论文阅读: Inertia Tensor Properties in Robot Dynamics Identification: A Linear Matrix Inequality Approac
论文阅读: Inertia Tensor Properties in Robot Dynamics Identification: A Linear Matrix Inequality Approach
- 概述
- 物理一致性约束
- 动力学模型
- 物理一致性条件
- 完全物理一致性
- LMI形式的三角不等式
概述
本文介绍了惯性参数物理一致性约束的一个新不等式,也就是三角不等式。
物理一致性约束
动力学模型
用于辨识的动力学参数一般选择为:连杆k的质量mkm_kmk,质量矩lkl_klk,以及惯性张良LkL_kLk,表达在一个给定参考坐标系中。rkr_krk是连杆质量中心COM在坐标系kkk中的坐标,有
lk=mkrkl_k=m_kr_k lk=mkrk
IkI_kIk是以质心为参考的惯性张量,则有Huygens-Steiner定理
Lk=Ik+1mkS(lk)TS(lk)L_k=I_k+\frac{1}{m_k}S(l_k)^TS(l_k) Lk=Ik+mk1S(lk)TS(lk)
动力学方程可以写为
H(q,q˙,q¨)δ=τH(q,\dot q, \ddot q)\delta=\tau H(q,q˙,q¨)δ=τ
其中δ\deltaδ是惯性参数mk,lk,Lkm_k,l_k,L_kmk,lk,Lk构成的向量
物理一致性条件
物理一致性既物理上正确的要求,包括质量必须为正,惯性张量必须正定
{mk>0Ik≻0\begin{cases} m_k>0\\ I_k\succ 0\\ \end{cases} {mk>0Ik≻0
对惯性张量有
Ik=Lk−S(lk)Tmk−1S(lk)≻0I_k=L_k-S(l_k)^Tm_{k}^{-1}S(l_k)\succ 0 Ik=Lk−S(lk)Tmk−1S(lk)≻0
使用舒尔补可以将其写成
[LkS(lk)TS(lk)mk1]≻0\left[ \begin{matrix} L_k& S\left( l_k \right) ^T\\ S\left( l_k \right)& m_k\mathbf{1}\\ \end{matrix} \right] \succ 0 [LkS(lk)S(lk)Tmk1]≻0
完全物理一致性
Traversaro指出,惯性张量的物理一致性不仅包括正定,还有所谓的三角不等式。刚体的惯性张量可以完全由三个惯性主轴的转动惯量定义。其他任意给定的坐标系中的惯性张量与惯性主轴坐标中的惯性张量有如下关系
Ik=RYkRTI_k=RY_kR^T Ik=RYkRT
其中Yk=diag(Yx,Yy,Yz)Y_k=diag(Y_x,Y_y,Y_z)Yk=diag(Yx,Yy,Yz),物理一致性既是要求
{Yx>0Yy>0Yz>0\begin{cases} Y_x>0\\ Y_y>0\\ Y_z>0\\ \end{cases} ⎩⎨⎧Yx>0Yy>0Yz>0
事实上,因为密度必须是非负,会产生一个额外的约束,也就是所谓的三角不等式。惯性张量的任意两个特征值之和大于第三个
{Yx+Yy>YzYy+Yz>YxYz+Yx>Yy\begin{cases} Y_x+Y_y>Y_z\\ Y_y+Y_z>Y_x\\ Y_z+Y_x>Y_y\\ \end{cases} ⎩⎨⎧Yx+Yy>YzYy+Yz>YxYz+Yx>Yy
LMI形式的三角不等式
三角不等式可以改写为
{Yx+Yy+Yz>2YzYx+Yy+Yz>2YxYx+Yy+Yz>2Yy\begin{cases} Y_x+Y_y+Y_z>2Y_z\\ Y_x+Y_y+Y_z>2Y_x\\ Y_x+Y_y+Y_z>2Y_y\\ \end{cases} ⎩⎨⎧Yx+Yy+Yz>2YzYx+Yy+Yz>2YxYx+Yy+Yz>2Yy
既
Yx+Yy+Yz2>max(Yx,Yy,Yz)\frac{Y_x+Y_y+Y_z}{2}>\max \left( Y_x,Y_y,Y_z \right) 2Yx+Yy+Yz>max(Yx,Yy,Yz)
因为这三个数是IkI_kIk的特征值,因此有
tr(Ik)2>λmax(Ik)\frac{tr\left( I_k \right)}{2}>\lambda _{\max}\left( I_k \right) 2tr(Ik)>λmax(Ik)
表达为LMI形式,有
