【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制

文章目录

  • 运动学
    • 机器人运动学参数标定(DH参数标定)
    • 运动学逆解
      • 解析解
      • 数值解
    • 工作空间分析
    • 可操纵性
    • 轨迹规划
    • 路径规划
  • 静力学
  • 动力学
    • 动力学模型
    • 动力学仿真
      • 自由下落
      • 遇到跳床
      • 重力补偿
    • 动力学参数辨识
  • 控制
    • 位置控制
    • 力控制
      • 力位置混合控制
      • 阻抗控制


本篇博客主要是从机器人学入门出发,以二连杆机构为例,对机器人运动学,动力学和控制进行说明。既是复习也算是科普。

因此都只给出结果,有问题欢迎评论私信。


运动学

运动学部分比较简单,本篇博文是基于DH参数进行建模的,二连杆的机械模型如下。关于DH建模的更多细节可以参考我的另一篇博文->【机器人学】机器人运动学基础。

除此之外,为了计算的简便,越来越多的人开始使用PoE进行建模,关于PoE建模的方法可以参考我的这篇文章->【机器人学】基于PoE模型的串联机械臂UR5的正运动学、微分运动学和逆运动学,其中基于PoE模型对UR5进行了运动学分析。

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第1张图片

说到DH参数就涉及到了机器人DH参数标定的问题。

机器人运动学参数标定(DH参数标定)

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第2张图片

同时给出辨识后的结果:

可以清晰的看出,辨识后的机器人精度更高了。高自由度的机械臂,例如,六自由度且相邻转轴出现平行的情况,可以参考我的另一篇博文->【【机器人算法】机器人运动学参数辨识/DH参数校准/DH参数辨识

运动学逆解

由于是2自由度,因此只考虑位置。

解析解

一般都是用几何法求解。其中需要注意的是构型的选择,elbow up和elbow down两种,同时需要注意三角函数对解的范围的限制。高自由度的机械臂,例如,七自由度的可以参考我的另一篇博文->【机器人学】冗余七自由度机械臂的解析解逆解算法

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第3张图片

数值解

一般都是用雅可比矩阵(广义逆)进行迭代。这里也不举例了。
具体算法可以参见我的另一篇博文->【机器人学】机械臂数值解逆解

工作空间分析

这里设关节限位为(-pi/2,pi/2)
【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第4张图片

关节限位为(-pi,pi)的情况:
【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第5张图片

可操纵性

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第6张图片

可操纵性度量:

轨迹规划

这里给出一种在笛卡尔空间的轨迹规划,用的是数值解来迭代。

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第7张图片

路径规划

这里直接给出一种,RRT算法在关节空间的路径规划(效率更高),其中包括了碰撞检测。其中关于RRT算法可以参考我的另一篇博文->【路径规划】RRT(Rapidly-exploring Random Trees)算法、关于碰撞检测算法可以参考我的另一篇博文->【算法】基于包围盒的机器人碰撞检测
RRT算法的展示如下:
【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第8张图片
实际运行效果如下:
【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第9张图片
关节轨迹:

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第10张图片

静力学

静力学其实就是“虚功原理”,更多的体现在动力学中,这里没什么可展示的。

动力学

首先是动力学模型的建立,建立动力学方程推荐使用牛顿欧拉法,计算量更小,更方便计算机迭代运算。

动力学模型

拉格朗日法和牛顿欧拉法的结果是相同的,动力学方程如下:

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第11张图片

但是在常见的控制及参数辨识过程中,方程通常写为如下形式:

这里我们暂且不考虑摩擦力。

C虽然是可以随便选择的,但是应当符合动力学模型的典型性质。
求得的离心力和科氏力相关的C及动力学模型的典型性质如下:

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第12张图片

这个性质称之为动力学模型的反对称性。

得到动力学方程后,我们就可以利用动力学方程进行控制和优化了。

动力学仿真

根据机器人的动力学方程可以做动力学仿真如下:
这里主要给出2连杆在只受重力的作用下自由下落、遇到“跳床”和重力配平。

自由下落

可以看出在重力的作用下2连杆的自由下落过程。

遇到跳床

可以看出在重力的作用下2连杆的自由下落时遇到弹簧的运动过程。

重力补偿

可以看出在有重力的作用下,进行了重力配平,2连杆并没有落下。

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第13张图片

说到动力学其中的一个难点就是动力学参数辨识。

动力学参数辨识

动力学参数辨识是一个比较复杂的难点,这里另开一章进行讲解->【机器人算法】机器人动力学参数辨识

控制

这里的控制都是基于机器人动力学。

位置控制

这里的位置控制是PD控制。

对比实际轨迹和期望轨迹可以看出,实际轨迹出现交大偏差,简单来说这主要是由于PD参数调的不好(这里的PD参数是根据经验调出的)。

至于“调PID的东西”,属于机械臂的运动控制的范畴,大致可以分为:

  • 多关节分散控制:不考虑连杆的动力学(只考虑重力),然后调节PID参数。这里可以参考->【运动控制】机械臂的分散控制(Decentralized Control)
  • 多关节集中控制:考虑连杆动力学,基于状态方程“调节PID”。-> 【运动控制】机械臂的集中控制(Centralized Control)

其中电机建模的基础可以参见:-> 【运动控制】直流电机的建模与位置控制和力控制

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第14张图片

力控制

机器人里力控主要可以归类为三个:

  • 力控制:给出目标力去跟踪;
  • 力位混合控制:力和位置相互正交,相互独立,控制律简单。
  • 阻抗控制:属于一种“没有目标”的控制,适用于人机交互。

力位置混合控制

根据仿真结果可以看出,机械臂末端在接触墙壁时,同时进行了力的控制(约200N)

控制力为:

【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第15张图片

阻抗控制

首先看结果,其中黄色虚线为指令轨迹,可以看出机械臂在撞击墙壁时,机械臂并没有出现不稳定的现象,这是由于阻抗控制的关系。
可以看出实际轨迹和指令轨迹误差较大,这是由于:

  • 阻抗刚度系数太小,但是太多在发生撞击时会不稳定。
  • 没有重力配平
【机器人算法】机器人动力学、运动学和基于动力学模型的仿真与控制_第16张图片

再看整个运动过程:

你可能感兴趣的:(机器人,算法)