本篇論文中，我們設計且實現電動雙輪載具。電動雙輪載具為近年來一種新穎的載具，許多研究室也發表了一些關於電動雙輪載具的論文，市面上也有不少相關產品，但多數產品的價格過於昂貴，無法普及為一般家庭的代步工具，因此我們的目標為設計出低成本、不佔空間、與有座位之電動雙輪載具，以取代普通四輪汽車做為代步工具。本系統的主要動力來源為兩顆直流馬達，並藉由鏈輪來帶動雙輪動作來達到車體移動的目的。為完成電動雙輪載具的平衡控制之目標，我們設計了一個自我平衡控制器，以車身傾斜之角度與角速度當作控制變數，主動控制馬達的出力來達到載具直立不倒之目的。本論文中，我們主要提出了兩種控制演算法來分別做比較，其中包含第二型小腦模型控制器及仿第二型小腦模型控制器。電動雙輪載具存在許多不確定因素及雜訊，會影響系統動作，而第二型小腦模型控制器的演算方式較為複雜，控制器計算的時間需較久，為了解決此問題，我們將使用仿第二型小腦模型控制器，其中仿第二型小腦模型控制器之歸屬函數型態為高斯函數，並藉由李亞普諾夫定理(Lyapunov theory)推導其學習速率以達誤差之收斂；因此於本系統中我們將使用仿第二型小腦模型控制器來當系統主控制器。最後，我們也將透過電動兩輪載具平臺之模擬與實驗，分別比較第二型小腦模型控制器及仿第二型小腦模型控制器之模擬與實驗結果，驗證了仿第二型小腦模型控制器因能調整學習速率使誤差快速收歛，故在平衡與控制上能有較佳的成效。

In this thesis, we design and implement an two-wheeled vehicle. In this thesis, we compared two control algorithms including type-II Cerebellar Model Articulation Control (CMAC) and imitational type-II CMAC. For nonlinear systems, the type-II CMAC is a control theory that is simply constructed and good design. However, there are many uncertain noise and factors that the system motion can be affected in the two-wheeled vehicle. Type-II CMAC has a complex algorithm. It will slow down the efficiency of the controller. In order to solve these problems, we use imitational type-II CMAC controller, where the membership function of imitational type-II CMAC controller is Gaussian function. The learning rates of the controller are determined by using an analytical method based on a Lyapunov function, such that system convergence is achieved. The variable and optimal learning rates are derived to achieve rapid tracking-error convergence. Finally, by the simulation and experimentation of two-wheeled vehicle, we compare the type-II CMAC controller and imitational type-II CMAC controller, respectively. From the results, the imitational type-II CMAC controller can be demonstrated that it has better performance for control and balance.

目錄
書頁名 I
中文摘要 III
英文摘要 IV
誌謝 V
目錄 VI
圖目錄 XIII
表目錄 XIX
第一章 簡介 1
1.1 前言 1
1.2 研究背景 1
1.3 研究目的 6
第二章電動雙輪載具系統 8
2.1電動雙輪載具之硬體架構 8
