1. 从零开始:认识你的机器人建模工具箱
如果你刚接触机器人仿真,面对一堆关节、连杆、坐标系和动力学方程,是不是感觉头都大了?别担心,我刚开始用Matlab的Robotics System Toolbox时也是这种感觉。但用久了才发现,它就像一个为你量身定做的“机器人乐高套装”,把那些复杂的数学和物理封装成了一个个直观的函数,让你能像搭积木一样构建和测试自己的机器人。今天,我就带你从最基础的Robot Models入手,一步步玩转这个工具箱,目标是让你能独立完成一个机器人模型的构建,并让它“动”起来,进行基本的动力学仿真。
简单来说,Robotics System Toolbox里的Robot Models模块,核心就是围绕一个叫做 rigidBodyTree 的对象展开的。你可以把它想象成一棵“树”,树的“根”是机器人的基座(Base),比如固定在地面上的部分。从基座开始,通过“关节”(Joint)连接一个个“刚体”(RigidBody,也就是机器人的连杆),像树枝一样分叉出去,最终形成整个机器人的运动链。我们所有的工作,无论是导入现成的模型,还是自己从零搭建,最终都是为了得到这个结构清晰的rigidBodyTree对象。有了它,你才能去问它:“嘿,你的质心在哪儿?”(centerOfMass),或者命令它:“以这个速度运动,需要多大的关节力矩?”(inverseDynamics)。
这个工具箱特别适合几类朋友:正在学习机器人学理论,想通过实践加深理解的学生;从事机器人算法开发,需要快速验证运动规划或控制算法的工程师;甚至是做机械设计的,想看看自己设计的结构在运动学和动力学上是否合理的同行。它的优势在于和Matlab环境无缝集成,你不需要去折腾复杂的ROS或者Gazebo环境(当然它们也很强大),在熟悉的脚本和命令行里就能完成大部分建模和仿真工作,出错了调试也方便。接下来,我们就从最实际的步骤开始。
2. 构建你的第一个机器人模型:两种核心方法
构建机器人模型是第一步,也是最关键的一步。模型建得准,后面的仿真才有意义。Robotics System Toolbox提供了两种主流路径:一种是“拿来主义”,直接导入成熟的模型文件;另一种是“自力更生”,用代码从头定义每一个零件。
2.1 快速上手:导入现成的URDF模型
对于大多数实际项目,我们更常遇到的是已经有了三维模型的情况。这时,importrobot函数就是你的得力助手。URDF(Unified Robot Description Format)是机器人领域描述模型的一种通用XML格式,很多仿真软件和机器人厂商都支持。
% 示例:导入KUKA LBR iiwa 7轴机械臂模型
% 假设你的Matlab支持包已安装,并且iiwa7.urdf在搜索路径中
robot = importrobot('iiwa7.urdf');
robot.Gravity = [0, 0, -9.81]; % 设置重力方向,默认是[0,0,0]
show(robot); % 可视化模型
showdetails(robot); % 在命令行打印模型的详细树状结构
运行showdetails(robot),你会看到类似下面的输出,它清晰地列出了机器人有多少个刚体(Bodies)、每个刚体的名称、连接的关节类型(revolute-旋转,prismatic-平移)以及父子关系。这能帮你快速理解模型的结构。我经常用这个命令来检查导入的URDF文件是否正确解析,有没有丢失连杆或者关节属性定义错误。
有时候,你需要导入自己设计的模型。比如,你在SolidWorks里建好了一个机械臂,可以通过插件导出为URDF文件。导入后,务必检查几个关键点:一是质量(Mass)和惯性张量(Inertia)属性是否被正确读取,这对动力学计算至关重要;二是关节轴(Axis)的方向是否符合你的预期。我曾经踩过一个坑,导入的模型关节旋转方向和我想的正好相反,导致正运动学计算全部出错,排查了好久才发现是URDF里的一个坐标轴定义符号问题。
2.2 深度定制:从零搭建rigidBodyTree
当你需要创建一个全新的、或者结构非常特殊的机器人(比如并联机器人、软体机器人简化模型)时,从零开始构建rigidBodyTree是必须掌握的技能。这个过程就像在编程世界里“造”一个真实的机器人。
首先,你需要创建一个空的机器人树对象,并指定数据格式。DataFormat属性很重要,它决定了后续动力学函数输入输出是行向量(‘row’)还是列向量(‘column’),保持一致性可以避免很多维度错误。
% 创建一个空的机器人树,指定数据格式为‘row’
