(3.239.56.184) 您好!臺灣時間:2021/05/13 12:29
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:蕭浚庭
研究生(外文):Jun-Ting Hsiao
論文名稱:自動目標追蹤定位系統
論文名稱(外文):System of Tracking and Positioning Automatically on Targets
指導教授:葛世偉葛世偉引用關係
指導教授(外文):Shih-Wei Kau
學位類別:碩士
校院名稱:國立高雄應用科技大學
系所名稱:電機工程系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:101
畢業學年度:100
語文別:中文
論文頁數:86
中文關鍵詞:遠端網路監控系統PID控制器徑向基函數類神網路
外文關鍵詞:remote network control systemPID controllerRadial Basis Function Neural Network
相關次數:
  • 被引用被引用:0
  • 點閱點閱:566
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:16
  • 收藏至我的研究室書目清單書目收藏:0
早期工業伺服控制系統起源於軍事上的雷達自動追蹤系統與航太自動定位導航,經過數十年控制法則之演進,伺服控制的技術在工業上的運用日漸普及多樣化,運用的層面相當的廣泛,如英國拆彈自走多關節機械人、太空雷射導引自動對焦控制、無人飛機投擲系統、具有影像追蹤功能的網路監控系統等,因此吾人運用伺服遠端軌跡追蹤控制系統做為模擬雷達自動追蹤系統之教具。
文中主要以實驗室的伺服遠端定位系統來模擬雷達自動追蹤系統的伺服控制。研究方法有三,首先是尋找最適之定位系統,以及建立其數學模式,就其系統之優缺點尋找適當之控制法則或最佳之控制器,期使能與實際雷達追蹤定位系統一致;其次建立網路遠端監控系統,藉此學習乙太網路主從式遠端網路控制及網路架構,受限於物件之阻礙部分場合使用無線網路控制。傳統比例積分微分定位控器不易調整其參數,傳承不易,故藉徑向基函數類神網路學習演算法則,藉由自我學習調整、擇優、不斷自我修整PID控制器參數,以獲得最佳的控制參數,期使軌跡追蹤快速響應及達精準定位。最後在實驗過程中透過不規則之運動軌跡讓伺服定位系統做到同步遠端控制,以模擬雷達自動追蹤目標,另外在實驗過程中產生的誤差,也可藉由類神經網路PID控制器修正到最小,以提升馬達定位精確度。
關鍵詞:遠端網路監控系統、PID控制器、徑向基函數類神網路
The radar automatic tracking system and aerospace automatic positioning and navigation in the military originated the servo control system for industrial manufacture.
After several decades of evolution and development in the control algorithms, the technology of servo control has gradually had more popular and diversified industrial applications in different fields, such as the British anti-exploding automatic multi-joint robot, space laser guided automatic focus control, pilotless drone bombing system, and network monitoring systems with image tracking functions. Thus, we use servo remote trajectory tracking and control system as the instructional tool for simulating the radar automatic tracking system.
This thesis primarily uses the laboratory servo remote positioning system to simulate the servo control of the radar automatic tracking system. There are three research methods. The first is to search for the optimal positioning system and to establish the mathematical model, in order to find out suitable control principles or the optimal controllers based on system pros and cons, hoping that it can conform to actual radar tracking and positioning systems. The second is to establish remote network monitoring system to learn Ethernet master-slave remote network controls and the network structure; due to object obstacles, wireless network controls are used in some cases. In traditional proportional–integral–derivative controllers, the parameters are difficult to adjust and thus are difficult to pass on, so Radial Basis Function Neural Network Algorithm is used in this study. Self-learning and adjustment, superior selection, and continuous adjustment of PID controller parameters are used to gain the optimal control parameters in hopes of fast response and precise positioning of trajectory tracking. Finally, the experiment process uses irregular motion trajectories to make the servo positioning system achieve synchronous remote controls, in order to simulate radar automatic tracking of targets. In addition, the errors from the experiment could also be reduced to a minimum by the Neural Network PID controller, in order to enhance the positioning accuracy of the motors.
