软实时环境下机器人系统建模与实现

合集下载

《基于STM32的扫地机器人设计与实现》

《基于STM32的扫地机器人设计与实现》

《基于STM32的扫地机器人设计与实现》一、引言随着科技的不断发展,智能家居已成为现代生活的重要组成部分。

扫地机器人作为智能家居领域中的一员,以其便捷、高效、智能的特点受到了广泛关注。

本文将详细介绍基于STM32的扫地机器人的设计与实现过程,包括硬件设计、软件设计、系统实现以及测试与优化等方面。

二、硬件设计1. 微控制器:选用STM32系列微控制器,具有高性能、低功耗的特点,满足扫地机器人对控制系统的要求。

2. 电机与驱动:扫地机器人采用直流电机,配合电机驱动模块,实现机器人的运动控制。

3. 传感器:包括红外线测距传感器、超声波测距传感器、碰撞传感器等,用于实现机器人的避障、定位等功能。

4. 电源模块:采用可充电锂电池,为扫地机器人提供稳定的电源。

5. 其他硬件:包括电源开关、充电接口、LED指示灯等辅助模块。

三、软件设计1. 操作系统:采用实时操作系统(RTOS),实现多任务调度,提高系统响应速度和稳定性。

2. 算法设计:包括路径规划算法、避障算法、清洁模式算法等,实现扫地机器人的智能控制。

3. 通信协议:设计扫地机器人与上位机通信的协议,实现远程控制、状态反馈等功能。

4. 软件架构:采用模块化设计,将软件分为多个功能模块,便于后期维护和升级。

四、系统实现1. 路径规划:扫地机器人采用激光雷达或视觉传感器进行环境感知,通过路径规划算法生成清洁路径。

2. 避障功能:通过红外线测距传感器和超声波测距传感器检测障碍物,实现避障功能。

3. 清洁模式:扫地机器人可设置多种清洁模式,如自动模式、沿边模式、重点清洁模式等,以满足不同需求。

4. 远程控制:通过上位机与扫地机器人通信,实现远程控制功能。

5. 状态反馈:扫地机器人通过LED指示灯和上位机界面反馈工作状态和电量等信息。

五、测试与优化1. 测试:对扫地机器人进行功能测试、性能测试和稳定性测试,确保各项功能正常工作。

2. 优化:根据测试结果对算法和硬件进行优化,提高扫地机器人的工作效率和清洁效果。

机器人操作系统设计与开发

机器人操作系统设计与开发

机器人操作系统设计与开发在过去的几十年里,机器人已经成为了现代工业和生活中必不可少的一部分。

他们可以帮助我们完成许多重复性、危险性和高精度的作业,促进生产的效率和质量的提高。

这种趋势还将进一步扩展,随着动力系统、感知技术和自主决策的不断进步,机器人已经成为一个高度自主化的智能设备。

这也引发了对机器人操作系统(ROS)设计和开发的研究与讨论的浪潮。

一、机器人操作系统ROS概述机器人操作系统ROS(Robot Operating System)是一个开源的、灵活和深受欢迎的平台,用于设计和开发机器人软件。

在ROS中,机器人被视为一系列节点,每个节点都是一个独立的进程,可以通过ROS的通信机制来协作工作。

ROS提供了一系列工具和库,用于支持无人机、机器人臂、移动机器人和其他硬件设备的各种传感器和控制器的集成。

ROS的开放性和灵活性使得它也可以应用于各种不同的领域,例如人工智能、控制系统、智能物联网、3D打印和自动驾驶等。

二、ROS的架构ROS的核心构架主要由三部分构成:发布-订阅模型、服务客户端模型和参数服务器模型。

发布-订阅模型:该模型通过流水线式的消息传递协议,可以实现高效的实时数据传输和交互。

每个节点都可以连接到一个或多个主题(Topis)进行消息传输,同时可以创建独立的发布者或订阅者节点。

例如,一个移动机器人可以发布它的位置信息到一个主题上,同时另一个视觉传感器可以订阅同一主题获得移动机器人的位置信息,以此来精确跟随机器人的动态。

服务客户端模型:该模型通过request-response协议实现节点间的一对一通信交互。

在该模型中,一个节点可以创建特定的服务提供者,它提供特定的服务(例如,获取传感器数据或控制机器人动作)。

其他节点可以向该服务提供者发送请求,并获得响应结果。

参数服务器模型:该模型用于存储和访问在节点间共享访问的参数值(例如节点ID、配置文件和参数值等),提供更好的参数管理和节点通信机制。

(完整版)DSPACE应用简介

(完整版)DSPACE应用简介

dSPACE 实时仿真平台软件环境及应用一、dSPACE 简介dSPACE实时仿真系统是由德国dSPACE公司开发的一套基于MATLAB/Simulink 的控制系统在实时环境下的开发及测试工作平台,实现了和MATLAB/Simulink 的无缝连接。

dSPACE 实时系统由两大部分组成,一是硬件系统,二是软件环境。

其中硬件系统的主要特点是具有高速计算能力,包括处理器和I/O 接口等;软件环境可以方便地实现代码生成/下载和试验调试等工作。