robot = rigidBodyTree('DataFormat', 'row');
接着,创建刚体(rigidBody)和关节(rigidBodyJoint)。每个刚体必须关联一个关节,这个关节定义了它如何相对于父刚体运动。
% 创建第一个连杆(刚体)
link1 = rigidBody('link1');
% 创建一个旋转关节,命名为‘joint1’
jnt1 = rigidBodyJoint('joint1', 'revolute');
% 设置关节的坐标系变换。假设这个关节的坐标系原点在父坐标系下沿X轴偏移0.5米
% trvec2tform函数将平移向量转换为齐次变换矩阵
setFixedTransform(jnt1, trvec2tform([0.5 0 0]));
% 将关节分配给刚体
link1.Joint = jnt1;
现在,这个link1刚体就有了生命,它通过一个能绕某个轴旋转的关节(jnt1)连接到其他地方。但此时它还是个“孤儿”,我们需要把它“安装”到机器人树上。假设它是机器人的第一个连杆,我们把它连接到基座(‘base’)。
addBody(robot, link1, 'base'); % ‘base’是机器人树自带的根节点名称
按照这个模式,你可以继续创建link2、joint2,并把link2的父节点指定为link1,如此往复,就能搭建出任意复杂度的串联机器人。对于更复杂的结构,比如一个刚体有多个子体(分支),你可以多次调用addBody,将不同的子体连接到同一个父体上。构建完成后,强烈建议用show(robot)和showdetails(robot)可视化并检查结构是否正确,这能省去后面调试的无数时间。
3. 模型的高级操作与修改
模型建好了,但事情还没完。在实际仿真中,我们经常需要修改模型:调整参数、替换部件、或者提取部分结构进行分析。rigidBodyTree提供了一系列灵活的方法来满足这些需求。
3.1 动态修改模型属性
机器人的动力学属性,如质量、质心和惯性张量,是进行动力学仿真的基础。你可以在创建刚体时就指定它们,也可以在模型构建完成后随时修改。
% 假设我们要修改名为‘upper_arm’的刚体的动力学参数
body = getBody(robot, 'upper_arm'); % 首先获取这个刚体对象
body.Mass = 5.2; % 质量,单位千克
body.CenterOfMass = [0.1, 0, 0.05]; % 质心在刚体自身坐标系中的位置,单位米
body.Inertia = [0.1, 0.02, 0.12, 0, 0, 0]; % 惯性张量 [Ixx Iyy Izz Iyz Ixz Ixy]
% 注意:修改了刚体对象的属性后,需要将其替换回机器人树中
replaceBody(robot, 'upper_arm', body);
这里有个细节需要注意:Inertia是一个6元素向量,表示惯性张量矩阵的6个独立分量。顺序是[Ixx, Iyy, Izz, Iyz, Ixz, Ixy]。如果你有CAD软件计算出的完整3x3惯性矩阵,需要按这个规则提取和排列。修改属性后,必须使用replaceBody函数将更新后的刚体对象替换回树中,修改才会生效。直接修改getBody返回的对象而不替换,是不会改变机器人模型的。
3.2 模型的拆分、组合与子树操作
想象一个场景:你有一个复杂的多指灵巧手模型,现在想单独研究其中一根手指的运动。这时候,subtree和removeBody函数就派上用场了。
% 从完整的机器人‘fullRobot’中,提取以‘finger1_base’为根节点的子树
finger1_model = subtree(fullRobot, 'finger1_base');
show(finger1_model); % 现在你可以独立操作和仿真这根手指了
subtree函数非常有用,它创建了一个新的rigidBodyTree对象,包含了指定刚体及其所有后代,而原模型保持不变。这在进行模块化分析时非常方便。与之相对的,removeBody则是从原模型中移除一个刚体及其所有后代。如果你不仅想移除,还想得到被移除的部分,可以使用它的返回值形式。
% 移除‘old_module’模块,并获取被移除的子树
removed_subtree = removeBody(robot, 'old_module');
% 然后,你可以设计一个新模块‘new_module’,并将其添加到原来的位置
addSubtree(robot, 'parent_body_name', new_module_subtree);
