本論文設計與實現了一個基於模糊行為決策之人形機器人的平衡控制系統，主要分為四個部分: (1)行走步態設計、(2)環境偵測、(3)平衡控制器及(4)模糊行為決策。在行走步態設計部分，使用中樞型態產生器(Central Pattern Generator, CPG)以正弦函數振盪的方式來產生行走時所需的步態軌跡。在環境偵測部分，使用慣性感測器及壓力感測器來偵測環境對與機器人狀態。在平衡控制器部分，依據外力的大小設計了三種控制方法，分別是：(a)踝關節平衡控制、(b)髖關節平衡控制及(c)踏步平衡控制。在模糊行為決策部分，依照環境偵測的狀況來判斷受到何種外力干擾，當受到外力干擾時則會透過模糊行為決策進行判斷，選擇一種平衡控制方法來達到平衡。由實驗結果可得知，當人形機器人在行走的過程中若受到外力干擾時，本論文所提出的平衡控制器可使人形機器人保持平衡。

In this thesis, designs and implements a balance control system for humanoid robot based on fuzzy behavior decision. There are four parts: (1) walking gait design, (2) environmental detection, (3) balance controller, and (4) Fuzzy  behavior decision. In the walking gait design, the Central Pattern Generator (CPG) is used to oscillate in a sinusoidal manner to generate the gait trajectory required for walking. In the environment detection, inertial sensors and pressure sensors are used to detect the environment pair and the robot state. In the balance controller, designed three control methods: (a) ankle balance control, (b) hip balance control, and (c) step balance control. In the fuzzy behavior decision, according to the condition of the environment detection, it is judged by which external force interference, it will judge through the fuzzy behavior decision, and a balance control method is selected to achieve balance. It can be known from the experimental results that when the humanoid robot is interfered by external force during the walking process, the balance controller proposed in this paper can balance the humanoid robot.

目錄
目錄	I
圖目錄	IV
表目錄	VII
第一章	緒論	1
1.1	研究背景	1
1.2	研究動機	2
1.3  研究目的	3
1.4	論文架構	3
第二章	人形機器人平台介紹	4
2.1	前言	4
2.2	人形機器人機構介紹	5
2.3	人形機器人核心控制板介紹	9
2.3.1	IPC工業電腦	9
2.3.2	FPGA開發板	10
第三章	人形機器人系統介紹	12
3.1	前言	12
3.2  環境偵測模組	14
3.2.1	壓力感測器	14
3.2.2	慣性感測器	21
3.3	伺服馬達控制模組	23
第四章	平衡控制器設計	24
4.1	前言	24
4.2	平衡控制器架構	25
4.3  平衡控制器設計原理	26
4.3.1  踝關節平衡控制	27
4.3.2  髖關節平衡控制	27
4.3.3  踏步平衡控制	28
4.4  平衡控制器實現	32
4.4.1  靜態平衡控制器	32
4.4.2  動態平衡控制器	33
第五章	實驗結果	41
5.1	前言	41
5.2	平台介紹與測試力計算	41
5.3	外力干擾回復平衡控制實驗(靜態)	43
5.3.1  踝關節平衡控制	44
5.3.2  髖關節平衡控制	46
5.3.3  踏步平衡控制	47
5.4  外力干擾回復平衡控制實驗(動態)	49
5.4.1  踝關節平衡控制	50
5.4.2  髖關節平衡控制	51
5.4.3  踏步平衡控制	54
第六章	結論與未來展望	56
6.1 結論	56
6.2 未來展望	56
參考文獻	57
 
