当前位置: 首页 > article >正文

【机器人建模和控制】读书笔记

机器人建模和控制——马克·斯庞

A.

x 1 0 = x 1 ∙ x 0 x^0_1=x_1\bullet x_0 x10=x1x0,其实就是:

1) x 1 x_1 x1轴向量在 O 0 O_0 O0系下的坐标

2)在 x 0 x_0 x0轴上的投影

3)坐标变换矩阵的 R 1 0 R_1^0 R10的第一个元素

B.

点p在 o 1 x 1 y 1 z 1 o_1x_1y_1z_1 o1x1y1z1系下的坐标 p 1 p^1 p1可以表示为: p = u x 1 + v y 1 + w z 1 p=ux_1+vy_1+wz_1 p=ux1+vy1+wz1,其在 o 0 x 0 y 0 z 0 o_0x_0y_0z_0 o0x0y0z0系下的坐标是 p p p在其坐标轴上的投影: p x 0 = p 1 ∙ x 0 p^0_x=p^1\bullet x_0 px0=p1x0

C.

右乘联体,左乘基的理解

在这里插入图片描述
O 0 x 0 y 0 z 0 O_0x_0y_0z_0 O0x0y0z0坐标系相当于基系,方块绕 z 0 z_0 z0旋转,因此左乘。

D.

旋转矩阵的物理意义一般有三种:

1)经过变换后的坐标系相对于固定坐标系的姿态角;

2)点 p p p不同参考坐标系间的相互变换;

3)在同一坐标系内将向量旋转而得到新向量的操作;

E.

称旋转发生时所围绕的坐标系称为当前坐标系

旋转矩阵 R = [ x 1 0 y 1 0 z 1 0 ] R=\begin{bmatrix}x^0_1&y_1^0&z_1^0\end{bmatrix} R=[x10y10z10]分别代表 x 1 , y 1 , z 1 x_1,y_1,z_1 x1,y1,z1 o 0 x 0 y 0 z 0 o_0x_0y_0z_0 o0x0y0z0系下的方向矢量

F.

其次变换矩阵 H H H表示了刚体的运动(平移+旋转),表示为:

H = [ R d 0 1 ] H=\begin{bmatrix}R&d\\\\0&1\end{bmatrix} H= R0d1

且由于 R R R是正交矩阵,有:

H − 1 = [ R T − R T d 0 1 ] H^{-1} = \begin{bmatrix}R^T&-R^T d\\\\0&1\end{bmatrix} H1= RT0RTd1

G.

对多连杆体而言,每个关节上都相当于固连了一个坐标系 o i x i y i z i o_ix_iy_iz_i oixiyizi,其可以保证不论机器人怎么运动,连杆 i i i上的点在坐标系 o i x i y i z i o_ix_iy_iz_i oixiyizi固定不变,且同一根连杆的运动状态保持一致。

那么也就是说,多连杆体只需要考虑:

1)整体在惯性系下的运动:建立整体的坐标系(用头部坐标系代替整体)

2)各连杆坐标系的运动:分析运动学

H.

Lagrange方程的动能中, v v v ω \omega ω I I I都是在惯性坐标系下计算的量。

值得注意的是,惯性坐标系下的惯性张量:

I i n e r t i a = R I R T I_{inertia}=RIR^T Iinertia=RIRT

联体坐标系中的惯性张量:

I = [ I x x I x y I x z I y x I y y I y z I z x I z y I z z ] I=\begin{bmatrix}I_{xx}&I_{xy}&I_{xz}\\I_{yx}&I_{yy}&I_{yz}\\I_{zx}&I_{zy}&I_{zz}\end{bmatrix} I= IxxIyxIzxIxyIyyIzyIxzIyzIzz

连体坐标系中的惯性张量是常值矩阵,主对角线元素称主惯性矩,非对角线元素称为惯性叉积若物体质量分布关于坐标轴对称,则惯性叉积=0

I.

n连杆机器人系统的势能:

P = Σ m i g T r c i P=\Sigma m_ig^Tr_{ci} P=ΣmigTrci

其中, g g g是惯性系下的重力向量 r c i r_{ci} rci是第 i i i个连杆质心的坐标。

值得注意的是,含有柔性关节的情形中,势能还包括了储存在弹性元件内的能量

势能项仅仅是广义坐标的函数,而不是广义坐标导数的函数。

J.

