2022年

將黏滯流體放入空心帶軸圓盤中(稱作黏流滾擺)，以繩繞軸芯捲至25.17 cm高度落下，實驗發現填充量為22.500 %~87.500 %時，相對其他填充量以非常緩慢的速度落下且不會彈跳，而圓盤角速度具有週期性，並整合參考文獻理論公式分析邊界層對圓盤運動的趨勢，發現若邊界層變薄則讓液體質心處於α>0，滾擺加速滾動，若變厚，則反之。當釋放高度大於8.55cm無彈跳填充範圍將維持在22.500 %~87.500 %，不受高度影響。而黏流滾擺落下的時間約為空圓盤的122倍。改以黏滯性較小的水作為填充液體則不存在無彈跳填充區域。若改以填充混和質量濃度比例100:6及100:20的黏滯流體與水，則可發現臨界線向左偏移。若填充液體改為固態粒子(細沙)，實驗發現填充比例為4.242 %~93.196 %時，細沙滾擺會固定於高空中而不落下。比較黏滯流體、水、細沙三種填充物質，黏滯流體緩衝效果與穩定性最佳。

本研究從餐廳截油槽中採菌，並以含Tween80及Ca2+培養基篩選出具lipase的五種菌。進一步在大豆沙拉油與豬油中培養，發現一號菌及二號菌有較佳的分解能力，二號菌最佳，且二號菌在分解沙拉油(6.0%)的能力大於豬油(4.9%)。將此兩種菌進行深入探討，發現二號菌在處理截油槽中的廢油效能上優於一號菌，且當一、二號菌混合時更佳；於不同油脂Nutrient Broth 培養基的生長情況，二號菌表現比一號菌好。經定序後比對序列後，推斷一號菌接近Serratia marcescens，二號菌較接近Serratia grimesii。總結一、二號菌是具備油脂分解潛力的菌種。 未來規劃，將菌加入自行設計的油脂分解截油槽，比較計算其分解能力，運用於含油脂的廢水處理，減少環境汙染。

人們每天依靠著車輛往來各地，在帶來各種便利的同時，卻也伴隨著各種安全隱憂。本研究想要預防因駕駛轉向過於劇烈所導致的車輛翻覆行為，因此設計自動控制系統以避免車輛因轉向過於劇烈所導致的車輛翻覆行為。本研究利用車輛模型模擬轉向時車輛側向加速度的變化，根據模擬結果設計控制策略。控制目標為希望能降低車輛轉向時的側向加速度，進而避免翻車。控制策略分為門檻式控制策略與連續控制策略。控制系統輸入訊號為車輛側向加速度，而輸出訊號為車輛左右兩後輪馬達的扭矩訊號。控制系統只需要偵測車輛的側向加速度即可推得車輛轉向的時間點，並在車輛有較高可能翻覆時，根據控制策略予以車輛馬達扭矩輸出訊號的限制，避免轉向時側向加速度過高導致翻車。

本研究實現一個真空中操作的小型磁浮軸承飛輪儲能系統，並探討其特性。為了延長能量保持時間、提高效率，我們分析了導致旋轉動能損失的因素。在自然減速測試中，於大氣環境操作的飛輪其阻力力矩隨轉速呈二次方增加；在真空環境中，阻力力矩隨著轉速的增加緩慢，約為線性關係。我們並發現馬達與發電機組導線中的渦電流損耗是真空中飛輪減速的主要因素。以多芯線圈取代單芯線圈後，待機時間延長為3 倍，自然減速至停止的時間在 8 小時以上，可以持續20分鐘供電1.3瓦。這項研究的結果可應用在電網中儲存能量的全尺寸飛輪。

本文主要在探討如何將二維Lill Path的性質推廣至三維。和二維Lill Path的結論相同，我們證明若有一自原點出發的射線在多項式函數f(x)的三維Lill Path進行反射（依三維Lill Path反射規則），且此射線通過三維Lill Path終點，則其充要條件為f(x)=0有一實根(-tan⁡θ )，其中θ為射線與三維Lill Path圖形所夾的角度。我們仿照參考資料[2]的方式，證明了若多項式所對應之三維Lill Path圖形是封閉的，則其充要條件為此多項式有一因式為(x^3+1)；同時，我們解決了參考資料[2]中教授所提到的一個問題：當路徑夾角不為π/2，且其三維ϕ-Lill Path圖形為封閉的，則其充要條件為多項式有一因式為 [x^3-(cos⁡ϕ ) x^2-(cos⁡ϕ )x+1]。