2.1.1 直流馬達 12
2.1.2 編碼器 12
2.1.3傾斜計及陀螺儀 12
2.1.4類比轉數位電路 13
2.1.5濾波電路 14
2.1.6 馬達驅動電路 15
2.1.7 C8051F120發展板 16
2.2電池與系統電源 18
2.2.1 電池 18
2.2.2 電源轉換電路 19
2.3系統分析 20
第三章 小腦模型控制器 24
3.1 概論 24
3.2 行動決策 24
3.3 小腦模型控制器之設計 26
3.4 線上學習演算法與收斂 28
3.4.1線上學習演算法 28
3.4.2收斂分析 29
3.5實驗結果 30
3.5.1前進定位控制 30
3.5.2後退定位控制 34
3.5.3外在干擾控制 37
3.5.4左轉定位控制 41
3.5.5右轉定位控制 43
第四章 第二型小腦模型控制器 47
4.1概論 47
4.2不同均值相同變異數之第二型小腦模型控制器設計 48
4.3不同變異數之第二型小腦模型控制器設計 50
4.4第二型小腦模型控制器之線上學習演算法 52
4.4.1不同均值相同變異數之線上學習演算法 52
4.4.2不同變異數相同均值之線上學習演算法 53
4.5模擬與實驗結果 54
4.5.1型態一模擬 54
4.5.1.1平衡控制模擬結果 54
4.5.1.2外在干擾控制模擬結果 56
4.5.1.3原地定位控制模擬結果 58
4.5.2型態二模擬 61
4.5.2.1平衡控制模擬結果 61
4.5.2.2外在干擾控制模擬結果 63
4.5.2.3原地定位控制模擬結果 65
4.5.3型態一實驗 68
4.5.3.1前進定位控制 69
4.5.3.2後退定位控制 72
4.5.3.3外在干擾控制 76
4.5.3.4左轉定位控制 80
4.5.3.5右轉定位控制 82
4.5.4型態二實驗 85
4.5.4.1前進定位控制 86
4.5.4.2後退定位控制 89
4.5.4.3外在干擾控制 93
4.5.4.4左轉定位控制 97
4.5.4.5右轉定位控制 99
第五章 仿第二型小腦模型控制器 103
5.1概論 103
5.2不同變異數相同均值之第二型小腦模型控制器設計 103
5.3不同均值相同變異數之仿第二型小腦模型控制器設計 104
5.4線上學習演算法與收斂分析 105
5.4.1線上學習演算法 105
5.4.2收斂分析 109
5.5模擬與實驗結果 110
5.5.1 型態一模擬 111
5.5.1.1平衡控制模擬結果 111
5.5.1.2外在干擾控制模擬結果 113
5.5.1.3原地定位控制模擬結果 115
5.5.2型態二模擬 117
5.5.2.1平衡控制模擬結果 118
5.5.2.2外在干擾控制模擬結果 120
5.5.2.3原地定位控制模擬結果 122
5.5.3型態一實驗 124
5.5.3.1前進定位控制 125
5.5.3.2後退定位控制 129
5.5.3.3外在干擾控制 133
5.5.3.4左轉定位控制 136
5.5.3.5右轉定位控制 139
5.5.4型態二實驗 141
5.5.4.1前進定位控制 142
5.5.4.2後退定位控制 145
5.5.4.3外在干擾控制 149
5.5.4.4左轉定位控制 153
5.5.4.5右轉定位控制 155
第六章 強健仿第二型小腦模型控制器 159
6.1強健仿第二型小腦模型控制器設計 159
6.2模擬與實驗結果 162
6.2.1 型態一模擬 162
6.2.1.1平衡控制模擬結果 163
6.2.1.2外在干擾控制模擬結果 164
6.2.1.3原地定位控制模擬結果 166
6.2.2型態二模擬 169
6.2.2.1平衡控制模擬結果 169
6.2.2.2外在干擾控制模擬結果 171
6.2.2.3原地定位控制模擬結果 173
6.2.3型態一實驗 176
6.2.3.1前進定位控制 177
6.2.3.2後退定位控制 180
6.2.3.3外在干擾控制 184
6.2.3.4左轉定位控制 188
6.2.3.5右轉定位控制 190
6.2.4型態二實驗 193
6.2.4.1前進定位控制 194
6.2.4.2後退定位控制 197
6.2.4.3外在干擾控制 201
6.2.4.4左轉定位控制 205
6.2.4.5右轉定位控制 207
6.3道路測試實驗 210
6.3.1一般柏油路行駛 210
6.3.2殘障坡道上坡 212
6.3.3行駛減速坡 214
6.4結論 216
第七章 總結 220
7.1改進方向 220
7.2未來展望 221
參考文獻 222
附錄一、馬達規格 226
附錄二、均值、變異數、權重之學習速率推導及收斂分析 227

