學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Subject: search.filters.subject.Neural Network

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    基於 MPC 實現平衡控制的人形機器人騎乘電動機車運動規劃
    (2024) 李玟諺; Lee, Wen-Yen
    在台灣，機車是人們通勤的主要工具之一。與此同時，隨著人工智慧的快速進步，仿人機器人已經成為未來的趨勢。為了促進仿人機器人的發展，我們進行了研究以探索其可行性。在這項研究中，我們的目標是控制機器人騎機車並通過台灣的駕照考試。為了完成這項任務，我們需要解決騎機車的最基本問題——平衡。在我們的研究中，我們實施了模型預測控制（MPC）來進行自平衡測試。同時，我們將討論兩輪車的建模、MPC優化算法和機器人運動規劃的逆運動學。為了評估可行性，我們還使用了PID控制器進行比較。最後，我們展示了結果，證明選擇MPC作為我們主要方法的優勢。
  • No Thumbnail Available
    Item
    神經網路為基礎之無線通訊系統設計
    (2023) 邱瀚輝; Chiu, Han-Hui
    在數據處理時代，機器學習一直是一個熱門話題。 從Google的AlphaGo，在幾年前擊敗了包括圍棋冠軍在內的眾多職業圍棋選手，到最近基於transformer的強大和知名的聊天機器人ChatGPT，都能看到機器學習的應用。這篇論文使用了捲積神經網路替代傳統通訊系統中的發射器與接收器，並使用加性高斯白雜訊作為通道。整個實驗過程使用MATLAB進行，如結果所示，基於機器學習的通訊系統能勝過使用傳統架構（捲積碼及正交振幅調變）的通訊系統。
  • No Thumbnail Available
    Item
    具最佳化差動驅動模式設計之智慧型磁浮軸承控制系統
    (2016) 宋旻翰; Song, Min-Han
    近年來，由於磁浮軸承能有效減少系統因為摩擦力所產生之磨耗、震動、噪音與能量損失…等問題，已被廣泛的利用在各種應用之中。然而由於磁浮軸承系統具有高度非線性與時變之控制特性，因此必須針對磁浮軸承發展具優異強健性之控制系統以達到良好之控制性能。 為了達到非線性磁浮軸承系統之精密定位與追蹤控制功能，本論文首先提出遞迴式小波類神經網路(Recurrent Wavelet Neural Network, RWNN)控制器來控制磁浮軸承系統的轉子位置。雖然控制器之參數值可經由負梯度下降法進行線上學習，但不適當之參數初始值會使得線上學習落入局部最佳值，限制了控制性能。有鑑於此，本論文進一步提出最佳化遞迴式小波類神經網路(Optimal Recurrent Wavelet Neural Network, ORWNN)，運用適應性差分進化演算法(Adaptive Differential Evolution, ADE)來優化網路參數初始值。由實驗結果可知，優化後的遞迴式小波類神經網路確實可得到更佳之控制效果。 此外，本論文以利用適應性差分進化演算法最佳化差動驅動模式中之偏置電流(Bias Current, io)之概念，提出具最佳化差動驅動模式之遞迴式小波類神經網路(Optimal Recurrent Wavelet Neural Network with Differential Driving Mode, ORWNN-DDM )控制器，以進一步降低磁浮軸承系統之耗能。最後由實驗可知，本論文所提出之ORWNN-DDM控制器確實可在達到良好定位控制情況下，同時達到降低能量消耗之效果。