由於音圈馬達具有高速動作特性，使得音圈馬達的應用範圍越來越廣，但其動態方程式卻時常難以正確取得。為了解決此困擾，眾多專家學者利用類神經網路，設計了多種不同的智慧型類神經控制器，其主要利用類神經網路線上自我學習能力來進行控制器設計。在常見的類神經網路隱藏層神經元一般都使用S型函數，其特性會使權重值沒有收斂的效果，則該類神經網路對於學習效果往往不盡理想。另一方面B-spline函數曲線擁有曲線收斂效果並具有局部調整能力，而且能迅速學習任意非線性函數的能力。基於此優點，本論文結合了B-spline基底函數提出了B-spline類神經網路，其網路架構中的隱藏層神經元激發函數即採用B-spline基底函數，如此，B-spline類神經網路具有良好的非線性未知方程式近似學習效果。接著，本論文提出了兩種智慧型控制方法，一為智慧型全域滑動模式控制，另一為智慧型遞迴步階控制，在上述兩種不同控制系統中均使用B-spline類神經網路線上學習近似音圈馬達的動態方程式，更利用泰勒線性展開技巧與李亞普諾夫穩定定理，推導出合適的參數學習法則。同時，我們設計了比例-積分形式的參數學習法則來加速網路學習速度使其具有良好的學習效果。另一方面，為了克服B-spline類神經網路學習受控系統動態方程式的誤差，利用模糊補償器來消除類神經網路學習近似誤差對控制響應的影響。最後，本論文將所提出的兩種智慧型控制方法應用到音圈馬達定位控制問題上，並在32位元微電腦單晶片上實現控制法則，經由實驗結果可以顯示，本論文所提出的兩種不同智慧型控制方法均可以獲得良好的控制效果。

Since the dynamic model of a voice coil motor (VCM) driver is difficult to obtain, the model-based control techniques are not easy to be used for a VCM driver. To overcome this drawback, this paper proposes two intelligent B-spline neural control system. One is intelligent total sliding mode control,and the other is intelligent backstepping control. In the proposed controler design, a B-spline neural network (BNN) is used to online approximate an unknown nonlinear term in the system dynamics of a VCM driver by tuning its interior parameters. The proposed intelligent control systems are composed of a computation controller and a fuzzy compensator. The computation control including a BNN approximator is the main control and the fuzzy compensator designed to eliminate the effect of the approximation error introduced by the BNN approximator. A parameter learning algorithm is desired to online tune the parameter of BNN approximator.  Meanwhile, a proportional-integral parameter adaptation law is derived to speed up the convergence of tracking error. Finally, the proposed two intelligent  control systems are implemented on a 32-bit microcontroller for possible low-cost and high-performance industrial applications. The experimental results show that two control methods can achieve high accuracy motion performance and is robust against payload variations of a VCM driver.

目錄
中文摘要 I
英文摘要 III
目錄 IV
圖目錄 VI
第一章 緒論 1
1.1 研究動機與目的 1
1.2 文獻回顧 2
1.3 論文大綱 5
第二章音圈馬達與類神經網路介紹 6
2.1音圈馬達實驗平台 6
2.2 B-spline基底函數 10
2.3 B-spline類神經網路架構 13
2.4 B-spline類神經網路近似特性說明 16
2.4.1傳統的近似性說明 16
2.4.2具PI表示的近似性說明 18
第三章 智慧型全域滑動模式控制設計 19
3.1 簡介 19 
3.2 理想全域滑動模式控制 19 
3.3 傳統參數學習的智慧型全域滑動模式控制設計 22 
3.4 PI 參數學習的智慧型全域滑動模式控制設計 25 
3.5 實驗結果 30 
第四章 智慧型遞迴步階控制設計 40 
4.1 簡介 40 
4.2 理想遞迴步階控制 41
4.3 傳統的智慧型遞迴步階控制器 43 
4.4 PI參數學習的智慧型遞迴步階控制器 47 
4.5 實驗結果 52 
第五章 結論與未來的研究發展 61
5.1 結論 61
5.2 未來研究方向 62
參考文獻 63







圖目錄
圖2.1 音圈馬達實驗平台 7
圖2.2 馬達驅動器 L 298 7
圖2.3 音圈馬達實驗平台系統架構 9
圖2.4(a)k=2函數(bk=3函數(c)k=4函數 12
圖2.5 B-spline類神經網路架構 16
圖3.1傳統的智慧型全域滑動模式控制系統方塊圖 22
圖3.2 PI 參數學習的智慧型全域滑動模式控制系統方塊圖 25