圖 目 錄
圖1.1 BigDog 1
圖1.2動力輔助機器人外骨骼 2
圖1.3 Tesla Model S 2
圖1.4 iBOT 3
圖1.5 PUMA 3
圖1.6 Robot Wheel 4
圖1.7 Branded Hiriko 4
圖1.8 MonoTracer 5
圖2.1 電動雙輪載具系統全圖 8
圖2.2 直流馬達與編碼器 8
圖2.3 車體底板 8
圖2.4 方向盤 9
圖2.5 支撐柱 9
圖2.6 馬達固定座 9
圖2.7 軸承座 9
圖2.8 輪軸 9
圖2.9 輪胎 9
圖2.10 鏈輪 10
圖2.11 硬體架構方塊圖 11
圖2.12 電路放置圖(a)電路板上視圖(b)系統電路正面擺放圖 11
圖2.13 (a)單軸傾斜感測器 (b)單軸陀螺儀 13
圖2.14陀螺儀動作示意圖 14
圖2.15四階巴特沃斯低通濾波器 14
圖2.16 (a)濾波前之傾斜計訊號 (b)濾波後之傾斜計訊號 14
圖2.17馬達驅動電路 15
圖2.18 C8051F120全貌圖 17
圖2.19 C8051F120功能方塊圖 17
圖2.20 C8051F120 架構圖 18
圖2.21 11.3V-2Ah鋰電池 19
圖2.22 12V-7Ah鉛蓄電池 19
圖2.23電源轉換配置圖 19
圖2.24電動雙輪載具示意圖 20
圖2.25騎乘示意圖 23
圖3.1車身擺動示意圖 25
圖3.2轉向控制系統方塊圖 26
圖3.3以高斯基底函數的小腦模型之架構 26
圖3.4在 和 的情形下二維空間的CMAC 27
圖3.5小腦模型控制器前進定位控制響應圖(條件一) 32
圖3.6小腦模型控制器前進定位控制響應圖(條件二) 33
圖3.7小腦模型控制器後退定位控制響應圖(條件一) 35
圖3.8小腦模型控制器後退定位控制響應圖(條件二) 37
圖3.9小腦模型控制器外在干擾控制響應圖(條件一) 39
圖3.10小腦模型控制器外在干擾控制響應圖(條件二) 41
圖3.11小腦模型控制器左轉定位控制響應圖(條件一) 42
圖3.12小腦模型控制器左轉定位控制響應圖(條件二) 43
圖3.13小腦模型控制器右轉定位控制響應圖(條件一) 44
圖3.14小腦模型控制器右轉定位控制響應圖(條件二) 46
圖4.1第二型小腦模型控制器架構 48
圖4.2不同均值相同變異數之高斯歸屬函數 48
圖4.3不同變異數相同均值之高斯歸屬函數 51
圖4.4型態一之第二型小腦模型控制器模擬響應圖 56
圖4.5型態一之第二型小腦模型控制器外加干擾模擬響應圖 58
圖4.6型態一之第二型小腦模型控制器原地定位模擬響應圖 61
圖4.7型態二之第二型小腦模型控制器模擬響應圖 63
圖4.8型態二之第二型小腦模型控制器外加干擾模擬響應圖 65
圖4.9型態二之第二型小腦模型控制器原地定位模擬響應圖 68
圖4.10第二型小腦模型控制器前進定位控制響應圖(條件一) 70
圖4.11第二型小腦模型控制器前進定位控制響應圖(條件二) 72
圖4.12第二型小腦模型控制器後退定位控制響應圖(條件一) 74
圖4.13第二型小腦模型控制器後退定位控制響應圖(條件二) 76
圖4.14第二型小腦模型控制器外在干擾控制響應圖(條件一) 78
圖4.15第二型小腦模型控制器外在干擾控制響應圖(條件二) 80
圖4.16第二型小腦模型控制器左轉定位控制響應圖(條件一) 81
圖4.17第二型小腦模型控制器左轉定位控制響應圖(條件二) 82
圖4.18第二型小腦模型控制器右轉定位控制響應圖(條件一) 83
圖4.19第二型小腦模型控制器右轉定位控制響應圖(條件二) 85
圖4.20第二型小腦模型控制器前進定位控制響應圖(條件一) 87
圖4.21第二型小腦模型控制器前進定位控制響應圖(條件二) 89
圖4.22第二型小腦模型控制器後退定位控制響應圖(條件一) 91
圖4.23第二型小腦模型控制器後退定位控制響應圖(條件二) 93
圖4.24第二型小腦模型控制器外在干擾控制響應圖(條件一) 95
圖4.25第二型小腦模型控制器外在干擾控制響應圖(條件二) 96
圖4.26第二型小腦模型控制器左轉定位控制響應圖(條件一) 98
圖4.27第二型小腦模型控制器左轉定位控制響應圖(條件二) 99
圖4.28第二型小腦模型控制器右轉定位控制響應圖(條件一) 100
圖4.29第二型小腦模型控制器右轉定位控制響應圖(條件二) 101
圖5.1適應性系統方塊圖 110
圖5.2型態一之仿第二型小腦模型控制器模擬響應圖 113
圖5.3型態一之仿第二型小腦模型控制器外加干擾模擬響應圖 115
圖5.4型態一之仿第二型小腦模型控制器原地定位模擬響應圖 117
