電機工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/85
歷史沿革
本系成立宗旨在整合電子、電機、資訊、控制等多學門之工程技術，以培養跨領域具系統整合能力之電機電子科技人才為目標，同時配合產業界需求、支援國家重點科技發展，以「系統晶片」、「多媒體與通訊」、與「智慧型控制與機器人」等三大領域為核心發展方向，期望藉由學術創新引領產業發展，全力培養能直接投入電機電子產業之高級技術人才，厚植本國科技產業之競爭實力。
本系肇始於民國92年籌設之「應用電子科技研究所」，經一年籌劃，於民國93年8月正式成立，開始招收碩士班研究生，以培養具備理論、實務能力之高階電機電子科技人才為目標。民國96年8月「應用電子科技學系」成立，招收學士班學生，同時間，系所合一為「應用電子科技學系」。民國103年8月更名為「電機工程學系」，民國107年電機工程學系博士班成立，完備從大學部到博士班之學制規模，進一步擴展與深化本系的教學與研究能量。
News
Browse
351 results
Search Results
Item 四軸飛行器之實現與控制器設計(2019) 李克泓; Li, Ke-Hung本論文製作一四旋翼飛行器與自行設計的實驗平台，利用姿態感測器與超音波感測器的數值來獲取飛行器當前的狀態，並且搭配串級PID控制器使飛行器能夠維持穩定的狀態，並且具有抗干擾的能力。要使飛行器在飛行的過程中保持穩定需要滿足許多條件，包括機架與零件的配重、四顆馬達出力的情形、控制器的好壞等。 此四旋翼飛行器的控制核心是使用基於ATmega2560的微控制器板， 串級PID控制器實現於微控制器板可完成飛行器自主飛行。利用分配訊號與電力的電路板，將控制器的訊號和電池的電力經由電子調速器穩定的提供給旋翼的四顆馬達。超音波感測器用來偵測飛行器與地面的距離，可以用來輔助定高的功能。飛行器會透過自行設計的實驗平台來檢測姿態的穩定度，記錄數據並且做分析。 利用MATLAB來進行四旋翼飛行器模擬，建立飛行器的動力學模型來模擬飛行器的運動軌跡，套入不同的參數進行比較，探討參數改變對於穩定度的影響。Item 布穀鳥演算法應用於混合燃料電池電動機車之最佳能量管理(2019) 卜擇安; Pu, Tse-An相較於傳統燃油式車輛，發展電動車成為主要趨勢之一，然而電動車價格昂貴，有續航力比不上燃油車之缺點，且電池性能決定了電動車的最大行程與充電時間，故針對電池特性發展提升電動車續航力，本論文選用燃料電池混合電力機車進行實測，針對燃料電池與鋰電池雙電力提出最佳化能量分配策略並進行探討、優化與改善，利用基本規則庫、最小等效油耗法，以及布穀鳥搜索演算法，輸入目前的馬達需求功率、電池殘電量適時的對電池進行即時控制，以直流-直流轉換器與數位訊號控制器實現電動機車之硬體架構，探討能耗改善幅度以達到能量最佳化及行駛距離延長等目的。本論文選用測試過程中能觀察停車、高低車速以及加減速之行駛於市區的ECE-40行車型態。 為了比較最佳化能量管理策略與基本規則庫，首先透過數位訊號處理器下達控制命令於燃料電池車之電動機車整車控制器，透過整車控制器分配燃料電池之輸出功率於升壓轉換器並以機車實際測試，比較最佳化前後之數值其結果顯示行駛距離改善幅度約6.33%。 由於燃料電池混合電力機車使用單模組升壓轉換器，針對燃料電池耗盡時無法有效控制鋰電池電壓，造成控制效果不佳而提出並聯式直流-直流轉換器，將上述最佳化能量管理策略應用於此並聯式直流-直流轉換器系統，最後將整車系統進行實車測試比較，經實驗結果顯示並聯式系統之行駛距離能改善0.94%。Item 高精確度眼角偵測用於可見光眼動儀之頭動補償(2019) 李俊毅; Li, Jyun-Yi人類接收資訊的來源有80%以上來自視覺。眼動儀透過追蹤眼球運動來獲得凝視點。透過分析視覺行為過程的資訊，可以應用於認知心理學、商業、醫學和人機介面等。為了更方便有效地蒐集眼動資訊，眼動追蹤技術也不斷的發展與創新。但是可見光眼動儀在支援頭部移動仍有許多困難與挑戰，例如：在影像中如何穩定地追蹤眼睛，如何建立空間中眼睛、攝影機與螢幕之間的相對位置關係，還有每個人主視眼不一的情況。