龍門式定位平台之同動控制系統設計

113年11月10日

【本篇報導由電機工程學系  陳瑄易教授研究團隊提供】 　　龍門式定位平台是一種精密的X-Y運動控制系統，其主要由一組平行滑軌、一個垂直於滑軌之橫梁與三部馬達所組成。受到平行滑軌與橫梁的物理連接限制，兩個平行馬達必須有妥適的同步運動控制策略，以確保各軸協調運動並避免機械設備損壞。基於此需求，本研究之目的即為提出一套控制系統，用於實現龍門平台之同步控制目標。本方法之概念主要是將平行馬達與橫梁之三軸馬達位移量轉換為橫梁上之動子運動量，當兩組平行滑軌上之滑塊不同步時，橫梁上之動子將產生旋轉角度。因此，若能控制該角度為零，亦即等同於達到雙軸同動之效果。為達到此目標，本研究設計了一種新的分數階動態表面控制方法。首先，利用分數階低通濾波器為現有的動態表面控制方法提供額外參數的自由度。接著，由於難以掌握系統的不確定性，因此進一步設計一種樹突神經元模型觀測器來識別系統不確定性，同時設計了一個指數補償器來補償觀測誤差。經實驗結果證實，相較於傳統的動態面控制方法，本研究所提出的自適應分數階動態面控制系統，在龍門平台的三軸的定位控制與平行軸的同動控制能有更優異的控制效果。    　　龍門（Gantry）平台主要由一組平行線性滑軌與一個垂直於滑軌之橫梁所組成如圖一所示。平行滑軌固定在基座上，並分別搭載一部由線性永磁同步馬達（Permanent Magnet Linear Synchronous Motor, PMLSM）所帶動之滑塊（Slider）。當兩組滑塊同步運動時，連接兩組滑塊的橫梁即可沿著滑軌進行X方向運動。另一方面，橫梁上配置由另一個PMLSM所帶動之動子（Mover），可沿著該橫梁進行Y方向運動。基於此三軸驅動模式，龍門平台能夠提供更大的推力，以實現具有更高加速度與負載能力之操控性能。透過對各軸位移之回授，亦能實現高精確度和高重複性之控制精度，目前已廣泛應用於如光學檢測、機密製造與物流倉儲等領域。 　　由於龍門平台中的平行馬達具有實際的物理連接，兩部馬達必須同步運動，以確保各軸之間的協調運動。儘管兩部馬達使用相同的電氣規格，但由於不平衡的推力、負載差異、組裝誤差、摩擦力和其它各種干擾，馬達間的非同步運動仍然會發生，造成運動精度和系統可靠性降低，甚至因使橫梁出現旋轉角度和扭力，進而導致平台結構與機械部件損壞。因此，將同步位置誤差減少到可接受的範圍甚至完全去除，是龍門平台的首要控制目標。 　　倒階（Backstepping）控制是一種控制系統設計方法，通常用於解決非線性和多變量系統的控制問題。然而，倒階控制設計過程中對虛擬輸入的重複微分將產生「項數爆炸（Explosion of Terms）問題」，亦即當系統的控制目標需要多次微分時，控制器的複雜度將急劇增加變得難以實現。而在多次微分過程中，亦容易放大系統雜訊，導致控制性能下降。所幸動態面控制（Dynamic Surface Control, DSC）策略透過引入一個低通濾波器可以巧妙地解決此問題。然而，在設計DSC系統之前，需掌握詳細的受控體數學模型，否則系統參數變化和外部雜訊干擾均會導致DSC系統不穩定。為了解決這個問題，許多學者亦研究如何以適應性和智慧型策略提高DSC系統的強健性（Robustness）。 　　基於上述的控制目標與啟發，本研究設計一套全新的自適應分數階動態面控制（Adaptive Fraction-Order Dynamic Surface Control, AFODSC）系統用於解決龍門平台的同動控制問題，主要貢獻在於：(1)提出一個新的分數階低通濾波器，為現有的DSC控制方法提供了額外的參數選擇自由度；(2)利用座標轉換技術，將如圖二所示之三軸馬達位移量（x1, x2, y）轉換為動子運動量（x, δ, y）。透過這樣的轉換，可同時實現三軸的定位控制與平行軸的同動控制，進而提高系統整體的穩定度與精度；(3)設計一套基於如圖三所示之樹突神經元模型（Dendritic Neuron Model, DNM）觀測器，用於觀測系統的不確定性；(4)設計一套指數補償機制，可動態消除不確定性觀測誤差。經各種實驗證實，相較於傳統的DSC策略，AFODSC系統確實可大幅提升各軸定位精度與雙軸同動效果，對於後續龍門平台之實際應用有顯著之效益。   圖一：龍門式平台   圖二：龍門式平台幾何關係   圖三：樹突神經元模型     原文出處： Chen, S. Y., & Shen, Z. Y. (2022). Synchronous Position Control of Gantry Table Using Adaptive Fraction-Order Dynamic Surface Control With Dendritic Neuron Model. IEEE/ASME Transactions on Mechatronics,27(6), 4908-4919. https://doi.org/10.1109/TMECH.2022.3166538 

