本論文設計一台兩輪平衡車，並且設計了多種平衡控制器方法，在控制架構中又可分為並聯式控制架構及串聯式控制架構，共設計五種方法，分別為並聯傳統PD型、並聯智慧型、並聯自我學習型、串聯傳統PID型以及串聯智慧型控制方法，再透過一些測試場景驗證不同控制器所控制之兩輪平衡車的穩定性與強健性。接著，為了使兩輪平衡車能夠更全方位的朝向居家服務機器人的目標邁進，本論文為兩輪平衡車加裝無線攝影機，利用MATLAB影像處理工具箱進行影像處理工作，並透過藍芽模組將影像資訊傳送制Arduino mega 2560開發板中，使得兩輪平衡車能夠執行循跡控制之任務。另外，為了讓兩輪平衡車能夠避開障礙物，因此加裝了紅外線感測器，賦予所設計之兩輪平衡車擁有更廣泛之應用。

The subject of the thesis is to present the new designing for a two-wheeled self-balancing robot with image detection system. The robot can balance by itself with only two wheels, this thesis proposes two controller structures, one is parallel structure the other one is cascade structure. In the thesis, a slope is applied to prove the stability and robustness of two-wheeled self-balancing robot. Nowadays, the home service robot develop quickly and has more functions, therefor the camera was installed on the top of robot, and use the image processing toolbox of MATLAB to trace a black line, and design a fuzzy steering controller to complete the tracing mission. To implement the avoid obstacles mission. In the thesis also installed infrared sensor, thus the two-wheeled self-balancing robot can avoid obstacles. Finally, the experimental results shows that the two-wheeled self-balancing robot not only can authenticate both in the quality of the balance and steering controller systems but also present the application area for the new function of robot.

目錄
致謝	I
摘要	II
Abstract	III
目錄	V
圖目錄	VI
表目錄	VIII
第一章 緒論	1
1.1 前言	1
1.2 文獻回顧	3
1.3研究動機	5
1.4論文結構	6
第二章 兩輪平衡車之控制系統設計	7
2.1 硬體架構	8
2.2 並聯架構之控制器設計	11
2.2.1 傳統PD型控制方法	12
2.2.2 智慧型控制方法	15
2.2.3 自我學習控制方法	19
2.3 串聯架構之控制器設計	23
2.3.1傳統PID控制方法	24
2.3.2智慧型控制方法	26
2.4 控制強健效能分析	29
第三章 兩輪平衡車之影像系統設計	33
3.1影像偵測系統介紹	33
3.2硬體架構	37
3.3軌跡追蹤設計	41
3.4實驗結果	46
第四章 結論與未來展望	53
4.1 結論	53
4.2 未來展望	54
參考文獻	56


圖目錄
圖1-1、Pepper機器人	2
圖1-3、Zenbo機器人	3
圖 2-1、兩輪平衡車硬體架構	8
圖2-2、Arduino Mega 2560 開發板	9
圖2-3、所使用直流馬達	10
圖 2-5、兩輪平衡車系統方塊圖	12
圖 2-6、傳統PD型控制方法系統方塊圖	12
圖 2-7、機器人原地平衡之實驗結果	14
圖 2-8、機器人原地旋轉之實驗結果	14
圖 2-9、智慧型控制方法系統方塊圖	15
圖 2-10、 機器人原地平衡之實驗結果	18
圖 2-11、 機器人原地旋轉之實驗結果	19
圖 2-12、 自我學習模糊滑動模式控制系統方塊圖	19
圖 2-13、模糊規則庫初始值為零之原地平衡實驗結果	22
圖 2-14、參考智慧型控制器參數之原地平衡實驗結果	22
圖 2-15、機器人原地旋轉之實驗結果	23
圖 2-16、串聯架構之傳統型控制系統方塊圖	24
圖 2-17、機器人原地平衡	25
圖 2-18、機器人原地旋轉	26
圖 2-19、智慧型控制方法系統方塊圖	26
圖2-20、機器人原地平衡	28
圖2-21、機器人原地旋轉	28
圖2-22、斜坡場景	29
圖2-23、並聯架構智慧型控制方法之爬坡實驗	31
圖2-24、串聯架構智慧型控制方法之爬坡實驗	31
圖2-25、自我學習控制方法之爬坡實驗	32
圖 3-1、DCS-930L網路攝影機	33
圖3-2、讀取網路攝影機之影像	35
圖3-3、影像處理之各種結果圖	37
圖3-4、HC-05藍芽模組	38
圖3-5、MATLAB與藍芽連接之程式	39
圖3-6、紅外線感測器	40
圖3-7、紅外線感測器輸出的電壓對應檢測距離	40
圖3-8、讀取網路攝影機之畫面(左圖)做灰階轉換(右圖)	43
圖3-9、X軸回傳值與黑線位置之關係	43
圖3-10、影像內之座標資料	43
圖3-11、直線路況	44
圖3-14、斷線路況	45
圖3-16、斜的交叉路況	46
圖3-17、判斷前兩條交叉路況(左圖)；繼續判斷路況是否為交叉線(右圖)	46
圖3-18、PC端封包傳輸	47
圖3-19、X軸資料整合	47
圖3-20、軌跡追蹤控制系統架構圖	48
圖3-21、循跡控制任務時的實驗場景	49
圖3-22、使用並聯智慧型控制方法實現軌跡追蹤	50
圖3-23、使用串聯智慧型控制方法實現軌跡追蹤	51
圖3-24、兩輪平衡車防撞控制實驗結果	52



