跳到主要內容

臺灣博碩士論文加值系統

(3.231.230.177) 您好!臺灣時間:2021/07/28 23:18
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:趙顓賢
研究生(外文):Chuan-HsienChao
論文名稱:類神經光源調整於自動微組裝系統之設計實現
論文名稱(外文):Design and Implementation of Neural-Network-Based Light Source Adjustment in Automatic Microassembly System
指導教授:張仁宗張仁宗引用關係
指導教授(外文):Ren-Jung Chang
學位類別:碩士
校院名稱:國立成功大學
系所名稱:機械工程學系碩博士班
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:106
中文關鍵詞:微組裝系統光散射成像類神經光源調整影像伺服軸孔組裝
外文關鍵詞:microassembly systemlight scattering imagingneural network adjustmentvisual-servopin-hole assembly
相關次數:
  • 被引用被引用:0
  • 點閱點閱:139
  • 評分評分:
  • 下載下載:9
  • 收藏至我的研究室書目清單書目收藏:0
本文主要研究不同方位之入射光下的物件成像特徵於微組裝系統的相互關係,在應用影像回授進行微組裝時,由於工作空間有限,需考慮陰影在組裝過程中的影響,進而調整光源的入射角度。此外在組裝自動化的過程中,會因為系統的許多不確定變因造成微物件的定位出現誤差,導致組裝所需之影像特徵消失,而發生微組裝系統無法判斷物件位置造成自動化組裝失敗。因此本文利用類神經理論以及影像遮罩處理,讓微組裝系統學習如何的光場分佈,能使微組裝過程中的影像特徵得以清楚呈現,使系統在自動組裝物件的過程中,得以自行選擇最適當的光場來完成組裝的任務。
本研究微組裝系統的發展,以工業電腦並搭配LabVIEW 構築自動微組裝系統的人機介面,並合併MATLAB 進行類神經演算法發展軟體,由LabVIEW整合三個子系統(影像系統、微物件安置與定位系統及微組裝系統),且使用MATLAB進行類神經光源學習,學習影像與光場分佈間的關係,使系統得以自行調整適宜的光場進行組裝流程。
本研究成功的安置並定位微物件,並且成功以影像識別自動化組裝,物件直徑80μm,組合件孔徑100μm,其間隙比為0.2。
The present research investigates the relationship between image features and light source with different directions in microassembly system. Because of the workspace limitation, when a system uses image feedback to do the microassembly operation, the effect of the shadow of the object in the microassembly process needs to be considered in the adjustment of the direction of the light. Besides, in the automatic microassembly process, the system uncertainties will cause micro-object positioning error and results in disappearance of image features for microassembly operation. This situation will cause the system failure in obtaining the position information of micro object and automatic microassembly operation. By utilizing the neural network theory and image mask processing, we make the microassembly system to learn that how the light distribution will give clear image features. As a result, the system will choose the most suitable light distribution to achieve automatic microassembly operation.
The research of developing the microassembly system is constructed by utilizing the industrial computer with LabVIEW for man-machine interface software and MATLAB for implementing neural network algorithm. The system through LabVIEW integrates three subsystems including visual-servo system, micro object alignment system, and microassembly system and uses the neural network through MATLAB to learn the relationship between the images and light distributions. Therefore, the system will automatically adjust the light distribution to execute the microassembly process.
The research is achieved to implement alignment and positioning micro object and assembly operation through visual servo automatically. The diameter of peg is 80μm and the diameter of hole is 100μm, i.e., clearance ratio is 0.2.
目錄
摘要 I
ABSTRACT II
誌謝 III
目錄 IV
表目錄 VIII
圖目錄 IX
符號表 XIV
第一章 緒論 1
1-1 前言 1
1-2 研究動機 1
1-3 文獻回顧 2
1-3.1 光源與成像配置 2
1-3.2 類神經系統調整 8
1-4 研究目標與方法 13
1-5 本文架構 15
第二章 類神經網路理論 16
2-1 類神經網路概念 16
2-2 類神經網路分類 18
2-2.1 監督式學習網路[11] 18
2-2.2 非監督式學習網路[12] 18
2-2.3 聯想式學習網路 19
2-3 類神經網路之特性 19
2-4 倒傳遞類神經網路學習演算法[14] 20
2-5 本章總結 27
第三章 自動類神經光場分佈調整之設計概念 28
3-1 類神經自動光源調整網路架構 28
3-1.1 類神經網路結構 28
3-1.2 隱藏層人工類神經元個數 30
3-1.3 隱藏層層數 31
3-1.4 網路學習速率 32
3-2 類神經輸入資料處理(影像資料處理) 32
3-2.1單列(行)影像資料處理法 34
3-2.2 二維間隔影像資料處理法 34
3-2.3 影像遮罩處理法 35
3-3 類神經輸出資料(LED控制訊號) 38
3-4 類神經網路訓練資料庫 40
3-5 本章總結 42
第四章 類神經光源調整測試機台 43
4-1 機台硬體結構 43
4-1.1 影像系統 45
4-1.2 移動平台系統 46
4-1.3 光源系統 47
4-1.4 控制電路系統 49
4-2 機台軟體結構 50
4-3 可程式散射光源自動調整之設計與結果 56
4-4 本章總結 63
第五章 微組裝系統整合與驗證 64
5-1 系統整合 64
5-1.1 硬體整合 64
5-1.2 軟體整合 67
5-2 類神經光場學習與調整結果 72
5-2.1 類神經光場調整系統設計 72
5-2.2 光場學習與調整結果 75
5-3 實驗驗證 81
5-3.1 驗證結果展示 82
5-3.2 實驗分析 90
5-4 本章總結 92
第六章 結論與未來展望 93
6-1 結論 93
6-2 未來展望 94
參考文獻 96
附錄A 98
A-1 微夾持器之組裝流程 98
附錄B 99
B-1 載具平台/微夾持裝置之實體圖/表 99
B-2 載具位移平台規格表 100
B-3 載物平台之實體圖/表 101
B-4 影像擷取卡之規格表 102
B-5 操縱器載具平台規格 103
B-6 CCD Camera規格 104
B-7 PCI 7344運動控制卡規格 105
自述 106

