【轮式移动机器人课程笔记 5】运动学仿真

2024-01-09 16:39:59

L5 运动学仿真

  • 本节重点: 如何理解推导出的运动学模型
    • 回顾:机器人运动学模型
      • 正向(前向)运动学模型
      • 反向运动学模型
    • 基于MatLab运动学仿真
      • 本节重点,如何利用matlab对运动学进行仿真

5.1 回顾运动学模型

[ x ˙ y ˙ ψ ˙ ] = [ u ? c o s ψ ? v ? s i n ψ u ? s i n ψ + v ? c o s ψ r ] = [ c o s ψ ? s i n ψ 0 s i n ψ c o s ψ 0 0 0 1 ] [ u v r ] \left[ \begin{matrix} \dot{x}\\ \dot{y}\\ \dot{\psi} \end{matrix} \right] =\left[ \begin{matrix} u\cdot cos\psi - v\cdot sin\psi\\ u\cdot sin\psi + v\cdot cos\psi\\ r \end{matrix} \right] = \left[ \begin{matrix} cos\psi & -sin\psi& 0\\ sin\psi & cos\psi& 0\\ 0 & 0 & 1 \end{matrix} \right]\left[ \begin{matrix} u\\ v\\ r \end{matrix} \right] ?x˙y˙?ψ˙?? ?= ?u?cosψ?v?sinψu?sinψ+v?cosψr? ?= ?cosψsinψ0??sinψcosψ0?001? ? ?uvr? ?

  • 前向运动学模型

η ˙ = J ( ψ ) ξ \dot\eta = J(\psi)\xi η˙?=J(ψ)ξ

  • 反向运动学模型

ξ = J ? 1 ( ψ ) η ˙ \xi = J^{-1}(\psi)\dot\eta ξ=J?1(ψ)η˙?

我们已知上述公式,给出初始位置,给出 ( u , v , r ) (u, v, r) (u,v,r) , 计算后续时刻的 ( x , y , ψ ) (x, y, \psi) (x,y,ψ)

5.2 运动学模型 MatLab 仿真

以前向运动学模型为例, η ˙ = J ( ψ ) ξ \dot\eta = J(\psi)\xi η˙?=J(ψ)ξ 。我们已知初始位置下的 η \eta η , 已知 ξ \xi ξ ,计算后续时刻的 η \eta η 。 可以将其转化为常微分方程的求解问题,常微分方程求解方法之一为 欧拉法(Euler)。 本节将利用 欧拉法(Euler) 对机器人位置信息进行近似计算。首先简要介绍欧拉法:

  • Euler 法


注*:这里只介绍显示 Euler 法(未按照视频中进行整理)。

① 什么是解微分方程?

我们给出一个微分方程: y ′ = f ( x , y ) y' = f(x,y) y=f(x,y) 。一般的解法是根据给出的微分方程先获得
y = ∫ f ( x , y ) d x + a y = \int f(x,y) dx +a y=f(x,y)dx+a
上式为一般解(通解)。

若给出初始条件,即 y ( x 0 ) = y 0 y(x_0) = y_0 y(x0?)=y0?, 则可获得微分方程的特殊解(特解)。

② 欧拉法解微分方程

在这里插入图片描述

欧拉法是利用直线近似来求解微分方程。

上图中,因 x x x 是时间 t t t 上的函数, x ′ ( t ) x'(t) x(t) 已知。

在图中曲线上对 t t t t + 1 t+1 t+1 时刻进行采样,分别为 x i x_i xi? x i + 1 x_{i+1} xi+1? t i + 1 ? t i = δ t t_{i+1}-t_i = \delta_t ti+1??ti?=δt?(此为步长,即取值或采样的间隔是固定的,均为 δ t \delta_t δt?)。

欧拉法的思想是将 t i 、 t i + 1 t_i 、t_{i+1} ti?ti+1? 区间的线段看作直线,并利用此段的斜率来近似原微分方程中 t i t_i ti?处的导数,用公式表示为:
x ′ ( i ) ≈ x i + 1 ? x i t i + 1 ? t i = x i + 1 ? x i δ t 则: x i + 1 ? x i = x ′ ( i ) δ t x i + 1 = x i + x ′ ( i ) δ t x'(i) \approx \frac{x_{i+1}-x_i}{t_{i+1}-t_i} = \frac{x_{i+1}-x_i}{\delta_t} \\ 则: x_{i+1} - x_i = x'(i)\delta_t\\ x_{i+1} = x_i+x'(i)\delta_t x(i)ti+1??ti?xi+1??xi??=δt?xi+1??xi??则:xi+1??xi?=x(i)δt?xi+1?=xi?+x(i)δt?
上式中, x i + 1 = x i + x ′ ( i ) δ t x_{i+1} = x_i+x'(i)\delta_t xi+1?=xi?+x(i)δt? 即为欧拉公式(这里要给出初始条件,即 x ( t 0 ) = x 0 x(t_0) = x_0 x(t0?)=x0? ),利用迭代可计算 x t + 1 x_{t+1} xt+1? 的值。

  • 利用Euler法对运动学模型进行仿真
%% Kinematic simulation of a land-based mobile robot
clear all; clc; close all;

%% Simulation parameters
dt = 0.1; % Step size 步长
ts = 10; % Simulation time 模拟时间
t = 0:dt:ts;% Time span 时间从0开始,按步长0.1 变化到10

%% Initial conditions
x0 = 0; % x初始位置
y0 = 0; % y初始位置
psi0 = 0; %\psi的初始位置

eta0 = [x0;y0;psi0]; % 对应[x y \psi]

eta(:,1) = eta0 % 将eta0赋值给eta矩阵的第一列

%% Loop starts here
for i = 1:length(t)
    psi = eta(3,i); % current orientation in rad
    %fprintf("psi is %f\n", psi)
    %Jacobian matrix
    J_psi = [cos(psi),-sin(psi),0;
             sin(psi), cos(psi),0;
             0,0,1];
    u = 0.1; % x-axis velocity W.r.t B frame
    v = 0.05; % y-axis velocity W.r.t B frame
    r = 0.0;% angular velocity W.r.t B frame

    zeta(:,i)=[u;v;r];

    eta_dot(:,i) = J_psi * zeta(:,i);

    eta(:,i+1)=eta(:,i)+dt*eta_dot(:,i); %Euler method
end

%% Plotting functions
figure
plot(t, eta(1,1:i), 'r-');
set(gca, 'fontsize',24);
xlabel('t,[s]');
ylabel('x,[m]');

下图为 t = 0 t= 0 t=0时,机器人位置 为 (0, 0, 0), 初始速度信息为 (0.1, 0.05, 0.1), t = 10 t=10 t=10 内,机器人的位置变化。

在这里插入图片描述


本节完

文章来源:https://blog.csdn.net/u010916762/article/details/135482329
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。