dSPACE 具有强大的功能,可以很好地完成控制算法的设计、测试和实现,并为这一套并行工程提供了一个良好的环境。

dSPACE 的开发思路是将系统或产品开发诸功能与过程的集成和一体化,即从一个产品的概念设计到数学分析和仿真,从实时仿真实验到实验结果的监控和调节都可以集成到一套平台中来完成。

dSPACE 的软件环境主要由两大部分组成,一部分是实时代码的生成和下载软件RTI(Real-Time Interface),它是连接dSPACE 统与MATLAB/Simulink 纽带,通过对RTW(Real-Time Workshop)进行扩展,可以实现从Simulink 模型到dSPACE 实时硬件代码的自动下载。

另一部分为测试软件,其中包含了综合实验与测试环境(软件)ControlDesk、自动试验及参数调整软件MLIB/MTRACE、PC 与实时处理器通信软件CLIB 以及实时动画软件RealMotion 等。

二、dSPACE的优点dSPACE 实时仿真系统具有许多其它仿真系统具有的无法比拟的优点:1、dSPACE 组合性很强。

2、dSPACE 的过渡性和快速性好。

由于dSPACE 和MATLAB 的无缝连接,使MATLAB 用户可以轻松掌握dSPACE 的使用,方便地从非实时分析、设计过渡到实时的分析和设计上来,大大节省了时间和费用。

3、性能价格比高。

dSPACE 是一个操作平台,它可用于许多产品的开发或实时仿真测试,而不是一物一用。

dSPACE实时仿真平台软件环境及应用

dSPACE实时仿真平台软件环境及应用

V ol. 16 No. 4 系统仿真学报April 2004 JOURNAL OF SYSTEM SIMULATION• 667 • dSPACE实时仿真平台软件环境及应用马培蓓1, 吴进华2, 纪军1,徐新林1( 1海军航空工程学院研究生2队, 山东 264001;2海军航空工程学院自动控制系, 山东 264001)摘要:从某种角度上来说,一个国家的半实物仿真技术的发展水平代表了其整体的科技实力。

主要介绍了dSPACE实时仿真平台的优点及其软件环境,它包括代码生成及下载软件和测试软件;阐述了基于dSPACE进行控制系统开发的步骤,它比较传统的方法具有方便、高效、精确等优越性;以此为契机,具体应用dSPACE仿真平台进行了某型反航导弹控制系统半实物仿真的开发,结果证明此次仿真实验是比较成功的。

关键词:HILS;RTI;RTW;ControlDesk;dSPACE仿真平台文章编号:1004-731X(2004) 04-0667-04 中图分类号:TP391.9文献标识码:A Software Environment and Application of dSPACE Real-Time Simulation PlatformMA Pei-bei1, WU Jin-hua2, JI Jun1, XU Xin-lin1(1Students’ Brigade of NAEI, Yantai 264001, China;2Department of Automatic Control Engineering of NAEI, Yantai 264001, China) Abstract: From a certain angle, the development of hardware-in-the-loop simulation (HILS) represents the whole science and technology’s strength for a country. This paper introduces mainly dSPACE Real-Time simulation platform and its software environment which includes RTI and ControlDesk. It expatiates on the developing steps of control system which based on dSPACE. It is more convenient, efficient and accurate than traditional methods; By right of the base, we design HILS of anti-ship missile. The results prove that the HIL experiment is successful.Keywords: HILS; RTI; RTW; ControlDesk; dSPACE Real-Time simulation platform引言HILS(Hardware-in-the-Loop Simulation),即硬件在回路仿真。

