臺灣博碩士論文加值系統

現今科技發達，許多機械系統都需要動力才可以完成動作，然而馬達為最廣泛應用的動力來源，況且目前的產業發展還是偏重於馬達的動力為主。而控制方法就工業界而言，大部分仍然使用PID(Proportional-Integral-Differential)控制器，其特色為構造簡單、容易實現與維修方便，對大多數的系統都有良好的性能表現，但是卻有PID參數的調整問題。本論文針對直流伺服馬達位置迴授控制系統，選取IAE（誤差絕對值的積分）作為適應性函數，利用基因演算法(GA)與進化規劃法(EP)，搜尋PID控制器之最佳增益常數值。在此PID增益常數值下，結合模糊邏輯控制器(FLC)對增益常數值做微調，可以得到比單獨只用PID控制更好的控制響應。最後本論文利用Quanser公司所提供的直流伺服馬達為實驗平台，將電腦模擬之結果透過實驗驗證比較，證明了有加模糊邏輯之模糊邏輯PID控制器可以讓馬達更快速準確定位到想要的角度位置。

Science and technology nowadays develop rapidly. Many mechanical systems only need the power to be able to complete the movement. Motors are the kind of most widespread application power source, and the present industrial development stresses on motor's power primarily. As far as the industrial sectors are concerned, most of them are still using PID controller as the control method because of its simple structure, easy implementation and easy maintenance. For most kinds of control systems, PID schemes produce high performance; however, they actually pose the PID parameter adjustment problems. This thesis focuses on the position feedback control problem of DC servo motors. A suitable IAE fitness function is selected, and then the methods of GA and EP are used to find the optimal PID control gain constants. Basing on these optimal PID control gain constants, we add an FLC to the constants to make them the fine tuning gain constants. The result shows that a better control response can be obtained by combining the FLC with optimal PID control. Finally, a DC servo motor produced by Quanser Inc. is used to verify its effectiveness.

誌謝 I
摘要 II
ABSTRACT III
目錄 IV
表目錄 VIII
圖目錄 IX
符號說明 XIII
第一章 序論 1
1.1 前言 1
1.2 文獻回顧 2
1.3 論文架構 4
第二章 原理介紹 5
2.1 模糊邏輯控制器 6
2.1.1 模糊化介面 7
2.1.2 知識庫 10
2.1.3 決策邏輯 12
2.1.4 解模糊化介面 14
2.2 基因演算法 16
2.2.1定義染色體條件 18
2.2.2初始族群的設定 20
2.2.3適應性函數的設計 21
2.2.4選擇 22
2.2.5交配 23
2.2.6突變 27
2.2.7結束條件 28
2.3進化規劃法 28
第三章 硬體與系統介紹 32
3.1 馬達─SRV02 36
3.2 電源─UPM1503 39
3.3 AD/DA介面卡 40
3.4 系統架構 41
3.4.1 馬達系統 42
3.4.2 PID控制器 44
第四章 設計與實作分析 48
4.1 基因演算法 48
4.1.1 定義染色體條件與初始族群的設定 49
4.1.2 適應性函數的設計 50
4.1.3 選擇 50
4.1.4 交配 50
4.1.5 突變 50
4.1.6 結束條件 51
4.1.7 執行結果 51
4.2 進化規劃法 54
4.2.1 初始族群的設定 54
4.2.2 適應性函數的設計 56
4.2.3 突變 56
4.2.4 競爭 56
4.2.5 結束條件 56
4.2.6 執行結果 57
4.3 模糊邏輯控制器 59
4.3.1 模糊化 60
4.3.2 知識庫 61
4.3.3 執行結果 63
4.4 各種方法的效能比較 67
第五章 結論 70
參考文獻 72
附錄[A] 75
附錄[B] 76
附錄[C] 77
自述 78

