E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น

วิทยานิพนธ์ (MET) 2023

1.	การประยุกต์ใช้ YOLOv4-Tiny สำหรับตรวจจับรถยนต์จากภาพวิดีทัศน์ความละเอียดต่ำ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : กัณฐิกา วงษ์เกษม
	ปัจจุบันมีการนำโดรนมาใช้ประโยชน์ในด้านการบินสำรวจ การตรวจจับวัตถุและการจราจร งานวิจัยนี้จะศึกษาพัฒนาระบบตรวจจับรถยนต์ที่เป็นวัตถุขนาดเล็กด้วยวิดีโอทางอากาศที่มีความละเอียดต่ำจากโดรน โดยประยุกต์ใช้เทคโนโลยีการเรียนรู้เชิงลึกสำหรับงานทางด้านคอมพิวเตอร์วิทัศน์ โดยที่ตัวตรวจหาวัตถุสามารถเรียนรู้คุณลักษณะของรูปภาพรถยนต์ขนาดเล็กได้ งานวิจัยได้เลือกใช้อัลกอริทึม YOLOv4-Tiny ซึ่งเป็นโมเดลขนาดเล็กที่มีประสิทธิภาพสูง โดยทำการเปรียบเทียบองค์ประกอบของโมเดลและการปรับค่าพารามิเตอร์ต่างๆ เพื่อใช้ในการฝึกอบรมโมเดลให้ได้ประสิทธิภาพสูงสุดโดยเปรียบเทียบปัจจัยหลักดังนี้การเตรียมข้อมูล การทำเทคนิคการเสริมข้อมูล และการปรับปรุงด้วยออฟติไมเซอร์ SGDM และ ADAM เพื่อหาวิธีการปรับปรุงและเลือกค่าอินพุตที่เหมาะสมสำหรับการตรวจจับวัตถุขนาดเล็ก โดยพิจารณาจากผลการประเมินความสามารถของโมเดล ด้วยค่าความแม่นยำเฉลี่ย ซึ่งเป็นมาตรฐานชี้วัดสำหรับความแม่นยำโดยรวมของโมเดลในการตรวจจับวัตถุ ผลการฝึกอบรมโมเดลตรวจจับวัตถุ YOLOv4-Tiny พบว่าชุดข้อมูลที่ใช้เทคนิคการเสริมข้อมูลด้วยออฟติไมเซอร์ ADAMสำหรับอินพุตภาพขนาด 603x603 พิกเซลให้ค่าความแม่นยำของการตรวจจับรถยนต์ขนาดเล็กด้วยภาพความละเอียดต่ำจากโดรน สูงที่สุด ซึ่งสามารถนำไปพัฒนาโดรนที่มีอัลกอริทึมตรวจจับรถยนต์ด้วยภาพความละเอียดต่ำกับวัตถุขนาดเล็กนี้ได้ รวมทั้งสามารถช่วยให้ผู้ใช้งานประหยัดเวลาและนำเทคโนโลยีไปใช้พัฒนาระบบโดรนได้ Full Text : Download!

