【机器人建模和控制】读书笔记

news2024/9/26 1:21:54

机器人建模和控制——马克·斯庞

A.

x 1 0 = x 1 ∙ x 0 x^0_1=x_1\bullet x_0 x10=x1x0,其实就是:

1) x 1 x_1 x1轴向量在 O 0 O_0 O0系下的坐标

2)在 x 0 x_0 x0轴上的投影

3)坐标变换矩阵的 R 1 0 R_1^0 R10的第一个元素

B.

点p在 o 1 x 1 y 1 z 1 o_1x_1y_1z_1 o1x1y1z1系下的坐标 p 1 p^1 p1可以表示为: p = u x 1 + v y 1 + w z 1 p=ux_1+vy_1+wz_1 p=ux1+vy1+wz1,其在 o 0 x 0 y 0 z 0 o_0x_0y_0z_0 o0x0y0z0系下的坐标是 p p p在其坐标轴上的投影: p x 0 = p 1 ∙ x 0 p^0_x=p^1\bullet x_0 px0=p1x0

C.

右乘联体,左乘基的理解

在这里插入图片描述
O 0 x 0 y 0 z 0 O_0x_0y_0z_0 O0x0y0z0坐标系相当于基系,方块绕 z 0 z_0 z0旋转,因此左乘。

D.

旋转矩阵的物理意义一般有三种:

1)经过变换后的坐标系相对于固定坐标系的姿态角;

2)点 p p p不同参考坐标系间的相互变换;

3)在同一坐标系内将向量旋转而得到新向量的操作;

E.

称旋转发生时所围绕的坐标系称为当前坐标系

旋转矩阵 R = [ x 1 0 y 1 0 z 1 0 ] R=\begin{bmatrix}x^0_1&y_1^0&z_1^0\end{bmatrix} R=[x10y10z10]分别代表 x 1 , y 1 , z 1 x_1,y_1,z_1 x1,y1,z1 o 0 x 0 y 0 z 0 o_0x_0y_0z_0 o0x0y0z0系下的方向矢量

F.

其次变换矩阵 H H H表示了刚体的运动(平移+旋转),表示为:

H = [ R d 0 1 ] H=\begin{bmatrix}R&d\\\\0&1\end{bmatrix} H= R0d1

且由于 R R R是正交矩阵,有:

H − 1 = [ R T − R T d 0 1 ] H^{-1} = \begin{bmatrix}R^T&-R^T d\\\\0&1\end{bmatrix} H1= RT0RTd1

G.

对多连杆体而言,每个关节上都相当于固连了一个坐标系 o i x i y i z i o_ix_iy_iz_i oixiyizi,其可以保证不论机器人怎么运动,连杆 i i i上的点在坐标系 o i x i y i z i o_ix_iy_iz_i oixiyizi固定不变,且同一根连杆的运动状态保持一致。

那么也就是说,多连杆体只需要考虑:

1)整体在惯性系下的运动:建立整体的坐标系(用头部坐标系代替整体)

2)各连杆坐标系的运动:分析运动学

H.

Lagrange方程的动能中, v v v ω \omega ω I I I都是在惯性坐标系下计算的量。

值得注意的是,惯性坐标系下的惯性张量:

I i n e r t i a = R I R T I_{inertia}=RIR^T Iinertia=RIRT

联体坐标系中的惯性张量:

I = [ I x x I x y I x z I y x I y y I y z I z x I z y I z z ] I=\begin{bmatrix}I_{xx}&I_{xy}&I_{xz}\\I_{yx}&I_{yy}&I_{yz}\\I_{zx}&I_{zy}&I_{zz}\end{bmatrix} I= IxxIyxIzxIxyIyyIzyIxzIyzIzz

连体坐标系中的惯性张量是常值矩阵,主对角线元素称主惯性矩,非对角线元素称为惯性叉积若物体质量分布关于坐标轴对称,则惯性叉积=0

I.

n连杆机器人系统的势能:

P = Σ m i g T r c i P=\Sigma m_ig^Tr_{ci} P=ΣmigTrci

其中, g g g是惯性系下的重力向量 r c i r_{ci} rci是第 i i i个连杆质心的坐标。

值得注意的是,含有柔性关节的情形中,势能还包括了储存在弹性元件内的能量

势能项仅仅是广义坐标的函数,而不是广义坐标导数的函数。

J.

