本實驗室研究領域主要為智慧型系統的應用,其中包括類神經網路、模糊系統、適應控制,以及最佳化演算法(演化計算、基因演算法、粒子群演算法)。研究方向主要為智慧型自走車開發與應用、DSP與FPGA嵌入式系統之應用、機械手臂控制、智慧型自動著陸系統、旋翼機之定位與追跡控制、定位感測與影像處理等。主要設備有SOC-FPGA發展系統、NNP類神經網路晶片組、TI-DSP C2407數位信號處理器、FPGA 模組 、線性電壓轉換電路、模糊邏輯系統、Twin Rotor MIMO System、四旋翼機、X80無線傳輸自走車、Ihomer自走車、全向輪自走車、機械手臂、輪式移動機器人、CCD Camera、ZigBee無線傳輸系統、影像即時追蹤系統、FPGA-XC2V250晶片組、StarGazer定位系統、智慧型手機自動檢測系統。
第一部份的研究方向,針對移動型輪式機器人平台自走車,開發先進的機器人應用。自走車配有7組紅外線測距感測器、3組超音波感測器、彩色影像鏡頭模組、2組熱電式人體運動感測模組、WiFi802.11b 無線模組、80hm 1w 喇叭、單指向性的駐極體麥克風、12V DC直流馬達。透過高階的人工智慧AI程式即時處理、指令及指示,經由無線連結以超過10HZ的速率傳送到自走車,提供機器人即時的控制與存取。輪式移動機器人可以在標準的視窗開發程式環境(如MS VB及 VC++)自由開發不同的智慧型機器人助手或服務單元,如人機互動、移動式系統導航、機器人行為、影像處理、物件辨識、聲音辨識、遠距操作、遙測、地圖建立與位置測定等。目前實驗室自走車研究方向主要針對軟硬體上面的整合應用,包含運用智慧型控制器如:模糊系統、類神經網路、基因演算法等,以VHDL設計FPGA進行機器人追跡、路徑規劃、自動倒車入庫、路邊停車、自走車避障控制、室內外保全巡邏等。
第二部份研究方向,針對實驗用雙旋轉翼多輸入多輸出系統(TRMS),在雙軸向耦合的情況下,進行定位與追跡控制。我們所使用控制器包括模糊補償器與PID控制器,並藉由系統性能指標為基礎的最佳化演算法來搜尋參數值,使得TRMS能夠快速且準確的到達定位與追跡的目標。在硬體控制方面,利用XC2S200晶片擷取位置信號,並以VHDL語言的方式,將最佳化後的數位PID控制器以FPGA晶片的型式實現,再透過數位類比的轉換完成即時控制。本實驗室新添購一組XC2V250晶片,主要有內建586CPU,四組D/A轉換器、八組A/D轉換器,還有18x18乘法器,以及有更強大的運算功能,可以取代XC2S200晶片功能上的不足。四旋翼機的研究主要是針對標的物檢測的應用,利用影像處理進行目標物的搜尋與檢測,結合APM與Arduino系統,導入PID控制及簡易智慧型控制。
第三部分研究方向,應用機械手臂於智慧型手機自動檢測系統、開關燈、按壓電梯鍵等,利用影像處理,自動辨識文字與圖片,通過我們所給的動作命令,機器手臂便會做出相對應的動作來測試智慧型手機。利用攝影機檢測智慧型手機的畫面,影像處理的方法是利用RGB轉YUV色彩空間來減少影像處理的圖片資料量;再藉由改良型類神經網路 對攝影機與機械手臂進行座標轉換;且應用D-H法與模糊理論控制機器手臂的關節角度;而光學字元辨識技術則是用於辨識英文字母與阿拉伯數字,辨識結果最後會再經由字典校正處理以提高辨識率。由LabVIEW 2010來處理人機界面,並使用MATLAB程式碼至控制器。經由D-H法提供馬達角度給模糊控制器,使機器手臂可以移動到期望位置。
第四部分研究方向,針對飛機在即將降落至跑道時所遭遇亂流與剪風之外在環境變化進行分析與模擬,並應用類神經網路、模糊控制、適應控制等相關理論於飛機自動著陸控制。結合DSP晶片或是更高階的類神經網路晶片組,將軟體模擬出的結果以硬體來實現,藉由類神經網路晶片極快的運算速度達成及時訓練以及線上更新的目的,使得類神經控制器能完全取代目前飛機中所使用的傳統控制器。飛機在整個飛行過程中,起飛與降落所佔的時間雖然很短,卻是攸關飛行器是否安全最重要的過程。依飛安紀錄顯示,飛航意外大多數發生在降落階段,部分原因為天候因素所造成。現今許多飛機都裝有自動降落系統,能在正常的飛行環境中安全地幫助飛機自動降落,減輕飛行員的負擔,但傳統的自動降落系統所採用的控制理論為增益預定技術,一旦飛行條件或風擾強度超出系統所能適應之範圍,飛行員必須關閉自動降落系統改由手動駕駛。所以我們利用智慧型控制器具有學習的特性,當智慧型控制器完成訓練後,可取代傳統控制器,並幫助比較無經驗的駕駛員在遇到較大的亂流或剪風的外在環境下能將飛機安全地降落。