机器人控制算法设计

1、构建机器人的多维状态空间（七轴机器人则为七维）
2、把障碍物从三维坐标map到七维空间中去
3、在七维空间中应用RRT进行路径规划


rrdf是一个常见的描述机械臂结构的CAD文件

下面分别分别为梯形规划和五次多项式规划示意图


五次多项式满足 位置连续、速度连续、加速度连续。

在这个例子中，首先，inverse kinematics（逆向运动学）根据end-effector（末端执行器）的位置，计算出各个关节（电机）所需的角度位置，然后交给各个关节的电机去执行。由于关节控制的是角度，所以叫Joint space control（关节角度控制）。其中inverse dynamics(逆向动力学)算出了抵消地球重力所需的反馈力矩。反馈部分（feedback）用PID消除误差。
图中：gripper(夹具)、joint(关节)、joint torques(关节力矩)

物理建模在开发过程中的应用

物理原理建模：根据建模对象的物理方程式，建立微分方程建模。
数据驱动建模：不了解物理模型，求解数理方程难度较大。

四旋翼飞行器建模案例










物理建模的作用：1、在机器人开发过程中，对机器人的控制策略进行验证，需要一个被控对象模型，来实现闭环仿真，来验证控制算法。
2、对于机器人的使用者而言，早期数据维护时，需要一个数字孪生模型，物理建模可以提供解决方案。

机器人控制算法设计：从理论到实现

控制系统对于机器人的引入，主要是为了改善原有的一些特征，比如说如何使系统跟踪性能更好，抗扰动性能更强，鲁棒性更高。此外，在不同的应用场景下，使用什么样的算法，不同的参数应该如何调整。


系统辨识主要是依据系统输入输出的时间函数，来确定描述系统的行为，若系统里边所有的特性都是比较确定的 那基本可以使用这种数学方程的方式描述出来。但是在有一些比较精密的这样的加工领域里边，我们可能希望这个控制精度能够达到微米级，这样的系统里面，它有许多的这种非线性的因素、以及外界的干扰都是我们需要考虑的，比如这种摩擦力、机械变形等等，我们能通过这种系统辨识的方式，可以把这样的一些因素给它明确的确定出来。
系统描述的越准确，那我们针对于模型控制性能也会越好。

实例：柔性飞翼飞机额模态分析
Matlab提供了系统辨识APP

在这里插入图片描述

Matlab控制工具箱可以进行自动调优




推荐采样时间在控制器执行速率的十分之一到二十分之一