Keywords; remote network control system, PID controller, Radial Basis Function Neural Network
目錄
摘 要 iii
ABSTRACT iv
誌謝 vi
目錄 vii
圖目錄 ix
表目錄 xi
符號表 xii
第一章 緒論 1
1-1研究動機及目的 1
1-2研究背景及方法 1
1-3 文獻回顧 2
1-4 論文章節與安排 3
第二章 軌跡定位系統 4
2-1.軌跡定位系統架構 4
2-2.步進馬達 9
2-2-1步進馬達分類 11
2-2-2.步進馬達單極驅動與雙極驅動 12
2-3.感應馬達 14
2-3-1.感應馬達 15
2-3-2.感應馬達驅動 19
2-3-3. 感應電動機使用變頻驅動對鐵損影響 20
2-4.無刷伺服馬達 20
2-4-1.直流無刷馬達的特徵 22
2-4-2.無刷伺服馬達驅動 24
2-5.脈波寬度調變 27
2-5-1.空間向量調變 30
第三章 定位控制法則 34
3-1.傳統PID控制 34
3-2.類神經網路的演進 36
3-3.類神經原理 37
3-4.類神經網路之分類 38
3-4-1.網路架構分類 38
3-4-2.學習型態分類 39
3-5.類神經網路的運作原理及特性 40
3-5-1.類神經網路的運作原理 40
3-5-2.類神經網路的特性 40
3-6.徑向基函數類神經網路(RBFNN) 40
3-6-1.徑向函數類基神經網路架構 41
3-6-2.自調式RBFNN-PID控制器 42
第四章 伺服定位控制系統 45
4-1.伺服閉路控制 45
4-1-1.速度/位置檢出 45
4-2.座標設定 46
4-2-1.畫筆的速度設定 47
4-3.動作流程 51
4-3-1.遠端運動軌跡控制 52
4-4.程式設計 53
4-4-1.動態陣列 54
4-4-2.補間方式 54
4-5.網路架構 56
4-5-1.七層架構 56
第五章 實作模擬 58
5-1.數學圖形 59
5-1-1.螺絲釘 59
5-1-2.蘋果 60
5.1.3校徽 62
5-2.手繪板 63
第六章 結論與展望 65
參考文獻 66

圖目錄
圖2.1軌跡定位控制系統系統架構圖 6
圖2.2 MCX314機能方塊圖 7
圖2.3馬達與負載轉矩速度方塊圖 8
圖2.4步進馬達轉子與定子 10
圖2.5步進馬達的速度-轉矩特性曲線 10
圖2.6單極性驅動基本電路 12
圖2.7步進馬達雙極性驅動基本電路 13
圖2.8使用L298N雙極性驅動電路 14
圖2.9轉差率轉矩速度關係圖 17
圖2.10速度轉矩曲線圖 17
圖2.11三相坐標系d-q坐標軸關係 18
圖2.12直流有刷馬達與直流無刷馬達的靜態特性與動態特性比較 22
圖2.13無刷馬達驅動原理 24
圖2.14VSI驅動交流馬達基本架構圖 25
圖2.15霍爾元件輸出信號邏準位 26
圖2.16脈波寬度調變圖 29
圖2.17電壓空間向量圖 32
圖3.1 Deadbeat的PID控制法則流程圖 36
圖3.2神經網路學習及回想 38
圖3.3監督式類神經網路訓練流程圖 39
圖3.4徑向基函數類神經網路架構圖 41
圖3.5自調式RBFNN-PID控制器架構 42
圖3.6 Simulink模擬的方塊圖 44
圖3.7 Matlab模擬的RBFNN-PID控制器控制信號輸出 44
圖4.1伺服控制系統 45
圖4-2增量式編碼器架構及A、B、Z三相輸出波形圖 46
圖4.3畫板的座標與x-y-z軸平台對應圖 46
圖4.4多軸X-Y-Z-U360旋轉軸平台 47
圖4.5 x軸加減速運轉模式 49
圖4.6軌跡從動端流程圖 52
圖4.7伺服端流程圖 52
圖4.8畫板流程圖 53
圖4.9程式狀態流程圖 53
圖4.10補間形式 54
圖4.11二軸直線補間範例 55
圖4.12直線補間之 、 軸輸出脈波 55
圖4.13非連續路徑補間 55
圖4.14連續路徑補間 56
圖4.15 TCP 建立連線以及傳輸資料 56
圖4.16利用Ethereal看TCP建立連線的情形 57
圖5.1左圖為伺服端介面,右圖為軌跡從動端介面 58
圖5.2左圖為畫出來的圖形,右圖為客戶端顯示的圖形 59
圖5-3左圖為其中一個螺紋,右圖為螺絲釘圖形 59
圖5.4機台繪出螺絲釘圖形,以及軌跡從動端畫面 60
圖5.5 MATLAB模擬出蘋果的圖形 60
圖5.6把蘋果分成ABCD四個部份 60
圖5.7 其中一片葉子放大圖 61
圖5.8機台繪出蘋果圖形,以及軌跡從動端畫面 61
圖5.9 MATLAB模擬出校徽圖形 62
圖5.11 MATLAB執行的結果 63
圖5.12機台繪製校徽圖形,以及軌跡從動端畫面 63






表目錄
表2.1 UNO-3072功能說明 6
表2.2轉子齒數與定子齒數關係表 12
表2.3集中繞與分佈繞之差異比較 15