表目錄
表2-1、位置控制器之模糊規則庫	17
表2-2、轉向控制器之模糊規則庫	18
表2-3、位置控制器之初始模糊規則庫	21
表2-4、規則修改器之規則庫	        21
表3-1、轉向控制之模糊規則庫	42

[1][Online]https://zenbo.asus.com/tw/
[2][Online]http://technews.tw/2016/04/14/sharp-to-release-robohon-mobile-robotic-phone/
[3][Online]https://zenbo.asus.com/tw/
[4][Online]http://technews.tw/2014/07/17/home-robot-jibo/
[5]Y. Ha and S. Yuta, “Trajectory tracking control for navigation of  self-contained mobile inverse pendulum,” IEEE/RSJ/GI Int. Conf. Advanced Robotic Systems and the Real World, vol. 3, pp. 12-16,1994.
[6]F. Grasser, A. D’Arrigo, S. Colombi and A.C. Rufer, “JOE: a mobile, inverted pendulum,” IEEE Trans. Ind. Electronics, vol. 39, pp. 107-114, 2002.
[7]Y. Kim, S.H. Kim, and Y.K. Kwak, “Dynamic analysis of a nonholonomic two-wheeled inverted pendulum robot,” Journal of Intelligent and Robotic Systems, vol. 44, pp. 25-46, 2005.
[8]J. Wu, W. Zhang, “Design of fuzzy logic controller for two-wheeled self-balancing robot”, 6th International Forum on Strategic Technology (IFOST), vol. 2, pp. 1266-1270, 2011.
[9]W. Wu, X. Ma, and J. Wang, “Intelligent control in two-wheel self-balanced robot,” International Conference on Computer, Mechatronics, Control and Electronic Engineering (CMCE), pp. 470-473, 2010.
[10]T.J. Ren, T.C. Chen, and C. J. Chen, “Motion control for a two-wheeled vehicle using a self-tuning PID controller,” Control Eng. Practice, vol. 16, pp. 365-375, 2008.
[11] C. C. Tsai, and Z. Z. Wang. “Intelligent adaptive trajectory tracking using fuzzy basis function networks for self-balancing two-wheeled mobile robots.” International Conference on System Science and Engineering (ICSSE). pp. 143-148, 2011.
[12]C. C. Tsai, H. C. Huang, S. C. Lin, “Adaptive neural network control of a self-balancing two-wheeled scooter”, IEEE Trans. Ind. Electronics, vol. 57, pp. 1420-1428, 2010.
[13]J. Wu, and S. Jia, “T-S adaptive neural network fuzzy control applied in two-wheeled self-balancing robot,” 2011 6th International Forum on Strategic Technology (IFOST), pp.1023- 1026, 2011.
[14]C.H. Huang, W.J. Wang, and C.H. Chiu, “Design and implementation of fuzzy control on a two-wheel inverted pendulum,” IEEE Trans. Ind. Electron, vol. 58, pp. 2988-3001, 2011. 
[15]鍾淳安，以ARM Cortex為核心之智慧型賽格威系統設計，中華大學電機工程學系碩士論文（指導教授：謝焸家、許駿飛），2012年。
[16]楊明豐，Arduino自走車最佳入門與應用：打造輪型機器人輕鬆學，碁