以群眾外包（crowdsourcing）的概念利用多無人機支援搜救行動的開放協作平台

113年11月10日

【本篇報導由資訊工程學系  賀耀華副教授研究團隊提供】 　　近年來，氣候相關的自然災害已經影響了成千上萬人的生活。而全球暖化導致氣溫升高和乾燥的環境，這增加了大規模野火的風險。在大規模的災害中，野火搜救（Search and Rescue, SAR）行動極其困難，原因包含低能見度、呼吸困難以及火災和煙霧的高溫。無人飛機（Unmanned aerial vehicles, UAVs）已廣泛被用來支援這類的搜救行動中。在研究團隊先前的工作中，提出了一個叫做Krypto概念，該模組透過「嗅探」手機的無線信號，以定位任何可能的倖存者。而隨著無人機的普及，大眾有可能使用自己的無人機參與搜救行動。本研究提出了一個開放協作平台，以協助多架無人機參與搜救行動。這個平台開放並管理著攜帶Krypto裝置的不同搜索無人機，通過共享信息和規劃搜索路徑和區域來協同合作。利用這個開放協作平台，任何人都可以參與搜救行動，為尋找可能的倖存者做出貢獻。這項工作的創新之處在於平台的開放性和協作性，在大規模災害中的搜索行動以群眾外包（crowdsourcing）的概念，互相分享信息並幫助尋找可能的倖存者。本研究顯示，開放協作平台有效地減少了所需的無人機數量和尋找倖存者的搜索時間。   　　近年來，由於氣候變化，災難性自然災害的數量逐年增加。全球暖化導致異常高溫與乾燥的環境，增加了大規模野火的風險。根據災害流行病學研究中心（Centre for Research on the Epidemiology of Disasters, CRED）的資料顯示，在2020年，美國因為破紀錄的暴風雨和野火而造成的總經濟損失占了53％。此外，美國西海岸大規模的野火造成了100億美元的經濟損失，超過30人喪生，燒毀的土地超過400萬英畝。在2021年夏季，土耳其、希臘、義大利和西班牙的野火造成8人死亡，數百人撤離。 　　根據世界衛生組織的資料，野火導致空氣品質惡化，並對農作物、資源、動物和人們的財產等造成損失。此外，這些災害中斷了交通、通信、電力、天然氣以及供水系統。除了生命和財產的巨大威脅外，大多數自然災害還有一個共同點，即它們幾乎立即中斷對外通信的能力。在通信系統癱瘓的情況下，受害者很難尋求幫助並通報他們自身的位置。其次，在大規模災害區域進行搜救（SAR）行動時，尋找受害者變得極具挑戰。尤其像野火災害通常伴隨低能見度、極為險峻、難以接近等問題。 　　無人飛機（UAVs）是提供對遠程感測和監視操作（如SAR操作）支援的良好選擇，其具有低運營成本、快速部署和靈活機動性。自2005年卡特里娜颶風以後，無人機就一直被用來支援搜救任務。然而，濃煙或高溫環境造成的低能見度，從而削弱基於視覺或熱顯像儀技術的無人機在SAR行動中的效果；此外，這些操作通常持續到夜間，使得仰賴視覺的SAR任務變得更加困難。 　　在研究團隊先前的工作中，提出了一個以超人漫畫書中的超級狗氪普托（Krypto）命名的概念，將這套系統用於飛行中的無人機並透過「嗅探」來自任何移動設備的無線信號來定位倖存者。Krypto模塊是一個低成本模塊（100美元或更少），其硬件組成包括Raspberry PI、兩個Wi-Fi卡、GPS Dongle和便攜式充電器。Krypto的源代碼是開源的，可以下載並安裝到Raspberry PI中。通過使用現有感應設備信息的API連接到無人機上的Krypto模塊來定位倖存者，模塊可以快速擴展像是添加其他感應設備（例如攝影鏡頭、熱感應攝影機等）。Krypto裝置結合無人機（如圖1）能夠有效地巡邏和感測大範圍的災區，以協助SAR行動。 圖1：Krypto模組在不同無人機上   　　近年來，根據聯邦航空管理局（FAA）的數據，無人機的普及達到了新的高度。到2022年，已有超過31萬架商業無人機和53萬架娛樂無人機在該機構註冊。無人機市場持續以快速的速度增長。雖然並非所有無人機都能參與SAR行動，但其中許多無人機具有協助SAR操作所需的硬體和軟體功能。結合Krypto裝置，任何擁有無人機的人都可以參與SAR行動，通過定位倖存者對搜救做出貢獻。 　　本研究提出了一個開放協作平台，以協助多架無人機參與搜救操作（如圖2）。這個平台開放並管理著攜帶Krypto裝置的不同搜索無人機，通過共享信息和規劃搜索路徑或區域來協同合作。利用這個開放協作平台，任何人都可以參與搜救任務，為尋找可能的倖存者做出貢獻。這項工作的創新之處在於平台的開放性和協作性，以群眾外包（crowdsourcing）的概念，使大規模災害中的搜索行動能互相分享信息並共同幫助尋找可能的倖存者。本研究顯示，開放協作平台有效地減少了所需的無人機數量和尋找倖存者的搜索時間。 圖2：Krypto 模組的架構。(a)上傳無人機到平台；(b)上傳受害者的估計位置到平台；(c)可從平台下載搜索路徑。   原文出處： Ho, Y. H., & Tsai, Y. J. (2022). Open Collaborative Platform for Multi-Drones to Support Search and Rescue Operations. Drones, 6(5). https://doi.org/10.3390/drones6050132 Ho, Y. H., Chen, Y-R, & Chen, L-J. (2015). Krypto: Assisting Search and Rescue Operations using Wi-Fi Signal with UAV. ACM International Workshop on Micro Aerial Vehicle Networks, Systems, and Applications for Civilian Use (DroNet'15, in conjunction with ACM Sigmobile MobiSys'15), Florence, Italy, 2015. https://dl.acm.org/doi/10.1145/2750675.2750684