机器人运动轨迹规划算法的设计与实现

机器人运动轨迹规划算法的设计与实现

机器人运动轨迹规划算法的设计与实现随着人工智能技术的不断发展,机器人逐渐成为应用领域非常广泛的设备之一。

无论是工业生产线上的自动化控制,还是医疗卫生领域的手术辅助,机器人的应用都已经深入到各行各业的生产和服务之中。

运动轨迹规划算法作为机器人技术中的核心问题之一,对机器人行动的有效控制和高效运作起着至关重要的作用。

一、机器人运动轨迹规划的概念和作用机器人的运动轨迹规划,简单说来,就是在机器人的控制系统中,根据机器人的运行环境和任务需求,设计和实现一种能够使机器人在给定空间内完成指定任务的运动轨迹的算法和控制方案。

这种规划有利于机器人的准确运动和高效操作,从而为生产和服务的高质量实现提供了坚实基础。

机器人运动轨迹规划算法的设计和实现,涉及到多个领域的知识和技术,如机械设计、动力学、控制理论、计算机科学等,因此要求设计和实现者具备强大的理论基础和实际经验。

二、机器人运动轨迹规划算法的实现方法机器人运动轨迹规划算法的实现方法,包括了几个方面,如机器人的动力学建模、运动轨迹规划算法的选择和实现、控制系统建立与实时控制等。

在这些方面中,机器人的动力学建模是一个非常重要且需要高精度的过程,因为它直接影响机器人的运动效果和控制效率。

机器人的动力学建模,一般采用符号表示法或基于模型的方法。

在符号表示法中,机器人被视为一个刚体系统,在运动中受到各种外力和内力的作用而产生运动,而机器人的动力学方程则是对这些力学作用的表达和描述。

这种方法适用于简单的机器人模型和较为简单的控制任务。

而基于模型的方法,则是利用CAD等计算机软件对机器人进行建模,然后基于建好的模型进行机器人运动轨迹的规划和控制。

这种方法在模型复杂度要求较高和控制精度要求较高的实际工作中得到了广泛应用。

机器人运动轨迹规划算法的选择和实现,依据应用任务和运行环境来进行定制化设计。

一般可以采用最优路径、RRT(rapid random trees)、PSO(particle swarm optimization)、GA(genetic algorithm)等方法来完成运动轨迹规划。

《基于FPGA目标识别的机器人设计与实现》范文

《基于FPGA目标识别的机器人设计与实现》范文

《基于FPGA目标识别的机器人设计与实现》篇一一、引言随着科技的快速发展,机器人在各种应用领域扮演着越来越重要的角色。

而其中,基于FPGA(Field Programmable Gate Array)目标识别的机器人更是得到了广泛的关注与应用。

这种机器人具有高效、实时、可定制等优点,能够在复杂环境中进行精确的目标识别与处理。

本文将详细介绍基于FPGA目标识别的机器人的设计与实现过程。

二、系统设计1. 硬件设计机器人硬件设计包括处理器模块、传感器模块、运动控制模块和通信模块等。

其中,FPGA处理器模块是核心部分,负责执行目标识别的算法和图像处理等任务。

传感器模块包括摄像头、红外传感器等,用于获取周围环境的信息。

运动控制模块通过电机驱动器控制机器人的运动。

通信模块则负责与上位机或其他机器人进行通信。

2. 软件设计软件设计主要包括操作系统、目标识别算法和运动控制算法等。

操作系统采用实时操作系统,确保机器人能够快速响应各种指令。

目标识别算法采用基于FPGA的图像处理技术,实现对目标的快速识别。

运动控制算法则根据目标的位置和速度等信息,控制机器人的运动。

三、目标识别算法实现1. 算法原理目标识别算法主要基于图像处理技术,通过分析摄像头获取的图像信息,实现对目标的识别。

算法包括图像预处理、特征提取、分类识别等步骤。

其中,图像预处理包括去噪、二值化等操作,以提高图像的质量;特征提取则通过提取目标的形状、颜色、纹理等特征信息,实现对目标的初步识别;分类识别则根据提取的特征信息,将目标进行分类和识别。

