二、工业机器人动力学

机器人动力学描述的是关节力矩、动力学参数及关节运动的关系，用于机器人动力学建模的方法很多，如牛顿-欧拉方法、拉格朗日方法、凯恩方法、算子代数方法等。对于同一个机器人，无论采用何种建模方法，最终得到的动力学模型都是等价的，可以表示为：

$\tau _{dyn}=D\left ( q \right )\ddot{q}+C\left ( q,\dot{q} \right )+G\left ( q \right )%uFF082-1%uFF09$ （2-1）

其中 $D\left ( q \right )$ 为惯性项， $C\left ( q,\dot{q} \right )$ 为科氏力及离心力项， $G\left ( q \right )$ 为重力项，每一项都是机器人惯性参数与关节运动参数的函数。机器人的10个惯性参数可表示为向量的形式： $P_{iner}=\left ( I_{xx}, I_{xy}, I_{xz}, I_{yy}, I_{yz}, I_{zz}, H_{x}, H_{y}, H_{z}, m\right )$ ，其中，参数 $I_{xx}\sim I_{zz}$ 为机器人惯量矩阵 $I$ 中的6个参数， $H_{x}\sim H_{z}$ 为 $H=m\times \vec{r_{c}}=m\left ( r_{cx}, r_{cy}, r_{cz}\right )$ 的3个分量（ $\vec{r_{c}}$ 为质心向量）。上述9个量均包含（2-1）在 $D\left ( q \right )$ 及 $C\left ( q,\dot{q} \right )$ 项内， $m$ 表示质量，包含在 $G\left ( q \right )$ 项。

基于模型的控制方案主要包括计算力矩控制、动力学前馈控制等，要想通过这些控制方法实现对轨迹的完全精确跟踪，控制方法中的动力学模型必须与机器人实际的动态特性相符。而各种典型建模方法所得到的动力学模型（2-1），只是在理想情况下的结果。实际情况中，影响机器人动力学的因素很多，如加工、装配、材料分布不均等引起的偏差；关节弹性引起的变形所带来的运动学参数偏差；关节摩擦引起的摩擦力矩；由传动方案所引起的不同关节间的运动耦合等。这些因素中，很多无法进行精确建模。为了不增加动力学模型的复杂性，理想的动力学建模方法并未完全考虑这些因素的作用，因此所得到的动力学模型（1-2）与实际的机器人动力学特性是有偏差的。动力学模型的偏差映射到控制方案中，就会引起轨迹的跟踪误差。

2.1 动力学参数辨识

完整的动力学参数辨识主要包括动力学建模、动力学模型的线性化（辨识模型），辨识轨迹优化、辨识算法构造、参数采集与处理、试验验证等几个方面。不同辨识方案在建模、线性化、轨迹优化及试验验证方面没有太大区别，区别主要体现在辨识算法和采集方面。

就辨识算法而言，目前已有神经网络辨识，遗传算法辨识，最大似然估计辨识，卡尔曼滤波算法辨识，最小二乘法辨识等。

数据采集的区别主要体现在力矩的采集上，关节运动参数一般都是通过安装在电机上的编码器测得关节转角，再对关节转角进行微分得到角速度、角加速度。而力矩的采集大致分为两类，即力传感器直接测量及通过电机电流间接测量。对于直接测量，需要在几机器人关节安装力传感器，一般选在末端或基座处，一是因为其他关节在装配后没有安装力传感器的空间，另一方面，每个关节都安装测力传感器势必会大大增加辨识成本；间接测量是通过电机电流测测量值简介计算出电机的驱动力矩值，电机电流与驱动力矩满足：

$\tau _{in}=k\cdot i_{c}$

$\tau$ 为关节力矩， $k$ 为电机转矩常数， $i_{c}$ 电机驱动电流。不同测量方案对可辨识的参数类型及参数辨识过程有影响，而不同辨识算法仅对辨识精度有影响。