汽車空調系統換裝碳氫冷媒性能評估

113年11月10日

【本篇報導由車輛與能源工程學士學位學程  鄧敦平教授研究團隊提供】 　　在本研究選擇碳氫化合物（R600a和HR12）去評估作為R134a汽車空調（MAC）直接換裝之後的性能和可行性。MAC性能測試是在固定的室內條件（27°C/50% RH）和室外環境溫度（Toa=35°C）下進行以確定碳氫化合物的最佳充填量和可用性。研究結果顯示，HR12的最佳充填量為R134a的45%（247.5g），其冷氣能力（Qc）、除濕能力（DH）和能源效率比（EER）均顯著優於R134a和R600a。因此，HR12比R600a更適合取代R134a。就Toa變化對MAC性能的影響方面，在Toa為30℃時，MAC所使用的HR12的Qc、DH和EER分別比R134a高5.96%、6.62%和81.02%。MAC中使用的HR12和R134a在Toa為40°C時的Qc、DH和EER差異分別為1.02%、7.59%和-9.79%。結果顯示，40℃的Toa會導致HR12的EER大幅下降，這主要是由於MAC壓縮機驅動馬達的消耗電功率增加。然而，在本研究的Toa範圍（30-40℃）內，HR12的Qc和DH仍高於R134a，顯示HR12確實適合作為MAC中R134a的直接替代冷媒。   　　過去，大多數小型汽車空調（MAC）氯氟烴（CFC）R12已被氫氟烴（HFC）R134a取代。然而R134a仍然具有非常高的全球暖化潛勢（GWP）並加劇全球暖化問題。《蒙特婁議定書》於2016年通過了《基加利協議》，將HFCs納入管制物質並設定了家用冰箱，以及歐盟（含氟氣體法規）、美國（SNAP）和日本都為其使用制定了明確的監管時間表。歐盟於2017年禁止在MAC中使用R134a。美國計劃禁止2021年在MAC使用R134a。日本定於2023年禁止在MAC中使用R134a。上述規範均限制未來替代冷媒的GWP上限設定為150。根據臺灣交通部（MOTC）統計，2021年12月臺灣汽車總數為8,330,774輛，其中大部分汽車的空調系統仍使用R134a冷媒。因此除了開發未來新車要使用的新冷媒之外，開發現有汽車空調可直接換裝的替代冷媒也是重要的課題。目前全球在新車的汽車冷氣主要是使用R1234yf（HFO）、CO2以及碳氫（HC）冷媒。在現有MAC直接換裝研究方面則主要採用R1234yf、R152a（HCFs）以及碳氫（HCs）冷媒。碳氫冷媒具有極低的GWP（<20）以及極高的蒸發潛熱為本研究所關注。 　　本研究將使用圖一位於本校工教系的汽車空調設備進行新冷媒換裝測試，針對R134a、R600a以及HR12（R600a: R290=1:1, w/w）等三種冷媒進行測試。在最佳充填量測試時發現R600a的冷氣出風溫度太高不適合做為空調使用而剔除。最後選定HR12做為替代R134a冷媒的換裝冷媒，並在固定室內條件（27°C/50% RH）與不同外氣環境溫度（Toa=30°C、35°C以及40°C）之下進行空調機性能測試。 圖一：MAC實驗系統示意圖。   　　研究結果如圖二顯示，在不同外氣環境溫度（Toa）下使用R134a和HR12的MAC的COP以及HR12與R134a的COP差異百分率（DPCOP）。MAC使用R134a和HR12的COP皆隨著Toa的增加而降低，且當Toa為40℃時，HR12的COP略低於R134a。顯示HR12在高環境溫度的情況下，冷凍系統的系統性能會較差。MAC中HR12和R134a在Toa為30、35和40°C時的COP差異分別為25.67%、22.18%和-3.38%。 　　圖三顯示了在不同Toa下使用R134a和HR12的MAC的消耗電功率（Pe）和能源效率比（EER）。R134a和HR12的Pe隨著Toa的增加而增加，但EER隨著Toa的增加而減少。HR12在Toa為40°C時的PH和Tcond,sat高於R134a，導致Pe高於R134a。MAC中HR12和R134a在Toa為30、35和40°C時的Pe差異分別為-41.47%、-38.67%和12.02%。在Toa為40°C的MAC中，HR12與R134a相比Pe的增加率高於HR12與R134a相比Qc的增加率，導致HR12的EER較低。MAC與R134a在Toa為40°C時的比較。MAC中HR12和R134a在Toa為30、35和40°C時的EER差異分別為81.02%、72.17%和-9.79%。   圖二：MAC使用R134a和HR12在不同Toa下的COP和DPCOP。   圖三：MAC使用R134a和HR12在不同Toa下的Pe和EER。   　　相關研究結果顯示HR12在高環境溫度的情況之下，其性能表現會下降。因此針對HR12使用時應強化冷凝器的散熱性能以維持高性能運轉的優勢。然而，使用HR12碳氫冷媒在絕大多數的環境條件之下，除了能夠有效地提升汽車空調機的性能與運轉效率之外，其極低的GWP符合國際環保的要求，對於節能減碳應有極佳的助益。   原文出處：Hsieh, H. K., & Teng, T. P. (2022). Retrofit assessment of automobile air conditioners using hydrocarbon refrigerants. Applied Thermal Engineering, 214, 118781. https://doi.org/10.1016/j.applthermaleng.2022.118781 

