學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73897
Browse
3 results
Search Results
Item 結合馬氏田口系統與類神經網路分析法改善多感測器火災異常偵測績效(2024) 張証淯; Chang, Cheng-Yu為了改善多感測器火災偵測器的警報速度及準確度，本研究提出結合馬氏田口系統與類神經網路的LSTM-MTS方法。LSTM-MTS方法以馬氏田口系統作為主體進行火災異常偵測，但由於火災煙霧資料在正常狀態下，具有數值穩定且無高低變動的特性，導致無法建立正常狀態馬氏空間，因此本研究提出結合類神經網路中的長短期記憶，利用其善於處理時間序列資料的特性，將正常狀態資料進行轉換，以順利建構正常狀態馬氏空間。為了驗證本研究提出的LSTM-MTS方法，是否能夠有效提升多感測器火災偵測器的警報速度及準確度，本研究使用煙霧偵測器研發製造商A公司，以及美國國家標準暨技術研究院的火災實驗資料進行分析後，證實本研究提出的LSTM-MTS方法能夠有效提升多感測器火災偵測器的偵測績效，提早在火災偵測器實際警報之前偵測到異常，並且相較於單獨使用馬氏田口系統及類神經網路的方式，具有較佳的警報速度與準確度。Item 利用社會網路分析和類神經網路法探討自動駕駛汽車感知專利技術角色定位與策略發展(2024) 李紘維; Li, Hung-Wei隨著科技日益滲透至日常生活，大型城市正面臨日益嚴峻的交通流動性挑戰。自動駕駛汽車產業被視為解決這類問題的一個有前景的領域，但目前車輛相關技術尚還未達到理想中的完全自動化水平，而實現完全自動化的關鍵在於自動駕駛汽車感知技術的發展，因此感知技術的企業於產業中的發展將使社會逐步邁向一個更加智能、高效和安全的交通未來，而企業為制定相應的發戰策略，其必須理解市場中各家企業專利技術能力、專利角色定位與未來發展趨勢，透過以上指標制定適切的發展策略。本研究主要的目的是提供自動駕駛汽車感知技術相關企業未來發展建議。首先，本研究利用社會網路分析針對 MTrends 專利資料庫中的自動駕駛汽車感知技術專利進行中心性分析，基於社會網路分析計算各家企業的中心性數值分析結果，提出評估企業專利技術能力的三個關鍵指標包含「專利技術影響力」、「專利技術市場模仿能力」和「獨立技術開發能力」，應用企業專利技術能力指標定位企業的專利技術角色；接著，本研究透過類神經網絡分析各企業過往的專利公開件數，建立專利技術生命週期並分析其專利技術的發展趨勢，從而發現該專利的技術生命週期仍表現出持續成長的趨勢最後，根據本研究的專利技術角色定位與專利技術生命週期為成長趨勢的分析結果，為企業和技術開發人員提供企業發展策略建議，使企業和投資者更準確地理解企業當前狀況，並深化對產業結構和競爭動態的認識，從而促進更有效的未來規劃。Item 透過鯨魚演算法調變權重之類神經網路應用於三電力電動車輛系統上最佳化能源管理策略(2023) 邱竺楊; Chiu, Chu-Yang本研究旨在透過類神經網路應用於三電力電動車輛能量管理策略上，以增進未來可實現於車輛控制器硬體上之可行性。類神經網路之訓練數據集，由混合動力車輛之能量管理領域上，常應用之最小等效能耗法(Equivalent Consumption Minimum Strategy, ECMS)進行收集。首先，本研究先建立具有三電力源電動車輛系統特性之低階動力學模型，其中包含電力源(燃料電池、鋰電池、超級電容)，所需相關參數皆從商業軟體Advanced Vehicle Simulator(ADVISOR)獲得，基於目標車型 Toyota Mirai 設計具有三電力架構之增程式版本，動力系統包含110kW燃料電池組、40Ah鋰三元電池組以及165F/48V超級電容組，並搭配150kW交流馬達。作為訓練數據集來源，ECMS控制策略為一包含六階層環狀結構，分別為鋰電池健康度、需求功率、電池殘電量、超級電容殘電量、燃料電池與需求功率比值以及鋰電池與需求功率比值，作為訓練類神經網路使用，輸入為ECMS前四層參數，輸出則為後兩層：燃料電池與需求功率比值與鋰電池與需求功率比值，本研究透過鯨魚仿生演算法針對類神經網路調變權重(WOA-ANN)與傳統倒傳遞法(BPANN)進行分析比較。為評估類神經網路之效益，本研究同時也建立規則庫控制法。為分析能耗差異性，透過新歐洲駕駛循環(New European Drive Cycle, NEDC)以及全球統一輕型車輛測試程序(Worldwide Harmonized Light-Duty Vehicle Test Procedure V.2, WLTP Class-2)進行模擬分析，於五次NEDC以及WLTP Class-2行車型態下，RB、ECMS、BPANN、WOA-ANN能耗分別為：50.58、39.27、47.13、39.13kWh；72.70、51.10、61.29、51.50kWh。與RB相比，ECMS、BPANN、WOA-ANN改善率分別為：22.36%、6.82%、22.64%；29.71%、15.70%、29.16%。相較於ECMS，BPANN與WOA-ANN相似度分別為：83.32、99.64%；83.37%、99.22%。本研究利用兩台快速雛型控制器，驗證ECMS理論型控制應用於車用載具之可行性，透過硬體嵌入式開發環境進行Real-time運行，在兩種行車形態下，WOA-ANN於SIL與HIL開發環境之能耗表現相似度皆高達95%，以此先行驗證應用於實車控制器之成效。