tr(Ik)213−Ik≻0\frac{tr\left( I_k \right)}{2}\mathbf{1}_3-I_k\succ 0 2tr(Ik)13−Ik≻0
为将其用辨识参数表达,有如下推导:
tr(Lk−S(lk)Tmk−1S(lk))213−(Lk−S(lk)Tmk−1S(lk))≻0⇔(tr(Lk)213−Lk)−mk−1(lkTlk13−S(lk)TS(lk))≻0\frac{tr\left( L_k-S(l_k)^Tm_{k}^{-1}S(l_k) \right)}{2}\mathbf{1}_3-\left( L_k-S(l_k)^Tm_{k}^{-1}S(l_k) \right) \succ 0 \\ \Leftrightarrow \left( \frac{tr\left( L_k \right)}{2}\mathbf{1}_3-L_k \right) -m_{k}^{-1}\left( l_{k}^{T}l_k1_3-S\left( l_k \right) ^TS\left( l_k \right) \right) \succ 0 2tr(Lk−S(lk)Tmk−1S(lk))13−(Lk−S(lk)Tmk−1S(lk))≻0⇔(2tr(Lk)13−Lk)−mk−1(lkTlk13−S(lk)TS(lk))≻0
根据反对称矩阵的性质,有
lkTlk13−S(lk)TS(lk)=lklkTl_{k}^{T}l_k\mathbf{1}_3-S\left( l_k \right) ^TS\left( l_k \right) =l_kl_{k}^{T} lkTlk13−S(lk)TS(lk)=lklkT
因此
(tr(Lk)213−Lk)−lkmk−1lkT≻0\left( \frac{tr\left( L_k \right)}{2}\mathbf{1}_3-L_k \right) -l_km_{k}^{-1}l_{k}^{T}\succ 0 (2tr(Lk)13−Lk)−lkmk−1lkT≻0
使用舒尔补写成LMI形式
[(tr(Lk)213−Lk)lklkTmk]≻0\left[ \begin{matrix} \left( \frac{tr\left( L_k \right)}{2}\mathbf{1}_3-L_k \right)& l_k\\ l_{k}^{T}& m_k\\ \end{matrix} \right] \succ 0 [(2tr(Lk)13−Lk)lkTlkmk]≻0
这是完整形式的物理一致性约束,包含了质量为正,张量正定以及三角不等式。他是前面这个物理一致性条件[LkS(lk)TS(lk)mk1]≻0\left[ \begin{matrix} L_k& S\left( l_k \right) ^T\\ S\left( l_k \right)& m_k\mathbf{1}\\ \end{matrix} \right] \succ 0[LkS(lk)S(lk)Tmk1]≻0的一个子集。
因此,满足物理一致性约束的优化问题是
minδ∣∣HMδ−τM∣∣2s.t.[(tr(Lk)213−Lk)lklkTmk]≻0\min_{\delta} \qquad ||H_M\delta -\tau _M||^2 \\ \mathrm{s}.t.\quad \left[ \begin{matrix} \left( \frac{tr\left( L_k \right)}{2}\mathbf{1}_3-L_k \right)& l_k\\ l_{k}^{T}& m_k\\ \end{matrix} \right] \succ 0 δmin∣∣HMδ−τM∣∣2s.t.[(2tr(Lk)13−Lk)lkTlkmk]≻0
论文阅读: Inertia Tensor Properties in Robot Dynamics Identification: A Linear Matrix Inequality Approac相关推荐
- 论文阅读:Generating Videos with Scene Dynamics
目录 Contributions Method 1.Video Generator Network 2.Video Discriminator Network Results 1.Quantitati ...
- 论文阅读笔记:Intriguing properties of neural networks
论文阅读笔记:Intriguing properties of neural networks 深度学习对抗样本的开山之作 要点 以往的观点认为深度神经网络的高层特征中每一个分量描述了一种特质,但是这 ...