本文提出的高精確度眼角偵測，用於定位與眼球的相對位置，在頭動補償中眼角偵測的座標也用於估計頭部在影像中的相對移動，以校正程序建立空間中眼睛、攝影機與螢幕之間的相對位置關係，並偵測主視眼。透過眼角偵測與頭動補償的方法，進一步改善了凝視點估計的精確度。Item 基於機器人作業系統之自主履帶車跨樓層巡邏系統開發(2019) 劉慶偉; Liu, Ching-Wei本論文主要是開發基於ROS架構之履帶車，在已知地圖下可以執行室內巡邏導航與自主攀爬樓梯的任務，並且在遠端電腦監控和操作。履帶車使用模糊控制追蹤自訂路徑，並透過AMCL演算法和Hokuyo雷射測距儀得到定位資訊，修正里程計的誤差。另一方面，使用ZED立體攝影機得到深度影像，以及透過一系列的模式，機器人能夠自主攀爬樓梯。在機器人執行任務的時候，透過Qt圖形介面和VPN網路通訊，使用者可以於遠端即時監控並操控機器人。機器人收到指令後，會根據目標樓層和當前樓層判斷最佳路線，自動攀爬到目標樓梯執行巡邏任務。最後經由實驗證實了本論文開發之履帶車能夠實現跨樓層之巡邏導航功能。Item 輕量化且高效能的多角度車牌辨識模型(2019) 吳振豪; Wu, Chen-Hao近年來在台灣的街道上，經常會看到許多路邊收費員一手騎著機車，一手拿著行動裝置對在路邊停放的汽機車開立繳費通知單。然而路邊收費員的工作內容與危險息息相關，除了要先將機車停靠在要收費的汽機車旁，還得用雙眼確認車牌號碼，將車牌號碼輸入至行動裝置中，再將繳費單貼在汽機車上。因此本研究意圖將自動車牌辨識系統實現在路邊收費員的行動裝置中，提升路邊收費員的工作效率以降低他們在道路上工作的時間。 自動車牌辨識系統目前已經廣泛的運用於日常生活中，例如：收費系統、進出管理系統、交通安全系統等。然而現有之自動車牌辨識系統必須在許多約束條件下才能達到良好的辨識率，例如固定的角度與固定光源。此外，由於一般的行動裝置之運算資源不足，應用在車牌辨識上無法在複雜的環境或是歪斜的角度下擁有良好的辨識率。 因此本論文提出了一種輕量化且高效能的多角度車牌字元辨識模型，降低了傳統車牌辨識的複雜度與運算量，也針對路邊收費員的工作環境，使用不同環境、角度與大小的車牌去做資料的收集。 最後，我們訓練了一個針對車牌字元結構優化過的深度學習模型來辨識車牌上的字元。實驗結果顯示此模型能夠辨識100公分內傾斜0~60度之車牌，且recall rate達89.6%。與Tiny-YOLOv2在同樣的範圍下相比，所提出的模型的運算量減少61%，處理時間減少30%，可是recall rate略為下降。Item 基於人類演示學習之機械手臂自動化控制技術(2019) 陳境浩; Chen, Jing-Hao本論文主要針對具有彈性自動化的機器人發展與應用，提出了一種基於人類演示學習的機械手臂控制系統，其目的在於降低機械手臂自動化所需要的程式編譯複雜程度，以及增加多種操作功能開發的效率。硬體方面使用六軸串列式機械手臂作為實驗平台，搭配使用一台網路攝影機和一台深度攝影機蒐集影像資訊，在示教學習過程中對於人類演示動作及操作物件進行影像處理。軟體方面，經由深度攝影機偵測之人體骨架資訊，本論文透過正逆向運動學將人類演示的動作轉換成控制機械手臂的關節角度，並建立機械手臂運動控制模組。此外，基於YOLO(You only look once)演算法在多物件偵測具有快速及正確的優點，本論文使用此演算法開發操作物件偵測與辨識，在得出目標物件的類別資訊及所在位置之後，機械手臂可依照物件的種類啟動對應的運動控制模組，目標在於重現人類演示學習所示範的任務。最後，本論文經由所建置之虛擬環境和實際自動取放實驗來驗證所發展之機械手臂演示學習技術之可行性。Item 基於卷積神經網路之即時人臉表情辨識(2019) 劉耿丞; Liu, Keng-Cheng本文提出基於卷積神經網路(Convolution Neural Network, CNN)之即時人臉表情辨識系統，透過所提出之穩定度提升方法，以解決即時人臉表情辨識的不穩定問題。