新型高效能二極點與二零點（TPTZ）數位補償控制策略應用於電動車充電系統

113年11月10日

【本篇報導由車輛與能源工程學士學位學程  劉華棟助理教授研究團隊提供】 　　本研究提出了電動車鋰電池充電系統的1 kW電力轉換器。其架構具有二個轉換器，分別為交錯式升壓功率因數修正器（PFC）與全橋相移轉換器（FBPS）。本次提出新型高效能二極點與二零點（TPTZ）數位補償控制策略是同時參考電壓與電流回授訊號進行補償，不同於傳統的一極一零補償控制，所提出方法有效控制增益頻寬（fc）和相位裕度（PM），提升系統穩定度與性能。本研究以MATLAB模擬驗證了充電系統的穩定性，並將所提出1 kW電動車鋰電池充電系統進行25%、50%與100%負載試驗，效率可達95%，優於傳統定電壓與定電流充電模式。此外，本研究提出二極點與二零點數位補償控制策略的電池充電系統，不僅提高了系統性能，還縮小了電路尺寸，適合電動車中的鋰電池充電。   　　本研究所提出1 kW電動車鋰電池充電系統架構圖（如圖1）。其中，具有交錯式升壓功率因數修正器與全橋相移轉換器，並分別由功率因數修正器控制器（PFC controller）與二極點與二零點數位補償控制器（Full-bridge phase shift controller）進行操作，以利系統具有高效能，提供鋰電池充電。 圖1：所提出電動車鋰電池充電系統架構圖 圖2：全橋相移轉換器數位控制方塊圖   　　而圖2所示則為本研究之全橋相移轉換器數位控制方塊圖。透過電壓[Vo(t)]與電流[Io(t)]回授訊號，送至數位控制控制器，進行二極點與二零點補償控制讓系統達到高效能。    圖3：全橋相移轉換器增益曲線和相位曲線的波特圖(a)無任何補償控制、(b)TPTZ補償控制。   　　全橋相移轉換器增益曲線和相位曲線的波特圖如圖3所顯示，(a)為無任何補償控制，(b)為二極點與二零點補償控制。圖3(b)呈現增益頻寬(fc)=5.3kHz和相位裕度(PM)=46.1。，讓系統更可以穩定地操作進一步提升效能。 圖4：所提出充電系統輸出電壓(Vo)與電流(Io)波形   　　本研究所提出充電系統其輸出電壓(Vo)與電流(Io)波形如圖4所示，在負載變動環境下，所提出的二極點與二零點數位補償控制策略，操作輸出電壓維持60 V提供電池充電。 　　本研究中所提出的電動車鋰電池充電系統使用了具有高轉換效率的交錯式升壓功率因數修正器，其中功率因數約為1，並且所提出的系統縮小傳統功率因數修正器體積。此外，全橋相移轉換器以小訊號模型是依據具有責任週期損耗因子的平均開關模型推導出來，可獲得輸出電壓和電流對責任週期之函數。所提出二極點與二零點數位補償控制策略，同時考慮輸出電壓和輸出電流回授，有效控制增益頻寬(fc)和相位裕度(PM)，提高系統穩定性和性能。所提出充電系統具有零電壓切換以獲得高效能，該系統效能達95%。採用所提出的二極點與二零點數位補償控制策略的電池充電系統架構與採用傳統控制方法進行比較驗證，研究團隊所提出的二極點與二零點數位補償控制策略具有更高系統性能。   原文出處：Lee, Y. L., Lin, C. H., Lu, S. D., & Liu, H. D. (2022). A novel high-performance two poles and two zeros digital compensation control strategy for electric vehicle lithium battery charging systems. Journal of Energy Storage, 52. https://doi.org/10.1016/j.est.2022.105024