2.	การขยายข้อมูลในทางเวลาสำหรับการเรียนรู้เชิงลึกเพื่อใช้ในการตรวจจับความผิดปกติทางอุตสาหกรรม [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : กฤชภัทร เบญจกรัณย์
	การตรวจจับความผิดปกติในกระบวนการทางอุตสาหกรรมอย่างทันท่วงทีถือเป็นสิ่งสำคัญยิ่ง เนื่องจากสามารถป้องกันความเสียหาย ลดต้นทุน และเพิ่มความปลอดภัย ในปัจจุบันการเก็บข้อมูลการทำงานของเครื่องจักรและกระบวนการต่างๆ อยู่ในรูปแบบชุดข้อมูล time series เพื่อใช้ในการวิเคราะห์ ซึ่งวิธีการตรวจจับอาศัยกฎเกณฑ์ที่ตั้งไว้ล่วงหน้า (Rule-based) วิธีการเหล่านี้มีข้อจำกัดเนื่องจากไม่สามารถปรับตัวกับความผิดปกติใหม่ๆได้ อีกทั้งยังต้องใช้ความเชี่ยวชาญเฉพาะด้านในการกำหนดกฎเกณฑ์ ในขณะที่วิธีการทางสถิติ (Statistical) เช่น การคำนวณค่าเบี่ยงเบนมาตรฐาน (Standard deviation) สามารถปรับตัวกับความผิดปกติได้ดีกว่า แต่ก็ยังมีข้อจำกัดในกรณีที่ความผิดปกติมีรูปแบบที่ซับซ้อน จึงนำวิธีการเรียนรู้เชิงลึก (Deep learning) ซึ่งเป็นเทคนิคการเรียนรู้ของเครื่องจักร (Machine learning) ที่ได้รับความนิยมอย่างมากในปัจจุบัน โดยมีสามารถเรียนรู้รูปแบบที่ซับซ้อนจากข้อมูลจำนวนมากและนำไปใช้ในการแก้ปัญหาต่างๆได้อย่างมีประสิทธิภาพ อย่างไรก็ตาม หนึ่งในข้อจำกัดสำคัญของการเรียนรู้เชิงลึกคือการที่ต้องการข้อมูลจำนวนมากในการฝึกโมเดล ในกรณีของข้อมูลอุตสาหกรรม ข้อมูลความผิดปกติมักมีอยู่น้อยกว่าข้อมูลปกติ ทำให้โมเดลที่ฝึกมาจากข้อมูลเหล่านี้มีประสิทธิภาพในการตรวจจับความผิดปกติต่ำ ดังนั้นงานวิจัยชิ้นนี้จึงได้หยิบยกเทคนิคการขยายข้อมูลในทางเวลา (Time series data augmentation) ซึ่งเป็นเทคนิคที่ช่วยเพิ่มขนาดและความหลากหลายของข้อมูล time series โดยไม่ต้องเก็บข้อมูลใหม่ เพื่อแก้ปัญหาข้อมูลไม่เพียงพอในการฝึกโมเดลการเรียนรู้เชิงลึก ด้วยเทคนิคต่างๆ อาทิ Oversampling : เพิ่มจำนวนตัวอย่างของข้อมูลความผิดปกติ, Under sampling : ลดจำนวนตัวอย่างของข้อมูลปกติ เป็น Full Text : Download!

3.	การควบคุมระบบ 4 ถังแบบสัญญาณป้อนเข้าและออกหลายสัญญาณด้วยตัวควบคุมแบบพีไอดี โดยวิธีการเรียนรู้จากสิ่งตรงข้ามร่วมกับอัลกอริทึมไซน์-โคไซน์ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : มัฆวัจ มากกุญชร
	วิทยานิพนธ์ฉบับนี้มีวัตถุประสงค์เพื่อศึกษาการปรับค่าพารามิเตอร์ของตัวควบคุมพีไอดีด้วยวิธีการเรียนรู้จากสิ่งตรงข้ามร่วมกับอัลกอริทึมไซน์โคไซน์สำหรับระบบ 4 ถัง และเปรียบเทียบสมรรถนะของตัวควบคุมพีไอดีที่ถูกปรับค่าพารามิเตอร์ด้วยวิธีดังกล่าว กับวิธีอัลกอริทึมไซน์โคไซน์ และวิธีการหาค่าที่เหมาะสมของกลุ่มอนุภาค ระบบ 4 ถัง เป็นระบบที่สามารถปรับเปลี่ยนสภาวะให้เป็นระบบมีเสถียรภาพที่เรียกว่าสภาวะ Minimum Phase และระบบไม่มีเสถียรภาพที่เรียกว่าสภาวะ Non-minimum Phase ได้ จากจุดเด่นของระบบนี้ นำไปสู่การทดลองและการศึกษาการควบคุมระบบด้วยตัวควบคุมพีไอดีที่เกิดจากการปรับค่าพารามิเตอร์ด้วยวิธีการเรียนรู้จากสิ่งตรงข้ามร่วมกับอัลกอริทึมไซน์โคไซน์ โดยมีการทดลอง 3 การทดลอง ดังนี้ การทดลองที่ 1 หาขอบเขตที่เหมาะสมของตัวควบคุมพีไอดีต่อระบบถัง 4 ถังในสภาวะต่าง ๆ การทดลองที่ 2 หาระดับปัจจัยที่เหมาะสมของวิธีการเรียนรู้จากสิ่งตรงข้ามร่วมกับอัลกอริทึมไซน์โคไซน์ ที่ประกอบไปด้วย ปัจจัยจำนวนประชากร และปัจจัยจำนวนรอบค้นหา ต่อการปรับตัวควบคุมพีไอดีสำหรับระบบถัง 4 ถัง ในสภาวะต่าง ๆ และการทดลองที่ 3 จะนำปัจจัยที่เหมาะสมของวิธีการเรียนรู้จากสิ่งตรงข้ามร่วมกับอัลกอริทึมไซน์โคไซน์ในการทดลองที่ 2 กับปัจจัยที่เหมาะสมของวิธีอัลกอริทึมไซน์โคไซน์ และวิธีการหาค่าที่เหมาะสมของกลุ่มอนุภาคมาปรับตัวควบคุมพีไอดี แล้วเปรียบเทียบสมรรถนะของตัวควบคุมพีไอดีด้วยฟังก์ชันดัชนีสมรรถนะแบบปริพันธ์ (ITAE) และผลตอบสนองของระบบ 4 ถัง ในสภาวะต่าง ๆ ที่ได้ จากผลการทดลองพบว่า เมื่อใช้วิธีการเรียนรู้จากสิ่งตรงข้ามร่วมกับอัลกอริทึมไซน์โคไซน์ในการปรับตัวควบคุมพีไอดีเพื่อควบคุมระบบ 4 ถัง ค่าดัชนีสมรรถนะแบบปริพันธ์ (ITAE) ที่ได้โดยรวมดีกว่าค่าที่ Full Text : Download!