圖5.5型態二之仿第二型小腦模型控制器模擬響應圖 120
圖5.6型態二之仿第二型小腦模型控制器外加干擾模擬響應圖 122
圖5.7型態二之仿第二型小腦模型控制器原地定位模擬響應圖 124
圖5.8仿第二型小腦模型控制器前進定位控制響應圖(條件一) 127
圖5.9仿第二型小腦模型控制器前進定位控制響應圖(條件二) 129
圖5.10仿第二型小腦模型控制器後退定位控制響應圖(條件一) 131
圖5.11仿第二型小腦模型控制器後退定位控制響應圖(條件二) 132
圖5.12仿第二型小腦模型控制器外在干擾控制響應圖(條件一) 134
圖5.13仿第二型小腦模型控制器外在干擾控制響應圖(條件二) 136
圖5.14仿第二型小腦模型控制器左轉定位控制響應圖(條件一) 137
圖5.15仿第二型小腦模型控制器左轉定位控制響應圖(條件二) 138
圖5.16仿第二型小腦模型控制器右轉定位控制響應圖(條件一) 140
圖5.17仿第二型小腦模型控制器右轉定位控制響應圖(條件二) 141
圖5.18仿第二型小腦模型控制器前進定位控制響應圖(條件一) 143
圖5.19仿第二型小腦模型控制器前進定位控制響應圖(條件二) 145
圖5.20仿第二型小腦模型控制器後退定位控制響應圖(條件一) 147
圖5.21仿第二型小腦模型控制器後退定位控制響應圖(條件二) 149
圖5.22仿第二型小腦模型控制器外在干擾控制響應圖(條件一) 151
圖5.23仿第二型小腦模型控制器外在干擾控制響應圖(條件二) 153
圖5.24仿第二型小腦模型控制器左轉定位控制響應圖(條件一) 154
圖5.25仿第二型小腦模型控制器左轉定位控制響應圖(條件二) 155
圖5.26仿第二型小腦模型控制器右轉定位控制響應圖(條件一) 156
圖5.27仿第二型小腦模型控制器右轉定位控制響應圖(條件二) 158
圖6.1解耦合控制器方塊圖 160
圖6.2強健仿第二型小腦模型控制器方塊圖 162
圖6.3型態一之強健仿第二型小腦模型控制器模擬響應圖 164
圖6.4型態一之強健仿第二型小腦模型控制器外加干擾模擬響應圖 166
圖6.5型態一之強健仿第二型小腦模型控制器原地定位模擬響應圖 169
圖6.6型態二之強健仿第二型小腦模型控制器模擬響應圖 171
圖6.7型態二之強健仿第二型小腦模型控制器外加干擾模擬響應圖 173
圖6.8型態二之強健仿第二型小腦模型控制器原地定位模擬響應圖 176
圖6.9強健仿第二型小腦模型控制器前進定位控制響應圖(條件一) 178
圖6.10強健仿第二型小腦模型控制器前進定位控制響應圖(條件二) 180
圖6.11強健仿第二型小腦模型控制器後退定位控制響應圖(條件一) 182
圖6.12強健仿第二型小腦模型控制器後退定位控制響應圖(條件二) 184
圖6.13強健仿第二型小腦模型控制器外在干擾控制響應圖(條件一) 186
圖6.14強健仿第二型小腦模型控制器外在干擾控制響應圖(條件二) 188
圖6.15強健仿第二型小腦模型控制器左轉定位控制響應圖(條件一) 189
圖6.16強健仿第二型小腦模型控制器左轉定位控制響應圖(條件二) 190
圖6.17強健仿第二型小腦模型控制器右轉定位控制響應圖(條件一) 191
圖6.18強健仿第二型小腦模型控制器右轉定位控制響應圖(條件二) 193
圖6.19強健仿第二型小腦模型控制器前進定位控制響應圖(條件一) 195
圖6.20強健仿第二型小腦模型控制器前進定位控制響應圖(條件二) 197
圖6.21強健仿第二型小腦模型控制器後退定位控制響應圖(條件一) 199
圖6.22強健仿第二型小腦模型控制器後退定位控制響應圖(條件二) 201
圖6.23強健仿第二型小腦模型控制器外在干擾控制響應圖(條件一) 203
圖6.24強健仿第二型小腦模型控制器外在干擾控制響應圖(條件二) 204
圖6.25強健仿第二型小腦模型控制器左轉定位控制響應圖(條件一) 206
圖6.26強健仿第二型小腦模型控制器左轉定位控制響應圖(條件二) 207
圖6.27強健仿第二型小腦模型控制器右轉定位控制響應圖(條件一) 208
圖6.28強健仿第二型小腦模型控制器右轉定位控制響應圖(條件二) 209
圖6.29一般柏油路行駛響應圖 212
圖6.30殘障坡道上坡響應圖 214
圖6.31行駛減速坡響應圖 216

表 目 錄
表1.1相關論文研究比較 6
表2.1電動雙輪載具模型參數定義 20
表3.1車身平台轉向參數規則表 25
表6.1不同均值之條件一指標函數值一覽表 217
表6.2不同變異數之條件一指標函數值一覽表 217
表6.3不同均值之條件二指標函數值一覽表 218