以氮化鎵電晶體為基礎之雙模式轉導調節器

113年11月10日

【本篇報導由車輛與能源工程學士學位學程  白凱仁助理教授研究團隊提供】 　　本研究以氮化鎵高速電子遷移率場效電晶體（Gallium-nitride high electron mobility transistor, GaN HEMT）與寬頻寬運算放大器（Wide-bandwidth operational amplifier）元件為基礎，研製一雙模式操作之轉導調節器（Two-mode-operation transconductance regulator），可讓雷射二極體之驅動電流形成為短脈衝（Short pulse）時間或連續形式，以完成雷射二極體產生高頻短脈衝時間或連續波（Continuous wave）之雷射。然而，當電子元件在高頻操作下，必須考量元件本體與電路板佈局的寄生元件，對電路特性之影響。因此本研究根據所採用的雷射二極體與電晶體實際的封裝，配合相對應封裝的等效電路模型，以及考量印刷電路板與電源線之寄生元件，建構一完整的模擬電路模型，進而實驗與量測驗證其正確性。   　　本研究研製一雙模式操作之轉導調節器(Two-mode-operation transconductance regulator, TMOTR)結合氮化鎵高速電子遷移率場效電晶體與高頻寬運算放大器，俾使雷射二極體可在短脈衝電流模式與連續電流模式操作，進而產生短脈衝時間雷射與連續波雷射，所開發之電路方塊圖，如圖1所示。本研究根據實際所採用的雷射二極體與電晶體實際的封裝，考量元件本體的寄生元件，以及印刷電路板與電源線之寄生元件，建構一完整的電路模擬模型，模擬此電路之關鍵波形，並經由所研製之雙模式操作線性調節器與系統（圖2所示），進行實驗量測確認所建構之電路模擬模型之正確性。 圖1：以GaN HEMT為基礎之雙模式操作線性調節器之電路方塊圖 圖2：GaN HEMT為基礎之雙模式操作線性調節器與系統   原文出處：Pai, K. J., & Lin, C. H. (2022). Simulation and implementation of a two-mode-operation transconductance regulator with a gallium nitride high-electron-mobility transistor. International Journal of Circuit Theory and Applications, 50(1), 197-213. https://doi.org/10.1002/cta.3141

運算思維發展特徵及其與技術技能的關係研究

112年09月09日

【本篇報導由工業教育學系  周 明 教授研究團隊提供】 　　運算思維活動並不是孤立存在，它往往與學科問題聯結出現，在以往的研究中，較為偏向研究運算思維與認知的關聯性，對於運算思維與動作技能的關聯研究分析甚少，從具身認知（Embodied cognition）理論而言，運算思維與動作技能之間必然存在關聯，但是其中的規律為何仍未被學界揭示。對於工程技術教育而言，動作技能極為重要，因此，有必要了解運算思維與動作技能的關係為何，進而在工程技術教育課程中，運用教學策略以提升工科學生運算思維能力。本研究對科技大學和一般大學被試者的運算思維和動作技能各項指標之間是否存在顯著相關性進行了分析。研究結果顯示，科技大學學生之運算思維的指標與動作技能的指標在高階水準的能力上有更多和更強的相關性，對於一般大學的學生而言，在運算思維與動作技能的中階水準的指標上也是有更多和更強的相關性，此結果顯示，運算思維與動作技能存在一定關聯性，未來在教學及課程設計上應該適切地考量二者的相互作用關係，如此才能增進學生的學習成效。研究發現，創造性問題解決（CPS）教學策略不僅可以提升工科學生運算思維的能力，還可以促進相應的動作技能的提升，但是學生的先前學科背景對他們的學習成效有一定影響，對於科技大學的學生而言，在運算思維的提升及其對動作技能的促進作用方面相對於一般大學具有更好的效果，尤其表現在高階能力的提升上。   　　運算思維（Computational Thinking，CT）是運用演算方法進行問題解決的思考歷程，是促進各學科發展的關鍵能力，因此，各國學者努力研究如何培養學生CT基本素養能力，如何在課程進行中融入運算思維概念化的過程，以有效培養學生問題解決的能力。然而，運算思維活動並不是孤立存在，它往往與學科問題聯結出現，在以往的研究中，較為偏向研究運算思維與認知的關聯性，對於運算思維與動作技能的關聯研究分析甚少，從具身認知（Embodied cognition）理論而言，運算思維與動作技能之間必然存在關聯，但是其中的規律為何仍未被學界揭示，對於工程技術教育而言，動作技能極為重要，因此，有必要了解運算思維與動作技能的關係為何，進而在工程技術教育課程中，運用教學策略以提升工科學生運算思維能力。 　　本研究對科技大學和一般大學被試者的運算思維和動作技能各項指標之間是否存在顯著相關性進行了分析，研究結果顯示，科技大學學生之運算思維的指標與動作技能的指標在高階水準的能力上有更多和更強的相關性，對於一般大學的學生而言，在運算思維與動作技能的中階水準的指標上也是有更多和更強的相關性，此結果顯示，運算思維與動作技能存在一定關聯性，未來在教學及課程設計上應該適切地考量二者的相互作用關係，如此才能增進學生的學習成效，這是本研究在工程技術差異化教學以及學術上的貢獻。 　　本研究在實施創造性問題解決（CPS）教學策略下，探討CPS對於運算思維的提升效果及其與技術技能的內在關聯，創造性問題解決教學策略對科技大學和一般大學在課程前後的運算思維影響存在差異。從整體上看，對一般大學學生的運算概念和運算實踐影響較大，對科技大學的運算創意影響較大，並且在前後測中，一般大學學生的運算實踐要明顯好於科技大學。進一步分析中低高分組學生的運算思維和動作技能受到課程影響的效果，研究發現，創造性問題解決的教學模式不僅可以提升工科學生運算思維的能力，還可以促進相應的動作技能的提升，但是學生的先前學科背景對他們的學習成效有一定影響。對於科技大學的學生而言，在運算思維的提升及其對動作技能的促進作用方面相對於一般大學具有更好的效果，尤其表現在高階能力的提升上，此乃是本研究關於實施脈絡化的創造性問題解決教學策略對於工程技術在教學實務以及學術上的貢獻。   原文出處： Jou, M., Chen, P. C., & Wang, J. (2021). The developmental characteristics of computational thinking and its relationship with technical skills: taking the department of engineering as an example. Interactive Learning Environments. https://doi.org/10.1080/10494820.2021.1928236