4.	ระบบการวัดขนาดไข่ไก่อัตโนมัติโดยใช้คอมพิวเตอร์ขนาดเล็ก [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : อรจิรา สิงห์ขจรวรกุล
	งานวิจัยนี้มุ่งเสนอระบบการวัดขนาดไข่ไก่โดยใช้คอมพิวเตอร์ขนาดเล็กหรือ Raspberry Pi เพื่อประสานระบบ Image processing ที่ทำหน้าที่จัดการและวิเคราะห์รูปภาพหรือวิดีโอที่ถ่ายโดย Pi camera ระบบจะทำการแปลงภาพให้เป็นข้อมูลแบบดิจิทัลโดยใช้ภาษา Python และเครื่องมือ Open-CV และได้ผลลัพธ์เป็นข้อมูลเชิงปริมาณผรวมถึงสั่งการให้ควบคุมเครื่องจักรกลผ่านโปรแกรม Real-VNC Viewer ที่จะแสดงผลข้อมูลต่างๆ โดยระบบนี้ต้องมีค่าพารามิเตอร์เพื่อคำนวณขนาดของไข่ไก่ที่ได้จากระบบให้เป็นน้ำหนักเพื่อคัดแยกขนาดของไข่ไก่ได้ เหตุผลที่ทำให้เกิดงานวิจัยนี้คือเพื่อสร้างระบบที่สามารถต่อยอดเข้ากับอุตสาหกรรมซึ่งอาจสร้าง Smart farm หรือ เกษตรอัจฉริยะในอนาคตที่มีต้นทุนต่ำและมีประสิทธิภาพ ทำให้เกษตรกรสามารถลดต้นทุนและทำงานได้สะดวกสบาย โดยที่มีความถูกต้องสูง ในปัจจุบันอุตสาหกรรมขนาดเล็กมักใช้น้ำหนักเป็นตัววัดขนาดไข่ไก่และใช้งานคนในการคัดแยกไข่ไก่งานวิจัยนี้มุ่งหวังที่จะพัฒนาระบบที่ใช้ Raspberry Pi เพื่อหาขนาดของไข่ไก่และสามารถคัดแยกขนาดของไข่ไก่โดยอัตโนมัติในอุตสาหกรรมขนาดเล็กหรือ SME ในงานวิจัยนี้ มีความถูกต้องอยู่ที่ร้อยละ 97.4022 Full Text : Download!