2.2 牛顿-欧拉动力学建模

牛顿-欧拉动力学方法基于两个基本方程，即力平衡方程以及力矩平衡方程，分别为：
$f_{c}=ma_{c}$

$n_{c}=I_{c}\cdot \alpha +\omega \times \left ( I_{c}\cdot \omega \right )$

$f_{c}$ 表示作用于机械臂质心处的合力， $a_{c}$ 表示机械臂质心的线加速度， $n_{c}$ 表示作用于机械臂质心处的合力矩， $I_{c}$ 表示相对机械臂质心表示的机械臂惯量矩阵， $\alpha$ 表示机械臂角的加速度， $\omega$ 表示机械臂角的角速度。

牛顿-欧拉动力学建模方法包括两部分，即正向运动学递推及反向动力学递推：

（1）正向运动学递推

角速度递推：

角加速度递推：

线加速度递推：

质心处线加速度：

其中， $_{i}^{i+1}\textrm{R}$ 表示第 $i$ 与第 $i+1$ 坐标系间的姿态转换矩阵， $^{i}\textrm{p}_{i+1}$ 表示第 $i$ 与第 $i+1$ 坐标原点间的距离向量， $^{i+1}\textrm{z}_{i+1}$ 表示 $i+1$ 关节的轴线方向， $\dot{q}_{i+1},\ddot{q}_{i+1}$ 均为关节变量，分别表示关节的角速度和角加速度，其他各符号含义同前，其中左上标代表参数在哪个坐标系表示，右下标表示参数所隶属的机械臂。
（2）反向运动学递推

$i$ 机械臂质心处的合力：

$i$ 机械臂关节处的作用力：

$i$ 机械臂质心处的合力矩：

$i$ 机械臂关节处的合力矩：

最后，将作用于关节 $i$ 处的合力矩向 $i$ 关节轴线方向投影，得到关节 $i$ 的驱动力矩：

这样，得到工业机器人的动力学方程，一般可写为标准形式：

$\tau$ 为机器人的驱动力矩向量，满足：

其中， $\tau _{_{i}}$ 表示第 $i$ 关节的驱动力矩。

$D\left ( q\right )$ 称为机械臂的质量矩阵，是一个对称阵：

$D\left ( q \right )=\begin{bmatrix} D_{11} &D_{12} & .... & D_{1n}\\ D_{12} &D_{22} & .... & D_{2n}\\ \vdots&\vdots&\vdots&\vdots \\ D_{1n} &D_{2n} & .... & D_{nn} \end{bmatrix}$
对角项 $D_{ii}$ 通过第 $i$ 关节的角加速度 $\ddot{q}_{i}$ 产生对第 $i$ 关节力矩 $\tau _{i}$ 的力矩分量，非对角项 $D_{ik}$ 通过第 $k$ 关节的角加速度 $\ddot{q}_{k}$ 产生对第 $i$ 关节力矩 $\tau _{i}$ 的力矩分量。

$C\left ( q,\dot{q} \right )$ 为科氏力及离心力项，满足：

$C\left ( q,\dot{q} \right )=\left ( c_{1},c_{2},...,c_{n} \right )$

其中，

$c_{i}=\dot{q}^{T}\cdot C_{i}\cdot \dot{q}$ ，

$C_{i}=\begin{bmatrix} C_{i11} &C_{i12} & .... & C_{i1n}\\C_{i12} &C_{i22} & .... & C_{i2n}\\ \vdots&\vdots&\vdots&\vdots \\ C_{i1n} &C_{i2n} & .... & C_{inn} \end{bmatrix}$

$c_{ijk}$ 的后两个下标 $j,k$ 表示此力矩分量与 $j,k$ 关节的速度有关，他们的动态力相互作用在关节 $i$ 处产生反作用力（力矩），标号 $i$ 总表示“感受”到速度引起的反作用力（力矩）的关节编号。当 $j=k$ 时， $c_{ijk}$ 与关节 $i$ “感受”到的关节 $k$ 的角速度产生的离心力有关；而当 $j\neq k$ 时， $c_{ijk}$ 与关节 $i$ “感受”到的关节 $j$ 和 $k$ 的速度产生的科氏力有关。