應用奈米纖維混摻石墨烯於高靈敏度濕度檢測

112年08月09日

【本篇報導由機電工程學系  張天立特聘教授研究團隊提供】 　　本研究為應用奈米纖維（Nanofibers）混摻自熱（Self-heating）石墨烯（Graphene,G）之結構，以進行檢測材料元件之特性與測試，達成該結構元件於濕度之高靈敏度偵測目標，該檢測主要是透過自熱導電共軛奈米複合纖維之電性變化的機制，以能獲得環境待測的濕度濃度值。本研究是利用電紡絲（Electrospinning）製作奈米纖維結構（Nanofiber structures），並採以不同濃度的混摻石墨烯片材於奈米複合纖維的結構成型，完成該材料結構特性之探討及結構元件在調控溫度之濕度偵測（Humidity detection）。   　　在檢測晶片及系統技術於監測濕度之應用，開發具有成本效益的方式有其必要，而以薄膜電阻式元件本身的自熱效應，是有機會準確與可靠的偵測在不同領域環境下獲得其相對濕度(Relative humidity, RH)值，該相關範圍包含半導體工業、電子機械設備、種植保護、化學加工和氣象測量等。一般而言，薄膜電阻式感測器於其偵測應用是具有多個優點，如低功耗、高靈敏度、良好的穩定性以及響應（或恢復時間）。 　　相較於金屬電極檢測元件，本研究會開發具導電特性之奈米複合纖維結構元件，是利用電紡絲的製程方式製作奈米纖維（奈米線）結構，該製程是利用高壓靜電將聚乙烯醇（Polyvinyl alcohol, PVA）溶液製備成為微米甚至奈米尺寸纖維，其結構是具有高比表面積、大孔隙率、較高的導熱及導電性能的優點。在此，奈米纖維會混摻自熱石墨烯(G)材料，由於考慮該材料其電性、機械強度及熱穩定性，該成型的奈米複合纖維結構可增加元件電性檢測，提高其濕度偵測之靈敏度，如圖1所示。 　　本研究證明檢測奈米複合纖維結構元件於濕度偵測具創新性，該研究是奈米複合纖維製程與電紡絲機制，提供PVA-G奈米複合纖維薄膜材料於檢測結構元件技術，經成型導電奈米纖維結構元件於濕度偵測應用。研究團隊在此相關研究已有多年經驗，且多數研究成果皆已發表於著名國際期刊，所作的學術研究是深具前瞻及潛力。關於本篇複合纖維結構元件於濕度偵測成果，張教授研究團隊已將於2021年1月發表在該領域之國際頂尖期刊（Sensors and Actuators B: Chemical）。本研究提出與證明以複合纖維結構元件之濕度偵測平臺技術，其具有成本低、製造容易及偵測反響應良好等優點，能有機會進一步整合檢測模組，並透過實際佈局於濕度偵測應用。 圖1：PVA-G奈米複合纖維薄膜結構元件於濕度偵測   原文出處： Chen, Z. C., Chang, T. L., Su, K. W., Lee, H. S., Wang, J. C. (2021). Application of self-heating graphene reinforced polyvinyl alcohol nanowires to high-sensitivity humidity detection. Sensors and Actuators, B: Chemical, 327, 128934. (SCI Journal) (Corresponding author) https://doi.org/10.1016/j.snb.2020.128934 