2. 算法实现在FPGA上实现目标识别算法,需要利用硬件描述语言(如Verilog)对算法进行描述和实现。

首先,根据算法原理,设计出适合FPGA实现的硬件结构;然后,利用硬件描述语言对硬件结构进行描述和编程;最后,通过仿真和测试,验证算法在FPGA 上的正确性和性能。

四、机器人运动控制实现1. 运动控制原理机器人运动控制主要根据目标的位置和速度等信息,控制机器人的运动。

多机器人协同自主控制系统设计与实现

多机器人协同自主控制系统设计与实现

多机器人协同自主控制系统设计与实现随着机器人技术的不断发展,多机器人系统在各个领域的应用越来越广泛。

多机器人协同自主控制系统是指通过多个机器人之间的协作与协调,实现对复杂任务的高效完成。

本文将对多机器人协同自主控制系统的设计与实现进行探讨。

首先,多机器人协同自主控制系统的设计需要考虑以下几个方面:任务分配与协作、路径规划与避障、通信与数据传输。

任务分配与协作是多机器人协同自主控制系统的核心问题之一。

在任务分配上,需要根据各个机器人的能力和任务要求,合理分配任务,使得每个机器人能够发挥自己的优势,同时保证任务的高效完成。

在任务协作上,需要机器人之间能够相互协同合作,共同解决问题。

例如,在一种搜索救援任务中,有些机器人负责搜索目标,有些机器人负责救援行动,它们之间需要通过通信与协调,实现任务的高效协同。

路径规划与避障是多机器人协同自主控制系统中的另一个重要问题。

路径规划是指为每个机器人规划一条合理的路径,使得它们能够快速有效地到达目标位置。

在路径规划中,需要考虑到机器人的动态特性、环境的动态变化以及其他机器人的运动情况。

避障是指在路径规划过程中,避免机器人与障碍物发生碰撞。

为了实现高效的避障,可以使用传感器技术,如激光雷达、红外传感器等,实时感知环境,避免与障碍物的碰撞。

通信与数据传输是多机器人协同自主控制系统中的基础保障。

机器人之间需要进行实时的信息交流与数据传输,以实现任务分配、路径规划、避障等功能。

为了实现可靠的通信与数据传输,可以采用无线通信技术,如Wi-Fi、蓝牙、RFID等,通过无线网络传输数据,并通过协议确保数据的安全和可靠性。

在多机器人协同自主控制系统的实现过程中,可以使用一些常见的软件和硬件平台,如ROS(机器人操作系统)、Gazebo仿真环境、Arduino开发板等。

ROS是一个开源的机器人操作系统,提供了一些常用的机器人功能包,如导航、感知、规划等,可以方便地实现多机器人协同自主控制系统的开发。

机器人运动控制仿真系统研究与实现

机器人运动控制仿真系统研究与实现

机器人运动控制仿真系统研究与实现摘要:随着科学技术的大力发展,“人工智能”时代将会离我们越来越近。

机器人作为“人工智能”时代重点开发的研究对象,在关于机器人的运动控制仿真上一直都是只能机器人研发领域的热议话题,也是该领域的基础研发项目。

关键词:机器人;运动控制;仿真系统;实现人类社会步入21世纪以来,科技发展一日千里,人工智能将在不久的将来与我们的日常生活,紧密地贴合在一起。

智能机器人作为现代科技的重点研发对象,通常有三种建模方法来实现对机器人的运动控制以及运动仿真,包括运动学仿真、动力学仿真以及运动学和动力学联合仿真。

一、虚拟现实下的双臂机器人运动仿真系统研究1、仿人形双臂机器人虚拟仿真概述双臂机器人的设计灵感来自于对人的双臂的模仿,要求所设计研发的双臂机器人要像人一样可以自由灵活地操作自己的双臂,并能够完全取代人工完成各种复杂的操作。