5.	การบูรณาการวิธีสายงานวิกฤตและแรงงานหลายทักษะสำหรับการ จัดการโครงการก่อสร้างแบบซ้ำด้วยวิธีการจำลองสถานการณ์ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : พัสฝน ในจิต
	งานวิจัยนี้มุ่งเน้นการแก้ไขปัญหาในการก่อสร้างโครงการบ้าน 2 ชั้นที่มีลักษณะซ้ำกันโดยใช้วิธีเส้นทางวิธีวิกฤติ (Critical Path Method) และกลุ่มคนงานที่มีทักษะหลายอย่างเพื่อลดจำนวนคนงานและเพิ่มประสิทธิภาพในการใช้ทรัพยากร โครงข่ายของกิจกรรมในการก่อสร้างถูกสร้างขึ้นด้วยซอฟต์แวร์ Arena Simulation ซึ่งทำให้สามารถจำลองและเปรียบเทียบการใช้งานของแรงงานที่มีทักษะเพียงหนึ่งทักษะและแรงงานที่มีทักษะหลายอย่างสำหรับโครงการก่อสร้างบ้าน 20 หลัง ผลลัพธ์แสดงให้เห็นว่าแรงงานที่มีทักษะเพียงหนึ่งทักษะใช้คนงาน 25 คน และมีค่าใช้จ่ายที่คนงานว่างงานโดยเฉลี่ยเป็น 58 เปอร์เซ็นต์ในขณะที่แรงงานที่มีทักษะหลายอย่างใช้คนงาน 14 คนและมีค่าใช้จ่ายที่คนงานว่างงานโดยเฉลี่ยเป็น 4.9 เปอร์เซ็นต์ สำหรับกรณีการทำงานของคนงานที่มีหลายทักษะผลลัพธ์ที่ดีที่สุดคือค่าใช้จ่ายของคนงานว่างงานโดยเฉลี่ยเป็น 26.93 เปอร์เซ็นต์ ซึ่งในกรณีที่มีคนทำงานมีหลายทักษะดีกว่ากรณีที่มีแรงงานที่มีทักษะเพียงหนึ่งทักษะ Full Text : Download!

6.	การพัฒนาระบบจำแนกยาสามัญและยาต้นแบบ โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : ภัทรภณ เลาหกิจวิฑูร
	ในโครงสร้างสาธารณสุขของประเทศไทย ปัญหาการจ่ายยาโดยไม่ระบุชื่อยาหรือการให้ข้อมูลยาที่จำเป็นไม่เพียงพอบนซองยาจากระบบบริการสุขภาพ เป็นหนึ่งในสาเหตุที่สำคัญของการเกิดเหตุการณ์ที่ไม่พึงประสงค์จากการใช้ยา (Adverse Drug Events) จนส่งผลกระทบที่อาจทำให้การรรักษาโรคไม่มีประสิทธิผล เกิดอาการถดถอยหรือมีอันตรายถึงชีวิต หนึ่งในกลวิธีที่ผู้ประกอบการมักใช้ประโยชน์จากปัญหาเหล่านี้ คือ การเลือกจ่ายยาสามัญแทนยาต้นแบบที่รูปลักษณ์ภายนอกที่คล้ายคลึงกันไม่สามารถแยกแยะได้โดยง่าย แต่มีต้นทุนที่ราคาถูก มีคุณภาพในการรักษาที่ด้อยกว่า ซึ่งอาจเกิดจากวัตถุดิบที่มาจากต่างแหล่งแม้จะมีตัวยาสำคัญที่เป็นชนิดเดียวกัน หรือกรรมวิธีการผลิตที่ยาสามัญบางตัวไม่มีแม้ขั้นตอนการตรวจสอบประสิทธิภาพการรักษาหรือผลข้างเคียงที่เกิดจากการใช้ยา ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค์ในการสร้างเครื่องมือต้นแบบที่ใช้จำแนกระหว่างยาต้นแบบและยาสามัญโดยใช้โครงข่ายประสาทเทียมแบบ Convolutional Neural Network (CNN) ที่กำลังเป็นที่นิยมอันเนื่องมาจากความสามารถในการจดจำ และสกัดคุณลักษณะสำคัญ (Feature Extraction) จากวัตถุในรูปภาพที่สามารถนำมาประยุกต์ใช้กับงานด้านต่างๆ โดยเฉพาะในสาขาคอมพิวเตอร์วิทัศน์ (Computer Vision) มาสร้างเป็นโมเดลการเรียนรู้เชิงลึกเพื่อใช้ในการจำแนกยาสามัญและยาต้นแบบ พร้อมทำการทดสอบเปรียบประสิทธิภาพในการใช้งานกับ โมเดล CNN ที่สร้างจากเทคนิค Transfer Learning จากโมเดลที่มีอยู่เดิม 3 ชนิดได้แก่ VGG16 InceptionV3 และ Resnet50v2 เพื่อหาโมเดล CNN ที่มีประสิทธิภาพการจำแนกสูงสุด โดยใช้ข้อมูลรูปภาพที่ประกอบไปด้วยยาต้นแบบและยาสามัญจำนวน 26 ชนิด ผลลัพธ์ที่ได้จากการทดลองโมเดล CNN ที่สร้างโดยเทคนิค Transfer learning จากโมเดล ResNet50-v2 Full Text : Download!