圖像化QR code之微結構對於辨識率之影響

112年05月09日

【本篇報導由圖文傳播學系  王希俊教授研究團隊提供】 　　QR code在以較小尺寸進行實體輸出時，印刷所產生的網點擴張使白色資訊點被遮掩，導致在錯誤分析中偽黑(原白點誤認為黑點)會大於偽白(原黑點誤認為白點)，進而影響解碼率。為了降低實體輸出所產生的偽黑並降低辨識錯誤率，本研究改變QR code之微結構，將其以不影響解碼的方式下予以不同程度縮小。研究結果顯示，經過調整的微結構成功降低偽黑之發生及使辨識錯誤率降低。此方法可應用在傳統及圖像化QR code之實體輸出。   　　隨著科技快速發展，資訊的傳播已從實體轉為數位化，而現代資訊傳播的方法眾多，其中二維條碼可在小面積儲存大量資訊，讓它被廣泛地應用於各領域，另傳統QR code為黑白點組成，並不美觀，故有許多經美化之圖像化QR code產生。而在實體輸出進行錯誤分析時，透過資訊點錯誤分析，因為印刷時的網點擴張導致偽黑情況大於偽白，得知網點擴張對於半色調圖像化QR code的解碼具有一定的影響(如圖a至d)。因此本研究將以抵消網點擴張的概念，縮小QR code中的黑色次模組，以降低辨識偽黑及錯誤率。 a) 圖像化二維條碼的數位影像.   b) 圖a之局部放大影像.  c) 列印輸出之圖像化二維條碼.  d)  圖c之局部放大影像   　　本研究提供了使較小尺寸之實體輸出QR code能夠被讀取的方法，透過辨識分析亦可以得知，將黑色次模組適當地縮小後，能有效抵消網點擴張進而降低偽黑情形及辨識錯誤率，並使用雷射印表機即可輸出。此方法除了用於圖像化QR code之外，亦可應用於傳統QR code，未來也建議在輸出QR code時可以將黑色次模組適當縮小，將會有助於提升解碼率。   原文出處： Liu, H.C., Chou, T.R., Lu, C.S., Wang, H.C. (2021). Improving readability by modifying graphic QR code microstructure. Electronics Letters, 57(23), 879-881. https://doi.org/10.1049/ell2.12301

學習型物件姿態估測系統

111年06月09日

【本篇報導由電機工程學系  許陳鑑優聘教授研究團隊提供】 　　AI在機器視覺領域影響深遠，促使人們想運用機器來模仿人眼，感知所看到的物體在現實空間的姿態。當機器人能有人類對物體姿態的空間認知，物件夾取或情境描述等服務人類的相應應用勢必能帶進更多AI創新技術。近年來基於機器學習之姿態估測技術，多朝著「先概略估計再迭代修正」的流程來獲得最後的判定成果，但是，這些迭代模型大多只利用到幾何空間特徵，忽視了色彩特徵的價值。故本研究設計了一套同時利用幾何和色彩特徵資訊的迭代式姿態估測系統，實驗結果證明，能夠在知名的LINEMOD和YCB-VIDEO資料集上有優異表現。   　　人類的視覺感知如同照相機一般，隨時間不斷地拍下現實空間觀測的影像，而大腦則負責將這些影像統整分析，造就人類的空間認知，使我們能描述對所見物體的姿態，進而能夠使用工具改善生活。近年來工業化需求大幅提升，科學界藉由不斷的研究，希望也能藉由AI模仿人類大腦來感知物體姿態，讓機器人根據這些訊息判讀環境、挪移物體和完成特定任務。因此，物件姿態估測系統一直是機器人應用的重要關鍵之一。 　　傳統物件姿態估測方法分成基於特徵方法和基於範本方法兩種，前者會比對物體三維模型投影到二維影像之間的關聯性，但會受制於物體紋理不夠清晰使得判斷準確率降低；後者會查詢既有物體不同姿態的範本影像來做比對，但受制於真實場景複雜度太大，範本不易把所有的光影變化和物體姿態都考量進去。這議題延續至今日，因影像繪圖卡的計算能力不斷提升，帶動了基於機器學習型的方法的大幅發展。物件姿態估測代表性的方法多以一個概略估測網路，再串接一個迭代修正網路的學習模型呈現。然而，其迭代模型都只利用到幾何特徵成分，忽略了色彩特徵的價值。本研究團隊認為除了空間特徵之外，加上色彩特徵能提升物件姿態估測的準確度。  圖一：本研究團隊所提出的物件姿態估測系統模型   　　因此，本研究係利用影像和深度資訊，設計一套機器學習型物件姿態估測系統，其具備兩項特色：(1)過去迭代式姿態修正方法僅著重幾何成分，較少利用色彩成分，研究團隊藉由添加影像修正步驟，同時更新色彩和幾何成分以改良姿態修正網路，使準確率有所提升。(2)改良的影像修正步驟僅用OpenCV即可實現，不需要大量計算，執行時間約24ms/frame，且尚有用GPU進一步提升速度的可能性。實驗結果證明，本研究方法在LINEMOD dataset上的ADD準確率達到94.74%，勝過CVPR 2019的PVNet [R1] (86.27%)、DenseFusion [R2] (94%)、以及2020發表於ICRA的Tian [R3](92.87%)；在YCB-Video dataset上的ADD準確率達到93.2%，略勝過2018著名的PoseCNN+ICP [R4] (93%)、CVPR 2019的DenseFusion [R2] (93.1%)、以及Tian [R3](91.8%) 圖二：本研究團隊所提出的物件姿態估測系統迭代修正姿態估測。黃色立體線框為估測姿態成果，由(a)-(d)可看出黃色線框逐漸對準白色目標物件   　　綜上，本研究團隊設計了一個迭代式學習型物件姿態估測系統，利用幾何及色彩特徵資訊修正網路。實驗結果證明，其運算速度可達到24fps，在知名的LINEMOD和YCB-VIDEO資料集上有優異表現，本項技術未來可應用於機器手臂夾取物件和模擬人類空間感知進行情境判讀。     參考文獻： [R1] S. Peng et al, “Pvnet: pixel-wise voting network for 6dof pose estimation,” in Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, CA, USA, 15–21 June 2019. [R2] C. Wang et al., “DenseFusion: 6D object pose estimation by iterative dense fusion,” in Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, CA, USA, 15–21 June 2019, in press. [R3] M. Tian et al, “Robust 6D Object Pose Estimation by Learning RGB-D Features,” in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), Paris, France, 31 May–4 June 2020, to be published. [R4] Y. Xiang et al, “Posecnn: A convolutional neural network for 6d object pose estimation in cluttered scenes,” in Proceedings of the Robotics: Science and System XIV, Pittsburgh, Pennsylvania, USA, 26–30 June 2018.   原文出處： S.-K. Huang, C.-C. Hsu*, W.-Y. Wang, and C.-H. Lin, “Iterative Pose Refinement for Object Pose Estimation Based on RGBD Data,” Sensors, vol. 20, no. 15, July 2020. https://doi.org/10.3390/s20154114 

