並對數據進行變換，以便將數據導入 LSTM 模型。使用 LSTM 層繼續並預測時間分量，它能夠從多個幀預測動作，而不僅僅是單個幀。使用 Opencv 進行集成，然後使用網路攝影機進行即時預測。本研究成功使用 MediaPipe 與 LSTM 模型相結合，提出一套疲勞檢測的系統。實驗結果顯示，經機器學習後其檢測平均準確率能達到 90%。
基於馬可夫決策過程之路徑規劃演算法用於複雜動態環境
(2023) 陳宥儒; Chen, Yu-Ju
本論文提出了一種基於馬可夫決策過程的機器人路徑規劃演算法。首先，需要將目標點設為一個正的獎勵訊號。其次，代理人每走一格就會有一個負的獎勵訊號。代理人必須最大化其長期累積的總獎勵，這也是代理人的唯一目標。利用根據能夠將長期獎勵最大化所得到的策略來決定機器人行走路徑。最後，將每個位置所得到的策略串聯來，就得到一條最佳路徑。此外，本篇論文透過設計馬可夫決策過程中的價值函數，使得規劃出來的路徑能與牆壁與移動障礙物保持一定的安全距離。最後，在本論文模擬中，代理人在產生第一條路徑之後，因應環境變化產生其他路徑相當迅速，且會主動閃避移動障礙物 ;而在實驗的部分，使用了搭載機器人作業系統 (Robot Operating System,ROS)的雙輪差動機器人在有移動的障礙物和移動的人時，皆能有效的產生閃避障礙物之路徑。此路徑規劃演算法是由馬可夫決策過程發展而成，也是現代機器學習的基石。有別於傳統的路徑規劃演算法，像是 Dijkstra、 A*、 D*之類的演算這些演算法無法在複雜動態環境有良好表現甚至無法適用於動態環境，本篇論文所提出的基於馬可夫決策過程路徑規劃演算法是以計算全域地圖上各點的獎勵訊號來決定路徑，在每個時刻、每一個點都會有一個預期回報的期望值，所以在動態變化較大的環境中可以比較即時的更改路徑因此其在動態環境的效率較佳。
對於水平方向線性並聯機器手臂的工作空間分析與實作
(2024) 曾俊達; Zeng, Jun-Da
Delta機械手臂是並聯式機械手臂中的一種，在結構上可分為移動平台和固定底座，以及三個平行四邊形形狀，具有相同運動學結構的機械手臂，固定在一個固定底座上，依靠底座上裝設的馬達來驅動手臂上的連桿，對移動平台進行移動。大部分的Delta機械手臂是採用垂直方向，而本文中所展現的則是水平方向的Delta機械手臂，並介紹其特點以及針對Delta機械手臂的運動學、工作空間和與對運動軌跡進行分析，為水平方向Delta機機械手臂的應用提供參考。運動學分析分為正向運動學和逆向運動學。逆向運動學的解可以通過機械臂的參數以及幾何的分析來求得。利用逆向運動學的計算結果以及參數代換的方法，可以獲得Delta機械手臂的正向運動學之解。藉由正向運動學的計算結果，可以對Delta機械手臂的工作空間進行分析，並透過MATLAB模擬Delta機械手臂在3D空間中的工作空間。在運動軌跡方面，通過控制系統來操控機械手臂的運動，通過模擬與實驗對比，藉以優化Delta機械手臂的運動軌跡。
心跳感測器輔助影像深度學習應用於臉部痛苦指數之判別
(2018) 陳梓瑄; Chen, Zi-Xuan
本研究提出了一種估計人臉疼痛強度的方法。使用回歸卷積神經網路訓練模型，其中包含三層卷積層及三層池化層。此外，使用心跳感測器幫助臉部疼痛識別，目的是更準確地判斷人的疼痛程度。在兩個感測器的偵測及相互輔助下，可以極大程度的預防危險性的發生。例如使用在跑步、復健及醫療上，若能夠第一時間偵測到使用者的痛苦指數及心跳數異常，將能有效且迅速的做第一時間的處理。同時，本論文另一個貢獻為根據醫療及運動等相關文獻做出實際測試結果，將心跳感測與臉部疼痛做出結合與應用，並且能實際應用於生活當中。本研究結果顯示，i5雙核計算機的MSE為0.11，Pearson相關係數接近1（r = 0.98），平均運算速度達到70 FPS。除了能夠高速運算臉部痛苦指數，也能迅速對硬體下達指令。
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。
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。
永磁同步線性馬達應用於X-Y定位平臺之高精密伺服控制器設計
(2017) 林廷恩; Lin, Ting-En