7.	การตรวจจับโรคของใบข้าวโดยใช้ Deep Learning [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : พัณณิศา วานิช
	งานวิจัยฉบับนี้นำเสนอเกี่ยวกับการตรวจจับชนิดของโรคบนใบข้าว โดยที่ผู้วิจัยเลือกการจำแนกชนิดของโรคบนใบข้าวเพื่อให้เป็นประโยชน์กับเกษตรกร ให้สามารถจำแนกชนิดของโรคบนใบข้าวได้ สามารถแก้ไขได้ถูกต้องเมื่อทราบว่าเป็นโรคชนิดใด ลดความสูญเสียในกระบวนการ เพื่อลดต้นทุนในการผลิตข้าวในแต่ละรอบ โดยที่งานวิจัยนี้จำแนกชนิดของโรคบนใบข้าวทั้งหมดจำนวน 4 ชนิดคือ โรคใบไหม้ ใบจุดสีน้ำตาล ใบขีดสีน้ำตาล และใบสุขภาพดี โดยใช้ Deep Learning การนำ Model Deep learning ตรวจจับเป็นวิธีที่มีประสิทธิภาพสูงในการวิเคราะห์ภาพและจำแนกข้อมูลซับซ้อน โดยผู้วิจัยเก็บรวบรวมตัวอย่างชุดข้อมูลรูปภาพของโรคแต่ละชนิดที่จำเป็น เพื่อให้โมเดลมีความแม่นยำเพิ่มขึ้น โมเดลที่นำเสนอในงานวิจัยอาศัยโครงข่ายประสาทเทียม โดยใช้พื้นฐานโมเดล DenseNet121 และเพิ่มเติม Dense Layer และ Batch Normalization ผู้วิจัยได้ฝึกฝนโมเดล ResNet50, ResNet50V2, VGG16, VGG19 และ MobileNetV2 เพื่อเปรียบเทียบผลการฝึกฝนและการทำนาย ซึ่งผลค่าความถูกต้อง (Accuracy) ของโมเดลที่นำเสนอในงานวิจัยจากการฝึกฝนอยู่ที่ร้อยละ 91.20 Full Text : Download!