圖目錄
圖2.1、人形機器人實體圖	4
圖2.2、人形機器人自由度配置規劃圖	5
圖2.3、人形機器人機構設計與尺寸圖	6
圖2.4、機構設計與自由度配置圖	7
圖2.5、腳部各關節間距圖	8
圖2.6、IPC工業電腦實體圖	10
圖2.7、FPGA開發板實體圖	11
圖3.1、機器人系統模組圖	13
圖3.2、環境偵測模組簡易系統架構圖	14
圖3.3、ZMP示意圖	15
圖3.4、壓力感測器系統圖	15
圖3.5、FlexiForce A301	16
圖3.6、MSP430G2553	16
圖3.7、壓力感測電路板	17
圖3.8、腳底設計圖	17
圖3.9、壓力感測器校正示意圖	18
圖3.10、機器人雙足座標系示意圖	19
圖3.11、機器人單足座標系示意圖	20
圖3.12、慣性感測器系統圖	21
圖3.13、慣性感測器(GY-87)實體圖	22
圖3.14、卡爾曼濾波結果圖	22
圖3.15、腰部與腳部軌跡示意圖	23
圖4.1、平衡控制系統架構圖	25
圖4.2、平衡控制方法示意圖	26
圖4.3、二維線性倒單擺飛輪模型圖	29
圖4.4、線性倒單擺動量示意圖	30
圖4.5、跨步平衡之軌跡示意圖	31
圖4.6、ZMP點區間圖	33
圖4.7、模糊行為決策系統輸出入表示圖	34
圖4.8、機器人傾斜示意圖	35
圖4.9、機器人傾斜之歸屬函數圖	36
圖4.10、機器人質心點示意圖	36
圖4.11、機器人質心點之歸屬函數圖	37
圖4.12、模糊行為決策系統的輸出值歸屬函數圖	38
圖4.13、行為決策架構圖	40
圖5.1、實驗平台圖	41
圖5.2、測試示意圖	41
圖5.3、站立姿態之感測器數據圖	43
圖5.4、網球以90度由後方撞擊機器人之x軸ZMP(無控制)	45
圖5.5、網球以90度由後方撞擊機器人之x軸ZMP(有控制)	45
圖5.6、兒童籃球以90度由後方撞擊機器人之x軸ZMP(無控制)	46
圖5.7、兒童籃球以90度由後方撞擊機器人之x軸ZMP(有控制)	46
圖5.8、排球以45度由後方撞擊機器人之x軸ZMP(無控制)	47
圖5.9、排球以45度由後方撞擊機器人之x軸ZMP(有控制)	48
圖5.10、踏步姿態之感測器數據圖	49
圖5.11、踝關節平衡控制後的踏步姿態	51
圖5.12、兒童籃球以90度由後方撞擊機器人之數據圖(無控制)	52
圖5.13、兒童籃球以90度由後方撞擊機器人之數據圖(有控制)	53
圖5.14、排球以45度由後方撞擊機器人之數據圖(無控制)	54
圖5.15、排球以45度由後方撞擊機器人之數據圖(有控制)	55

 
表目錄
表2.1、馬達規格	8
表2.2、IPC工業電腦規格	10
表2.3、FPGA開發板之系統規格	11
表4.1、模糊規則庫	39
表5.1、撞擊力數據圖	42