近几年来,双壁机器人的研究取得了很大的进展,例如Baxter和PR2双臂机器人的研发技术已经十分成熟,而且已经正式投产。

目前,Baxter和PR2双臂机器人在军事领域和工业上都得到了很好地运用。

虽然仿人形双臂机器人性能好、发展前景广泛,但是双臂机器人的研发技术比较复杂,因此在对仿人形双臂机器人进行运动学分析建立好模型后,需要在虚拟环境中事先让机器人模拟人的手臂运动,通过模拟比对来验证算法的正确性。

在虚拟环境下使机器人模拟人的双臂运动,一般是在 Unity3D虚拟模拟系统中进行双臂机器人的运动仿真验证,借助于以太网和ROS 通信技术,把数字命令信号传输给设计的机器人,以此来完成对机器人的双臂动作控制。

这种虚拟仿真实验验证方案的设计既可以验证设计的双臂机器人算法的准确性和严密性,又可以实时地监控机器人的动作演示情况,因而效果十分明显直观。

2、双臂机器人运动仿真系统框架图把 FBX 格式的 Baxter 双臂机器人三维模型文件导入到 Unity3D 模拟系统中,从而建立起每个关节之间的约束关系,并把双臂机器人的关节运动属性添加到系统之中。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第12期 2011年12月 组合机床与自动化加工技术 

Modular Machine Tool&Automatic Manufacturing Technique NO.12 Dec.2011 

文章编号:1001—2265(2011)12—0001—03 软实时环境下机器人系统建模与实现水 

江龙飞,裴海龙 (华南理工大学自动化科学与工程学院,广州 510640) 

摘要:对软实时控制系统以及机器人正运动学模型的构建进行了研究。该软实时控制系统的硬件电 路结构主要是由PC104和FPGA构成,软件上在RTLinux进行开发。利用该系统对工业机器人进行 了实时控制,其实验数据验证了整个控制系统的有效性。 关键词:RTLinux;实时操作系统;机器人 中图分类号:TP242 文献标识码:A 

Modeling and Realization of Robot in The Soft Real-time Environment 。HANG Long—fei.PEI Hai—long (College of Automation Science and Engineering,South China University of Technology,Guangzhou 510640.China) Abstract:Soft rea1.time control system and the construction of the robot kinematics model has been stud— ied Hardware structure of the SOft real—time contro1 system is mainly constituted by the PC 1 04 and the FP— GA and we can develop SOftware in RTLinux.Industrial robots are controlled by the real—time system. The experimental data validate the effectiveness of the whole control system. Key words:RTLinux;real—time operating system;robot 

0 引言 控制任务。 机器人控制系统是一种典型的多轴实时运动控 制系统。传统的机器人控制系统基本上是一种设计 者基于自己的独立结构和生产目的而开发,它采用 了专用计算机、专用机器人语言、专用微处理器的封 闭式体系结构。这种结构的控制器存在制造和使用 高、开发周期长、升级换代困难、无法添加系统的新 功能等一系列缺点。由此,本文设计了一种基于开 源软实时操作系统架构机器人控制系统。该机器人 控制系统采用开发式硬件和软件结构,可以根据需 要方便地扩展功能,具有良好的开发性和扩展性。 1 机器人控制系统的组成 该机器人控制系统采用基于PC的技术路线。 其硬件结构上主要以PC104架构为基础通过PCI/ ISA总线连接以FPGA为核心的底层硬件电路。软 件上主要在开源操作系统RTLinux上进行二次开发, 利用其实时性和多任务调度功能实现复杂的机器人 2 RTLinux RTLinux是在Linux内核下层添加了一个简单的实 时内核,将Linux本身作为这个实时内核的优先级最 低的任务,也即所有的实时任务的优先级都高于Linux 系统本身的以及Linux系统下的一般任务(图1)。 

直 接 操 作 硬 件 

图1 RTLinux结构图 正常的Linux进程仍可以在Linux内核上运行, 这样既可以使用标准分时操作系统即Linux的各种 服务,又能提供低延时的实时环境。 这体现了RTLinux设计过程中的原则:在实时模 

