學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890
Browse
7 results
Search Results
Item 可適應無人搬運車彈性化設計之學習式導航策略及強健式路徑跟隨控制(2022) 王思涵; Wang, Sih-Han現今無人搬運車(Automated Guided Vehicle，AGV)引入製造工廠和自動化倉儲是邁向工業4.0的必備條件，由於實際工廠生產線環境中高度動態與不確定性，本論文開發一套強化AGV定位精確性與導航策略。首先提出具有低成本效益之反光柱輔助定位技術，利用反光點作為環境中的分離特徵進行重新定位，能有效改善自適應蒙地卡羅定位定位(Adaptive Monte Carlo Localization, AMCL) 演算法在環境特徵不明顯或環境地圖邊界過於破碎，所導致的迷航或定位失效的問題。接著，本論文提出可適應AGV動作的路徑跟隨控制設計，並整合至機器人作業系統(Robot Operating System, ROS)的軟體環境，此種設計除了可延伸應用於相關自主式無人搬運車軌跡追蹤控制策略之外，基於模糊神經網路架構並提出新的誤差計算方式，可以在模擬環境搭配AGV運動模型來預先進行控制參數自動調整。本論文開發的AGV導航控制先使用MATLAB模擬環境來實現所提出的用於導航控制的模糊神經網絡(Fuzzy Neural Network, FNN)策略，對軌跡跟踪中的模擬結果評估，以驗證所提出的AGV控制策略的有效性。由實驗測試結果說明，本論文提出的反光柱輔助定位搭配AMCL定位演算法能有效克服累積定位誤差之外，進一步整合強健式路徑跟隨控制與學習式導航策略，能展現本論文所開發AGV技術在實際工廠生產線環境中之高度應用價值。Item 應用於自動化生產及分揀之物件姿態估測系統(2020) 陳薪鴻; Chen, Hsin-Hung近幾年來，產業為了提升生產效率，大量使用自動化生產設備取代人力，透過電腦視覺與機器運動控制的整合搭配，已大幅增加自動化生產的效率。受惠於GPU計算平台的普及，不論機器學習或是深度學習技術紛紛出現於各種應用場景之中，以往使用電腦視覺方法不能或是難以解決的問題，透過引進深度學習都有出色的表現。本文主要研究內容可分為三部分：第一部分利用輝達(Nvidia)所提出之基於深度學習單攝影機物件姿態估測演算法(Deep Object Pose Estimation, DOPE)，其中包含產生物件的立體模型，再匯入Unreal Engine遊戲引擎並搭配輝達深度學習資料集合成器(Nvidia Deep learning Dataset Synthesizer, NDDS)套件，產生訓練數據，用來對神經網路進行權重訓練，完成後即可用來對物件姿態進行估測；第二部分使用加拿大Kinova公司所生產之Jaco 2四軸機械手臂並透過機器人作業系統(Robot Operating System, ROS)完成物件夾取功能；第三部分運用PyQt設計一圖形使用者介面(Graphical User Interface, GUI)整合前兩部分，讓使用者透過單一介面即可獲得物件估測和手臂執行資訊，也可透過其進行參數調整。模擬於生產線上應用，用以輔助加工與分類之程序，達成自動化生產製造之目的。Item 基於ROS開發工業應用之無人搬運車安全及強健移動式機器人導航策略(2020) 鄭敬錡; Cheng, Ching-Chi現今自主式移動機器人已成為製造工廠邁向智慧化的重要元素，本論文主要為提出無人搬運車(AGV)的設計與開發，並整合該無人搬運車將軟硬體的設計至以機器人作業系統(ROS)環境為主的車載控制系統中。為了滿足製造過程中具備有高度彈性化物料運行的要求，本文開發的AGV整合了多種功能，可自由的在站點之間進行導航，並能閃避障礙物，以及與遠端監控中心進行協調。除此之外，AGV系統中還包括即時定位與建圖（SLAM）、路徑規劃、路徑追蹤、搬運貨料架、自動充電以及數據記錄等技術，並在類產業環境下成功進行了測試。為了確保AGV在導航過程中是否能安全移動，透過動態窗口避障法（DWA）在路徑追蹤時可閃避障礙物並回到原本規劃之導航路徑上。另一方面，使用者可通過設計好的可視化界面遠端監控AGV的運行狀態，並自行規劃AGV的運行流程。本文提出的AGV自動化物料搬運方案，在實際工廠生產線環境中作進一步驗證，實驗結果證實，本論文所開發AGV之相關技術確實提供了有效且安全的解決方案，能夠實際運用於在工廠生產線實際環境中。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 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 基於深度學習影像辨識之兩輪平衡車追隨系統(2020) 張乃祥; Chang, Nai-Hsiang為了達到人類搬運行李及短程移動時省力的效果，本論文提出兩輪平衡車架構的電子輔具，且基於Robot Operating System (ROS)之軟體架構下進行開發，具備四種功能模式提供使用者做使用。該平衡車使用模糊理論來達到自主平衡的控制，由於模糊控制器的設計並不需要運動學的模型，僅需要使用專家經驗並由機器的實際輸出表現來微調參數即可，所以在控制器的設計相當簡便且能達到良好的控制表現。本論文設計了四種功能模式，分別為手拉車模式、遙控模式、載人模式和追隨模式，其中以手拉車模式和追隨模式為主要的輔具功能。手拉車模式為兩輪平衡車上方安裝手把來供使用者進行行李車的拖拉，手把上有一搖桿用來控制拖拉車的轉彎，可以用來當作省力的行李搬運車；追隨模式則是使用單眼攝影機結合深度學習來辨識目標物並且追隨，而深度學習影像辨識的模型是使用Single shot multi-box detector (SSD)。最後，透過實驗來驗證兩輪平衡車成為電子輔具可行性。Item 使用分散式計算之室內環境探索機器人(2017) 魏楷燁; Wei, Kai-Yeh本論文提出一台以機器人作業系統(ROS)架構下 Gmapping結合環境探索和路徑規劃之機器人的設計與實現，使機器人能在未知環境中自主運用環境探索演算法、路徑規劃演算法和運動學控制器探索環境，並在探索環境的同時使用 Gmapping 建置二維平面地圖，使之完成自主探索環境並建置地圖的功能。環境探索演算法中使用的是本論文提出的「分群式邊界偵測法」，使機器人能先把周圍環境探索完畢後才繼續探索新的環境。而路徑規劃使用的的是本論文提出的「改良權重A*演算法」，能使機器人避開障礙物且規劃完整的路徑。由於本實驗室想設計一個輕量化的設備來取代笨重的電腦，但速度卻不會比電腦慢太多的方法，所以採用機器人作業系統(ROS)架構實作在多塊 Udoo Quad 板上，其分散式架構剛好符合要求，能把系統的架構分散開來，使單一程序可以完全使用一個 Udoo 板的效能。為了驗證系統的性能與效能，本論文利用室內環境進行諸多實驗，而由實驗結果可知，本論文設計的機器人導航系統確實能達到分散式處理之輕量化之導航與探索功能的目的。