請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/79546完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 王立昇(Li-Sheng Wang) | |
| dc.contributor.author | Ya-Ling Wen | en |
| dc.contributor.author | 温雅翎 | zh_TW |
| dc.date.accessioned | 2022-11-23T09:03:20Z | - |
| dc.date.available | 2021-11-03 | |
| dc.date.available | 2022-11-23T09:03:20Z | - |
| dc.date.copyright | 2021-11-03 | |
| dc.date.issued | 2021 | |
| dc.date.submitted | 2021-10-26 | |
| dc.identifier.citation | [1] T. H. Cormen, C. E. Leiserson, and R. L. Rivest, Introduction to Algorithms (Third Edition), MIT Press, 2009. [2] 王進德, 類神經網路與模糊控制理論入門與應用, 全華圖書股份有限公司, 2007. [3] L. A. Zadeh, 'Fuzzy sets,' Information and Control, pp. 338-353, 1965. [4] R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction (Second Edition), MIT Press, 2014, 2015. [5] P. Y. Glorennec and L. Jouffe, 'Fuzzy Q-learning,' in Proceedings of 6th International Fuzzy Systems Conference, Barcelona, Spain, 1997. [6] R. W. Deng, Y. H. Wang, C. J. Lin, and T. H. S. Li, 'Implementation of human following mission by using fuzzy head motion control and Q-learning wheel motion control for home service robot,' in 2013 International Conference on Fuzzy Theory and Its Applications (iFUZZY), Taipei, Taiwan, 2013. [7] P. Chen and B. Wu, “A Q-Learning Based Human Following Fuzzy Controller and New Criterion of Ride Comfort for Intelligent Wheelchair Robots”, Master's Thesis, Institute of Electrical Control Engineering, National Chiao Tung University, Hsinchu, Taiwan, 2015. [8] R. Dhaouadi and A. A. Hatab, 'Dynamic Modelling of Differential-Drive Mobile Robots using Lagrange and Newton-Euler Methodologies: A Unified Framework,' Adv Robot Autom 2: 107, 2013. [9] '微星科技網路商店,' [Online]. Available: https://twstore.msi.com/MSI/moreinfo_142086.htm [10] 'AXIS M3006-V Network Camera,' 2016. [Online]. Available: https://www.axis.com/files/datasheet/ds_m3006v_1485632_en_1607.pdf [11] Y. Kanayama, Y. Kimura, F. Miyazaki, and T. Noguchi, 'A stable tracking control method for an autonomous mobile robot,' in Proceedings., IEEE International Conference on Robotics and Automation, Cincinnati, OH, USA, 1990. [12] S. K. Alonso, C. T. Blanc, and M. G. S. Torrubia, 'eMathTeacher: Mamdani's Fuzzy Inference Metho,' [Online]. Available: http://www.dma.fi.upm.es/recursos/aplicaciones/logica_borrosa/web/fuzzy_inferencia/funpert_en.htm [13] T. M. Mitchell, Machine Learning, 1997. [14] R. C. Gonzalez and R. E. Woods, Digital Image Processing (Third Edition), Pearson Education, 2008. [15] L. H. Gao, “Research on the Methodology of Vision System-Assisted Path-following and Collision Avoidance for Autonomous Vehicle”, Master's Thesis, Institute of Applied Mechanics, National Taiwan University, Taipei, Taiwan, 2021. [16] J. Weng, P. Cohen, and M. Herniou, 'Camera calibration with distortion models and accuracy evaluation,' IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 14, no. 10, pp. 965-980, 1992. [17] R. Hartley and A. Zisserman, 'Camera Models,' in Multiple View Geometry in Computer Vision (Second Edition), Cambridge University Press, 2004, pp. 153-177. [18] J. F. Henriques, R. Caseiro, P. Martins, and J. Batista, 'High-Speed Tracking with Kernelized Correlation Filters,' IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 37, no. 