addSubtree允许你将一个完整的子树(也是一个rigidBodyTree对象)作为一个模块,添加到另一个机器人模型的指定父刚体上。这种操作极大地提高了代码的复用性和模型搭建的灵活性。我经常用这种方式来快速组装和测试不同构型的机器人。
4. 让模型“活”起来:运动学与动力学计算
模型准备就绪,接下来就是最激动人心的部分——计算。这一节,我们聚焦于工具箱提供的几个核心动力学函数,它们能让你的机器人模型根据物理规律运动起来。
4.1 正运动学与几何雅可比
正运动学解决的是“给定关节角度,求末端执行器位姿”的问题。虽然工具箱没有直接叫forwardKinematics的函数,但getTransform函数本质上就是用于计算正运动学变换的。
% 定义一个关节空间构型,例如一个7轴机器人在home位置附近
config = homeConfiguration(robot); % 获取初始构型结构体
config(2).JointPosition = pi/6; % 将第二个关节设置为30度
config(4).JointPosition = -pi/4; % 将第四个关节设置为-45度
% 计算末端执行器‘tool0’相对于基座‘base’的变换矩阵
T = getTransform(robot, config, 'tool0');
% T是一个4x4齐次变换矩阵,包含了位置和姿态信息
position = tform2trvec(T); % 提取位置向量 [x, y, z]
orientation = tform2quat(T); % 提取姿态四元数 [w, x, y, z]
而geometricJacobian函数计算的几何雅可比矩阵,建立了关节速度与末端执行器空间速度(线速度和角速度)之间的映射。它是速度级运动学、奇异点分析以及力控制的基础。
% 在特定构型config下,计算末端‘tool0’的几何雅可比矩阵
jacobian = geometricJacobian(robot, config, 'tool0');
% jacobian是一个6xN的矩阵,N是机器人的自由度。
% 前三行对应线速度映射,后三行对应角速度映射。
4.2 动力学核心:正/逆向动力学与质量矩阵
动力学是机器人仿真的精髓。forwardDynamics(正向动力学)回答的问题是:“给定当前状态(位置、速度)和关节力矩(及外力),机器人下一时刻的加速度是多少?” 这是仿真机器人自然运动的核心。
% 假设机器人处于构型q,关节速度qdot为零,关节力矩tau为零,且受重力作用
q = randomConfiguration(robot); % 随机生成一个构型
qdot = zeros(1, numJoints); % 关节速度为零
tau = zeros(1, numJoints); % 关节驱动力矩为零
% 计算在此状态下的关节加速度
qddot = forwardDynamics(robot, q, qdot, tau);
% qddot是一个向量,包含了每个关节的角加速度/线加速度
% 这个加速度是由重力产生的。你可以用这个加速度积分来预测机器人的运动。
更复杂的情况是考虑外力。例如,模拟机械臂末端抓取一个物体并对环境施加力。
% 定义作用在‘end_effector’刚体上的力和力矩(wrench),相对于基座坐标系
% wrench = [Tx, Ty, Tz, Fx, Fy, Fz],前三个是力矩,后三个是力
externalWrench = [0, 0, 0, 5, 0, 0]; % 在末端施加一个5N的X方向力
% 生成外力矩阵
fext = externalForce(robot, 'end_effector', externalWrench, q);
% 将此外力矩阵作为输入,计算包含外力效应的正向动力学
qddot_with_force = forwardDynamics(robot, q, qdot, tau, fext);
inverseDynamics(逆向动力学)则解决相反的问题:“为了让机器人产生预期的运动(位置、速度、加速度),需要施加多大的关节力矩?” 这是机器人控制器设计的关键。
% 给定期望的关节位置q,速度qdot,加速度qddot_desired
qddot_desired = [0.1, -0.2, 0.05, ...]; % 你的期望加速度向量
% 计算所需的关节力矩(已包含补偿重力的力矩)
required_tau = inverseDynamics(robot, q, qdot, qddot_desired);