本研究使用半監督式機器學習搭配卷積神經網路來訓練核心模型，並將星系的圖片加入模型裡，讓電腦自動判斷出該星系的種類為何。我使用自行設計的CNN架構以及VGG-16當作我的卷積神經網路架構。資料集來源為EFIGI和Galaxy Zoo 2。我分為兩種任務，第一種任務是讓模型能分辨橢圓 (E)、螺旋 (S)、不規則 (I) 這三種類別的星系，訓練資料共有2,468張照片，最後的正確率能達到94%。第二個任務是將8種的星系照片(E、S0、Sa、Sb、Sc、SBa、SBb、SBc)進行分類，並使用自動編碼器作為預訓練，使用1,923張EFIGI的圖片以及1,258張Galaxy Zoo 2的照片當作訓練資料。由於各星系照片有許多外觀太過相似，測試準確度最高達到54.12%，基於我的研究，星系自動化辨識於天文學上應該有相當大的運用空間。

我們設計了一款透過壓電片與摩擦片收集資料的智慧鞋，壓電片嵌入在鞋底，摩擦片安裝在前腳掌，兩者並聯。當人行走時，感測器會被擠壓變形，藉由DAQ（數據採集）收集感測器的電壓輸出，可顯示出正常步行、快走、慢跑和漫步等活動的訊息，利用時變電壓形式的輸出數據，與能夠識別時域信號的CNN深度學習（卷積神經網絡）進行不同類型步態辨識。 實驗結果顯示此方法可以辨檢測這四種步態，其辨識率高達95%。訓練好的CNN可同時辨識個人身份與步態。結果顯示，識別快走時辨識率極高，識別正常步行和漫步時辨識率為90%，識別慢跑時辨識率僅達49%。因此，我們未來預計將提高同時辨識不同受試者與不同步態之辨識率，並透過壓電能量擷取器為藍牙模組供電。

本研究藉由觀察及設計掉落式陷阱分析校園內螞蟻生物多樣性，發現校園螞蟻種類多達12種，而其中「新皺家蟻」經專家鑑定為全臺新記錄，而其特徵與同屬螞蟻不同處為觸角節數，「新皺家蟻」為11節，其餘皆為12節；而前伸腹節刺與同屬蟻種均不相同，「新皺家蟻」及日本皺家蟻皆為一巢多后制，前者依營養需求轉換進食對象，後者偏好肉類蛋白質。在養殖時發現其反抗能力相對於同屬蟻種差，且工蟻大多時候都在偷懶，深入探討後發現牠們是在等待任務，但當積極工蟻疲勞時或危急情況發生時，承當替補或應對者。由於偷懶工蟻在特定情況下變得積極，故以「行為次數」進行分析比「偷懶工蟻比例」更能呈現工蟻的偷懶程度，新皺家蟻偷懶行為發生率約84％，偷懶工蟻比例約40％。工蟻越接近死亡越不偷懶，但偷懶行為不受族群組成影響。而雄、雌蟻只負責延續族群。

AtSAP5是阿拉伯芥中壓力相關蛋白(Stress Associated Protein)的成員之一，其表現與鹽分、乾旱、滲透壓、病毒等壓力相關。已知 SALK053644 突變株的SAP5表現量上升，此突變株的T-DNA嵌入於SAP5的3’UTR，我提出的假設是T-DNA破壞了他原本長3’UTR的NMD特性，造成SAP5的表現量改變。本研究將SAP5的3’UTR引入報導基因GFP中，利用菸草的短暫性表現了解不同3’UTR對於表現量的影響。本研究定序了T-DNA嵌入在SALK053644的位置，研究結果顯示SAP5的3’UTR受到NMD機制調控，而SALK053644的T-DNA上有一個新的SAP5多腺苷酸化位點，使用此位點的mRNA可能不會被NMD機制所降解，進而造成SAP5表現量上升。我提出三種可能的模式來解釋這樣的現象，分別是(1)T-DNA造成SAP5轉錄量上升，(2)T-DNA改變多腺苷酸化位點的使用，(3)T-DNA破壞SAP5 3’UTR後方的NMD特徵，相關的研究發現有助於了解可能影響SAP5基因表現之調控因素，也指出未來的研究方向。

本研究從電梯的運行方式，電梯的加速、等速、減速運動的時間、電梯開關門的時間，透過物理運動學的角度計算電梯等待時間的期望值。有別於一般從排隊理論的角度切入，本研究將電梯視為主體，以函數及微積分作為工具，分析電梯行駛路徑，以及乘客所需的等待時間。接著，研究者討論有一個外人同時要搭電梯的情況，將電梯運行的方式分類討論，以貼近現實生活。研究者希望透過本研究，能使乘客及管理者明白等待電梯所需的時間，進而作為是否增設電梯或限定樓層停靠的依據。應用本研究的結果，可分析百貨公司顧客等待電梯的時間，以提升顧客的購物體驗，或是在醫院中，分析急需使用電梯病患的等待時間，以增加可用的救援時間。