机器人控制系列教程之Delta机器人动力学分析

动力学简介

机器人动力学分析是已知各运动构件的尺寸参数和惯性参数的情况下,求解末端运动状态与主驱动力矩之间的函数关系。
意义:对并联机器人动力学分析的意义体现在:

  1. 为伺服电机的选型提供理论依据;
  2. 获得动力学参数为目标函数的最优问题做性能评价指标;
  3. 为高精度控制提供基本的前提。

建模方法

在进行串联机器人的动力学分析时,我们讲过了凯恩法、拉格朗日法和牛顿-欧拉法,并对后两种方法进行了详细的阐述(详见第21讲)。而并联机器人的动力学建模相对于串联机器人较为复杂,但具体的建模过程差距不大。除此之外还有Hamliton原理法、虚功原理法等等。其中虚功原理的方法计算相对简单,效率相对较高,可以在后续的工作中加以适当的简化,进一步降低运算时间,使其满足实时控制的需要。
虚功原理法: 该方法运用到并联机器人动力学建模中较多,其主要的建模原理是:满足理想约束的刚体在系统上作用任何的平衡力,当刚体发生无穷小位移,则主动力在虚位移上做总功恒等于零。

Delta机器人雅可比矩阵

机器人机构的雅克比矩阵是一个变换矩阵,建立关节速度与操作空间速度的关系,它能够反映出机器人运动构件的能量传递。Delta机器人雅可比矩阵的数学关系式为:

在这里插入图片描述

通常情况下求解雅克比矩阵有微分法和矢量积法。Delta 机器人求解雅克比矩阵采用上述两种方法求解均可计算出,矢量法的求解已经在上上节讲述过,本节将采用微分法获得雅克比矩阵的解析式。由运动学建模中: ∣ B i P i ∣ = L a \left| { {B_i}{P_i}} \right| = {L_a} BiPi=La

[ ( R − r + L a cos ⁡ θ i ) cos ⁡ η i − x ] 2 + [ ( R − r + L a cos ⁡ θ i ) sin ⁡ η i − y ] 2 + ( L a sin ⁡ θ i + z ) 2 = L b 2 {\left[ {\left( {R - r + {L_a}\cos {\theta _i}} \right)\cos {\eta _i} - x} \right]^2} + {\left[ {\left( {R - r + {L_a}\cos {\theta _i}} \right)\sin {\eta _i} - y} \right]^2} + {\left( { {L_a}\sin {\theta _i} + z} \right)^2} = L_b^2 [(Rr+Lacosθi)cosηix]2+[(Rr+Lacosθi)sinηiy]2+(Lasinθi+z)2=Lb2

将上式转化成隐式方程 f ( i ) f\left( i \right) f(i),i=1、2、3,对其求微分可得:
在这里插入图片描述

Delta机器人质量惯性矩阵

机器人的质量惯性矩阵可由机构的动能来获取,如某一刚体的动能和多刚体的动能可表示为:

T i = 1 2 ( m i v i T v i + ω i T I i ω i ) ⇒ T = ∑ i = 1 n T i {T_i} = {1 \over 2}\left( { {m_i}v_i^T{v_i} + \omega _i^T{I_i}{\omega _i}} \right) \Rightarrow T = \sum\limits_{i = 1}^n { {T_i}} Ti=21(miviTvi

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/772007.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

内容为王:揭秘顶尖品牌的内容营销制胜法宝

内容营销是当今互联网市场推广领域的热门话题,因为它可以帮助企业更好地与受众沟通、建立品牌口碑,增加销售量。 根据咱们何策网的资源库里的SocialBeta2024年最新《2024 内容营销 10 大趋势》的报告来看,品牌在未来内容营销中最应该注重的是…

2024亚太杯中文赛数学建模B题【洪水灾害的数据分析与预测】思路详解

2024 年第十四届 APMCM 亚太地区大学生数学建模竞赛 B题 洪水灾害的数据分析与预测 附件 train.csv 中提供了超过 100 万的洪水数据,其中包含洪水事件的 id、季风强度、地形排水、河流管理、森林砍伐、城市化、气候变化、大坝质量、淤积、农业实践、侵蚀、无效防灾、…

Unity 之基于URP使用UniStorm Weather System天气系统

内容将会持续更新,有错误的地方欢迎指正,谢谢! Unity 之基于URP使用UniStorm Weather System天气系统 TechX 坚持将创新的科技带给世界! 拥有更好的学习体验 —— 不断努力,不断进步,不断探索 TechX —— 心探索、…

Linux和mysql中的基础知识

cpu读取的指令大部分在内存中(不考虑缓存) 任何程序在运行之前都的加入到内存。 eip->pc指针,指明当前指令在什么位置。 代码大概率是从上往下执行的,基于这样的基本理论。既可以将一部分指令加载到CPU对应的缓存中&#xf…

智能猫砂盆到底哪家好用?自费实测聚宠、糯雪、CEWEY真实反馈!

