軸編碼器

由於伺服煞車器上並沒有軸編碼器（Encoder）的功能，所以必須另外選用 軸編碼器，並且加以改裝，我們選用Faulhabere公司所生產的軸編碼器，其型號 為HEDS 5500 A，額定電壓為4.5~5.5V，解析度500 lpr（Lines per revolution），圖 3.7(a)為編碼器實體圖，加裝於伺服煞車器上，如圖3.7(b)所示，改裝後的編碼器 和伺服煞車器外側的轉軸相連接如圖3.7(c)所示，而伺服煞車器內側的轉軸是由 皮帶輪來帶動行動輔具的後輪，其中，伺服煞車器的皮帶輪和行動輔具後輪的皮 帶輪兩齒輪直徑比為1：2，因此輔具後輪轉一圈，可以達1000 lpr。

(a) 軸編碼器實體圖 (b) 軸編碼器加裝於伺服煞車器

(c) 伺服煞車器、軸編碼器、皮帶輪與後輪配置

圖 3.7 (a)軸編碼器實體圖，(b)軸編碼器加裝於伺服煞車器，和(c)伺服煞車器、

軸編碼器、皮帶輪與後輪配置

28

第四章

實驗與分析

在前兩章中提出了研究方法與系統實體架構，在本章我們將以 i-Go 作為平 台，依前述研究方法進行實驗。為了得到適合個別使用者的模糊控制參數，在 4.1 節介紹，如何透過訓練得到類神經模糊系統之輸入與輸出對應。為驗證適應 性意圖辨識模糊控制器可配合使用者習慣給予適當的煞車力輔助，於 4.2 節介紹 所進行之適應性學習行動輔助實驗。

4.1 迭代式學習訓練

此訓練的目的在於透過學習訓練演算法與類神經模糊系統，學習出適當的模 糊控制參數，並減少在訓練路徑上的操作誤差。為驗證適應性模糊控制器對輔助 操作的有效性，我們邀請三名受測者進行實驗。三名受測者的資料如表 4.1 所示

表 4. 1 輔具操作輔助受測者

受測者 性別 年齡 行動能力 體重

A 男 28 良好 69

B 男 23 良好 80

C 男 24 良好 54

實驗時受測者必須穿戴腿部支架，增加重量並限制其關節彎曲，藉以模擬行動不 便的長者操作，如圖 4.1 所示：

29

圖 4. 1 模擬長者移動之膝關節角度限制支架 訓練時，步驟如下：

1. 使用者操作行動輔具，遵循標記軌跡移動。

2. 行進中，輔具將比對實際路徑與預設路徑之誤差，提供煞車力輔助將其導正 至預設路徑。

3. 訓練結束後，由訓練中所記錄之輸入與輸出，經類神經模糊系統得到新的模 糊歸屬函數。

4. 計算該次訓練之平均誤差(Mean of Absolute Error, MAE，見 2.14 式)，若 MAE 值大於閾值，則再重複一次同樣的訓練；若 MAE 值收斂至閾值以下，則進 行下一種路徑的訓練。

5. 當所有訓練結束後，綜合所有訓練資料，系統得到之模糊歸屬函數，即為適 合該受測者之控制參數。

訓練輔具將記錄輸入握力值與輸出煞車力，如圖 4.1(a)所示，藍色實線為 1.0 m 迴轉之預設路徑，紅色虛線為輔具紀錄之實際路徑，圖 4.1(b)則為訓練過程中各

30

個時刻的誤差值大小。圖 4.2(c) - (f)則表示 1.5 m 與 2.0 m 之訓練路徑與誤差值。

訓練路徑分為直線、順時針迴轉與逆時針迴轉，其中，迴轉路徑為半圓弧，實際 場景如圖 4.3 所示，迴轉半徑分為 1.0 m、1.5 m 及 2.0 m 等三種尺寸。

(a) 1.0m 訓練路徑 (b) 1.0m 訓練之誤差變化

(c) 1.5m 訓練路徑 (d) 1.5m 訓練之誤差變化

(e) 2.0m 訓練路徑 (f) 2.0m 訓練之誤差變化 圖 4. 2 訓練路徑記錄圖與誤差變化

31

圖 4. 3 適應性學習訓練之實驗場景

在訓練開始時，使用者會因操作不良，導致路徑偏差，此時系統即根據誤差 給予一煞車力修正，讓使用者回到預設路徑。但使用者可能因輔具的引導而又過 度迴轉，再次偏離路徑，這時輔具又會再次根據新的誤差給予煞車力修正，讓使 用者再度回到預設路徑，因此誤差在剛開始時通常較大，而後會在某個值來回擺 盪，終至收斂。由上述實驗結果可以看出，經由我們提出的訓練方法，在訓練過 程中，使用者可藉由輔具提供的煞車力輔助，逐漸消弭路徑上的誤差。訓練後所 得之模糊控制參數也能幫助使用者進行下一步的訓練。經多次迭代後，訓練時的 平均誤差(MAE)有顯著的下降。由於訓練路徑為直線、順時針迴轉與逆時針迴轉，

迴轉半徑分別為 1.0 m、1.5 m 以及 2.0 m，共七種訓練路徑，而每種訓練平均耗 時 24 秒，資料取樣時間為 0.25 秒。訓練次數因人而異，平均為 3 次，因此每人 約需 2000 筆的訓練資料。

訓練結束後，系統將訓練期間所記錄下的握力感測值與煞車力，作為類神經

32