表6.4不同變異數之條件二指標函數值一覽表 218
表6.5不同均值之模擬執行時間一覽表 219
表6.6不同變異數之模擬執行時間一覽表 219

[1] BostonDynamics , USA, www.bostondynamics.com
[2] Kawasaki,Japan,
http://www.digitaltrends.com/cool-tech/need-to-lift-something-try-wearing-a-kawasaki-robotic-exoskeleton/#!21zcq
[3] Tesla Motors, USA, http://www.teslamotors.com/
[4] Segway, USA, http://www.segway.com/
[5] Robot Wheel, http://e-info.org.tw/node/74408
[6] Branded Hiriko, hhttp://e-info.org.tw/node/74408
[7] LITMOTORS, http://litmotors.com/
[8] Whei-Min Lin, Chih-Ming Hong, Chiung-Hsing Chen, “Neural-Network-Based MPPT Control of a Stand-Alone Hybrid Power Generation System” IEEE Trans. Power Electron., Vol. 26, No. 12, Dec. 2011
[9] E. Kayacan, O. Cigdem, and O. Kaynak, “Sliding Mode Control Approach for Online Learning as Applied to Type-2 Fuzzy Neural Networks and Its Experimental Evaluation,” IEEE Trans. Ind. Electron., Vol. 59, No. 9, pp. 3510-3520, Sep. 2012.
[10] M. Manceur, N. Essounbouli, and A. Hamzaoui, “Second-Order Sliding Fuzzy Interval Type-2 Control for an Uncertain System with Real Application,” IEEE Trans. Fuzzy Syst., Vol. 20, No. 2, pp. 262-275, Apr. 2012.
[11] C. –S. Chen, “Supervisory Adaptive Tracking Control of Robot Manipulators Using Interval Type-2 TSK Fuzzy Logic System,” IET Control Theory., Vol. 5, No. 15, pp. 1796-1807, Oct. 2011.
[12] C. S. Chen, “Supervisory Interval Type-2 TSK Neural Fuzzy Network Control for Linear Microstepping Motor Drives With Uncertainty Observer,” IEEE Trans. Power Electron., Vol. 26, No. 7, pp. 2049-2064, Jul. 2011.
[13] M. Biglarbegian, W. Melek, and J. M. Mendel, “Design of Novel Interval Type-2 Fuzzy Controllers for Modular and Reconfigurable Robots Theory and Experiments,” IEEE Trans. Ind. Electron., Vol. 58, No. 4, pp. 1371-1387, Apr. 2011.
[14] M. Tripathy, and S. Mishra, “Interval Type-2-Based Thyristor Controlled Series Capacitor to Improve Power System Stability,” IET Gener. Transm. Distrib., Vol. 5, No. 2, pp. 209-222, Feb. 2011.
