机器人动力学方程的性质
一个nn连杆的机器人的动力学方程含有很多项,特别是全部是转动关节的机械臂,让人看着害怕。但是,机器人动力学方程含有一些有助于开发控制算法的重要性质,其中最重要的是反对称性、无源性、有界性和参数的线性性。
反对称性(skew aymmetry)和无源性(passivity)
在动力学方程中,矩阵N=D˙−2CN=\dot D-2C 是反对称性的,即 nij=−njin_{ij}=-n_{ji}
由于存在多个矩阵CC, 这里CC存特定值:cijk=12(∂bij∂qk+∂bik∂qj−∂bjk∂qi)c_{ijk}=\frac {1}{2}( \frac{\partial b_{ij}}{\partial q_k} + \frac{\partial b_{ik}}{\partial q_j} - \frac{\partial b_{jk}}{\partial q_i} )
∑j=1ncijq(j)=∑j=1n∑k=1ncijkq˙(k)q˙(j)=∑j=1n∑k=1n(∂bij∂qk−12∂bjk∂qi)q˙(k)q˙(j)\sum^n_{j=1}c_{ij} q_{(j)}= \sum^n_{j=1} \sum^n_{k=1} c_{ijk} \dot q_{(k)} \dot q_{(j)} = \sum^n_{j=1} \sum^n_{k=1} (\frac { \partial b_{ij} } {\partial q_k} -\frac{1}{2} \frac { \partial b_{jk}} {\partial q_i} ) \dot q_{(k)} \dot q_{(j)}
由于 D˙(q) \dot D(q) 的第 (k,j) (k,j) 个元素 d˙kj=∑ni=1∂dkj∂qiq˙i \dot d_{kj}= \sum ^n_{i=1} \frac{ \partial d_{kj}} { \partial q_i } \dot q_i
矩阵N=D˙−2CN=\dot D-2C 的第 (k,j)(k,j) 个元素可以表示为:
nkj=d˙kj−2ckj=∑i=1n[∂dij∂qk−∂dki∂qj]n_{kj}=\dot d_{kj}-2c_{kj}= \sum^n_{i=1} [ \frac {\partial d_{ij}} {\partial q_k } - \frac {\partial d_{ki}} { \partial q_j} ]
可以看出:nij=−njin_{ij}=-n_{ji}
因此,矩阵 NN 是反对称矩阵。对任意向量 ω\omega , 有 ωTN(q,q˙)ω=0\omega^T N(q,\dot q) \omega =0- 无源性
机器人的总动能:H=12q˙TD(q)q˙+P(q)H= \frac{1}{2} \dot q ^TD(q) \dot q +P(q),求导,得:H˙=q˙TD(q)q¨+12q˙TD˙(q)q˙+q˙T∂P∂q\dot H=\dot q ^T D(q) \ddot q + \frac{1}{2} \dot q ^T \dot D(q) \dot q + \dot q ^T \frac {\partial P}{\partial q}
忽略摩擦和末端受力,带入动力学方程,可得,H˙=q˙Tτ+12q˙TN(q,q˙)q˙=q˙Tτ\dot H=\dot q^T \tau + \frac{1}{2} \dot q^T N(q,\dot q) \dot q =\dot q^T \tau
在公式两边同时对时间积分,得:q˙T(t)τ(t)dt=H(T)−H(0)≥−H(0)\dot q^T(t) \tau (t) dt=H(T)-H(0) \geq -H(0)
惯性矩阵的界限(bounded)
对 nn 连杆机器人,他的惯性矩阵是正定且对称的,对广义关节变量 qq, 令0<λ1(q)≠⋯≠λn(q)0 表示D(q)D(q) 的 nn 个特征值。
显然易得:λ1(q)In∗n≤D(q)≤λn(q)In∗n\lambda_1(q) I_{n*n} \leq D(q) \leq \lambda_n(q) I_{n*n}
如果所有的关节都是转动关节,那么惯性矩阵都是关于关节变量的正弦和余弦函数,因此对应的广义坐标是有界的。如果惯性矩阵具有一致的界限,可以找到常数 λm\lambda_m 和 λM\lambda_M,满足:λ1(q)In∗n≤D(q)≤λn(q)In∗n<∝\lambda_1(q) I_{n*n} \leq D(q) \leq \lambda_n(q) I_{n*n}
参数的线性化(linearity-in-the-parameter)
存在 n∗ℓn*\ell 函数 Y(q,q˙,q¨)Y(q, \dot q, \ddot q),以及 ℓ\ell 维向量 Θ\Theta,使得欧拉方程可以写成:
D(q)q¨+C(q,q˙)q˙+g(q)=Y(q,q˙,q¨)ΘD(q) \ddot q+ C(q, \dot q) \dot q+g(q) = Y(q, \dot q, \ddot q) \Theta
函数 Y(q,q˙,q¨)Y(q, \dot q, \ddot q)被称为回归方程(regeessor), 向量 Θ\Theta 为参数向量。对每一个刚体,可以通过 总质量、惯性张量、质心来表示,总十个独立的参数,因此,对于一个nn连杆机器人来说,最多有10n10n个参数,因为多关节机器人各连杆通过耦合连接在一起,实际的参数少于10n10n
事实上,寻找这样的方程是比较困难的。- 无源性
机器人动力学方程的性质相关推荐
- matlab动力学方程,机器人动力学方程(二):拉格朗日法
1.拉格朗日法 拉格朗日法是一种基于能量的动力学方法,从拉格朗日函数L(系统动能和势能的差值)出发来建立机器人动力学方程: Lagrange 方程 应用于机器人动力学模型推导(详细过程可参考霍伟编写的 ...