而massMatrix函数返回的关节空间质量矩阵(惯性矩阵),描述了机器人的惯性特性,它是动力学方程 M(q)*qddot + C(q, qdot)*qdot + G(q) = tau 中的 M(q)。这个矩阵对于计算科氏力和离心力(velocityProduct函数)以及设计高级控制器非常重要。
% 计算机器人在构型q下的质量矩阵
M = massMatrix(robot, q);
% M是一个NxN的对称正定矩阵,N是自由度。
4.3 质心计算与静力学
centerOfMass函数不仅计算机器人整体的质心位置,还能返回质心雅可比矩阵。质心位置对于平衡控制(如双足机器人)至关重要,而质心雅可比则将关节速度映射为质心的线速度。
% 计算构型q下的质心位置(相对于基座)和质心雅可比
[com, comJac] = centerOfMass(robot, q);
% com: 1x3向量,质心坐标
% comJac: 3xN矩阵,质心速度雅可比
gravityTorque函数则是一个很实用的静力学计算工具,它直接给出在重力作用下,保持机器人当前姿态不动所需要的关节力矩。这在机器人“悬停”或者评估电机选型时非常有用。
% 计算保持构型q所需的重力补偿力矩
gravity_compensation_torque = gravityTorque(robot, q);
5. 实战案例:构建一个简易机械臂并仿真其拾取动作
让我们把所有知识串起来,完成一个综合性的小项目:构建一个三自由度平面机械臂,模拟它从A点运动到B点并“拾取”(模拟施加力)一个物体的过程,计算整个过程中的关节力矩变化。
首先,我们构建模型。这是一个RRR(三个旋转关节)结构,在XY平面内运动。
%% 1. 构建三自由度平面机械臂模型
robot = rigidBodyTree('DataFormat', 'row');
% 创建三个连杆
link1 = rigidBody('link1');
link2 = rigidBody('link2');
link3 = rigidBody('link3');
% 创建三个旋转关节,关节轴均为Z轴(垂直于平面)
jnt1 = rigidBodyJoint('joint1', 'revolute');
jnt2 = rigidBodyJoint('joint2', 'revolute');
jnt3 = rigidBodyJoint('joint3', 'revolute');
% 设置连杆长度(变换矩阵)
setFixedTransform(jnt1, trvec2tform([0, 0, 0])); % 第一个关节在基座原点
setFixedTransform(jnt2, trvec2tform([0.5, 0, 0])); % 连杆1长0.5米
setFixedTransform(jnt3, trvec2tform([0.4, 0, 0])); % 连杆2长0.4米
% 连杆3(末端)我们假设长度很短,比如0.1米,用于模拟末端执行器
setFixedTransform(rigidBodyJoint('fix'), trvec2tform([0.1, 0, 0]));
link3.Joint = rigidBodyJoint('fix', 'fixed'); % 末端是一个固定关节
% 分配关节并设置动力学参数(简化,假设为均匀杆)
link1.Joint = jnt1;
link1.Mass = 1.0;
link1.CenterOfMass = [0.25, 0, 0]; % 质心在连杆中点
link1.Inertia = [0.01, 0.01, 0.001, 0, 0, 0];
link2.Joint = jnt2;
link2.Mass = 0.8;
link2.CenterOfMass = [0.2, 0, 0];
link2.Inertia = [0.005, 0.005, 0.001, 0, 0, 0];
link3.Mass = 0.2;
link3.CenterOfMass = [0.05, 0, 0];
link3.Inertia = [0.001, 0.001, 0.0001, 0, 0, 0];
% 组装机器人
addBody(robot, link1, 'base');
addBody(robot, link2, 'link1');
addBody(robot, link3, 'link2');
robot.Gravity = [0, -9.81, 0]; % 重力沿Y轴负方向
show(robot);