快到夏天了,是不是还有人因为没挑选到喜欢的智能猫砂盆而苦恼着?太便宜怕不好用,太贵怕质量比不上价格。来来去去拖到现在还没决定,我作为养了四年猫的资深铲屎官,今天就来给大家传授经验,关于我是怎么从好…

从源码到应用:直播电商系统与短视频带货APP开发指南

本篇文章,笔者将从源码到应用,详细探讨如何开发一个直播电商系统和短视频带货APP。 一、系统架构设计 在开始开发之前,首先需要对系统进行整体架构设计。一个完整的直播电商系统和短视频带货APP主要包括以下几个模块: 1.用户管理…

Android12 MultiMedia框架之MediaExtractorService

上节学到setDataSource()时会创建各种Source,source用来读取音视频源文件,读取到之后需要demux出音、视频、字幕数据流,然后再送去解码。那么负责进行demux功能的media extractor模块是在什么时候阶段创建的?这里暂时不考虑APP创建…

UE5.4新功能 - Texture Graph上手简介

TextureGraph是UE5.4还在实验(Experimental)阶段的新功能,该功能旨在材质生成方面达到类似Subtance Designer的效果,从而程序化的生成一些纹理。 本文就来简要学习一下。 1.使用UE5.4或以上版本,激活TextureGraph插件 2.内容视图中右键找到…

day11_homework_need2submit

Homework 编写—个将ts或mp4中视频文件解码到yuv的程序 yuv数据可以使用如下命令播放: ffplay -i output yuv-pix_fmt yuv420p-s 1024x436 要求: ffmpeg解析到avpacket并打印出pts和dts字段完成解码到avframe并打印任意字段完成yuv数据保存 // teminal orders on bash cd ex…

6 矩阵相关案例

矩阵计算在CUDA中的应用是并行计算领域的典型场景 ; 矩阵算法题通常涉及线性代数的基础知识,以及对数据结构和算法的深入理解。解决这类问题时,掌握一些核心思想和技巧会非常有帮助。以下是一些常见的矩阵算法题解题思想: 动态规划…

stm32——定时器级联

在STM32当中扩展定时范围:单个定时器的定时长度可能无法满足某些应用的需求。通过级联,可以实现更长时间的定时;提高定时精度:能够在长定时的基础上,通过合理配置,实现更精细的定时控制;处理复杂…

Postman工具基本使用

一、安装及基本使用 安装及基本使用参见外网文档:全网最全的 postman 工具使用教程_postman使用-CSDN博客 建议版本:11以下,比如10.x.x版本。11版本以后貌似是必须登录使用 二、禁止更新 彻底禁止postman更新 - 简书 host增加&#xff1…

vector与list的简单介绍

1. 标准库中的vector类的介绍: vector是表示大小可以变化的数组的序列容器。 就像数组一样,vector对其元素使用连续的存储位置,这意味着也可以使用指向其元素的常规指针上的偏移量来访问其元素,并且与数组中的元素一样高效。但与数…

【计算机毕业设计】026基于微信小程序的原创音乐

🙊作者简介:拥有多年开发工作经验,分享技术代码帮助学生学习,独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。🌹赠送计算机毕业设计600个选题excel文件,帮助大学选题。赠送开题报告模板&#xff…

记录OSPF配置,建立邻居失败的过程

1.配置完ospf后,在路由表中不出现ospf相关信息 [SW2]ospf [SW2-ospf-1]are [SW2-ospf-1]area 0 [SW2-ospf-1-area-0.0.0.0]net [SW2-ospf-1-area-0.0.0.0]network 0.0.0.0 Jul 4 2024 22:11:58-08:00 SW2 DS/4/DATASYNC_CFGCHANGE:OID 1.3.6.1.4.1.2011.5.25 .1…

《昇思25天学习打卡营第9天|保存与加载》

文章目录 今日所学:一、构建与准备二、保存和加载模型权重三、保存和加载MindIR总结 今日所学: 在上一章节主要学习了如何调整超参数以进行网络模型训练。在这一过程中,我们通常会想要保存一些中间或最终的结果,以便进行后续的模…

《米小圈日记魔法》边看边学,轻松掌握写日记的魔法!

在当今充满数字化娱乐和信息快速变迁的时代,如何创新引导孩子们学习,特别是如何培养他们的写作能力,一直是家长和教育者们关注的焦点。今天就向大家推荐一部寓教于乐的动画片《米小圈日记魔法》,该系列动画通过其独特的故事情节和…

Elasticsearch 使用误区之二——频繁更新文档

在使用 Elasticsearch 时,频繁更新文档是一种常见误区。这不仅影响性能,还可能导致系统资源的浪费。 理解 Elasticsearch 的文档更新机制对于优化性能至关重要。 关于 Elasticsearch 更新操作,常见问题如下: ——https://t.zsxq.c…

word 转pdf 中图片不被压缩的方法

word 转pdf 中图片不被压缩的方法 法1: 调节word 选项中的图片格式为不压缩、高保真 法2: 1: word 中的图片尽可能使用高的分辨率,图片存为pnd或者 tif 格式(最高清) 2: 转化为pdf使用打印机器,参数如下…

Java面试题-锁

整体关于锁知识总结 下面是放大版: 补充:锁的粒度 忘记说了全局锁 : 1, 全局锁 flush tables with read lock ; // 对整个数据库上锁; 2, unlock tables; // 释放锁 但是我们一般不用;只有在数…