[1]Chin-Teng Lin and C. S. George Lee, “Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems”, Prentice-Hall, 1996.
[2]D. B¬. Fogel, “Evolutionary Computation: Toward a New Philosophy of Machine Intelligence”, IEEE Press, Piscataway, New York, 1999.
[3]F. Herrera, M. Lozano, and J. L. Verdegay, “A learning process for fuzzy control rules using genetic algorithms”, Fuzzy Sets System., vol.100, pp.143-158, 1998.
[4]H. Maede and S. Murakami, “The Use of a Fuzzy Decision-Making Method in a Large-Scale Computer System Choice Problem”, Fuzzy Sets and System, vol.54, no.3, pp.235-249, 1993.
[5]H. Nakamura, N. Shimozono, “Predictive learning control and application to servo system of DC motor”, Industrial Electronics Society, 1989. IECON '89, 15th Annual Conference of IEEE, vol.2, pp.287-290, 1989.
[6]J.G. Ziegler and N.B. Nichols, “Optimum Settings for Automatic Controllers”, Trans. ASME, vol.64, pp.759-768, 1942.
[7]J. Pan, G. N. DeSouza, and A. C. Kak, “FuzzyShell:A Large-Scale Expert System Shell using Fuzzy Logic for Uncertainty Reasoning”, IEEE Transactions on Fuzzy System, vol.6, no.4, pp.563-581, 1998.
[8]Jyh-Shing Roger Jang, Chuen-Tsai Sun and Eiji Mizutani, “Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence”, Prentice-Hall, 1997.
[9]K. Zeger, J. Vaisey. And A. Gersho, “Globally Optimal Vector Quantizer Design by Stochastic Relaxation”, IEEE Transactions on Signal Processing, vol.40, no.2, pp.310-322, 1992.
[10]L.A. Zadeh, “Fuzzy Sets”, Information and Control, vol.8, pp.338-353, 1965.
[11]Melanie Mitchell, “An Introduction to Genetic Algorithms”, The MIT Press, 1996.
[12]P. Power, F. Sweeney and C. F. N. Cowan, “EA Crossover Schemes for a MLP Channel Equaliser”, IEEE, vol.1, pp.407-410, 1999.
[13]P. Scheunders, “A Genetic C-Means Clustering Algorithm Applied to Color Image Quantization”, Pattern Recognition, Vol.30, no.6, pp. 859-866, 1997.
[14]Semyon D. Savransky, “Engineering of creativity: introduction to TRIZ methodology of inventive problem solving”, CRC Press LCC, 2000.
[15]Thomas Back, Ulrich Hammel and Hans-Paul Schwefel, “Evolutionary Computation: Comments on the History and Current State”, IEEE Trans. Evolutionary Computation, vol.1, no.1, pp.3-17, 1997.
[16]Wen-Jyi Hwang and Yi-Chou Chen, “Robust Transmission Based on Variable-Rate Error Control and Genetic Programming”, IEEE Communication Letters, vol.6, no.1, pp.25-27, 2002.
[17]X. Yao, Y. Liu and G. Lin, “Evolutionary programming made faster”, IEEE Trans. Evolutionary Computation, vol.3, no.2, pp.82-102, 1999.
[18]Y. J. Cao, “Eigenvalue Optimisation Problem via Evolutionary Programming”, Electronics Letters, vol.33, no.7, pp.642-643, 1997.
[19]洪美玲，顏錦柱，賴寵文，邱銘彰，劉修綜，直流馬達定位控制-最佳PID 控制器之設計，技術學刊，第二十卷，第二期，pp.195-200，2005。
[20]柯信全，數位信號處理器為主之模糊理論於馬達控制應用研究，義守大學電機工程學系，碩士論文，2000。
[21]呂順利，溫永程，以直流伺服馬達在昆蟲機器人之應用，馬達科技研究中心，第116期，崑山科技大學，pp.1-5，2005。
[22]葉博仁，應用PC Based 於直流伺服馬達控制，義守大學電機工程研究所，碩士論文，2002。
[23]吳培輔，設計具有基因演算法之模糊比例積分控制器於壓電定位平台，國立東華大學電機工程學系，碩士論文，2009。
[24]翁義哲，應用模糊語意於多目標數控車削之最佳化研究，大同大學機械工程研究所，碩士論文，2007。
[25]簡江儒，應用FPGA實現高速模糊控制法則之直流馬達定位控制，華梵大學電子工程學系，碩士論文，2008。
[26]譚墨群，應用模糊理論於門檻型GARCH模式之建構與預測，大同大學應用數學研究所，碩士論文，2009。
[27]田健廷，結合混沌之進化規劃演算法於正交分頻多工通訊系統之設計與實現，南台科技大學電子工程研究所，碩士論文，2006。
[28]張文豪，應用式改良基因演算之最佳化數位濾波器設計，國立高雄應用科技大學電子工程系，碩士論文，2008。
[29]林睿川，使用基因演算法完成在流失通道中階層式視訊傳輸最佳化之研究，中原大學電機工程學系，碩士論文，2003。
[30]雷英杰、張善文、李續武、周創明，MATLAB 遺傳算法工具箱及應用，西安電子科技大學出版社，2005。
[31]莊文仲，多層感知等化器-使用進化演算法，國立中央大學機電工程研究所，碩士論文，2001。
[32]鄭富升，整合人工智慧解非凸集的經濟調度問題，國立中山大學電機工程學系，博士論文，2000。
[33]王元元，感應馬達速度控制器參數自調與負載估測，中正理工學院電子工程研究所，碩士論文，1999。
[34]李珈松，車輪式倒單擺平衡PID控制，國立台灣科技大學電機工程系，碩士論文，2005。
[35]蔡貴夙，使用粒子群聚演算法最佳化PID控制器，龍華科技大學工程技術研究所，碩士論文，2004。
[36]林俊良，智慧型控制-分析與設計，全華圖書股份有限公司，2008。