【机器人学习】 码垛机器人轨迹规划

三维模型
【机器人学习】 码垛机器人轨迹规划_第1张图片

第1章 码垛机器人轨迹规划
1.1 轨迹规划与仿真
1.1.1 机器人模型建立
所设计的机器人由多个连杆机构组成,其关节类型包括旋转关节和移动关节两种。利用Matlab中机器人仿真工具箱Robotics Tool中Link和SerialLink两个函数可建立上肢康复机器人模型[ ] 。其中,Link函数表达式如下:

式中,theta为关节变量;d为偏置距离;alpha为扭转角;a为连杆长度;sigma表示关节类型(0为旋转关节,1为移动关节);modified表示采用改进的D-H建模法,即前置坐标系法。前四个参数分别对应表1中的 , , , 。
具体程序编制如下:

Clear %情况matlab软件的数据缓存,避免影响本次运行
Clc %清空运行窗口的数据
L(1)=Link([0      0       1.28    pi/2      0     ]);
L(2)=Link([pi/2    0        1.28     0         0     ]);
L(3)=Link([0       0        1.35    0      0     ]);
L(4)=Link([0       0    1.2        0      0     ]);
robot= SerialLink(L, 'name' , '码垛机器人');    %建立码垛模型
robot.display();  %显示建立的机器人的DH参数
robot.plotopt={'workspace',[-6,6,-6,6,-6,6],'tilesize',6};  %设置模型空间大小和地砖大小
robot.teach;       %画出模型并进行调控

运行上述程序,即可得到码垛机器人模型如图 3-3
【机器人学习】 码垛机器人轨迹规划_第2张图片

                                       图 3 3码垛机器人模型

1.1.2 机器人运动轨迹规划
本文所设计的码垛机器人是一种RRP机构,即两个旋转自由度+一个平移自由度组成。机器人想要按指定的轨迹进行运动,就需要进行轨迹规划,提前将机器人每个自由度的运动情况设定好,这也是本文研究的重点内容。
已知,轨迹规划可以在关节空间或者笛卡尔坐标空间进行[ ]。在关节空间进行轨迹规划,虽然方法简单,不会产生奇异点,但是,却不能使机器人末端产生精确的轨迹;而在笛卡尔坐标空间进行轨迹规划,虽然可以规划机器人末端位姿,准确实现运动路径。
笛卡尔坐标轨迹规划的方法有很多种,现在采用两种方法进行对比分析:五次多项式轨迹规划和匀加速匀减速方法。
已知P1起点和P2终点,并设置40步进行规划

init_ang=[0 pi/5 -pi/6 -pi/6 0];%p1起点
targ_ang=[pi/2 pi/4 -pi/2 -pi/4 0];%p2终点
step=40;%轨迹分为40步
a)	五次多项式轨迹规划
%jtraj,已知初始和终止的关节角度,利用五次多项式来规划轨迹。
[q,qd,qdd] = jtraj(init_ang, targ_ang, step);

通过matlab运行上述程序,得到下列运动轨迹、位置曲线图、速度曲线图和加速度曲线图,如下图所示:
【机器人学习】 码垛机器人轨迹规划_第3张图片【机器人学习】 码垛机器人轨迹规划_第4张图片
机器人实际运动轨迹

机器人每个自由度运动曲线图
从上图可知,五次多项式轨迹规划的位置曲线图、速度曲线图和加速度曲线图的曲线都很平滑,机器人在运动过程中也会很平稳,不会出现很大的冲击,对机械结构的要求也很低,因此此方方法较好。
b) 匀加速匀减速轨迹规划

%figure(3)
p1 = robot.fkine(init_ang);%运动学正解
p2 = robot.fkine(targ_ang);%运动学正解
Tc=ctraj(p1,p2,step);%运用的是匀加速匀减方法

【机器人学习】 码垛机器人轨迹规划_第5张图片

通过matlab运行上述程序,得到下列运动轨迹、位置曲线图、速度曲线图和加速度曲线图,如下图所示:
【机器人学习】 码垛机器人轨迹规划_第6张图片

机器人实际运动轨迹
机器人每个自由度运动曲线图
从上图可知,匀加速匀减速轨迹规划的位置曲线图、速度曲线图都很平滑,但是和加速度曲线图曲线有突变情况,也符合匀加速匀减速的规律,说明轨迹方法的正确行。
结论:对匀加速匀减速轨迹规划与五次多项式轨迹规划的方法,可知该码垛机器人轨迹规划更适合材料五次多项式轨迹规划的方法。

下载链接包括:完整matlab程序+word报告+码垛机器人solidworks模型
咨询链接:matlab正逆运动学分析与轨迹规划

你可能感兴趣的:(机器人学习,机器人,学习,人工智能)