8.	อิทธิพลของทิศทางการวางชิ้นงานต่อความคลาดเคลื่อนของ รูปทรงในกระบวนการกัดด้วยแขนหุ่นยนต์ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : ภานุภพ ศรีสม
	งานวิจัยนี้มุ่งเน้นศึกษาอิทธิพลของทิศทางการวางชิ้นงานที่มีผลต่อความเที่ยงตรงของชิ้นงานที่ถูกกัดด้วยแขนหุ่นยนต์แบบ 6 แกน ยี่ห้อ ABB รุ่น IRB 6640 บนวัสดุโฟม EPS เกรด 2.0 โดยชิ้นงานถูกจัดวางใน 2 ทิศทางประกอบด้วย ทิศทางวางขนานแกน X และ ขนานแกน Y ชิ้นงานออกแบบให้มีลักษณะ 2 รูปทรง ให้สอดคล้องกับเกณฑ์ความคลาดเคลื่อนของรูปร่าง ทิศทาง ตำแหน่ง และความไม่ได้ระนาบ ตามข้อกำหนด GD&T เพื่อให้สามารถหาความสัมพันธ์ของทิศทางการวางที่มีผลต่อความคลาดเคลื่อนจากการกัด รูปทรงชิ้นงานประกอบด้วย รูปทรงผิวโค้งอิสระ และ รูปทรงเรขาคณิต การตรวจวัดค่าความคลาดเคลื่อนของมิติ และ รูปทรงใช้เครื่องมือวัดแบบ 3 มิติ ยี่ห้อ Mitutoyo รุ่น CRYSTA-Apex 9108 ทำการวัดด้วยหัวโพรบเส้นผ่านศูนย์กลาง 5 มิลลิเมตร ผลการวัดบ่งชี้ให้เห็นว่าทิศทางการจับวางชิ้นงานสำหรับการกัดผิวโค้งอิสระมีค่าความคลาดเคลื่อนไม่แตกต่างกัน โดยมีระยะความคลาดเคลื่อนที่เกิดขึ้นมีค่าเฉลี่ยอยู่ที่ 2.1476 มิลลิเมตร และ 2.6643 มิลลิเมตร ในจัดวางแนวขนานแกน Y และ จัดวางแนวขนานแกน X ตามลำดับ ชิ้นงานรูปทรงเรขาคณิตมีผลการวัดชี้ให้เห็นว่าทิศทางการวางชิ้นงานทั้ง 2 รูปแบบ มีค่าความคลาดเคลื่อนจากระยะที่ออกแบบเป็นไปในทิศทางเดียวกัน จากข้อมูลที่ได้จากงานวิจัยชิ้นนี้สามารถนำไปใช้เป็นแนวทางในการพิจารณาวางแผนสำหรับการกัดชิ้นงานด้วยแขนหุ่นยนต์ได้ Full Text : Download!

9.	การพัฒนาระบบเปลี่ยนเลนฉุกเฉินสำหรับรถยนต์ขับเคลื่อนอัตโนมัติ ด้วยวิธีการควบคุมแบบคาดการณ์ล่วงหน้า กรณีศึกษา รถยนต์บังคับวิทยุขนาด 1:10 [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : ธนโชติ โกลาซ
	เทคโนโลยีรถยนต์ขับเคลื่อนอัตโนมัติมีศักยภาพในการเพิ่มความแม่นยำในการขับขี่อย่างมีนัยสำคัญ และเพิ่มความปลอดภัยบนท้องถนน หนึ่งในคุณสมบัติพื้นฐานของเทคโนโลยีนี้ คือ ระบบการเปลี่ยนช่องจราจรฉุกเฉินแบบอัตโนมัติ ซึ่งช่วยให้ยานพาหนะสามารถหลบหลีกสิ่งกีดขวางได้อย่างราบรื่นและปลอดภัย วิทยานิพนธ์นี้จึงมุ่งเน้นศึกษาการสร้างวิถีโคจรของยานพาหนะสำหรับการหลบหลีกแบบฉุกเฉินที่มีเสถียรภาพและปลอดภัยภายใต้วิถีโคจรที่เหมาะสม โดยมีวัตถุประสงค์ เพื่อศึกษาตัวแปรที่มีผลต่อการควบคุมเสถียรภาพความเร็วในการเข้าโค้งของแบบจำลองรถยนต์บังคับวิทยุขนาด 1:10 ในระหว่างการเปลี่ยนช่องจราจรแบบฉุกเฉินด้วยตัวควบคุมแบบคาดการณ์ล่วงหน้า (Model Predictive Control: MPC) โดยแบบจำลองจักรยานพลศาสตร์ถูกนำมาใช้ในการจำลองพลศาสตร์ยานยนต์ ผ่านการสร้างแบบจำลองบนโปรแกรม MATLAB & Simulink® โดยสร้างวิถีโคจรและมุมหันเหชั่วขณะด้วยสมการพหุนามกำลังห้า กำหนดเงื่อนไขการทดลองภายใต้ความเร็วตามแนวยาวตั้งแต่ 0.5 ถึง 2 เมตรต่อวินาที และการกำหนดตัวแปรของสมการวัตถุประสงค์ (Cost function, J) ของตัวควบคุมแบบคาดการณ์ล่วงหน้า (MPC) ภายใต้ขอบเขตการควบคุม (Control horizon) เป็น 20 % ของขอบฟ้าการทำนาย (Prediction horizon) ที่ 15 วินาที พบว่า เงื่อนไขการปรับแต่งตัวแปรของสมการวัตถุประสงค์ที่เหมาะสม ประกอบไปด้วย 1) การกำหนดข้อจำกัดของมุมบังคับเลี้ยว (u_δ) ตามลักษณะทางกายภาพของยานพาหนะ 2) การปรับแต่งน้ำหนักเอาต์พุตของตำแหน่งแนวขวาง (Q_(y_y )) มากกว่าน้ำหนักเอาต์พุตของมุมหันเห (Q_(y_ψ )) และ 3) การปรับแต่งน้ำหนักอินพุตของมุมบังคับเลี้ยว (R_(u_δ )) น้อยกว่าน้ำหนักเอาต์พุตของมุมหันเห (Q_(y_ψ )) แบบ Robust ส่งผลให้ตัวควบคุม MPC สามารถรักษาเสถียรภาพของวิถีโคจรอยู่ Full Text : Download!