本論文提出了重複適應性互補式滑動模式控制(RACSMC)應用於X-Y軸伺服線性馬達定位平台，以開發一套高精密運動之雙軸控制平台。首先我們先針對單軸的線性馬達系統模型建立，然後進行控制器設計，在本研究中RACSMC將主要運用適應性互補式滑動模式控制(ACSMC)來進行主要的控制動作，其主要特性在於有兩個滑動面的設計，而滑動面的狀態收斂條件是沿著兩滑動面的交線移動到最終收斂位置，而在動態響應部分比起一般傳統的滑動模式控制(SMC)，有更好的誤差收斂效果，接著加入適應控制讓不確定性的參數估測不必全部都藉由SMC的強健控制切換函數項進行抑制，進而減少切跳現象(chattering)，最後再加入重複控制原理，讓系統在週期性的精密運動的時候，可以抑制週期性的誤差，反覆學習的一種概念，使系統的穩態誤差在經由反覆的學習再更加的降低，進而提升此系統的精確度。　　在本論文中將會建立出一個線性馬達的雙軸定位平台數學模型，首先會把使馬達驅動的三相電流轉換為d-q軸控制電流，接著將此線性馬達推力方程式與機械模型整合後推導出兩軸的定位平台運動方程式，而系統的運動方程式將會考慮不確定性的問題，因此將會藉由此運動方程式，進行控制器的推導來設計適合此定位平台之控制器。在實驗中本研究將會對兩軸個別的做控制，以了解論文中設計的SMC及RACSMC對於此控制平台的性能差異，藉由定位以及追跡的實驗結果，可以證明本論文提出的RACSMC可以在此控制平台中有降低切跳現象，以及增加誤差收斂的效果，最後將使用RACSMC對雙軸做圓追跡、螺紋和葉子軌跡來呈現控制器的效能。
研製一功率因數修正器與諧振轉換器
(2024) 王崇軒; Wang, CHYNG HUSUAN
本研究研製一應用於微移動載具充電器(Mirco-mobility charge)之交流/直流轉換器。第一級使用功率因數修正電路進行交流/直流轉換，第二級使用半橋LLC諧振式電路進行直流/直流轉換，藉此實現交流輸入電壓110 ~ 220 Vrms，直流輸出電壓60 V，輸出電流4 A的微移動充電器。本研究第一級電源需實現交流/直流轉換，採用升壓式功率因數修正電路使用意法半導體(ST)的控制晶片L4985A，將功率因數修正電路操作在連續導通模式。本研究第二級電源需實現直流/直流轉換，採用半橋LLC諧振式轉換電路，使用安森美(On-semi)的控制晶片NCP13992。其次，半橋功率開關，選用意法半導體的封裝在同一個晶片上閘極驅動器與高壓氮化鎵電晶體。本研究將第一級與第二級電路進行結合後，可將電路操作在交流輸入110 ~ 220 Vrms，皆能操作在滿載條件，並且在不同輸入條件下，功率因數皆可達到0.99，轉換效率可達到90%以上。
設計與實現差動型輪型移動機器人之機器人控制系統
(2023) 鍾秉剛; Jhong, Bing-Gang
本論文改良機器人控制系統中的演算法，主題涵蓋機器人的運動規劃、定位與控制器設計，藉此提升控制系統的運作效率。在運動規劃領域，我們探討或提出對雙向快速探索隨機樹（BRRT）演算法、A*演算法與hybrid A*演算法的改進措施，並且設計剪枝與平滑算法優化路徑品質，最後搭配梯形速度規劃完成運動規劃工作。在定位方面，在使用特徵地圖的場合採用拓展卡曼濾波器，而在網狀地圖使用改良式蒙地卡羅定位法。此改良式蒙地卡羅定位法由本論文提出，藉由重新設計演算法的權重分配與重新採樣的架構提升演算法的搜尋效率。而在控制器設計方面，我們提出了一種自適應控制器，旨在最小化機器人的預定狀態和當前狀態之間的追蹤誤差。透過我們的機器人控制系統，機器人可以順利地從目前位置導航到指定目標。該系統的性能透過模擬和實驗結果的結合得到證實。
輪型移動機器人之路徑規劃與學習演算法應用於路徑追蹤之模糊控制器設計
(2016) 陳威任; Chen, Wei-Jen
本研究主要是輪型機器人的路徑規劃與路徑追蹤。在路徑規劃方面，採A*演算法具有最小花費函數搜尋結果之特色生成輪型移動機器人之最短路徑，然而，此種設計方法應用於路徑規劃之結果將會產生大量轉折點以及過於靠近障礙物之路徑，因此，採用了具有局部改變調整特性的B-Spline 曲線來調整A*演算法不適用於輪型移動機器人追跡之區段路徑。在路徑生成之後，接下來即是考慮路徑追蹤的課題。為設計路徑追蹤的控制器，我們必須先了解輪型移動機器人的運動模型才可進行下一步之路徑追蹤控制器設計。路徑追蹤方面採用輪型移動機器人之兩輪速度控制方法來完成目的，本論文採用了模糊控制系統結合類神經網路之適應性模糊類神經網路技術，以此方式可結合模糊控制之定性分析與類神經網路定量分析能力之特色，並具備自我學習調整之能力，最後再加入遺傳演算法進行最佳化設計提高理想之結果。
