16、实验性腿部逆动力学学习

实验性腿部逆动力学学习

1. 腿部逆动力学建模问题

在机器人腿部逆动力学建模中，存在诸多挑战。腿部连杆的惯性矩阵以及关节的摩擦力估计是重要因素。由于惯性矩阵的计算和测量复杂，通常采用点质量和刚性杆等简化模型进行计算，但这会给逆动力学预测带来误差。而且，机器人部署过程中可能出现的非平稳性对惯性矩阵影响较大。

以SCARAB六足机器人为例，其伺服电机仅提供位置反馈，无法测量扭矩和电流，这使得关节扭矩估计变得困难，因此在逆动力学建模中需要额外步骤。

机器人腿部逆动力学的动态模型为：
[J \ddot{q}_M + B \dot{q}_M + F(\dot{q}_M) + R\tau = K V]
其中，(q_M) 是减速前的转子位置角，(J) 是转子惯性，(B) 是转子阻尼，(F) 是依赖于当前转子速度的静、动和粘性摩擦力之和，(R) 是齿轮箱传动比，(\tau) 是伺服电机扭矩，(K) 是反电动势，(V) 是电机电压。这些参数需要通过实际伺服电机和制造商数据表中的值进行实验确定。

伺服电机控制器采用P型位置控制器，电压设置为 (V = k_P \cdot err)，其中 (k_P) 是控制器增益，(err) 是设定位置与执行器当前位置的差值，控制器工作频率为1 kHz。将上述动态模型代入另一个相关模型，可得到关节角度下腿部逆动力学的完整模型。

分析逆动力学模型的主要问题在于，在使用该模型之前，需要识别众多与关节和连杆相关的参数。

2. 六足机器人运动控制器

逆动力学模型用于位置跟踪控制器，该控制器逐步执行腿部轨迹。具体步骤如下：
1. 控制器读取当前关节角度。