10.	การพัฒนาระบบวิเคราะห์เสถียรภาพทางโค้งของรถยนต์อัตโนมัติ กรณีศึกษา รถยนต์บังคับวิทยุขนาด 1:10 [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : วุฒิพงศ์ สมคุณากรกุล
	การสูญเสียเสถียรภาพระหว่างการเข้าโค้งนั้นถือเป็นหนึ่งในสาเหตุสำคัญของการเกิดอุบัติเหตุทางถนนของรถยนต์ โดยการเสถียรภาพทางโค้งสามารถจำแนกได้เป็น อาการดื้อโค้ง (Understeer) และ อาการไวโค้ง (Oversteer) ในการรักษาเสถียรภาพระหว่างการเข้าโค้งนั้นต้องอาศัยประสบการณ์และสภาพความพร้อมของผู้ขับเป็นหลัก ทว่า การลดอุบัติเหตุบนท้องถนนอย่างยั่งยืนนั้น รถยนต์อัตโนมัติเข้ามามีบทบาทสำคัญในการบรรลุเป้าหมายนี้ โดยหนึ่งในระบบที่มีความสำคัญสำหรับการตัดสินใจเคลื่อนที่ของรถยนต์ คือ ระบบการตรวจการสูญเสียเสถียรภาพระหว่างการเข้าโค้ง ดังนั้น วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อออกแบบระบบการตรวจจับการเสียเสถียรภาพทางโค้งของรถยนต์ โดยใช้แบบจำลองรถยนต์บังคับวิทยุอัตราส่วน 1:10 ในการศึกษาและได้ทำการติดตั้งเซนเซอร์การวัดความหน่วง (Inertia measurement unit) 6 แกน และประมวลผลบนบอร์ด Raspberry PI 4 ด้วยการใช้แบบจำลองจักรยานบนระนาบ (Bicycle planar model) มาเพื่อวิเคราะห์ลักษณะการสูญเสียเสถียรภาพทางโค้ง ผ่านการคำนวณค่าสัมประสิทธิ์การลื่นไถล (Sideslip coefficient) เพื่อให้ได้ปัจจัยเสถียรภาพของตัวรถ (Stability Factor) สำหรับจำแนกลักษณะการสูญเสียเสถียรภาพทางโค้งภายใต้ความเร็วขณะเข้าโค้งแบบทันที การทดลองวิ่งเข้าโค้งนั้นจะใช้การกำหนดระดับวัฏจักรการทำงานของมอเตอร์ขับเคลื่อน (Duty cycle) เป็นตัวกำหนดความเร็วเชิงเส้นของตัวรถ โดยพบว่าระบบสามารถตรวจวัดอาการหน้าดื้อโค้ง (Understeer) ในช่วงที่แบบจำลองรถยนต์เข้าโค้งความเร็วเฉลี่ยประมาณของรถระหว่าง 2 - 8 m/s เมื่อเพิ่มความเร็วเฉลี่ยของรถเกิน 10 m/s ระบบได้ตรวจพบอาการไวโค้ง (Oversteer) ซึ่งจากผลการทดลองสามารถยืนยันได้ว่าระบบวิเคราะห์เสถียรภาพสามารถวิเคราะห์การสูญเสียเสถียรภาพทางโค้ Full Text : Download!

Total 10 Record 1

ABOUT

CONTACT INFO