運用影像增強技術於高分子分散液晶透明顯示器
(2018) 梁庭綱; Liang, Tung-Gang
本研究為專注於影像增強技術運用於高分子分散液晶透明顯示器中（Polymer-Dispersed Liquid Crystal (PDLC)）上的影像處理，其為一種製造透明顯示器的材料，而PDLC具有高透明度、低電壓驅動，易於製造等特點，可作為便攜式顯示器使用。於透明顯示可見的實際影像由輸出影像與背景光等等組成，與原始影像相比有一些缺點，譬如色彩不飽和、低分辨率。簡單影像可以直接增強對比度調整，但複雜的影像常常經調整後會失真和異常，而為了克服這些問題，我們採用影像的霧化模型模擬透明顯示器，暗通道先驗來銳化影像並結合引導濾波來優化暗通道先驗估計的參數，但是這些過程將導致灰階值下降，將會降低部份影像低灰階部份的分辨率，所以我們提出能將目標直方圖區域獨立運算的方法來解決問題。保持其他更較高灰階區域的影像不變，最後可以得到銳化的影像，而其可以適應透明顯示的干擾，達成增強影像的色彩飽和度、分辨率，甚至顯示器的透明度都有所改善，使得於透明顯示器所見的實際影像更接近原始影像，更加清晰明瞭。
開發一高升壓比之升壓轉換器
(2024) 林韋丞; Lin, Wei-Cheng
本研究研製一低壓轉至高壓的升壓轉換器，其輸入電壓為24 V，輸出電壓為200 V及功率為200 W。其電源級拓撲採用升壓轉換器結合電壓倍乘器(Voltage multiplier)。升壓轉換器結合電壓倍乘器與傳統的升壓轉換器相比，同樣使用單開關切換，其控制方法亦與傳統的升壓轉換器相同；而結合電壓倍乘器的升壓轉換器可以提高電壓增益，與功率開關上的電壓應力(Voltage stress)；其次，本研究研製的升壓轉換器結合四層電壓倍乘器，令電路中的所有電感操作在連續導通模式。基於升壓轉換器結合電壓倍乘器之動作原理於本文中進行說明，並結合一商用的脈衝寬度調變控制器，實現低電壓輸入，高電壓輸出之目的。本文將介紹元件之設計方法，以及推算過程。再者，本研究使用電路模擬軟體PSIM，模擬具有4層電壓倍乘器的升壓轉換器，進而與實驗結果相互比較，以驗證所建之模擬電路與所設計之脈衝寬度調變控制器所使用元件參數之正確性。
高精密度雙軸鐵心式永磁同步伺服線性馬達定位平台之控制器設計與性能分析
(2015) 林玠虢; Lin, Chieh-Kuo
本研究提出了適應性增量式滑動模式控制(AISMC)應用於雙軸式的鐵心式永磁伺服同步線性馬達，以建立高精密度之雙軸運動控制平台。AISMC之特色為在設計時會考慮過去的控制量輸入以降低滑動模式控制(SMC)的抖振現象，以及利用適應控制來即時估測與補償系統的不確定項，以達到提升系統精確度之目的。為了建立出高精密度之雙軸運動平台，本研究會先運用磁場導向定理(field-orented control)將驅動馬達之三項控制電流轉換為d-q軸控制電流，並將其與線性馬達之磁推力方程式和機械模型整合後得出雙軸線性馬達平台的動態方程式。然而在馬達運作中會遭遇到許多外在干擾，諸如摩擦力、漣波效應及系統內部參數之變異量等，我們將這些干擾統稱為系統的不確定項並將其納入雙軸線性馬達平台的動態方程式內做考量，以建立出較為精細的動態方程式。依據上述所建立之系統動態方程式便可設計出高階控制器，在控制器設計階段我們會先設計SMC，由於其結構簡單和強健性高因此很適合用於線性馬達這類系統不確定性較多的系統中，但其缺點為在順滑模態時的抖振現象，為改善此現象我們設計了AISMC，其特色為在設計控制器時會考慮過去的控制量輸入，藉此抑制抖振現象，並利用適應控制來補償系統的不確定性，以提升雙軸運動平台之精密度。在實驗階段我們會先分別對X軸與Y軸做獨立控制，以分析出SMC及依照其缺點來改良之AISMC的效能差異，透過定位控制及追跡控制之實驗結果分析可發現AISMC可有效的抑制抖振現象並且擁有較高的精確度，因此在雙軸同動追圓之實驗中我們便採用AISMC作為主要之控制器。