2.3 牛顿-欧拉动力学编程

利用Newton-Euler方程建立动力学模型，在Matlab中利用m语言编写程序，完成动力学模型正反解验证。

（1）建立牛顿-欧拉方程逆动力学模型。输入是六个关节的期望角度、速度和加速度，输出是六个关节力矩。

（2）建立凯恩方程正动力学模型。输入是上一级的六个关节的力矩，输出是实际期望角度、速度和加速度。

图 1 基于牛顿-欧拉方程和凯恩方程建立的机器人动力学模型simulink仿真图

图2 六个关节输出力矩

图3 六个关节实际输出角度、速度和加速度

机器人动力学与控制学习笔记（二）————机器人动力学建模相关推荐

python计算机器人运动学分析_V-rep学习笔记：机器人逆运动学数值解法（The Jacobian Transpose Method）...
机器人运动学逆解的问题经常出现在动画仿真和工业机器人的轨迹规划中:We want to know how the upper joints of the hierarchy would rotate ...
机器人动力学与控制学习笔记（九）————基于模糊自适应增益调整的机器人滑模控制
九.基于模糊自适应增益调整的机器人滑模控制采用自适应模糊系统,可实现机器人滑模控制中切换增益的自适应逼近,从而消除滑模控制中的抖振.本文设计一类基于模糊自适应增益调整的机器人滑模控制设计方法. 9. ...
机器人动力学与控制学习笔记（六）————机器人PID控制
六.机器人鲁棒自适应PD控制 6.1 问题的提出对于具有强耦合性和非线性的机器人系统而言,线性PD控制是最为简单且行之有效的控制方法,在工业机器人中得到了广泛应用.但实践表明,线性PD控制往往要求 ...
机器人动力学与控制学习笔记（十四）————RBF网络自适应控制
十四.基于模型整体逼近的机器人RBF网络自适应控制 14.1 机械臂模型设n关节机械臂方程为: (1) 设计跟踪误差为: ...
机器人动力学与控制学习笔记（十）————自适应控制（模型参考自适应控制）
一.模型参考自适应模型参考自适应是比较流行的自适应控制方式之一.模型参考自适应控制系统的设计主要有两大类方法:一种是基于局部参数最优化的设计方法:另一种是基于稳定性理论的设计方法,包括以下两种具体的 ...
V-rep机器人仿真软件使用的学习笔记
本博客同时发布于个人主页:www.doctorsrn.cn 本博客续:V-rep机器人仿真软件使用的学习笔记-续相关博客:V-rep中机械臂惯性参数的获取方法前言这篇博客主要是记录自己学习和使用 ...
ROS学习笔记-多机器人通信（1）-实现两台机器通信
ROS是一个分布式的计算环境.一个正在运行的ROS可以在多个机器人之间分布成几十甚至上百个节点.取决于系统的配置方式,任何节点可能需要随时与任何其他节点进行通信,为实现使用同一个master控制多台机 ...
V-rep学习笔记：机器人模型创建2—添加关节
下面接着之前经过简化并调整好视觉效果的模型继续工作流,为了使模型能受控制运动起来必须在合适的位置上添加相应的运动副/关节.一般情况下我们可以查阅手册或根据设计图纸获得这些关节的准确位置和姿态,知道这些 ...
武汉大学-黄如花-信息检索课程学习笔记二
武汉大学-黄如花-信息检索课程学习笔记二一.信息检索基本方法 1.布尔逻辑检索 2.临近检索 3.短语检索(精确检索) 4.截词检索 5.字段限制检索 6.区分大小写的检索二.多种检索方法的综合运 ...
滑模控制学习笔记（一）
滑模控制学习笔记(一) 滑模控制基本理论 1.滑模变结构控制定义 2. 滑模面的参数设计 3.滑模消抖方式 4.滑模变结构控制理论研究方向滑模控制基本理论 \quad\quad 滑模变结构控制在机器 ...

机器人动力学与控制学习笔记（二）————机器人动力学建模

二、工业机器人动力学

2.1 动力学参数辨识

2.2 牛顿-欧拉动力学建模

2.3 牛顿-欧拉动力学编程

机器人动力学与控制学习笔记（二）————机器人动力学建模相关推荐

最新文章

热门文章