圖3.3(a) 輸入模糊集合(b) 輸出模糊集合 28
圖3.4模糊滑動控制實驗結果(a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 32
圖3.5傳統智慧型全域滑動模式控制並使用B-spline基底函數k=2 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 34
圖3.6傳統智慧型全域滑動模式控制並使用B-spline基底函數k=2 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 35
圖3.7傳統智慧型全域滑動模式控制並使用B-spline基底函數k=3 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 36
圖3.8 PI 參數學習智慧型全域滑動模式控制並使用B-spline基底函數k=2 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 38
圖3.9 PI 參數學習智慧型全域滑動模式控制並使用B-spline基底函數k=3 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 39
圖4.1 傳統的智慧型遞迴步階控制系統方塊圖 43
圖4.2  PI 參數學習的智慧型遞迴步階控制系統方塊圖 47
圖4.3比例微分控制實驗結果(a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 53
圖4.4傳統的智慧型遞迴步階控制並使用B-spline基底函數k=2 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 55
圖4.5傳統的智慧型遞迴步階控制並使用B-spline基底函數k=2 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 56
圖4.6傳統的智慧型遞迴步階控制系統並使用B-spline基底函數k=3 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 57
圖4.7 PI 參數學習智慧型遞迴步階控制系統並使用B-spline基底函數k=2 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 59
圖4.8 PI 參數學習智慧型遞迴步階控制系統並使用B-spline基底函數k=3 (a) 未放上負載狀況下的追蹤響應(b) 未放上負載狀況下的控制訊號(c) 有放著負載狀況下的追蹤響應(d) 有放著負載狀況下的控制訊號 60

[1]	L. Kamm, Understanding Electro-Mechanical Engineering:An Introduction to Mechatronics, Wiley-IEEE Press, 1996
[2]	V. I. Utkin, Sliding Modes and Their Application to Variable Structure Systems, MIR Publishers, 1978
[3]	H. Deng, R. Oruganti, and D. Srinivasan, “Neural controller for UPS inverters based on B-spline network,” IEEE Trans. Industrial Electronics, vol. 55, pp. 899-909, 2008.
[4]	L.S. Coelho, R.A. Krohling, “Nonlinear system identification based on B-spline neural network and modified particle swarm optimization,” 2006 International Joint Conference on Neural Networks, pp. 3748-3753, 2006.
[5]	C. Cabrita, J. Botzheim, A.E.B. Ruano, L.T. Koczy, “An hybrid training method for B-spline neural networks,” 2005 International Workshop on Intelligent Signal Processing, pp. 165-170, 2005.
[6]	M.L. Tseng and M.S. Chen, “Chattering deduction of sliding mode control by low-pass filtering the control signal,” Asian Journal of Control, vol. 12, pp. 392-398, 2010.
[7]	M. O. Efe, “Fractional fuzzy adaptive sliding-mode control of a 2-DOF direct-drive robot arm,” IEEE Trans. Systems, Man, and Cybernetics, vol. 38, pp. 1561-1570, 2008.
[8]	S.N. Sihgh, M.L. Steinberg, and A.B. Page, “Nonlinear adaptive and sliding mode flight path control of F/A-18 model,” IEEE Trans. Aerospace and Electronic Systems, vol. 39, pp. 1250-1262, 2003.
[9]	J.Z. Tsai, C.F. Hsu, C.J. Chiu, and K.L. Peng, “FPGA-based adaptive dynamic sliding-mode neural control for a BLDC motor,” Asian Journal of Control, vol. 13, pp. 845-857, 2011.
