本論文主要的是設計一個適當的演算法以估測在使用G-sensor來測量以馬達作圓周運動來模擬騎腳踏車踩踏板時所轉動之角度。本論文共提出兩種演算法，其一為使用數據之斜率來判斷相位角。而另外一種方法是比較數據的最大點及最小點發生的位置來估測數據的相位角。利用所推導出來之演算法應用於實際所量測之角度來比較這兩個演算法之優劣點及其準確度。

The main task of this thesis is to design a proper algorithm to calculate and estimate the angle a bicycle peddle has revolved in a circular motion when a motor is equipped with a G-sensor and is mounted on the bicycle peddle. Two algorithms have been designed, one of the algorithms calculates the slope of the measured data and form this slope to determine and estimate the angle while in the other algorithm it compares the location of the data with the locations of the maximum and minimum values of the measured data to estimate its possible revolving angle. These two algorithms are applied to many sets of measurement data to determine the angle associated with each measured data, the accuracy, advantages and performance of each algorithm are compared and it concludes that the second algorithm with data location comparison has better performance.

目錄
圖目錄	V
表目錄	XI
第一章 緒論	1
1.1研究動機和目的	1
1.2研究方法	1
1.3各章節提要	2
第二章 硬體與馬達控制	3
2.1  Gensor感測器的原理與技術	3
2.2  步進馬達與馬達控制	6
第三章 演算法	10
3.1  角度演算法1	11
3.2  角度演算法2	13
3.3  數據修正	19
第四章 實驗結果和數據	21
4.0背景說明	21
4.1實驗說明	21
4.2馬達水平放置G-sensor從0度開始順時鐘轉一圈	25
4.3馬達水平放置G-sensor從90度開始順時針轉一圈	32
4.4馬達水平放置G-sensor從180度開始順時針轉一圈	38
4.5馬達水平放置G-sensor從270度開始順時針轉一圈	44
4.6馬達水平放置G-sensor從270度開始逆時針轉一圈	49
4.7馬達水平放置G-sensor從180度開始逆時針轉一圈	53
4.8馬達水平放置G-sensor從 90 度開始逆時針轉一圈	58
第五章 結論與未來展望	64
參考文獻	65
 