收稿日期:2011—05—26 基金项目:国家自然科学基金(60736024);教育部重大培育项目(708069) 作者简介:江龙飞(1986~),男,安徽桐城人,华南理工大学自动化科学与工程学院硕士研究生,研究方向为数控技术,(E—mail)jlf008@ 126.corn。 ・2・ 组合机床与自动化加工技术 第12期 块中运行的程序的工作量要尽量少,如果能在Linux 中完成而不影响实时性能的话,就尽量在Linux中完 成。由此RTLinux内核才可以尽量做得简单。在 RTLinux内核中,不应该等待资源,也不需要使用共 享旋转锁。实时任务和Linux进程之间的通信也是 非阻塞的,从来不用等待进队列和出队列的数据。 RTLinux将系统和设备的初始化交给了Linux完成, 对动态资源的申请和分配也交给了Linux。RTLinux 使用静态分配的内存来完成硬件实时任务,因为在 没有内存资源的时候,被阻塞的线程是不可能具有 实时能力的。 3应用系统结构 机器人控制系统的软件按照功能来划分的话, 则如图2所示,该系统软件部分是在RTLinux平台 下,用C,C++语言编写的,可以分为4部分:人机 接口(示教盒),任务调度与分解,运动规划与控制, 传感器信息处理。这四个部分各自以进程的形式独 立运行,通过共享内存方式进行交互通信。 图2机器人控制系统结构 (1)人机接口 用户界面进程实现人机界面模块和数据输入输 出模块的功能,把其他进程在共享内存发布的状态 数据转换为可为操作人员所了解的数字和图形,如 示教,设定参数、勾画运动插补运动轨迹、各传感器 的状态等;而把操作人员的操作和输入的数据转换 为指令和数据发送到指定的模块执行。 (2)任务调度与分解 任务控制器位于系统三层结构的中间,负责从用 户界面进程获得指令输入,结合从运动规划与控制进 程和传感器管理进程获得当前系统状态做出系统动作 决策,把当前允许执行的指令通过共享内存消息机制 发送到下一层的进程执行。它实现了程序处理模块、 实时诊断模块和参数管理模块三部分功能。 (3)运动规划与控制 运动规划与控制进程是系统核心部分,根据任务 调度与分解模块发出的运动指令,实现机器人正逆学 分解及运动规划/插补计算、位置控制等功能。运动 控制器是一个实时进程,在RTLinux平台下,实时进程 是内核的一部分,不能使用常规的进程间通信方法进 行运动控制器和任务控制器之间的通信。因此,运动 规划与控制进程和任务调度与分解进程之间的通信只 能使用FIFO buffer或者共享内存的方式。 (4)传感器信息处理 传感器信息处理进程主要是将外界信息接收后 进行预处理,然后传递给任务调度与分解进程,后者 根据这些信息做相关的决策,然后调度系统进入不 同的状态。 

4硬件接口设计 该机器人控制系统由上位机、运动控制接口电 路和被控对象三部分组成。上位机使用桑达的 PC104,接口电路的核心部件是FPGA,被控对象为安 川公司的交流伺服电机如图3所示。 

