臺灣博碩士論文加值系統

　　本研究開發以工廠無軌運輸做為研究目的，為了有效促進產業升級，提高工廠生產效率，可將重覆性較高，或者易造成職業傷害等工作，交由機器人來執行，如長期從事反覆性搬運負重工作，從中也能降低公司的生產成本，強化生產品質，以提升競爭力與整體生產速度及效率，並解決目前工廠面臨的缺工困境，以無人搬運車進行站與站之間的原物料運輸，減少人員因來回所耗費的時間成本。
　　本研究採用兩輪差速運動模型設計，建構一台兩驅動輪與四從動輪之搬運車，使用直流伺服馬達搭配減速機帶動驅動輪運轉，整體系統運作選用BRIX Pro作為中央控制器，採用機器人作業系統，協助掃描地圖環境的光學雷達、測量方向性與加速度的陀螺儀與即時傳遞影像的網路攝影機，車體電力系統使用16串磷酸鐵鋰，以高放電功率和長時間的循環壽命作為選用參據。
　　本研究可透過遠端操作，進行無人搬運車控制，透過馬達PID控制演算，搭配光學雷達掃描之環境資訊，採用粒子濾波方式進行定位，建立出2D地圖，再將此地圖進行路徑規畫演算法，計算出目前位置與目標地的移動路徑，達成工廠中站與站之間的搬運作業。

This research aims to develop the trackless trolley delivery in factories. In order to effectively promote industrial upgrading and enhance the production efficiency in factories, robots are used to execute repetitive or high-risk works with occupational injury potentials, such as those with long-term and repetitive good carrying tasks. Robots can also reduce a company's production cost and reinforce the production quality such that the overall production speed and efficiency are increased with greater competitiveness, and can resolve the current difficulties of manpower deficiency in factories. Using automatic guided vehicles (AGVs), raw materials can be delivered from stations to stations, which reduces the time cost for human return deliveries.
This research builds an AGV with two driving and four driven wheels, using the design of a two-wheel differential motion model. It uses a DC servo motor with a reduction gear, which connects and runs the driving wheels. The entire system is equipped with the BRIX Pro as the central control, the robotic operating system, a light detection and ranging (LiDAR) that assists in scanning map environments, a gyroscope that measures directionality and accelerations, and a web camera that sends live images. The vehicle power system uses 16 ferric phosphate lithium batteries in series, which are selected based on their high discharge power and long cycle life.
The control of the AGV in this research can be operated remotely. 2D maps can be plotted through the PID control algorithm of the motor, the environmental information scanned by the LiDAR, and the positioning using the particle filtering methods. The 2D maps are then fed into the route planning algorithms and the motion paths from the current position to the destination are calculated, from which station-to-station deliveries in a factory can be performed.