圖目錄
圖2. 1   G-sensor實體圖	4
圖2. 2   G-sensor Block Diagram [1]	4
圖2. 3   MMS8453Q晶片三軸分辨圖 [1]	5
圖2. 4   MMS8453Q晶片三軸位置圖 [1]	6
圖2. 5   G-sensor三軸方向辨識圖	6
圖2. 6   步進馬達實體圖	7
圖2. 7   微步驅動器 [3]	8
圖2. 8   步進馬達控制程式介面	9
圖3. 1   演算法1之流程圖	10
圖3. 2   演算法1的角度判定流程圖	11
圖3. 3   內差法示意圖	12
圖3. 4   處理爆高爆低值的內差法	13
圖3. 5   演算法2判定情況之流程圖	14
圖3. 6   第一種情況角度判定流程圖	14
圖3. 7   第二種情況角度判定流程圖	15
圖3. 8   第三種情況角度判定流程圖	15
圖3. 9   第四種情況角度判定流程圖	16
圖3. 10  第五種情況角度判定流程圖	17
圖3. 11  第六種情況角度判定流程圖	17
圖3. 12  第七種情況角度判定流程圖	18
圖3. 13  第八種情況角度判定流程圖	18
圖4. 1   五個點的Moving Average	21
圖4. 2   實驗所模擬的G-sensor放置於腳踏車0度位置圖	23
圖4. 3   實驗所模擬的G-sensor放置於腳踏車90度位置圖	23
圖4. 4   實驗所模擬的G-sensor放置於腳踏車180度位置圖	24
圖4. 5   實驗所模擬的G-sensor放置於腳踏車270度位置圖	24
圖4. 6   實驗擺設圖	25
圖4. 7   實驗擺設實體圖	25
圖4. 8   G-sensor於木板的運動方向示意圖	26
圖4. 9   第2筆實驗圖演算法1結果	26
圖4. 10  第2筆實驗圖演算法2結果	26
圖4. 11  第3筆實驗圖演算法1結果	27
圖4. 12  第3筆實驗圖演算法2結果	27
圖4. 13  使用演算法1的100筆實驗每一個角度的平均誤差	28
圖4. 14  使用演算法2的100筆實驗每一個角度的平均誤差	28
圖4. 15  演算法1的100次平均估測線	29
圖4. 16  演算法2的100次平均估測線	29
圖4. 17  使用100次平均估測值修正的流程圖	30
圖4. 18  第2筆實驗圖演算法1經過修正後的結果	30
圖4. 19  第2筆實驗圖演算法2經過修正後的結果	30
圖4. 20  第3筆實驗圖演算法1經過修正後的結果	31
圖4. 21  第3筆實驗演算法2經過修正後的結果	31
圖4. 22  100筆實驗演算法1修正後的平均誤差值	32
圖4. 23  100筆實驗演算法2修正後的平均誤差值	32
圖4. 24  第87筆實驗演算法1結果	33
圖4. 25  第87筆實驗演算法2結果	33
圖4. 26  第99筆實驗演算法1結果	33
圖4. 27  第99筆實驗演算法2結果	33
圖4. 28  第99筆實驗原始數據	34
圖4. 29  演算法1，100筆實驗平均誤差值	35
圖4. 30  演算法2，100筆實驗平均誤差值	35
圖4. 31  100筆實驗演算法1 經過平均後的估測線	35
圖4. 32  100筆實驗演算法2 經過平均後的估測線	35
圖4. 33  第87筆實驗演算法1實測值經過修正後	36
圖4. 34  第87筆實驗演算法2實測值經過修正後	36
圖4. 35  第99筆實驗演算法1實測值經過修正後	37
圖4. 36  第99筆實驗演算法2實測值經過修正後	37
圖4. 37  第87筆實驗演算法1實測值經過修正後	38
圖4. 38  第87筆實驗演算法2實測值經過修正後	38
圖4. 39  第79筆實驗演算法1結果	39
圖4. 40  第79筆實驗 演算法2結果	39
圖4. 41  演算法1，100筆實驗平均誤差值	39
圖4. 42  演算法2，100筆實驗平均誤差值	39
圖4. 43  演算法1，100次平均估測線	40
圖4. 44  演算法2，100次平均估測線	40
圖4. 45  第87筆實驗演算法1經過修正後的結果	41
圖4. 46  第87筆實驗演算法2經過修正後的結果	41
圖4. 47  第79筆實驗演算法1經過修正後的結果	42
圖4. 48  第79筆實驗演算法2經過修正後的結果	42
圖4. 49  演算法1，100筆實驗經過修正後的平均誤差值	42
圖4. 50  演算法2，100筆實驗經過修正後的平均誤差值	42
圖4. 51  第92筆實驗演算法1結果	44
圖4. 52  第92筆實驗演算法2結果	44
圖4. 53  第86筆實驗演算法1結果	44
圖4. 54   第86筆實驗演算法2結果	44
圖4. 55   100筆實驗演算法1平均誤差值	45
圖4. 56   100筆實驗演算法1平均誤差值	45
圖4. 57   演算法1，100次實驗平均估測線	46
圖4. 58   演算法2，100次實驗平均估測線	46
圖4. 59   第92筆實驗演算法1經過修正後的結果	47
圖4. 60   第92筆實驗演算法2經過修正後的結果	47
圖4. 61   第86筆實驗演算法1經過修正後	47
圖4. 62   第86筆實驗演算法2經過修正後	47
圖4. 63   演算法1經過修正後平均誤差值	48
圖4. 64   演算法2經過修正後平均誤差值	48
圖4. 65   第1筆實驗演算法2 結果	49
圖4. 66   第2筆實驗演算法2結果	50
圖4. 67   100筆實驗每一個角度的平均誤差值	50
圖4. 68   100次實驗平均估測線	51
圖4. 69   第1筆實驗演算法2經過修正後的結果	51
圖4. 70   第2筆實驗演算法2經過修正後的結果	52
圖4. 71   100筆實驗每一個角度經過修正後的平均誤差值	52
圖4. 72   第1筆實驗演算法2結果	53
圖4. 73   第10筆實驗演算法2結果	53
圖4. 74   第50筆實驗演算法2結果	54
圖4. 75   100次實驗平均誤差值	54
圖4. 76   100筆平均估測線	55
圖4. 77   第1筆實驗演算法2 經過修正後	56
圖4. 78   第10筆實驗演算法2 經過修正後	56
圖4. 79   第50筆實驗演算法2經過修正後的結果	57
圖4. 80   經過修正後的平均誤差值	57
圖4. 81   第1筆實驗演算法2結果	58
圖4. 82   第15筆實驗演算法2結果	58
圖4. 83   第35筆實驗演算法2結果	59
圖4. 84   100筆實驗每一個角度平均誤差值	59
圖4. 85   100筆平均估測線	60
圖4. 86   第1筆實驗演算法2經過修正後的結果	61
圖4. 87   第15筆實驗演算法2經過修正後的結果	61
圖4. 88   第35筆實驗演算法2經過修正後的結果	62
圖4. 89   100筆實驗經過修正後每一個角的平均誤差值	62
 
