L1 = Link([a,b,c,d])连杆创立,DH法,反序,a,b,c,d分别为theta,d,a,α。省略是standard,分为一般DH和modified DH。
L1.a 是查询是否为DH法所见模型
(修正:L1.a是显示a的值,类似的还有L1.theta、L1.d)
L1.isrevolute 是判断档局是否为旋转关节。
L1.A(q),q是旋转角度,该函数可以推出旋转的变换矩阵。
bot = SerialLink([L1 L2], 行慧让'name', 'my robot'),是将两根杆连接在一起。
bot.n 查询关节个数
bot.fkine([0.1 0.2])计算变换矩阵,末端执行器的。
bot.plot([0.1 0.2]),以图形方式展现。
2
mdl_puma560 载入系统模型puma560机器人
t = [0:.05:2]'生成时间向量,我也不知道这里为什么要用行向量,反正“ ’ ”是转置的意思。
q = jtraj(qz, qr, t)
about q 是一个观察q的容纳状况;并且显示占用内存。
traj(起始,末端,步数),在这里,qz,qr均为设置好的关节角。关于jtraj()函数的使用方法,
[q,qd,qdd]=jtraj(qz,qr,t,qd0,qdf) 其中qd是速度,qdd是加速度。qd0是最初速度。qdf是最终速度。
p560.plot(q)画出来画出来!根据q。
transl:T =transl(X, Y, Z) is an SE(3) homogeneous transform (4x4) representing a pure translation of X, Y and Z.一个纯粹的平移变换。
。getpos()可以获得末端位置时的 各 关节角数值。
4
逆运动学求解
A.ikine(),指的是机械臂A,在某个位置下,碧缓逆解关节角度。
机器人仿真啊,参照这个吧:http://hi.baidu.com/dreamflyman/item/7698b4628ae5b0147cdecceb4 运动学的正问题
利用Robotics Toolbox中的fkine函数可以实现机器人运动学扰知吵正问题的求解。
其中fkine函数的调用格式:
TR = FKINE(ROBOT, Q)
参数ROBOT为一个机器人对象,TR为由Q定义的每个前向运动学的正解。
以PUMA560为例,定义关节坐标系的零点qz=[0 0 0 0 0 0],那么fkine(p560,qz)将返回最后一个关节的平移的缓侍齐次变换矩阵。如果有了关节的轨迹规划之后,我们也可以用fkine来进行运动学的正解。比如:
t=0:0.056:2q=jtraj(qz,qr,t)T=fkine(p560,q)
返回的矩阵T是一个三维的矩阵,前两维是4×4的矩阵代表坐标变化,第三维是时间。
5 运动学的逆问题
利用Robotics Toolbox中的ikine函数可以实现机器人运动学逆问题的求解。
其中ikine函数的调用格式:
Q = IKINE(ROBOT, T)
Q = IKINE(ROBOT, T, Q)
Q = IKINE(ROBOT, T, Q, M)
参数ROBOT为一个机器人对象,Q为初始猜测点(默认为0),T为要反解的变换矩阵。当反解的机器人对象的自由度少于6时,要用M进行忽略某个关节自由度。
有了关节的轨迹规划之后,猛指我们也可以用ikine函数来进行运动学逆问题的求解。比如:
t=0:0.056:2T1=transl(0.6,-0.5,0)T2=transl(0.4,0.5,0.2)T=ctraj(T1,T2,length(t))q=ikine(p560,T)
我们也可以尝试先进行正解,再进行逆解,看看能否还原。
Q=[0 –pi/4 –pi/4 0 pi/8 0]T=fkine(p560,q)qi=ikine(p560,T)
还有这个资料:http://www.docin.com/p-195060392.html
机器人运动学中的Pieper准则是:机器人的三个相邻关节轴交于一点或三轴线平行。对于6自由脊茄度的机器人来说,运动学反解非常复杂,一般没有封闭解。在应用D-H法建立运动学方程的基础上,进行一定的解析计算后发现,位置反解往往有很多个,不能得到有效地封闭解。Pieper方法就是在此基础上进行研究发现,如渣野岩果机器人满足两个充分条件中的一个,就会得到封闭解,这两个条件是:
(1)三个相邻关节轴相交于一点;
(2)三个相邻关节轴相互平行。
现在的大多数商品化机器人都满足封闭解的两个充分条件之一。如PUMA和STANFORD机器人满足第一条件,而ASEA和MINIMOVER机器人满足第二条件。以PUMA560机器人为例,它的最后3个关节轴相交于一点。我们运用Pieper方法解出它的封闭解,从求解的过程中我们也可以发现,这如御种求解方法也适用于带有移动关节的机器人。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)