提高人臉表情辨識準確率的方式有許多種，例如：圖片預處理、辨識架構改變等無非都是要讓應用方面的效果更好。本文想解決攝影機在光照等影響下會造成不斷擷取畫面的某些時刻之圖片特徵改變，導致人臉表情在辨識中產生錯誤。由於攝影機的高速擷取影像，圖片與圖片之間時間間隔較小，因此，本文針對於改良LeNet卷積神經網路和Two Stream卷積神經網路架構辨識系統提出不同的方法，前者使用比重平均法，而後者使用統計法，使用提出之方法後對於即時人臉表情辨識整體穩定度及強健性均獲得提升。Item 基於機器人作業系統設計之跨樓層自主式導航服務型機器人(2019) 王文新; Wang, Wen-Hsin本論文實現一基於機器人作業系統(Robot Operating System)之跨樓層自主式導航服務型機器人，使機器人能夠於多樓層之間進行導航任務，其功能包括建置地圖、定位、路徑規劃、以及樓層辨識。建置地圖方面使用了Gmapping，配合雷射測距儀可以建置所需的二維平面地圖。定位使用了「自適應蒙地卡羅定位法」(Adaptive Monte Carlo Localization, AMCL)，配合雷射測距儀所接收到的環境資訊，可以計算出機器人在地圖上的所在位置，同時使用所得到的定位結果，讓機器人達到良好的行走效果。路徑規劃使用了「改良型A*路徑規劃」，讓機器人規劃出一條避開地圖上障礙物的路徑，以安全到達目的地。由於需要在多樓層之間進行導航任務，所以本文也提出了一個以深度卷積神經網路設計的決策系統，用於辨識樓層及讀取該樓層的地圖資訊，透過訓練大量的樓層場景圖片資料，得到的訓練模型能夠辨識出當前樓層。為了驗證此導航系統之效能及可行性，本論文中在擁有多樓層的室內環境中進行實驗，由實驗結果得知，本論文提出之導航以及樓層辨識系統能於多樓層之間有效地進行導航任務。Item 以CNN為基礎之語音辨識系統及應用於兩輪平衡車的控制(2019) 林哲宇; Lin, Jhe-Yu本論文實現語音辨識及使用語音控制於兩輪平衡車，語音辨識系統使用基於TensorFlow之上執行的Keras完成，語音訊號利用梅爾頻率倒譜係數(Mel-Frequency Cepstral Coefficients, MFCCs)提取特徵值，並使用卷積類神經網路(Convolutional Neural Network, CNN)進行學習及建立模型。 兩輪平衡車使用Arm Cortex M0之微控制器實現，整體架構包含馬達、驅動電路、改變重心的機械結構及各類感測器。本論文採用比例、積分及微分控制器(Proportional-Integral-Derivative, PID)進行對兩輪平衡的控制，並以機械結構使重心改變達成兩輪平衡車前進或後退的功能。 本論文針對語音辨識系統架構修改進行實驗，挑選出正確率最高的架構應用於兩輪平衡車之控制中，最後實驗證實此論文的可行性。Item 基於最佳化分數階模糊PID控制之X-Y音圈馬達定位平台(2019) 楊孟晨; Yang, Meng-Chen本論文目標是研究一種最佳化的分數階比例-積分-微分(PID)控制策略，用來控制於X-Y音圈馬達定位平台。首先介紹音圈馬達平台之系統架構和運作原理，以系統鑑別的方式推導出馬達數學模型中的系統參數。接著，基於分數階微積分設計一個分數階PID控制，透過控制系統參數額外自由度，分數階PID可改善傳統的PID控制響應和穩健性，為了增加系統的控制平滑度，本論文以模糊理論提出了分數階模糊PID控制，可解決傳統分數階PID的抖動現象，調整這些額外的分數運算也增加控制系統設計的複雜性，因此，本論文進一步提出了最佳化分數階模糊PID控制器，其中五個參數包括比例增益、積分增益、微分增益、分數階積分和分數階微分，均利用自適應布穀鳥搜索算法調整。在自適應布穀鳥中，本論文再提出以動態調整步長及發現率來增加全域和局部的搜尋能力，並以音圈馬達追隨過程中X軸和Y軸的最小誤差的絕對值作為布穀鳥演算之適應函數。本論文以數位訊號處理器(TMS320F28377xD)實現上述控制策略，並且比較兩種追蹤軌跡和兩種測試模式，最後由實驗結果驗證所設計的控制器確實能有效的控制音圈馬達定位平台。