[10]	D. Chwa, “Sliding-mode tracking control of nonholonomic wheeled mobile robots in polar coordinates,” IEEE Trans. Control Systems Technology, vol. 12, pp. 637-644, 2004. 
[11]	J.S. Bang, H. Shim, S.K. Park, and J.H. Seo, “Robust tracking and vibration suppression for a two-inertia system by combining backstepping approach with disturbance observer,” IEEE Trans. Industrial Electronics, vol. 57, pp. 3197-3206, 2010.
[12]	H.J. Shieh and K.K. Shyu, “Nonlinear sliding-mode torque control with adaptive backstepping approach for induction motor drive,” IEEE Trans. Industrial Electronics, vol. 46, pp. 380-389, 1999.
[13]	Y. Sun, M. Su, X. Li, H. Wang, and W. Gui, “Indirect four-leg matrix converter based on robust adaptive back-stepping control,” IEEE Trans. Industrial Electronics, vol. 58, pp. 4288-4298, 2011.
[14]	J.K. Seok and S.K. Kim, “VCM controller design with enhanced disturbance decoupling for precise automated manufacturing processes,” IET Electric Power Applications, vol. 6, pp. 575-582, 2012.
[15]	R.T. Ratliff and P.R. Pagilla, “Design, modeling, and seek control of a voice coil motor actuator with nonlinear magnetic bias,” IEEE Trans. Magnetics, vol. 41, pp. 2180-2188, 2005.
[16]	C.M. Lin and H.Y. Li, “A novel adaptive wavelet fuzzy cerebellar model articulation control system design for voice coil motors,” IEEE Trans. Industrial Electronics, vol. 59, pp. 2024-2033, 2012.
[17]	C.M. Lin and H.Y. Li, “Adaptive dynamic sliding-mode fuzzy CMAC for voice coil motor using asymmetric Gaussian membership function,” IEEE Trans. Industrial Electronics, vol. 61, pp. 5662-5671, 2014.
[18]	S. Wu, Z. Jiao, L. Yan, R. Zhang, J. Yu, and C.Y. Chen, “Development of a direct-drive servo valve with high-frequency voice coil motor and advanced digital controller,” IEEE/ASME Trans. Mechatronics, vol. 19, pp. 932-942, 2014.
[19]	R. Oboe, F. Marcassa, and G. Maiocchi, “Hard disk drive with voltage driven voice coil motor and model-based control,” IEEE Trans. Magnetics, vol. 41, pp. 784-790, 2005.
[20]	J. Zheng, M. Fu, Y. Wang, and C. Du, “ Nonlinear tracking control for a hard disk drive dual-stage actuator system,” IEEE/ASME Trans. Mechatronics, vol. 13, pp. 510-518, 2008.
[21]	呂宜釗，音圈馬達防手震位置控制之 FPGA 晶片研製，國立交通大學電機與控制工程學系碩士論文，指導教授：林錫寬，2008年
[22]	董勝源、盧俊彥，單晶片 ARM Cortex M0 控制實習，上其資訊股份有限公司
[23]	C.T. Lin and C.S.G. Lee, Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems, Englewood Cliffs, NJ: Pretice-Hall, 1996.
[24]	J.J.E. Slotine and W.P. Li, Applied Nonlinear Control, Englewood Cliffs, NJ: Prentice-Hall, 1991.
[25]	C.F. Hsu, “Chattering-free adaptive wavelet neural network controller design for a class of nonlinear systems,” Engineering Letters, vol. 17, pp. 165-172, 2009.
[26]	C.C. Kung, K.H. Su, and L.P. Hung, “Adaptive fuzzy total sliding-mode controller design and its application to tension control of a winding process,” 2006 IEEE Internal Conference on Systems, Man and Cybernetics, pp. 3659-3664, 2006.
[27]	Y.G. Leu and C.Y. Chen, “B-spline backstepping control with derivative matrix estimation and its applications,” Neurocomputing, vol. 74, pp. 499-508, 2011.