动作捕捉系统Nokov获取刚体的姿态信息 前言:对于动捕系统软件Seeker的基本使用以及获取单个Marker的位置操作已经比较熟悉了,对于机械臂而言,接下来就是获取它的姿态信息,经过昨天下午的操作后,现对于建立多个Marker点获取刚体姿态的方法有了一定的认识和理解,特此记录说明。 Seeker软件可以得到刚体的姿态,常用于无人机,机械臂等应用场景。 创建刚体的说明:创建刚体S
导语:这一周的工作先是完成了度量系统Nokov的标定,然后对机械臂自身的编码器得到的坐标值与动作捕捉系统Nokov测得的坐标值进行了比较,来观察二者之间的误差。在这个过程中我对Nokov软件Seeker的使用有了基本掌握,最重要的是让我对机械臂有了更深的理解,特此在这记录。 一. 度量系统Nokov的标定 在进行坐标值比较之前,我已经对度量系统进行了一次标定,标定效果很好。真实值4
前言:最近在搞神经网络,看到有用神经网络逼近未建模动态的,也有用神经网络来逼近整个模型的,后者即是无模型控制。无模型控制它不需要知道系统的名义模型,直接用神经网络来逼近整个系统,感觉这个方法还蛮厉害的。鉴于此,我将此方法用在了六关节机械臂的模型上,最后的控制效果还不错。 1. 机械臂动力学方程 这里的 f 为摩擦力,d 为外部干扰,τ为关节力矩,动力学建模方法使用导师的凯恩方法,具体代码不再赘
前言:有个把月没更新博客了,一是有点忙,二来也不是特别想写博客。上个月主要是在搭建永磁同步电机和机械臂联合仿真的模型,最后仿真效果还算良好,应该算完成了。 永磁同步电机与机械臂的联合simulink仿真 思路:有两种思路,第一种思路是电机输出电磁转矩,机械臂输入力矩,机械臂输出角度和角速度然后与电机的角度成一个减速比的关系。第二种思路是电机给角度指令,机械臂输入角度输出力矩,输出的力矩是电磁转矩,
前言:之前海子哥用SimMechanics来建立机械臂仿真,自己也开始慢慢的使用,发现SimMechanics比Adams仿真机械臂好用多了,由于Matlab/simulink能与SimMechanics形成交互界面,数据处理非常的方便,且SimMechanics自带的模块功能也很强大,用起来实属方便。 Simscape Multibody/simmechanics官方文档 一. smnew命令
工业机器人负载识别 前言:工业机器人在使用过程中,由于末端负载的变化导致机械振动,因此需要识别机器人末端负载去调整相应的控制参数来保证其具有良好的运动表现,这里采用一种不需额外传感器的机器人负载识别办法。 一:末端负载计算表达式 式中 m mm 为机器人末端负载质量(单位:k g),τ M i 为电机输出转矩,b i 为电机的减速比,η i为传动效率,k i 为关节驱动力矩中与机器人的末端所
动作捕捉系统Nokov获取刚体的姿态信息 前言:对于动捕系统软件Seeker的基本使用以及获取单个Marker的位置操作已经比较熟悉了,对于机械臂而言,接下来就是获取它的姿态信息,经过昨天下午的操作后,现对于建立多个Marker点获取刚体姿态的方法有了一定的认识和理解,特此记录说明。 Seeker软件可以得到刚体的姿态,常用于无人机,机械臂等应用场景。 创建刚体的说明:创建刚体Segments之前
导语:两周的动力学参数辨识,使我学到很多,但遇到的问题更多,在网上有很多六关节动力学参数辨识的资料,但大家对于最小惯性参数集的推导都不详细,不能得到最小惯性参数集的系数和对应的回归矩阵,很多东西都是直接给出来了,这期间我自己搭建模型,写代码,目前成功辨识出来第六关节的惯性参数,但在辨识第五关节的惯性参数时遇到一点问题,正在解决中,下篇推出全部关节的辨识 动力学参数辨识过程 熟悉动力学参数辨识的人都
Adams六关节机械臂与Matlab/Simulink的联合仿真(下) 接上文,上文讲到了建立好变量与测量单元之间的关联了,下面完成matlab/simulink的对接接口以及模型搭建 第一步. adams机械系统导出 1 adams中点击插件 - Adams Controls - 机械系统导出 注:文件前缀自己命名,输入信号选择六个关节力矩分量,输出信号选择六个关节角和六个关节角速度,
Adams六关节机械臂与Matlab/Simulink的联合仿真(上) 前言:一直对于六关节机械臂与simulink的联合仿真很感兴趣,但网上关于实际模型的机械臂联合仿真的资料很少,更别说六关节的联合仿真了,所以断断续续地经历了很久才做出,期间踩过不少的坑,实属不易,现将整个仿真过程记录与此,与大家分享。 第一步. 从SolidWorks中导入模型到adams Solidworks另存为.xmt_
function [sys,x0,str,ts] = RobustControler(t,x,u,flag) switch flag, case 0, [sys,x0,str,ts]=mdlInitializeSizes; case 1, sys=mdlDerivatives(t,x,u); case {2,4,9}, sys=[]; case 3,
基于局部POE的机器人运动学标定 导语:定位精度作为影响机器人性能的重要因素,需要对机器人进行标定来提高机器人的定位精度从而满足工业上的需要。 Question: 什么是机器人标定?为什么机器人需要标定? Answer:机器人标定是指机器人运动学标定,为了使机器人本体达到与理论设计模型一致,提高机器人的点精度和轨迹精度或者能够完全以编程设定的动作运动,机器人在装配后需要进行标定工作。标定的方法主要
前言:基于指数积的正运动学 现代机器人学名词概念 有了以上的基础,我们现在利用指数积来对机器人的逆运动学进行求解,有一点需要注意,需要先对机器人进行指数积的正运动学建模,然后才能利用指数积来对逆运动学求解,求解逆运动学的方法我们这里采用数值求解的方式来求解关节角。 一. 逆运动学的解析求解 对于求解析解,即找出机器人的连杆运动关系,通过几何的方法来求得具体的解析解,这种方
前言:对于一个开链机器人而言,末端执行器的位置和姿态可以通过关节角唯一确定出来。正运动学的问题就是当给定各关节位置,求出附着在末端执行器上的物体坐标系的位姿。描述正运动学的方法主要是DH参数法,它是在每个关节上建立坐标系,通过坐标系的平移旋转,即矩阵的乘积来求得相对于基坐标系的末端位姿。指数积(Product of Exponential,POE)的方法近些年才开始流行,成为新颖的建模方法。POE
积分
粉丝
勋章
TA还没有专栏噢
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信