參考文獻
[1]	M. Vukobratović and D. Juricić, “Contribution to the synthesis of biped gait,” IEEE Transactions on Biomedical Engineering, vol. 16, no. 1, pp. 1-6, Jan. 1969.
[2]	M. Vukobratović and J. Stepanenko, “On the stability of anthropomorphic systems,” Mathematical Biosciences, vol. 15, no. 1-2, pp. 1-37, Oct. 1972.
[3]	S. Kajita, F. Kanehiro, K. Kaneko, K. Fujiwara, K. Harada, K. Yokoi and H. Hirukawa, “Biped walking pattern generation by using preview control of zero-moment point,” IEEE Interational Conference on Robotics & Automation Taipei, Taiwan, pp. 1620-1626, Sep. 14-l9, 2003
[4]	K. Nagasaka, Y. Kuroki, S. Suzuki, Y. Itoh, and J. Yamaguchi, “Integrated motion control for walking, jumping and running on a small bipedal entertainment robot,” IEEE International Conference on Robotics and Automation, vol. 4, New Orleans, Louisiana, USA, pp. 3189–3194, Apr. 26–May 1, 2004.
[5]	T. Sugihara and Y. Nakamura, “A fast online gait planning with boundary condition relaxation for humanoid robots,” IEEE International Conference on Robotics and Automation, Barcelona, Spain, pp. 306–311, Apr. 18–22, 2005.
[6]	K. Nishiwaki, S. Kagami, Y. Kuniyoshi, M. Inaba, and H. Inoue, “Online generation of humanoid walking motion based on a fast generation method of motion pattern that follows desired ZMP,” IEEE/RSJ International Conference on Intelligent Robots and Systems, vol. 3, Lausanne, Switzelland, pp. 2684–2689, Sep. 30–Oct. 4, 2002.
[7]	T. Sugihara, Y. Nakamura, and H. Inoue, “Realtime humanoid motion generation through ZMP manipulation based on inverted pendulum control,” IEEE International Conference on Robotics and Automation, vol. 2, Washington DC, USA, pp. 1404–1409, May 11–15, 2002.
[8]	S. Kajita, M. Morisawa, K. Miura, S. Nakaoka, K. Harada, K. Kaneko, F. Kanehiro, and K. Yokoi, “Biped walking stabilization based on linear inverted pendulum tracking,” 23rd IEEE/RSJ 2010 International Conference on Intelligent Robots and Systems (IROS 2010), Taipei, Taiwan, pp. 4489-4496, Oct. 18-22 2010.
[9]	T.S. Li, Y.T. Su, S.H. Liu, J.J. Hu, and C.C. Chen, “Dynamic Balance Control for Biped Robot Walking Using Sensor Fusion, Kalman Filter, and Fuzzy Logic,” IEEE Transactions on Industrial Electronics, vol. 59, No. 11, pp.  4394-4408, 2012.
[10]	王彥翔，小型人形機器人之多感測器步態平衡系統，淡江大學電機工程學系碩士論文(指導教授：許駿飛)，2015。
[11]	Jerry E. Pratt, John Carff, Sergey Drakunov, Ambarish K. Goswami, “Capture Point: A Step toward Humanoid Push Recovery, ” IEEE-RAS International Conference on Humanoid Robots, pp. 200-207, 2006.
[12]	林亦陽，小型人形機器人之外力干擾回復平衡控制，淡江大學電機工程學系碩士論文(指導教授：翁慶昌)，2016。
[13]	周致學，大型雙足機器人之外力干擾回復平衡控制，淡江大學電機工程學系碩士論文(指導教授：李祖添)，2017。
[14]	Y. Awais, H. Qiang, X. Qian, and M.S. Sultan., “Humanoid Robot Push Recovery through  Foot  Placement, ” IEEE International Conference on Mechatronics and Automation, pp. 59 – 63, 2012.
[15]	C.H, Chang, H.P, Huang, H.K, Hsu, and C.A, Cheng, “Humanoid Robot Push-Recovery Strategy Based on CMP Criterion and Angular Momentum Regulation, ”IEEE International Conference on Advanced Intelligent Mechatronics, pp.761-766, 2015.
[16]	S.J. Yi, B.T. Zhang, D. Hong, and D.D. Lee, “Learning Full Body Push Recovery Control for Small Humanoid Robots,” IEEE International Conference on Robotics and Automation, pp. 2047-2052, 2011.
[17]	S.J. Yi, B.T. Zhang, D. Hong, and D.D. Lee, “Practical Bipedal Walking Control on Uneven Terrain Using Surface Learning and Push Recovery, ” IEEE International Conference on Intelligent Robots and Systems, pp. 3963-3968, 2011.
[18]	S.J. Yi, B.T. Zhang, D. Hong, and D.D. Lee, “Whole-Body Balancing Walk Controller for Position Controlled Humanoid Robots,” International Journal of Humanoid Robotics, vol. 13, no. 1, pp. 165001, 2016. 
[19]	黃聖博，基於ROS之足球機器人的模糊行為決策設計，淡江大學電機工程學系碩士論文(指導教授：李世安)，2017。
[20]	I. Kuncheva, “Fuzzy classifier design,” Springer Science & Business Media, 2000.