[15] Ming-Feng Yeh; Cheng-Hung Tsai; ”Standalone CMAC Control System With Online Learning Ability” IEEE Trans Syst Man Cybern B, Vol. 40, No. 1, Feb. 2010
[16] S. Barkat, A. Tlem#westeur040#ani, and H. Nouri, “Noninteracting Adaptive Control of PMSM Using Interval Type-2 Fuzzy Logic Systems,” IEEE Trans. Fuzzy Syst., Vol. 19, No. 5, pp. 925-936, Oct. 2011.
[17] Ching-Hung Lee, Feng-Yu Chang, and Chih-Min Lin, “An Efficient Interval Type-2 Fuzzy CMAC for Chaos Time-Series Prediction and Synchronization,” IEEE Trans Cybern., Vol. 44, No. 3, pp. 329-341, Mar. 2014.
[18] N. N. Karnik, J. M. Mendel, and Q. Liang, “Type-2 Fuzzy Logic Systems,” IEEE Trans. Fuzzy Syst., Vol. 7, No. 6, pp. 643-658, Dec. 1999.
[19] KING NIGHT MOTOR CO., LTD. http://www.kingright.com.tw/
[20] 蔡文儒撰「全方位球型機器人之設計與實現：使用具強健性之模糊監督控制器」中原大學電機工程研究所，碩士論文，2009年（邱智煇、涂世雄指導）。
[21] SILICON LABS, http://www.silabs.com/Pages/default.aspx
[22] 張培仁、楊興明，機器人系統設計與計算，中國科技技術大學出版社.
[23] 林俊賢撰「輪型機器人之設計與實現：使用適應性步階迴歸小腦模型控制器」元智大學電機工程研究所，碩士論文，2011年（邱智煇指導）。
[24] F.-J. Lin; L.-T. Teng; H. Chu; ” Modified Elman neural network controller with improved particle swarm optimisation for linear synchronous motor drive” Published in IET Electric Power Applications Received on 28th August 2007 Revised on 11th December 2007
[25] 林明宏撰「強健性小腦模型控制器之設計與應用」清雲科技大學電子工程系碩士班，2006年(彭椏富指導)
[26] C. -M. Lin and Y. -F. Peng,” Adaptive CMAC-Based Supervisory Control
for Uncertain Nonlinear Systems” IEEE Trans. Syst. Man Cybern., Vol. 34, No. 2, Apr. 2004
[27] Ya-Fu Peng; Chun-Fei Hsu; Chih-Min Lin; Chi-Jui Kao; ”Robust CMAC Backstepping Longitudinal Control of Vehicle Platoons ”Proceedings of the 2004 IEEE International Conference on Networking, Sensing B Control Taipei, 'Taiwan. Mar. 21-23, 2004.
[28] L. A. Zadeh, “The Concept of a Linguistic Variable and its Application to Approximate Reasoning—I,” Information Science, Vol. 8, No. 3, pp.199-249, Jul. 1975.
[29] J. M. Mendel, “Type-2 Fuzzy Sets and Systems: An Overview,” IEEE Comp. Int. Mag., Vol. 2, No. 1, pp. 20-29, Feb. 2007.
[30] 陳俊佑撰「仿Type-2模糊控制器之應用於電動獨輪車」元智大學電機工程研究所，碩士論文，2013年（邱智煇指導）。
[31] J. M. Mendel and R. I. John, “Type-2 Fuzzy Sets Made Simple,” IEEE Trans. Fuzzy Syst., Vol. 10, No. 2, pp. 117-127, Apr. 2002.
[32] H. J. Wu, Y. L. Su, and S. J. Lee, “A Fast Method for Computing the Centroid of a Type-2 Fuzzy Set,” IEEE Trans. Syst. Man., Cybern. B, Cybern., Vol. 42, No. 3, pp. 764-777, Jun. 2012.
[33] N. N. Karnik and J. M. Mendel, “Centroid of a type-2 fuzzy set,” Information Sciences, 132(1-4):195-220, 2001.
[34] F. Liu, “An efficient Centroid type-reduction strategy for general type-2 fuzzy logic system,” Information Sciences, 178(9):2224-2236, 2008.
[35] 蘇耀瓏撰「一個第二型模糊集合降階的改良式演算法」國立中山大學電機工程研究所，碩士論文，2010年（李錫智指導）。
[36] J. M. Mendel, R. I. John, and F. Liu, “Interval Type-2 Fuzzy Logic Systems Made Simple,” IEEE Trans. Fuzzy Syst., Vol. 14, No.6, pp. 808-821, Dec. 2006.
