【机器人】机械臂控制入门技术栈分享.pdfVIP

【机器⼈】机械臂控制⼊门技术栈分享 机械臂控制⼊门技术栈分享 1.前⾔ 今天看到CSDN上有个分享个⼈技术栈的活动，虽然我不是⼀个正规的程序员，也不搞前端、后端这些，但我⼀直在CSDN上通过写博客对 我的学习进⾏总结，于是我突发奇想，不如我也写⼀下我的个⼈技术栈，针对机械臂控制⼊门的，因为我⽔平也不⾼，所以本⽂内容也许不 够饱满，也不够准确，但是本⽂所提及的技术都是我现在正在学习的，希望能与⼤家⼀起分享。 2.机器⼈控制⼊门技术栈 在学习机械臂的控制之前，需要对机器⼈的基础知识有所掌握，这⼀部分可以通过阅读⼀些书籍来获得整体框架，然后再通过阅读论⽂来学 习具体应⽤和改进。这⼀部分我主要使⽤的书籍有两本 ： Craig J J. Introduction to robotics: mechanics and control, 3/E[M]. Pearson Education India, 2009. 该书也有中⽂版《机器 ⼈学导论》 Corke P. Robotics, vision and control: fundamental algorithms in MATLAB® second, completely revised[M]. Springer, 2017. 该书也有中⽂版《机器⼈学、机器视觉与控制――MATLAB算法基础》 Lynch K M, Park F C. Modern Robotics[M]. Cambridge University Press, 2017. 该书也有中⽂版《现代机器⼈学》 2.1.空间描述和变化 掌握对空间的描述以及空间变化是基础中的基础，因为在进⾏机器⼈建模、控制等，都需要在空间中对机器⼈进⾏描述，⽐如各个关节之间 的位置关系、末端执⾏器的位姿描述、轨迹规划等。这⼀部分可以在阅读书籍的时候，配合使⽤Matlab等仿真平台进⾏仿真，建⽴直观印 象。 需要重点学习： 不同坐标系之间的变换⽅式以及顺序 平移变换 多种对旋转变换的描述，如欧拉⾓、四元数、旋量等 旋转矩阵的建⽴及其性质 这⼀部分掌握之后便可进⼊下⼀部分学习。 2.2.运动学分析 运动学，顾名思义，是对机器⼈运动的描述⽅法，即关节⾓度、位姿、速度，不涉及⼒学、加速度等。运动学可以分为正运动学、逆运动学 和微分运动学 ： 正运动学 ：已知关节⾓度，推导出末端执⾏器位姿 逆运动学 ：已知末端执⾏器位姿，计算出各个关节⾓度 微分运动学 ：建⽴速度雅可⽐矩阵，描述末端执⾏器速度和各个关节速度关系 运动学能够⽤来进⾏轨迹规划等操作。 2.3.动⼒学建模 为了实现机械臂的⾼精度控制，学习动⼒学建模是⾮常有必要的。动⼒学即分析机械臂⼒与运动的关系，分为： 逆动⼒学：已知关节⾓速度和⾓加速度，求关节⼒矩 正动⼒学：已知关节⼒矩，求出关节⾓速度和⾓加速度 动⼒学建模有很多种⽅法，可以根据⾃⼰的实际需要来进⾏选择，这⾥我就例举三个我⽐较熟悉的建模⽅法： ⽜顿欧拉法：清晰明了，物理意义明确，便于理解，但是当关节数较多时，推导过程⽐较负责繁琐 拉格朗⽇法：引⼊能量，建模要稍微简单⼀点点，但是会出现很多微分运算 凯恩⽅法：该⽅法也是我导师主要使⽤的⽅法，基于达朗贝尔原理和虚功原理，感觉对多关节机械臂建模时，⽐较清晰明了，⽽且适合 计算机编程 如果对动⼒学建模过程有点不明⽩，还可以去简单学习⼀些理论⼒学知识。如果研究更加深⼊，需要考虑电机和减速器等伺服驱动模型时， 则还需要对同步电机、直流电机进⾏学习。 2.4.控制⼊门学习 因为我本⼈本科是学⾃动化的，所以对⾃动控制理论⽐较熟悉，对于刚⼊门的朋友，可以直接上⼿学习PID控制，因为PID控制是基于误差 ⽽不是基于模型，⽐较简单实⽤，也是现在应⽤最⼴泛的控制⽅法，明⽩它的流程，如果有不明⽩的地⽅，再针对这⼀部分学习相应的控制 理论。然后就是看书看例程看论⽂，⾃⼰搭建仿真平台实现⼀些简单的机械臂控制。 3.进阶部分 进阶部分也是我现在正在研究学习的地⽅，所以可能写的不是很全⾯，仅供参考。 3.1.机器⼈参数辨识 机器⼈参数常常会因为制造⼯艺等原因产⽣⼀定的误差，为了能够使模型更加精准，需要对模型参数进⾏辨识、标定，这⾥⼀般⽤到的知识 有最⼩⼆乘法、观测器、卡尔曼滤波等，可以根据⾃⼰的实际需求进⾏学习，我⽤的⽐较多的就是最⼩⼆乘法。 3.2.⾮线性控制 机器⼈作为⼀个⾮线性、强耦合系统，学习⾮线性控制也是很有必要的，我⽤的⽐较多的就是滑模控制，⾮线性控制都是基