5.1 結論
通常在研究賽格威這類之平衡系統時在於機構之設計是十分的昂貴，本論文 為了以最簡單方式呈現，選擇了樂高積木做為機體骨架，並且使用樂高公司所推 的直流馬達和陀螺儀感測器來取得賽格威訊息。但是本機構只使用一顆陀螺儀來 求得機身傾斜角度，在加上陀螺儀本身是輸出類比訊號，在轉換成數位訊號時容 易受到雜訊干擾，所以在取得陀螺儀之傾斜角速度前先透過卡曼濾波器後在進行 積分來求得機身傾斜之角度。在控制方面，本論文分別利用了 DFSMC 控制方法 以及迴授控制方法來做比較，尤其所提出之 DFSMC 控制方法結合了模糊控制不需 得知受控制系統動態方程式與模糊滑動模式控制使用較少控制規則等優點，最後 由數種不同實際測試結果得知使用所提出的 DFSMC 控制方法比迴授控制方法 更能有效的達到單輪或雙輪賽格威系統之平衡效果，所提出之平衡控制方法可以 讓單輪或雙輪賽格威系統平穩自主平衡在任意點上，且無懼於行走在崎嶇路面上，
並完成上下坡動作。
53
5.2 未來研究
本論文重點在於使用 DFSMC 控制方法之優點實鑑於賽格威系統上，並且驗證 了 DFSMC 控制方法在於這類的即時控制上之可行性，也成功的使用此方法來控制 球型機器人(ball bot)。但在些許地方還能夠再加強，在取得角度方面能夠在加上 傾斜儀與陀螺儀配合求得更精確角度，在控制核心方面所使用的 ARM Cortex M0 只支援虛擬浮點運算僅限於使用 DFSMC 控制方法，因此無法使用更高階之控制方 法。在未來的研究能以下方式來努力。一、控制核心改善工作，替換控制核心使 機體在控制平衡時運算更有效率。二、陀螺儀與傾斜儀，可增加傾斜儀感測器來 得到更精確的機體傾斜角度。三、改善演算法，結合適應性學習方法，讓系統本 身能自我學習所需的控制規則庫。
54
參考文獻
[1] http://peak.com.tw/educational/googol/glip.htm [2] http://www.yuja.com.tw/
[3] http://www.segway.com/individual/models/i2.php [4] http://www.murata.co.jp/index.html
[5] http://www.roboat.org.tw/
[6] http://www.pmc.org.tw/
[7] http://www.dois.moea.gov.tw/
[8] F. Grasser, A. D,Arrigo, S. Colombi, and A. Rufer, “Joe: a mobile, inverted pendulum,” IEEE Trans. Ind. Electron., vol. 49, no. 1, 2002, pp. 107-114.
[9] K. Pathak, J. Franch, and S. K. Agrawal, “Velocity and position control of a wheeled inverted pendulum by partial feedback linearization,” IEEE Trans.
Robot., vol. 21, no. 3, 2005, pp. 505-513.
[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, 2008, pp.
365-375.
[11] J. R. Timothy, Fuzzy Logic with Engineering Application, NewYork: Mc-Graw Hill 1995.
[12] L. X. Wang, A Course in Fuzzy Systems and Control, Prentice-Hall, New Jersey, 1997.
[13] 楊英魁、孫宗瀛、鄭魁香、林建德、蔣旭堂，模糊控制理論與技術，全華圖 書，民國 85 年。
[14] 王文俊，認識 Fuzzy－第三版，全華圖書，民國 94 年。
[15] X. Yu, Z. Man, and B. Wu, “Design of fuzzy sliding-mode control systems,”
Fuzzy Sets and Syst., vol. 95, 1998, pp. 295-306.