以FPGA为核心接口电路l 伺服 程序位置速1 l孽 1 电机 度,命令的I< = )l些 及外 誊霉篱橐辇lf詈隔I部环 信号的采集l l禺 l 境 

—-—————————————_J ————— 

图3硬件电路结构图 在交流伺服电机有一个自带光电编码器,该编 码器能自动检测电机的位置,并反馈相位差90度的 A/B两相信号。FPGA检测到A/B两相信号,通过 其内部计数器模块对A/B两相信号进行计数,获得 电机的位置信息并存储在FPGA的内部寄存器中。 然后PC104通过PCI/ISA总线从FPGA中读取该寄 存器的值,从而得到电机的位置值,之后将该电机的 实际位置值和系统传输的理想位置值进行比较,从 而得到一个偏差值,然后对该偏差值进行插补、PID 运算等处理,就得到一个新的控制信号。再通过 PCI/ISA总线,发送该控制信号给伺服控制板,最后 通过FPGA中的pulse模块下发一定脉宽的脉冲,通 过伺服控制器驱动电机达到想要的速度和位置。从 上述原理来看,本设计中构成对电机的双闭环控制, 外部为位置环,内部为速度环,以确保电机运动的速 度与精度。 5机器人建模 现有机器人本体坐标系如图4所示,属于关节 式机器人,6个关节都是转动关节。前3个确定手腕 参考点的位置,后三个关节确定手腕的方位。和大 多数工业机器人一轴线交于一点。该点选作为手腕 的参考点,也选作为连杆坐标系{4},{5},{6}的原 点。关节1的轴线为铅直方向,关节2和3地轴线水 平,且平行,距离为n ;关节1和2的轴线垂直交错, 2011年l2月 江龙飞,等:软实时环境下机器人系统建模与实现 ・3・ 距离为o ;关节3和4的轴线垂直交错,距离为。 。 根据D.H模型的建模方法可以得到该机器人本体的 连杆坐标系。相应的连杆参数见表1。 图4机器人本体 表1机器人的连杆参数表 Ⅱi l I d 0 关节范围 连杆参数 (mm) (。) (mm) (。) (。) (mm) l O 0 0 0l(0) 2 aI 一9O O 02(一90) [一180,1 80。I a.=15O 3 a2 O O O3(0) [一105,1751 a :570 [一235,85] 4 a3 —9O d4 0 (0) a,=l50 [一18O,180=1 5 0 90 0 05(0) [一40,220] d =650 d =lO5 6 0 —90 O 06(0) [一360,360: 7 O O d7 O 根据D—H模型的建模方法可以得到该机器人本 体的连杆坐标系。 在建立连杆坐标系的基础上,接下来进行机器 人的正运动学分析及模型推导(限于篇幅逆运动学 推导在此略过): 已知机器人各个关节的旋转角度0,来求解机器 人的世界坐标,即相对于基座坐标系{0}的坐标值。 首先将机器人的D—H模型的参数表l带入连杆 变换: 的通式1中,即可得到 ;r,’ ;r厂: 个连杆变换矩阵: 杆变换: 的通式: col sOi c 一1 sO s 一1 O —sOi cO {c 一1 col s 一1 0 ai一1 一di sn 一1 d %c 一1 1 对比PUMA560的连杆变换矩阵,我们发现只有 连杆变换矩阵 不同,其他的5个都是完全相同的。 在进一步分析 的不同之处,发现旋转部分是完全 相同的,只有平移部分有差异,PUMA560的坐标系 {1}除了旋转,再在Y,的方面平移d 得到坐标系 {2};我们的模型是在坐标系{1}除了旋转,再在 的方面平移o,得到坐标系{2{。明确了这些区别和 联系,我们可以适当的时候利用PUAM560的一些东 西来分析我们现有的机器人本体模型。 最后,我们可以求出6个连杆变换之积: :T= (01) ( ); (03) ( ); (05): ( )= n OX ny oy n OZ O 0 n px ay PY 0Z 口 O 1 n =cl[c23(c4c5c6一s4s6)一s23s5c6]+s1(s4c5c6+c4s6) ny=sl[c23(c4c5c6一s4s6)一s23s5c6]一cl(s4c5c6+c4s6) , =一s23(c4c5c6一s4s6)一c23s5c6 0 =cl[c23(一c4c5s6一s4c6)+s23s5s6]+s1(一s4c5c6+c4c6) oy=sl[c23(一c4c5s6一s4c6)+s23s5s6]一c1(一s4c5c6+c4c6) OZ=一s23(一c4c5s6一s4c6)一c23s5s6 。 =一el(c23c4s5+s23c5)一s1s4s5 ay:一sl(c23c4s5+s23c5)+c1 s4s5 =s23c4s5一c23c5 px=cl(al+a2c2+a3c23一d4s23) PY=sl(al+a2c2+a3c23一d4s23) pz=—-a3s23一a2s2—-d4c23 (2) 式(2)表示我们机器人手臂变换矩阵: ,它描述 

相关文档
最新文档