view(2); % 切换到XY平面视图
接下来,我们规划一段简单的轨迹:从初始位置q_start = [0, pi/4, -pi/6]运动到目标位置q_end = [pi/6, pi/3, -pi/4],并在末端停留模拟“拾取”。
%% 2. 轨迹规划与运动学计算
q_start = [0, pi/4, -pi/6];
q_end = [pi/6, pi/3, -pi/4];
steps = 50;
time = linspace(0, 2, steps); % 2秒完成运动
q_traj = zeros(steps, 3);
for i = 1:steps
q_traj(i, :) = q_start + (q_end - q_start) * (1 - cos(pi * i/steps)) / 2; % 简单余弦插值
end
% 计算轨迹上各点的末端位置和雅可比矩阵
pos_traj = zeros(steps, 3);
for i = 1:steps
T = getTransform(robot, q_traj(i, :), 'link3'); % 末端是link3
pos_traj(i, :) = tform2trvec(T);
% 这里可以保存雅可比矩阵用于后续分析
end
figure;
plot(pos_traj(:,1), pos_traj(:,2), 'b-o'); hold on;
plot(pos_traj(1,1), pos_traj(1,2), 'g*', 'MarkerSize', 15); % 起点
plot(pos_traj(end,1), pos_traj(end,2), 'r*', 'MarkerSize', 15); % 终点
xlabel('X (m)'); ylabel('Y (m)'); title('末端执行器轨迹');
最后,我们进行动力学仿真。假设在轨迹末端(拾取点),有一个垂直向下的力作用在末端执行器上(模拟抓取物体后的重力)。
%% 3. 逆向动力学仿真计算所需关节力矩
qdot_traj = gradient(q_traj')' ./ gradient(time); % 数值计算关节速度
qddot_traj = gradient(qdot_traj')' ./ gradient(time); % 数值计算关节加速度
tau_traj = zeros(steps, 3);
for i = 1:steps
% 前80%行程为空载运动
if i < steps * 0.8
fext = zeros(6,1); % 无外力
else
% 后20%行程模拟抓取了一个0.5kg的物体,产生约5N的力
% 力作用在末端‘link3’,方向为重力方向
externalWrench = [0, 0, 0, 0, -5, 0]; % [Tx,Ty,Tz,Fx,Fy,Fz]
fext = externalForce(robot, 'link3', externalWrench, q_traj(i, :));
end
% 计算所需关节力矩(包含惯性力、科氏力、离心力、重力及外力)
tau_traj(i, :) = inverseDynamics(robot, q_traj(i, :), qdot_traj(i, :), qddot_traj(i, :), fext);
end
% 绘制关节力矩曲线
figure;
subplot(3,1,1); plot(time, tau_traj(:,1)); ylabel('关节1力矩 (Nm)'); grid on;
subplot(3,1,2); plot(time, tau_traj(:,2)); ylabel('关节2力矩 (Nm)'); grid on;
subplot(3,1,3); plot(time, tau_traj(:,3)); ylabel('关节3力矩 (Nm)'); xlabel('时间 (s)'); grid on;
sgtitle('各关节所需驱动力矩');
通过这个完整的流程,你不仅构建了一个机器人模型,还实现了从轨迹规划、运动学计算到动力学仿真的全流程。你可以清晰地看到,在模拟“拾取”动作后(时间约1.6秒后),所需的关节力矩有一个明显的阶跃变化,这正反映了负载增加对驱动系统的影响。这种仿真对于评估电机选型、减速器规格以及控制器性能至关重要。在实际项目中,我经常用这样的仿真来提前发现设计中的力矩不足或奇异点问题,避免硬件造出来后才发现缺陷,节省了大量的成本和调试时间。
441



被折叠的 条评论
为什么被折叠?