如果角速度都表示在同一个参考坐标系下,如 o 0 x 0 y 0 z 0 o_0x_0y_0z_0 o0x0y0z0中,那么角速度可以叠加,有:

ω 0 , n 0 = ω 0 , 1 0 + R 1 0 ω 1 , 2 1 + R 2 0 ω 2 , 3 2 + R 3 0 ω 3 , 4 3 + ⋅ ⋅ ⋅ + R n − 1 0 ω n − 1 , n n − 1 = ω 0 , 1 0 + ω 1 , 2 0 + ω 2 , 3 0 + ω 3 , 4 0 + ⋅ ⋅ ⋅ + ω n − 1 , n 0 \begin{aligned}\omega_{0,n}^{0}&=\omega_{0,1}^0+R_1^0\omega_{1,2}^1+R_2^0\omega_{2,3}^2+R_3^0\omega_{3,4}^3+\cdotp\cdotp\cdotp+R_{n-1}^0\omega_{n-1,n}^{n-1}\\&=\omega_{0,1}^0+\omega_{1,2}^0+\omega_{2,3}^0+\omega_{3,4}^0+\cdotp\cdotp\cdotp+\omega_{n-1,n}^0\end{aligned} ω0,n0=ω0,10+R10ω1,21+R20ω2,32+R30ω3,43+⋅⋅⋅+Rn10ωn1,nn1=ω0,10+ω1,20+ω2,30+ω3,40+⋅⋅⋅+ωn1,n0

其中, ω 1 , 2 1 \omega_{1,2}^1 ω1,21代表对应于 R 2 1 R_2^1 R21变化的坐标系 o 2 x 2 y 2 z 2 o_2x_2y_2z_2 o2x2y2z2的角速度,这个角速度是相对于 o 1 x 1 y 1 z 1 o_1x_1y_1z_1 o1x1y1z1的。

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:http://www.coloradmin.cn/o/2125965.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

基于vue框架的城市智慧地铁管理系统73c2d(程序+源码+数据库+调试部署+开发环境)系统界面在最后面。

系统程序文件列表 项目功能:用户,站点查询,车次线路,站点周边 开题报告内容 基于Vue框架的城市智慧地铁管理系统开题报告 一、研究背景与意义 1.1 研究背景 随着城市化进程的加速和人口的不断增长,城市交通压力日益增大。地铁作为城市公共交通的重要…

利用AI驱动智能BI数据可视化-深度评测Amazon Quicksight(一)

项目简介 随着生成式人工智能的兴起,传统的 BI 报表功能已经无法满足用户对于自动化和智能化的需求,今天我们将介绍亚马逊云科技平台上的AI驱动数据可视化神器 – Quicksight,利用生成式AI的能力来加速业务决策,从而提高业务生产…

设置广告活动目标和数字广告关键绩效指标的3个步骤

在微调广告预算、优化广告、分析数字广告关键绩效指标(KPI)和个性化着陆页面的同时,有一件事是在启动广告活动之前必须做的:确定哪些因素能使广告活动有效。 广告商很容易迷失在构成成功活动的各种指标中,但事实是&am…

20240912 每日AI必读资讯

OpenAI计划在接下来的两周内发布Strawberry - 独立产品:尽管草莓是ChatGPT的一部分,但它将作为一个独立的产品发布,具体如何提供尚不清楚。它可能会出现在用户选择的AI模型下拉菜单中,与现有服务有所不同。 - 推理功能&#xff…

红帽RHCE认证值不值得考?RHCE认证有什么用?

在IT行业,红帽认证作为一项衡量Linux技能水平的重要标准,受到了广泛的关注和认可。 拥有一张权威认证证书无疑是提升自身竞争力、实现职业发展的重要途径。 RHCE认证作为Linux领域的顶级认证之一,其价值和意义不言而喻。 那么,…

软件设计之JavaWeb(2)

软件设计之JavaWeb(2) 此篇应在MySQL之后进行学习: 路线图推荐: 【Java学习路线-极速版】【Java架构师技术图谱】 尚硅谷全新JavaWeb教程,企业主流javaweb技术栈 资料可以去尚硅谷官网免费领取 此章节最好学完JDBC观看 学习内容: HTTP简介…

《Learning to Prompt for Vision-Language Models》CoOp论文中文校对版

系列论文研读目录 文章目录 系列论文研读目录摘要1 简介2 相关工作2.1视觉语言模型2.2 NLP中的提示学习 3 方法论3.1视觉语言预训练3.2上下文优化3.3讨论 4 实验4.1少数学习4.2领域泛化4.3进一步分析 5 结论、局限性和未来的工作 摘要 像CLIP这样的大型预训练视觉语言模型在学…

