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 - 3 of 3
  • Item
    多通道腦電波量測系統之研製
    (2008) 許育財; Yu-Cai, Syu
    腦機介面(BCI, Brain Computer Interface)提供一個全新的通訊方式,使因神經肌肉受損或患有肌肉萎縮性脊髓側索硬化症等病患,可以透過腦部的活動直接控制外部的裝置,而不需經過神經及肌肉的媒介。但是腦機介面的相關設備,不僅昂貴且體積龐大,對於腦機介面的普及,實不是一項優勢。 因此,本研究目的在於研製一多通道、低成本、小體積及模組化之腦電波擷取系統。本系統包含基本的電子電路,可調適增益放大器、交換式電容濾波模組及以LabVIEW為平台所設計之應用軟體。 硬體設計上,以驅動右腳線路消除共模雜訊,以單晶式交換式電容濾波器,取代傳統主動RC濾波器降低頻率偏移,以數位電阻器取代傳統可變電阻,提高精確度,去除人為調整造成之誤差。印刷電路板佈局上,加入模組化的概念,使腦電波放大電路可進行堆疊,擴充通道數。 製作完成後,將本系統與腦電波專業量測儀器NuAmps進行比較。結果顯示,誤差評估在時域上的誤差平均值與標準差分別為0.1809伏,及0.1153;在頻域上誤差平均值與標準差分別為0.0606伏及0.167。趨勢相似度評估的相似度平均為83.25%。相關評估的相關係數可達0.8以上。 根據實驗結果,說明所研製之多通道腦電波量測系統具可行性。未來期望能將本系統與嵌入式系統做結合,可協助行動不便之使用者獲得更好的生活品質。
  • Item
    用線性鑑別分析法做冥想四個方向的分類
    (2005) 沈世評; Shi-Ping Shen
    大腦人機介面(Brain-computer interface)是一種利用腦部訊號跟外界溝通的新技術,其目的是能夠幫助因神經肌肉損傷而行動受阻礙的人。對於內部刺激—想像左右手和腳動—已經有研究過了,但冥想四個方向是值得去研究。有鑑於此,本研究建立一套系統,它以冥想四個方向實驗的腦波訊號作為輸入訊號並利用快速傅立葉分析法找出腦波的特徵,然後利用線性鑑別分析法來分辨這些特徵。最後找出一組可以分辨冥想四個方向的腦波。 經由實驗結果得知,此系統可以利用實驗中分辨率最高的資料做為參考腦波,最佳的分辨率可達80%以上。未來可預計將此運用於人機介面上以造福神經疾病患者或行動不便人士。
  • Item
    適應性類神經模糊推論系統辨識腦波P300
    (2005) 黃津操; Huang Chin-Tsao
    大腦人機介面是一種利用大腦直接控制外在儀器(操作手臂、控制輪椅)的一項技術,經由腦波辨識系統讓使用者可以透過思想就達到與外界溝通的目的,希望藉由這項技術能有效的幫助因中樞神經或肌肉受損而無法擁有自主行為的病人(如中樞神經系統損傷、重度中風、有思想和意識而無行為能力的病人等)直接利用知覺以及認知能力功能都健全的大腦來進行與外界溝通,而大腦人機介面就是很好的媒介。 本研究利用視覺誘發回溯系統誘發腦波,擷取誘發的腦波P300訊號再透過適應性類神經模糊推論系統(Adaptive Neuro-Fuzzy Interface System, ANFIS)做分類,分類結果可以做為大腦人機介面控制源,並以有效提升腦波P300訊號之辨識率為目標。從實驗結果得知,利用適應性類神經模糊推論系統來分類腦電波,單筆腦波平均辨識率為79%,最高正確率為83%。將二筆腦波平均後作辨識則平均辨識提高為87%,最高可達95%。然而本研究之受測者均為四肢健全腦部功能無受損者來進行實驗,且實驗資料濾除過程嚴謹,凡是受到干擾之腦波訊號皆去除。期待本篇研究能對致力於發展大腦人機介面的研究者或有興趣的學者提供幫助。