- 行为识别论文阅读(2)——3D Human Sensing, Action and Emotion Recognition in Robot Assisted Therapy of Children
行为识别论文阅读(2)--3D Human Sensing, Action and Emotion Recognition in Robot Assisted Therapy of Children ...
- 论文阅读笔记:Low-Rank Tensor Graph Learning for Multi-view Subspace Clustering(LRTG)
@[TOC](Low-Rank Tensor Graph Learning for Multi-view Subspace Clustering(LRTG)) ★论文笔记-Low-Rank Tenso ...
- CSI笔记【7】:Crowd Vetting: Rejecting Adversaries via Collaboration with Application to......论文阅读
CSI笔记[7]:Crowd Vetting: Rejecting Adversaries via Collaboration with Application to Multi-Robot Floc ...
- 【论文阅读】Learning Traffic as Images: A Deep Convolutional ... [将交通作为图像学习: 用于大规模交通网络速度预测的深度卷积神经网络](1)
[论文阅读]Learning Traffic as Images: A Deep Convolutional Neural Network for Large-Scale Transportation ...
- FCGF论文阅读笔记
FCGF论文阅读笔记 0. Abstract 从三维点云或者扫描帧中提取出几何特征是许多任务例如配准,场景重建等的第一步.现有的领先的方法都是将low-level的特征作为输入,或者在有限的感受野上提 ...
- [论文阅读] (12)英文论文引言introduction如何撰写及精句摘抄——以入侵检测系统(IDS)为例
<娜璋带你读论文>系列主要是督促自己阅读优秀论文及听取学术讲座,并分享给大家,希望您喜欢.由于作者的英文水平和学术能力不高,需要不断提升,所以还请大家批评指正,非常欢迎大家给我留言评论,学 ...
- 【论文阅读】Attention Based Spatial-Temporal GCN...Traffic Flow Forecasting[基于注意力的时空图卷积网络交通流预测](1)
[论文阅读]Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting[基于注 ...
- 语音情感识别领域-论文阅读笔记1:融合语音和文字的句段级别情感识别技术
语音情感识别领域-论文阅读笔记1 Fusion Techniques for Utterance-Level Emotion Recognition Combining Speech and Tran ...
最新文章
- 【团队】 冲刺一(4/10)
- 【Machine Learning】OpenCV中的K-means聚类
- 关于最近使用文档的几个技巧
- CH - 0601 Genius ACM(倍增+归并排序)
- Apple`s Steve Jobs Has Reshaped(重塑) the Tech World: 10 Ways He Did It
- linux 内存溢出排查_【开发者成长】JAVA 线上故障排查完整套路!
- wangEditor-3.1.1 自己扩展的, 扩展图片添加alt标签
- paip.DEVSUIT ADMIN 初次使用时出现两个LICENSE提醒
- Liquibase修改表字段
- batchplot插件用法_最好用的CAD批量打印机SmartBatchPlot使用指南
- python机械臂仿真_如何用ROS+Rviz+Arbotix控制器仿真为六自由度机械臂建模-工业电子-与非网...
- 新域名后缀的主要优点是什么?
- CodeForces Cude In
- love2d教程28--血条
- Fullpage.js version 3 has changed its license to GPLv3 and it requires a `licenseKey` option ...
- Mac删除软件之后图标还在怎么办?
- 腾讯辟谣心悦3玩家“特权”;共享充电宝陷入生死危机
- 欧阳的科研历程-1 目标
- acm总结——多源BFS
- 深度学习论文阅读目标检测篇(三):Faster R-CNN《 Towards Real-Time Object Detection with Region Proposal Networks》
热门文章
- E.03.17 Lou Ottens, Father of Countless ==Mixtapes==, Is Dead at 94
- Androidadb驱动实现原理
- VR时代的媒介——虚拟的真实感就是真实
- 论文阅读|《用强化学习求解带插单的动态FJSP》
- 群晖nas不能修改php.ini,群晖nas 修改nginx配置的问题
- python动态网页爬取——四六级成绩批量爬取
- 中国传统的节日(端午节)
- 计算机寻址的最低单元,80c51单片机指令系统的7种寻址方式
- licecap免费+轻量+使用简单的录屏制作gif工具
- 【系统化学习】CSDN算法技能树测评