MM-PhyQA——一个专门处理高中物理选择题的 LLM 聊天机器人

概述 论文地址:https://arxiv.org/abs/2404.12926 人工智能的发展正在改变我们的学习方式。特别是使用大规模语言模型(LLM)的聊天机器人,通过提供个性化指导和即时反馈,极大地拓展了教育的可能性。 然而&#xff0c…

基于SpringBoot+Vue的二手物品交易系统

作者:计算机学姐 开发技术:SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、小程序等,“文末源码”。 专栏推荐:前后端分离项目源码、SpringBoot项目源码、SSM项目源码 系统展示 【2025最新】基于JavaSpringBootVueMySQL的二手物品…

【网络安全】-文件包含漏洞-pikachu

文件操作漏洞包括文件上传漏洞,文件包含漏洞,文件下载漏洞。 文章目录 前言 : 什么是文件包含漏洞? 1.文件包含漏洞的分类: 本地文件包含漏洞: 远程文件包含漏洞: 2.两种文件包含漏洞的区别: 3.…

docker mysql 容器导入数据 .sql文件导入容器

docker mysql 容器导入数据 前言准备工作1、按需准备sql文件2、将文件上传服务器(宿主机)3、将sql文件复制进容器中 操作步骤1、进入容器内部2、进入数据库3、创建数据库4、切换数据库5、导入sql文件 前言 本文所涉及应用场景:远程部署环境…

某仿soul欲音社交系统存在任意文件读取漏洞

1 阅读须知 技术文章仅供参考,此文所提供的信息只为网络安全人员对自己所负责的网站、服务器等(包括但不限于)进行检测或维护参考,未经授权请勿利用文章中的技术资料对任何计算机系统进行入侵操作。利用此文所提供的信息而造成的直…

【网络协议】了解一下HTTP 与 HTTPS 的区别

介绍: HTTP是超文本传输协议。规定了客户端(通常是浏览器)和服务器之间如何传输超文本,也就是包含链接的文本。通常使用TCP【1】/IP协议来传输数据,默认端口为80。 HTTPS是超文本传输安全协议,具有CA证书。…

面试必问的7大测试分类!一文说清楚!

在日常测试工作中,我们经常会听到“单元测试,集成测试,系统测试”之类的词汇,大家都知道这是按照开发阶段进行测试活动的划分。 这种划分完整的分类,其实是分为四种“单元测试,集成测试,系统测…

linux下使用cmake和libpng来对png图像进行读写

目标 在进行图像处理操作之前,首要任务是确保能够正确地读取图像。编写纯 C 语言代码进行图像处理时,不太适宜使用 OpenCV2。因此,为了遵循标准且便于操作,我们采用 libpng 的代码库来实现对 PNG 图像的读写。之所以选择在 Linux…

CentOS系统上Node.js安装与配置最佳实践

由于nvm下载node需要翻墙速度非常慢(试过很多次都不行),所以推荐手动安装,步骤也很简单 1、官网下载 打开官网 Node.js官网下载 选择自己系统合适的版本下载,我这里下载的是Linux x64的v18.20版本 2.上传服务器 将…

【编译原理】编译器概述、编译器结构、编译器实例

编译器概述、编译器结构、编译器实例 编译器概述 1.编译器是一个程序 核心功能是把源代码翻译成目标代码 比如源代码:C/C,Java,C#,html 目标代码:X86,IA64,ARM,… 把一种源程序翻译成另外一种源程序&…

day19JS-AJAX

1. 什么是AJAX 原生生js中有两种通信,一个ajax,还有一个是fetch。 AJAX 并不是编程语言,是一种从网页访问 Web 服务器的技术。AJAX 代表异步 JavaScript 和 XML。 AJAX 使用浏览器内建的 XMLHttpRequest 对象从 web 服务器请求数据&#xff0…

RTR_Chapter_3

第三章 图形处理单元 在历史上,图形加速首先开始于三角形上的像素扫描线颜色插值,并在屏幕上显示这些颜色值。它包括访问图像数据的能力,这允许将纹理运用在表面上;添加用于插值和深度测试的硬件,这提供了内置的可见性…

Java学习Day41:骑龙救!(springMVC)

springMVC与sevlet都是对应表现层web的,但是越复杂的项目使用SpringMVC越方便 基于Java实现MVC模型的轻量级web框架 目标: 小案例: 1.导入依赖 spring-context: 提供 Spring 框架的核心功能,如依赖注入、事件发布和其他应用上…