[37] D. Wu, “Approaches for Reducing the Computational Cost of Interval Type-2 Fuzzy Logic Systems: Overview and Comparisons,” IEEE Trans. Fuzzy Syst., Vol. 21, No. 1, pp. 80-99, Feb. 2013.
[38] 周明鴻撰「電動獨輪車載具之設計與實現」元智大學電機工程研究所，碩士論文，2011年（邱智煇指導）。
[39] J.J.E.Slotine,W.Li, ”Applied nonlinear control”(Prentice-Hall New Jersey,1991)
[40] K.J.Astrom,B.Wittenmark, ”Adaptive control”(Addison-Wesley,New York,1995)
[41] J. M. Mendel, R. I. John, and F. Liu, “Interval Type-2 Fuzzy Logic Systems Made Simple,” IEEE Trans. Fuzzy Syst., Vol. 14, No.6, pp. 808-821, Dec. 2006.
[42] John T. (Terry) Rickard, Janet Aisbett, and Greg Gibbon, “Fuzzy Subsethood for Fuzzy Sets of Type-2 and Generalized Type-n,” IEEE Trans. Fuzzy Syst., pp. 50-60, Feb. 2009.
[43] Haoyang Wu, Yuyuan Wu, and Jinping Luo, “Interval Type-2 Fuzzy Logic Systems Made Simple,” IEEE Trans. Fuzzy Syst., Vol. 17, No.2, pp. 301-315, Apr. 2009.
[44] Chi-Yuan Yeh, Wen-Hau Roger Jeng, and Shie-Jue Lee, “An Enhanced Type-Reduction Algorithm for Type-2 Fuzzy Sets,” IEEE Trans. Fuzzy Syst., Vol. 19, No.2, pp. 227-240, Apr. 2011.
[45] Miguel Pagola, Carlos Lopez-Molina, Javier Fernandez, Edurne Barrenechea, and Humberto Bustince, “Interval Type-2 Fuzzy Sets Constructed From Several Membership Functions: Application to the Fuzzy Thresholding Algorithm,” IEEE Trans. Fuzzy Syst., Vol. 21, No.2, pp. 230-243, Apr. 2013.
[46] Chih-Min Lin, Hsin-Yi Li, “TSK Fuzzy CMAC-Based Robust Adaptive Backstepping Control for Uncertain Nonlinear Systems,” IEEE Trans. Fuzzy Syst., Vol. 20, No.6, pp. 1147-1154, Dec. 2012.
[47] S.-Y. Wang C.-L. Tseng S.-C. Chien, “Adaptive fuzzy cerebellar model articulation control for switched reluctance motor drive,” IET Electr. Vol. 6, Iss.3, pp. 190-202, Apr. 2012.
[48] Chih-Min Lin and Hsin-Yi Li, “A Novel Adaptive Wavelet Fuzzy Cerebellar Model Articulation Control System Design for Voice Coil Motors,” IEEE Trans. Ind. Electron., Vol. 59, No.4, pp. 2024-2033, Apr. 2012.
[49] Ming-Feng Yeh and Cheng-Hung Tsai, “Standalone CMAC Control System With Online Learning Ability,” IEEE Trans. Syst. Man Cybern. B, Vol. 40, No.1, pp. 43-53, Feb. 2010.
[50] Ming-Feng Yeh and Cheng-Hung Tsai, “Adaptive Filter Design Using Recurrent Cerebellar Model Articulation Controller,” IEEE Trans. Neural Netw., Vol. 19, No.7, pp. 1149-1157, Jul. 2010.
[51] Chun-Ming Wen and Ming-Yang Cheng, “Development of a Recurrent Fuzzy CMAC With Adjustable Input Space Quantization and Self-Tuning Learning Rate for Control of a Dual-Axis Piezoelectric Actuated Micromotion Stage,” IEEE Trans. Ind. Electron., Vol. 60, No.11, pp. 5105-5115, Nov. 2013.
[52] Ya-Fu Peng, Rong-Jong Wai, and Chih-Min Lin,“Implementation of LLCC-Resonant Driving Circuit and Adaptive CMAC Neural Network Control for Linear Piezoelectric Ceramic Motor,” IEEE Trans. Ind. Electron., Vol. 51, No.1, pp. 35-48, Feb. 2004.