[1] K.B. Yesin and B.J. Nelson, “A CAD Model Based Tracking System for Visually Guided Microassembly, Journal of Robotica, Vol. 23, pp. 409-418, 2005.
[2] L. Wang, J.K. Mills, and W.L. Cleghorn, “Automatic Microassembly Using Visual Servo Control, IEEE Transactions on Electronics Packaging Manufacturing, Vol. 31, pp. 316-325, 2008.
[3] A.N. Das, P. Zhang, W.H. Lee, D. Popa, and H. Stephanou, μ3:Multiscale, Deterministic Micro-Nano Assembly System for Construction of On-Wafer Microrobots, IEEE International Conference on Robotics and Automation, pp. 461-466, 2007.
[4] T. Baidyk, E. Kussul, O.Makeyev, A. Caballero, L. Ruiz, G. Carrera, G. Velasco, “Flat Image Recognition in The Process of Microdevice Assembly, Pattern Recognition Letters , Vol.25, pp. 107-118, 2004.
[5] 林敬祐, “ 影像伺服微物件姿態調整與定位組裝系統之發展, 國立成功大學機械工程學系碩士論文, 2009.
[6] M. Probst, M. Fluckiger, S. Pane, O. Ergeneman, Z.n Nagy, B.J. Nelson, “Manufacturing of a Hybrid Acoustic Transmitter Using an Advanced Microassembly System, IEEE Transactions on Industrial Electronics, Vol. 56, No. 7, pp. 2657-2666, 2009.
[7] H. Hashimoto, T. Kubota, M. Kudou, and F. Harashima, “Self-Organizing Visual Servo System Based on Neural Networks, IEEE Control Systems, pp. 31-36, 1992.
[8] Y. Iwahori, J. Woodham, M. Ozaki, H. Tanaka, N. Ishii, “Neural Network Based Photometric Stereo with a Nearby Rotational Moving Light Source, IEICE Trans. Inf. & Syst., Vol. E80-D, No. 9, pp. 948-957, 1997.
[9] Y. S. Hong, H. Jin, C. K. Park, “New Electrosensitive Traffic Light Using Fuzzy Neural Network, IEEE Transactions on Fuzzy Systems, Vol. 7, No. 6, pp. 759-767, 1999.
[10] W.S. McCulloch and W.H. Pitts, “A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics, Vol. 5, pp.115-133, 1943.
[11] E.B. Baum, and F. Wilczek, “Supervised Learning of Probability Distributions by Neural Networks, New York: American Institute of Physics, pp. 52-61, 1988.
[12] S. Becker, “An Information-Theoretic Unsupervised Learning Algorithm for Neural Network, University of Toronto, 1922.
[13] J. Alspector, J.W. Garnett, S. Haber, M.B. Porter, and R. Chu, “A VLSI Efficient Technique for Generating Multiple Uncorrelated Noise Sources and its Application to Stochastic Neural Networks, IEEE Transactions on Circuits and Systems, pp. 109-123, 1991.
[14] D.E. Rumelhart, J.L. McClelland et al. (eds.), “Parallel Distributed Processing: Explorations in the Microstructure of Cognition, MIT Press, Cambridge, MA, Vol. 1, pp. 318~362, 1986.
[15] 李士宗, “光散射法於自動微組裝系統之設計實現, 國立成功大學機械工程學系碩士論文, 2011.
[16] P. Baldi, and K. Hornik, “Neural Networks and Principal Component Analysis: Learning from Examples without Local Minimum, Neural Network 1, pp. 53-59, 1989.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top