摘要 ......... i
Abstract ......... ii
誌謝 ......... iii
目錄 ......... iv
表目錄 ......... vi
圖目錄 ......... vii
第一章　緒論 ......... 1
1.1 研究背景與動機 ......... 1
1.2 文獻探討 ......... 2
1.3 論文架構 ......... 3
第二章　系統架構 ......... 4
2.1 硬體系統架構 ......... 4
2.2 無人搬運車硬體介紹 ......... 5
2.2.1 中央控制電腦系統 ......... 5
2.2.2 底盤控制系統 ......... 6
2.2.3 感測器系統 ......... 9
2.2.4 電池系統 ......... 12
2.3 無人搬運車軟體系統架構 ......... 16
2.3.1 機器人作業系統 ......... 16
2.3.2 計算圖層級(Computation Graph Level) ......... 17
2.3.3 文件系統層級(Filesystem level) ......... 18
2.3.4 開源社區層級(Community level) ......... 19
2.3.5 座標系轉換(Transform，TF) ......... 19
第三章　研究內容 ......... 21
3.1 無人搬運車結構設計與控制介紹 ......... 21
3.1.1 無人搬運車結構設計 ......... 21
3.1.2 伺服馬達與輪子固定零組件 ......... 22
3.1.3 輪子材質與選用 ......... 23
3.1.4 增量式PID控制器[30]、[31] ......... 24
3.2 無人搬運車扭矩與轉動慣量計算[32] ......... 25
3.3 無人搬運車兩輪差速運動模型推導[33] ......... 27
3.4 即時定位與地圖建構 ......... 28
3.5 導航 ......... 32
第四章　實驗成果與測試 ......... 33
4.1 光學雷達角度調整 ......... 33
4.2 慣性測量單元設定 ......... 34
4.3 無人搬運車直線與旋轉測試 ......... 35
4.4 掃描環境建立地圖 ......... 41
4.4.1 以實驗室作為實驗場域 ......... 41
4.4.2 以一般教室作為實驗場域 ......... 42
4.4.3 調整光學雷達高度測試 ......... 43
4.4.4 建立地圖所遇到的問題 ......... 46
4.5 蒙特卡洛定位實測 ......... 47
4.6 Navigation導航功能實測 ......... 48
第五章　結論與未來展望 ......... 53
5.1 結論 ......... 53
5.2 未來展望 ......... 53
參考文獻 ......... 54
Extended Abstract ......... 57

[1]王郁倫，全球機器人密度台灣排名第8！每萬人只分配到197台，數位時代，2020年07月02日摘自，https://www.bnext.com.tw/article/53076/universal-robots-cobot-in-taiwan
[2]Esben H. Ostergaar，歡迎來到工業5.0時代：一場「人性化」革命正在發生，CTIMES，2020年07月02日摘自，https://www.ctimes.com.tw/DispArt/tw/工業5.0/協作型機器人/人機協作/機器人/聯網/18081710397Z.shtml
[3]B. Mahadevan, T.T. Narendran, Design of an automated guided vehicle-based material handling system for a flexible manufacturing system. International Journal of Production Research, Feb 1990, pp. 1611-1622.
[4]S. Berman, Y. Edan. Decentralized autonomous AGV system for material handling. International Journal of Production Research, 2002, pp. 3995-4006.
[5]小型承載裝置自行移動 ，SSI SCHAEFER，2020年07月01日摘自，https://www.ssi-schaefer.com/zh-tw/小型搬運車-agvs-651768
[6]楊晨欣，Amazon的倉庫機器人Kiva，數位時代，2020年07月01日摘自，https://www.bnext.com.tw/px/article/34579/BN-ARTICLE-34579
[7]顏守志，2009，磁控式導航系統，逢甲大學資訊電機工程碩士在職專班碩士論文，2020年6月8日摘自
[8]張詠信，2019，無人搬運車定位與循跡之研究，國立雲林科技大學機械工程系碩士論文，2020年6月8日摘自
[9]張哲銘，2018，基於視覺導航之自動導引停車設計，國立臺北科技大學車輛工程系碩士論文，2020年6月8日摘自
[10]林重甫，2001，智慧型車輛之自動視覺導航系統，國立交通大學機械工程系碩士論文，2020年6月8日摘自
[11]為什麼你必須要學ROS，艾鍗學院，2020年7月1日摘自，https://www.ittraining.com.tw/ittraining/course/ros-robot/ros
[12]gmapping，ROS Wiki，2020年7月1日摘自，http://wiki.ros.org/gmapping
[13]Jingren Wen, Chuang Qian, Jian Tang, Hui Liu, Wenfang Ye and Xiaoyun Fan. 2D LiDAR SLAM Back-End Optimization with Control Network Constraint for Mobile Mapping. Sensors (Basel), October 2018.
[14]amcl，ROS Wiki，2020年7月1日摘自，http://wiki.ros.org/amcl
[15]Abdurrahman Yilmaz, Hakan Temeltas. Self-adaptive Monte Carlo method for indoor localization of smart AGVs using LIDAR data. Robotics and Autonomous Systems, Volume 122, December 2019, Article 103285.