表目錄

表2.1  步進馬達型號	7
表4. 1  0度開始順時針轉動實驗平均誤差值及最大誤差值表	32
表4. 2  90度開始順時針轉動實驗平均誤差值及最大誤差值表	37
表4. 3  180度開始順時針轉動實驗平均誤差值及最大誤差值表	43
表4. 4  270度開始順時針轉動實驗平均誤差值及最大誤差值表	48
表4. 5  實驗結果總整理	63

參考文獻
[1]	Freescale Semiconductor Data Sheet: Technical Data 3-Axis,10-bit/8-bit Digital Accelerometer, http://www.freescale.com/files/sensors/doc/data_sheet/MMA8453Q.pdf
[2]	紫盛科技有限公司微步進驅動器,
http://www.zi-sheng.com.tw/products_details.php?fid=5&p_no=80
[3]	紫盛科技有限公司二相步進馬達,
http://www.zi-sheng.com.tw/products_details.php?fid=3&p_no=6
[4]	RICHARD SHIAI, Applied Statistical Signal Analysis, p.33-p43.
[5]	Steven C. Chapra, Applied Numerical Methods with MATLAB, p336-p343.
[6]	Chih-Wei Yi, Chao-Min Su, Wen-Tien Chai, “G-Constellations:G-sensor Motion Tracking Systems,” Vehicular Technology Conference (VTC 2010-Spring), 2010 IEEE 71st , pp.1-5, 2010.
[7]	ZEROPLUS, G-sensor的感測器介面量測, http://www.zeroplus.com.tw/software_download/200811ZEROPLUS_G-Sensor.pdf ,2008.
[8]	Kojima T., Kikuchi Y., Seki, S., Wakiwaka H., “Study on High Precision Angle Measuring Technology,” Industrial Electronics Society, 2004. IECON 2004. 30th Annual Conference of IEEE , Volume: 2, pp.704-708,1998.
[9]	Seraphim, 加速度感測器與電子羅盤的原理介紹, http://www.seraphim.com.tw/upfiles/c_supports01328152963.pdf
[10]	梁賢吉,“內建多重感測器的智慧型可攜式卡路里消耗偵測器,”淡江大學碩士論文.
[11]	Zhuoqing Yang , Guifu Ding , Hui Shen , Hong Wang , Xiaolin Zhao, “Modeling and characterization of a MEMS G-sensor with anti-stiction raised strips for vibration monitoring systems,” Sensors, 2010 IEEE, pp.164-167,2010.
[12]	Moorits, E., Usk A., “A numerically efficient method for calculation of the angle of heel of a navigational buoy,” Electronics Conference (BEC), 2010 12th Biennial Baltic, pp357-360, 2010.
[13]	 Wang, Y.P. ,Hsu, R.Q. ,  Wu, C.W. “Design and simulation of a MEMS high G inertial impact sensor,” Sensors Applications Symposium, 2008. SAS 2008. IEEE, pp95-100, 2008.
[14]	Chih-Wei Yi ,Chao-Min Su ,  Wen-Tien Chai ,  Jiun-Long     Huang ,  Tsun-Chieh Chiang “G-Constellations: G-Sensor Motion Tracking Systems,” Vehicular Technology Conference (VTC 2010-Spring), 2010 IEEE 71st , pp1-5, 2010.
[15]	Sinthanayothin, C. ,Wongwean, N. ,  Bholsithi, W.“Interactive virtual 3D gallery using motion detection of mobile device,” Mobile IT Convergence (ICMIC), 2011 International Conference on, pp120-125, 2011.
[16]	Sungsik Lee ,  Myung Lae Lee ,  Jaewoo Lee ,  Woo Seok Yang , Chang Auck Choi, “Z-axis capacitive MEMS accelerometer with moving ground masses,” Sensors, 2010 IEEE, pp635-638, 2010.