能不能用人工智慧讀法院裁判：法律資料分析學

111年06月09日

【本篇報導由東亞學系  邵軒磊副教授研究團隊提供】 　　近期有許多人工智慧的研究，使電腦（機器）能夠部分模擬人類思考過程、輔助人類決策，並應用至法學領域。惟過去的研究較多著重在解析法官思考過程以及預測裁判結果，讓律師與當事人參考；而為了獲得高度正確的成果，必須倚賴法學專家先閱讀裁判或法律條文，抽取出關鍵因素，將之編碼之後，再由機器建立模型並預測。本研究嘗試不同的方法，直接將自然語言的文本（即法院裁判原文）輸入機器，觀察機器能否成功解析法官的語意，判斷裁判之結果。本文以三年期間地方法院第一審結果為「單獨親權」之裁判文書之部分段落作為樣本，使機器讀入這些文本後，以自動斷詞等文字探勘技術，製作出詞彙矩陣，再使用機器學習領域中的類神經網路方法，訓練機器「理解」法官的語氣與裁判方向（親權歸屬父親或母親）。接著以此為基礎，要求機器讀入其他未知裁判，並判斷結果。其準確率約77.25%，F1分數0.8674，如此證實了機器可以某種程度「讀懂」裁判文本並做出分類。由於機器的運算速度快，若結合法學資料搜尋系統，將能更快速地讓人們找到所需的裁判，達到「人機協作」，增進人類決策的效率與正確性，此稱為法律資料分析學。   　　人工智慧（artificial intelligence, AI）與機器學習（machine learning）在大數據（big data）的背景下，近期獲得飛躍式的發展，甚至成為我國科研戰略的一環。人工智慧逐漸進入生活的各個層面，除了帶來便利與效率外，也引發對市場秩序及政府權能之衝擊。為此，本研究試圖開展「法律資料分析學」，將2012年至2014年共三年期間的地方法院及少家法院關於親權酌定的第一審裁判共448件，經過「自然語言處理」（Natural Language Process, NLP、「文字探勘」（text mining, TM）與「類神經網路」（Neural Network），三個步驟，最後給出一個「裁判分類值」（即目標值，意味著電腦閱讀現有裁判的情狀之下，判斷親權酌定給父親母親），最後「機器分類結果」與「實際裁判結果」做比較，用來檢視模型的準確程度（如圖一、機器學習與文本探勘）。 圖一：機器學習與文字探勘    　　此舉將簡化甚至省卻人類編碼的流程，期望能節省許多勞動時間，儘快進入第三階段之後的訓練與預測。使法律資料分析流程更接近直接使用原始裁判文書，讓機器能「讀懂」法官所寫文字，並對照實際判決結果做出驗證。為了避免只隨機測試一次而發生測量結果的偏差，研究團隊重複運行模型50次（且訓練組與測試組的樣本不相混淆），測試組準確率多在80%前後徘徊，50次的平均為77.25%，在F1分數的表現也與此相近。總體而言，優於其他類似方法的研究。  　　過去「人工智慧與法律」領域發展的主要方向在於建立「法律專家系統（legal expert system）」，將專家的知識輸入於電腦系統，基於此知識，由電腦像專家般提供諮詢、建議解決方法。但此作法必須仰賴人工（專家）預先設定各種規則，耗時且昂貴，故僅在個別少數的法領域被運用。近期逐漸導向讓電腦從法律文件中提取語意資訊，「幫助」人們解決法律問題，包括「概念資訊提取（conceptual information retrieval）」與「認知運算（cognitive computing）」等技術。換言之，過去專家系統需要人類將規則寫在系統程式，才能讓電腦有某種功能；相較之下，本研究則是從自然語言文本的大數據中幫助人們找到適合的解答，強調「人機協作」（如圖二），機器可以提供百科全書般的知識與運算能力、可以理性推論與分析，人類則是提供專業、判斷、直覺、道德指引與創造力，如此共作以達成更好的決策。結合了上述技術的「法律資料分析學」，目的正是希望從法院裁判或法規當中，以機器自動提取有意義的資訊，進而協助專家回答法律問題、估計裁判結果、擬具訴訟攻防主張。  圖二：人機協作   原文出處：黃詩淳、邵軒磊(2020)，〈以人工智慧讀取親權酌定裁判文本：自然語言與文字探勘之實踐〉，《臺大法學論叢》，49卷1期，頁195-224。doi:10.6199/NTULJ.202003_49(1).0004