表2.4三相180°導通狀態表 25
表2.5三相電壓型晶體導通模式 28
表2.6經整理之電壓空間向量順序表示 33
表3.1類神經網路架構模式 38
表4.1機台的機構參數 47
表4.2加減速時間參數 49
表4.3三菱三相AC伺服馬達規格表 51
表4.4 ISO七層架構 56
表5-1 X、Y、Z 狀態表 58
參考文獻
[1]D.salus et al., “Neural controller” in proc. EEE International Conference on Neural Network,Vol.4, pp.551-558,1987.
[2]Iwasa, T., Morizumi, N. ,and Omatu, S., “Temperature Control in a Batch Process by Neural Networks ” , IEEE International Conference on Neural Network, Vol. 4, pp. 2418-2423, 1997.
[3]Khalid, M., Omatu, S., and Yusof, R., “Self learning process control systems by neural networks” ,Proceedings of the 31st IEEE Conference on Decision and Control, Vol.1, pp.889-894, 1992.
[4]T.Yabuta and T.Yamada, “Neural networks controller characteristics with regard to adaptive control”, IEEE Trans. Neural Networks, Vol.3, No.1,1992.
[5]張碩,“自動控制系統”,鼎茂書局,2001。
[6]Yao-Lun Liu,Chia-Chang Tong,Wu-Shun Jwo ,and Shuen-Jeng Lin, “Design an Intelligent Neural-Fuzzy Controller for Hybrid Motorcycle,” in Proc. Annual Meeting of the North American Fuzzy Information Processing Society, pp.283-288, June. 24-27,2007 .
[7]Shou-Rong Qi, Dong-Feng Wang, Pu Han, and W-Hong Li, “Grey Prediction Based RBF Neural Network Self-Tuning PID Control for Turning Process”, in Proc. IEEE International Conference on Grey Systems and Intelligent Services , pp.845-850, Nov. 18-20, 2007.
[8]Lei Sun,Tao Mei, Yansheng Yao, Linqin Cai,Max Q.-H.Meng, “PID Controller Based Adaptive GA and Neural Networks,” in Proc. The Sixth World Congress on Intelligent Control and Automation , pp.6564-6568 June. 21-23, 2006.
[9]M. Kawato et al., “A hierarchical model for voluntary movement and its
application to robotics,” in proc. 1987 IEEE International Conference on Neural Networks, Vol. 4, pp. 573-582, 1987
[10]D. Nguyen and B. Widrow , “The truck backer-upper: An example of self-learning in neural networks,” in proc. International Joint Conference on Neural Networks, Vol. 2, pp. 357-363, June 1989.
[11] K. Tanaka and M. Sugeno. “Stability analysis of fuzzy systems using
Lyapunov’s direct method,” in proc. Int. NAFIPS 90, pp. 133-136.