[16]F. Dellaert, D. Fox, W. Burgard and S. Thrun, Monte Carlo localization for mobile robots. IEEE International Conference on Robotics and Automation, vol. 2, pp. 1322-1328, May 1999.
[17]Sebastian Thrun, Dieter Fox, Wolfram Burgard and Frank Dallaert, Robust Monte Carlo Localization for Mobile Robots. Artificial Intelligence, vol. 128, pp 99-141, May 2001.
[18]Dieter Fox, Wolfram Burgard, Frank Dellaert, and Sebastian Thrun, Monte Carlo Localization : Efficient Position Estimation for Mobile Robots. Proceedings of the Sixteenth National Conference on Artificial Intelligence, July 1999.
[19]Martijn Cramer, Jeroen Cramer, David De Schepper, Peter Aerts, Karel Kellens , Eric Demeester. Benchmarking low-cost inertial measurement units for indoor localisation and navigation of AGVs. Procedia CIRP, Volume 86, 2019, Pages 204-209.
[20]Koenig, S.and M. Likhachev, Fast replanning for navigation in unknow terrain. IEEE Transactions on Robotics on Robotics, 2005. 21(3): p.354-363.
[21]S. Koenig, M. Likhachev and D. Fury, Lifelong planning A*. Artifical Intelligence Journal, vol. 155, pp. 93-146, 2004.
[22]Hart, P.E., N.J. Nilsson, and B.Raphael, A formal basis for the heuristic determination of minimum cost paths. IEEE transactions on Systems Science and Cybernetics, 1968. 4(2): p. 100-107.
[23]陳依璟，2012，自走車之路徑規劃與位置追蹤，國立中央大學電機工程學系碩士論文，2020年6月1摘自
[24]CSBL980伺服馬達控制器，2020年6月15日摘自，https://csim.com.tw/CSBL980.html
[25]CS60-150C8AE伺服馬達，2020年6月15日摘自，https://csim.com.tw/bldc_motor.html
[26]SICK LMS100-10000光學雷達，2020年6月24日摘自，https://www.sick.com/tw/zf/detection-and-ranging-solutions/2d-lidar/lms1xx/lms100-10000/p/p109841
[27]ROS : THE ROBOT OPERATING SYSTEM AND ARM DYNAMIQ，IQ INFINITY，2020年6月15日摘自，https://iqinfinity.wordpress.com/2017/11/05/ros-the-robot-operating-system-and-arm-dynamiq/
[28]AGV無軌自動搬運車 MiR100，SOLOMON，2020年6月25日摘自，https://www.solomon.com.tw/product/無軌自走車-mir100/
[29]RoboteQ，2020年6月25日摘自，https://www.roboteq.com/index.php
[30]位置式PID與增量式PID區別淺析，台部落，2020年6月19日摘自，https://www.twblogs.net/a/5d4d7010bd9eee541c30fca4
[31]位置式和增量式PID控制，ITREAD，2020年6月19日摘自，https://www.itread01.com/content/1548126541.html
[32]洪梅茹，2019，無軌式兩輪驅動自動導引車，國立臺灣科技大學機械工程系碩士論文，2020年6月14日摘自
[33]差速驅動機器人的里程計信息計算(一)，CSDN，2020年6月10日摘自，https://blog.csdn.net/u012926144/article/details/80787175
[34]Grisetti, G., C. Stachniss, and W. Burgard, Improved techniques for grid mapping withrao-blackwellized particle filters. IEEE transactions on Robotics, 2007. 23(1): p. 34-46.
[35]Robot_pose_ekf，ROS Wiki，2020年06月22日摘自，http://wiki.ros.org/robot_pose_ekf
[36]Laser_filters，ROS Wiki，2020年6月24日摘自，http://wiki.ros.org/laser_filters