- 机器人动力学方程的四种形式
来源 | 睿慕课 机器人动力学研究最基础的是建立完整的动力学方程,这其中最关键的是建立多连杆机构的动力学方程.笔者以经典的PUMA560机器人构型为例,阐述四种不同的机器人动力学形式及函数文件.计算环 ...
- 机器人学基础(3)-动力学分析和力-拉格朗日力学、机器人动力学方程建立、多自由度机器人的动力学方程建立
机器人学基础(3)-动力学分析和力-拉格朗日力学.机器人动力学方程建立.多自由度机器人的动力学方程建立 本章节主要包括拉格朗日力学.拉格朗日函数及建立求解.多自由度机器人的动力学方程.机器人的静力分析 ...
- 机器人导论知识点总结
机器人导论知识点总结 第1章 概论 第一节 机器人的基本概念 1.机器人名称的由来 机器人的英文名词是Robot,Robot一词最早出现在1920年捷克作家卡雷尔·恰佩克(Karel Capek)所写 ...
- 关于协作机器人10个观点的讨论
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 在当今的加工设备中,自动化应用往往需要功能强大的机器人.也就是说, ...
- 机器人动力学建模实例:二连杆机械臂
机器人动力学方程比较复杂,通常每一个参数矩阵都非常庞大,这里介绍几个简单结构的动力学方程,对于一般的控制算法,可以在这几个动力学方程中进行验证. 1.欧拉-拉格朗日动力学方程 (不考虑摩擦和末端受力) ...
- 人与机器人的交互理论及其前景
来源:人机认知与实验室 摘要: 移动机器人的人机交互正处于早期阶段.大部分与机器人相关的用户交互都被数控能力所限制,向用户提供的最普遍的界面是以自动化平台提供的视频和对机器人的一定程度上的路径指挥.对 ...
- 拟人肌肉骨骼气动人工肌肉驱动的10自由度机器人手臂
Anthropomorphic musculoskeletal 10 degrees-of- freedom robot arm driven by pneumatic artificial mu ...
- 四足机器人技术及进展
四足机器人技术及进展 摘 要:自然界中有许多地形无法使用传统轮式或履带式车辆到达,而哺乳动物却能够在这些地形行走自如,这充分展示出四足移动方式的优势.四足机器人已经成为当今移动机器人研究的热点,其研 ...
最新文章
- java如何确保单线程_java – 任何单线程程序如何成为有效的多线程程序?
- Oracle下载汇聚
- C++基本序列式容器效率比较
- go语言服务器运行,Go语言实现Web服务器
- 【excel技巧读书笔记001】清除打开过的文件记录
- 职业高中计算机网络试讲稿,2021教师资格证考试面试高中信息技术试讲稿——《建立数据库的基本过程》...
- python ide: pycharm
- python requests cookie_python requests 带cookie访问页面
- 95-10-200-启动-结尾
- 【转】详细图解Vmware与主机间共享文件的方法
- 百倍加速!Python量化策略的算法性能提升指南
- php中explode与split的区别
- 线上故障排查大体思路
- 遗传算法详解 附python代码实现
- 构建虚拟局域网与漏洞扫描x-scan
- matlab 双括号_matlab中不同括号的用法
- 字符串与vector和list
- “鬼城”郑州郑东新区蝶变记,助力中部崛起
- My Twelfth Page - 环形链表Ⅱ - By Nicolas
- 台式计算机的硬件故障,电脑主板坏了会出现什么情况?台式机电脑主板常见故障解决方法...
热门文章
- LiveGBS无插件播放页面的集成----单独的播放器样式
- Nginx配置反向代理与负载均衡
- linux系统负载状态检查脚本
- Linux网络基础设施配置
- Hibernate的命名查询(NamedQuery)
- Windows Phone 7用户界面原型截图汇总
- jquery 开发总结(不断更新)
- Win64 驱动内核编程-25.X64枚举和隐藏内核模块
- hdu1815 2sat + 二分 + 建图不错的题目
- 【错误记录】编译 Linux 内核报错 ( /bin/sh: 1: flex: not found )