[12] Kazuo Tanaka. Member, IEEE, “An Approach to Stability Criteria of
Neural-Network Control Systems” IEEE Transactions on neural etworks.Vol. 7. NO.3, MAY 1996.
[13] Gerco Otten, Theo J. A. de Vries, Member, IEEE, Job van Amerongen, Adrian M. Rankers, and Erik W. Gaal, “Linear motor motion control using a learning feed forward controller” IEEE/ASME Transactions on Mechatronics, vol. 2, NO. 3. September 1997
[14] Yamamoto, T., Kaneda, M., Oki, T. Watanabe, E., and Tanaka, K. “Intelligent tuning PID controllers,” IEEE International Conference on Systems, Man and Cybernetics, Intelligent Systems for the 21st Century, Vol. 3, pp. 2610-2615,1995.
[15] Omatu, S. and Yoshioka, M. “Self-tuning neuro-PID control and applications,” IEEE International Conference on Systems, Man and Cybernetics Computational Cybernetics and Simulation, Vol. 3, pp. 1985-1989, 1997.
[16] Hemerly, E. M., Nascimento Jr., and C. L., “An NN-based approach for tuning servo controllers,” Neural Networks, Vol. 12, No. 3, pp. 513-518, April 1999.
[17]胡阿火,”電機機械(下)”,全華科技圖書有限公司,2000 。
[18]胡阿火,”電機機械(上)”,全華科技圖書有限公司,2000 。
[19] Tae-Hyung Kim; Ehsani, M., “Sensorless control of the BLDC motors from near-zero to high speeds,” Power Electronics, IEEE Transactions on, vol.19, no.6, pp. 1635-1645, Nov. 2004.
[20]邱振銘,“類神經網路之線性化及其在識別與控制上之評估”,逢甲
大學自動控制工程研究所碩士論文,2003年六月。
[21]劉曜綸,“複合動力機車之馬達功率控制結合模糊限流控制與類神經
網路轉速控制”,建國科技大學,電機工程研究所碩士論文,2007
年六月。
[22]林森甫,洪成安,“神經網路入門與圖樣辨識”,全華科技圖書股份有限公司,1993。
[23]周政宏,“神經網路-理論與實務”,松崗電腦圖書資料股份有限公司,1995。
[24]Fu. LiMin, “Neural network in computer intelligence”, McGraw-Hill,1994.
[25]W. T. Miller, R. S. Sutton and P. J. Werbos, “Neural networks for control”, MIT Press, 1990.
[26]葉怡成,“應用類神經網路”,儒林圖書有限公司,1997。
[27]葉怡成,“類神經網路模式應用與實作”,儒林圖書有限公司,1993。
[28]陳燕慶,鹿浩,“神經網路理論及其在控制工程中的應用”儒林圖書有限公司,1992。
[29]王進德,“類神經網路與模糊控制理論”,全華書局, 2007。
[30]張斐章,張麗秋,“類神經網路”,東華書局, 2005。
[31]許安仁,“自適類神經PID控制於超音波馬達之應用”,國立中央大學,機械工程研究所碩士論文,2000年六月。
[32] Ming-Guang Zhang, Xing-Gui Wang, and Man-Qiang Liu, “Adaptive PIDcontrol based on RBF neural network identification,” Proceedings of IEEE International Conference on Tools with Artificial Intelligence, pp. 1854–1857, Nov 2005.
[33]魏嘉賢,“以CAN Bus為基底建構電動車監控系統”,國立高雄應用
科技大學,電機工程研究所碩士論文,2011年六月。
[34] Analog Devices,” Implementing Space Vector Modulation with the
ADMCF32X”, Analog Devices Inc. ,Jan. 2000.
[35] Keliang Zhou and Danwei Wang ,“Relationship Between Space-Vector
Modulation and Three-Phase Carrier-Based PWM: A Comprehensive
Analysis”, IEEE Trans. On Industrial Electronics, Vol. 49,
pp.186 – 196,2002 .
[36]Abraham Silberschatz, Peter Baer Galvin, ”Operating System Principles”, Ver. 7, WILEY,pp.187-262, 2008.
[37]賴阿福、邱明義,”Visual Basic 6.0初階與應用”,松崗,1999年
2月。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