如果角速度都表示在同一个参考坐标系下,如 o 0 x 0 y 0 z 0 o_0x_0y_0z_0 o0x0y0z0中,那么角速度可以叠加,有:

ω 0 , n 0 = ω 0 , 1 0 + R 1 0 ω 1 , 2 1 + R 2 0 ω 2 , 3 2 + R 3 0 ω 3 , 4 3 + ⋅ ⋅ ⋅ + R n − 1 0 ω n − 1 , n n − 1 = ω 0 , 1 0 + ω 1 , 2 0 + ω 2 , 3 0 + ω 3 , 4 0 + ⋅ ⋅ ⋅ + ω n − 1 , n 0 \begin{aligned}\omega_{0,n}^{0}&=\omega_{0,1}^0+R_1^0\omega_{1,2}^1+R_2^0\omega_{2,3}^2+R_3^0\omega_{3,4}^3+\cdotp\cdotp\cdotp+R_{n-1}^0\omega_{n-1,n}^{n-1}\\&=\omega_{0,1}^0+\omega_{1,2}^0+\omega_{2,3}^0+\omega_{3,4}^0+\cdotp\cdotp\cdotp+\omega_{n-1,n}^0\end{aligned} ω0,n0=ω0,10+R10ω1,21+R20ω2,32+R30ω3,43+⋅⋅⋅+Rn10ωn1,nn1=ω0,10+ω1,20+ω2,30+ω3,40+⋅⋅⋅+ωn1,n0

其中, ω 1 , 2 1 \omega_{1,2}^1 ω1,21代表对应于 R 2 1 R_2^1 R21变化的坐标系 o 2 x 2 y 2 z 2 o_2x_2y_2z_2 o2x2y2z2的角速度,这个角速度是相对于 o 1 x 1 y 1 z 1 o_1x_1y_1z_1 o1x1y1z1的。


http://www.kler.cn/a/302689.html

相关文章:

  • HTTP 客户端怎么向 Spring Cloud Sleuth 传输跟踪 ID
  • Ceph 中Crush 算法的理解
  • 除了 Mock.js,前端还有更方便的 Mock 数据工具吗?
  • 黄色校正电容102j100
  • DApp开发:定制化解决方案与源码部署的一站式指南
  • linux 下查看程序启动的目录
  • 中秋节了,送大家一个月饼
  • 浙大数据结构:04-树5 Root of AVL Tree
  • 【C++\Qt项目实战】俄罗斯方块
  • iOS 15推出后利用邮件打开率的7种方法
  • 向量空间与函数空间的类比分析
  • Linux入门攻坚——32、Mini Linux制作
  • oracle 条件取反
  • Elasticsearch介绍以及solr对比
  • 高级java每日一道面试题-2024年9月03日-JVM篇-怎么判断对象是否可以被回收?
  • MySql-表的内外连接
  • QLable提升类
  • python画图|3D垂线标记
  • 九、Redis 的实际使用与Redis的设计
  • Android Auto助力电动汽车智能驾驶
  • Java面试篇基础部分-Java各种垃圾收集器
  • 电脑提示丢失mfc140u.dll的详细解决方案,mfc140u.dll文件是什么
  • DAY99 APP 攻防-小程序篇反编译外在抓包主包分包配置泄漏算法逆向未授权
  • VS code 写下 print 时让编译器自动添加括号
  • 第二百二十五节 JPA教程 - JPA列长度示例、JPA列精度范围示例
  • 安卓framework美化手势导航侧滑返回UI