3, pp. 583-596, 2015. [19] J. Canny, 'A Computational Approach to Edge Detection,' IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-8, no. 6, pp. 679-698, 1986. [20] 'Canny - edge detection | Image Processing #8 | HBY coding academic,' HBY coding academic, 2018, May 14. [Online]. Available: https://www.youtube.com/watch?v=PtSgA19sC5g [21] I. Sobel, “History and Definition of the so-called” Sobel Operator”, more appropriately named the Sobel-Feldman Operator,”, 2015. [22] R. O. Duda and P. E. Hart, 'Use of the Hough Transformation to Detect Lines and Curves in Pictures,' Comm. ACM, vol. 15, no. 1, pp. 11-15, 1972. | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/79546 | - |
| dc.description.abstract | 本研究利用三種不同控制方法設計在未知環境下的載具跟隨系統，分別為模糊控制、Q-學習法以及Q-學習輔助模糊控制。在研究中，無人差速輪載具經由實驗空間上方的網路攝影機作為感測器，取得前方引導載具位置資訊及自身的位姿資訊，並使用上述三種演算法進行追蹤引導載具，保持安全距離與貼合引導載具路徑之任務。在使用模糊控制的跟隨系統時，須預先藉由專家經驗得出完整的模糊規則，但當複雜環境改變時，所採用之規則庫可能必須調整，然傳統的模糊控制並未提供調整策略，使其缺乏自適應性；在另一方面，Q-學習法能透過不斷與環境互動進行學習，具有自適應的能力，但因須先進行行為探索，使其應用效率低，且因離散化而產生震盪問題；為解決前兩種控制方法的不足，整合的Q-學習輔助模糊控制則，不但在動態環境下具有學習與適應環境的能力，並可透過模糊規則提高Q-學習法的學習速度。依據模擬和實驗結果，本文所發展之三種控制方法皆能實現任務目標，而經由結果比較可得，Q-學習輔助模糊控制確實能結合兩者優點，在實際導航上具有較高的應用價值。 | zh_TW |
| dc.description.provenance | Made available in DSpace on 2022-11-23T09:03:20Z (GMT). No. of bitstreams: 1 U0001-2209202123350200.pdf: 5586276 bytes, checksum: b112222e5cf6faf3459c737cec8c5636 (MD5) Previous issue date: 2021 | en |
| dc.description.tableofcontents | 口試委員會審定書 i 誌謝 ii 中文摘要 iii ABSTRACT iv 目錄 v 圖目錄 viii 表目錄 xi 第一章 緒論 1 1.1 前言與研究動機 1 1.2 文獻回顧 1 1.3 研究內容與成果 2 1.4 論文架構 3 第二章 無人載具跟隨系統架構及運動學模型 5 2.1 系統概述 5 2.2 導航實驗載具本體 6 2.3 控制器 7 2.4 感測器 8 2.5 系統整合 9 2.6 無人載具之運動學模型 10 2.7 控制器輸入變數設定 12 第三章 無人載具跟隨控制系統設計 16 3.1 模糊控制 16 3.1.1 模糊控制的基本理論 16 3.1.2 隸屬函數 17 3.1.3 Sugeno模糊模型 19 3.1.4 模糊控制之載具跟隨系統參數設計 20 3.2 Q-學習法 26 3.2.1 強化學習介紹 26 3.2.2 Q-學習法演算法 28 3.2.3 Q-學習法範例 33 3.2.4 Q-學習法之載具跟隨系統參數設計 35 3.3 Q-學習輔助模糊控制系統 39 3.3.1 Q-學習輔助模糊控制演算法 39 3.3.2 Q-學習輔助模糊控制之載具跟隨系統參數設計 40 第四章 載具位姿判定 44 4.1 數位影像介紹 44 4.2 影像畸變校正 46 4.3 影像特徵提取與追蹤 48 4.3.1 循環移位 48 4.3.2 目標檢測模型 49 4.3.3 實現KCF目標跟蹤方法之結果 50 4.4 載具姿態測定 51 4.4.1 邊緣檢測 51 4.4.2 直線檢測 54 4.4.3 實現載具姿態測定之結果 55 第五章 模擬與實驗結果 56 5.1 模擬結果 56 5.1.1 模糊控制之載具跟隨系統模擬結果 56 5.1.2 Q-學習法之載具跟隨系統模擬結果 58 5.1.3 Q-學習輔助模糊控制之載具跟隨系統模擬結果 61 5.1.4 模擬結果討論 63 5.2 實驗結果 65 5.2.1 模糊控制之載具跟隨系統實驗結果 65 5.2.2 Q-學習法之載具跟隨系統實驗結果 66 5.2.3 Q-學習輔助模糊控制之載具跟隨系統實驗結果 68 5.2.4 實驗結果討論 69 第六章 結論與未來方向 71 參考文獻 72 | |
| dc.language.iso | zh-TW | |
| dc.title | Q-學習法輔助自適應模糊控制在載具跟隨系統之應用 | zh_TW |
| dc.title | Application of Q-learning Assisted Self-tuning Fuzzy Controller on Vehicle-Follower | en |
| dc.date.schoolyear | 109-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 張帆人(Hsin-Tsai Liu),卓大靖(Chih-Yang Tseng),王和盛 | |
| dc.subject.keyword | 跟隨系統,模糊控制,Q-學習法,Q-學習輔助模糊控制,自適應性, | zh_TW |
| dc.subject.keyword | vehicle-following system,fuzzy control,Q-learning,Q-learning assisted fuzzy control,self-tuning, | en |
| dc.relation.page | 74 | |
| dc.identifier.doi | 10.6342/NTU202103301 | |
| dc.rights.note | 同意授權(全球公開) | |
| dc.date.accepted | 2021-10-27 | |
| dc.contributor.author-college | 工學院 | zh_TW |
| dc.contributor.author-dept | 應用力學研究所 | zh_TW |
| 顯示於系所單位： | 應用力學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-2209202123350200.pdf | 5.46 MB | Adobe PDF | 檢視/開啟 |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。