轮腿机器人-五连杆正运动学解算

轮腿机器人-五连杆与VMC

  • 1.五连杆正运动学分析
  • 2.参考文献

1.五连杆正运动学分析

Alt

如图所示为五连杆结构图,其中A,E为机器人腿部控制的两个电机,θ1,θ4可以通过电机的编码器测得。五连杆控制任务主要关注机构末端C点位置,其位置用直角坐标表示为(Cx,Cy),极坐标系用(L0,θ0)表示。
根据上述五连杆结构图可以列出以下等式:
{ B x + L 2 ∗ c o s ( θ 2 ) = D x + L 3 ∗ c o s ( θ 3 ) B y + L 2 ∗ s i n ( θ 2 ) = D y + L 3 ∗ s i n ( θ 3 ) \begin{equation} \begin{cases} B_{x}+L_{2}*{\color{Green} cos(\theta _{2})} =D_{x}+L_{3}*{\color{Green} cos(\theta _{3})} \\ B_{y}+L_{2}*{\color{Orange} sin(\theta _{2})} =D_{y}+L_{3}*{\color{Orange} sin(\theta _{3})} \end{cases} \tag{1} \end{equation} {Bx+L2cos(θ2)=Dx+L3cos(θ3)By+L2sin(θ2)=Dy+L3sin(θ3)(1)
对公式(1)移项,并在等式两边进行平方有:
{ ( B x + L 2 ∗ c o s ( θ 2 ) − D x ) 2 = ( L 3 ∗ c o s ( θ 3 ) ) 2 ( B y + L 2 ∗ s i n ( θ 2 ) − D y ) 2 = ( L 3 ∗ s i n ( θ 3 ) ) 2 \begin{equation} \begin{cases} (B_{x}+L_{2}*{\color{Green} cos(\theta _{2})} -D_{x})^{2}=(L_{3}*{\color{Green} cos(\theta _{3})})^{2} \\ (B_{y}+L_{2}*{\color{Orange} sin(\theta _{2})} - D_{y})^{2}=(L_{3}*{\color{Orange} sin(\theta _{3})})^{2} \end{cases} \tag{2} \end{equation} {(Bx+L2cos(θ2)Dx)2=(L3cos(θ3))2(By+L2sin(θ2)Dy)2=(L3sin(θ3))2(2)
将平方展开有:
{ ( B x − D x ) 2 + 2 ∗ ( B x − D x ) ∗ L 2 ∗ c o s ( θ 2 ) + ( L 2 ∗ c o s ( θ 2 ) ) 2 = ( L 3 ∗ c o s ( θ 3 ) ) 2 ( B y − D y ) 2 + 2 ∗ ( B y − D y ) ∗ L 2 ∗ s i n ( θ 2 ) + ( L 2 ∗ s i n ( θ 2 ) ) 2 = ( L 3 ∗ s i n ( θ 3 ) ) 2 \begin{equation} \begin{cases} (B_{x}-D_{x})^{2}+2*(B_{x}-D_{x})*L_{2}*{\color{Green} cos(\theta _{2})}+ (L_{2}*{\color{Green} cos(\theta _{2})})^{2}=(L_{3}*{\color{Green} cos(\theta _{3})})^{2} \\ (B_{y} - D_{y})^{2}+2*(B_{y} - D_{y})*L_{2}*{\color{Orange} sin(\theta _{2})}+(L_{2}*{\color{Orange} sin(\theta _{2})})^{2}=(L_{3}*{\color{Orange} sin(\theta _{3})})^{2} \end{cases} \tag{3} \end{equation} {(BxDx)2+2(BxDx)L2cos(θ2)+(L2cos(θ2))2=(L3cos(θ3))2(ByDy)2+2(ByDy)L2sin(θ2)+(L2sin(θ2))2=(L3sin(θ3))2(3)
对公式(3)内部两个等式相加并移项有:
K ∗ s i n ( θ 2 ) + M ∗ c o s ( θ 2 ) = C \begin{equation} K*{\color{Orange} sin(\theta _{2})}+M*{\color{Green} cos(\theta _{2})}=C \tag{4} \end{equation} Ksin(θ2)+Mcos(θ2)=C(4)

{ K = 2 ∗ ( B y − D y ) ∗ L 2 M = 2 ∗ ( B x − D x ) ∗ L 2 P = 2 ∗ [ ( L 3 ) 2 − ( L 2 ) 2 ] L B D = ( B x − D x ) 2 + ( B y − D y ) 2 C = P − ( L B D ) 2 \begin{cases} K=2*(B_{y} - D_{y})*L_{2} \\M=2*(B_{x}-D_{x})*L_{2} \\P=2*[(L_{3})^{2}-(L_{2})^{2}] \\L_{BD}=\sqrt{(B_{x}-D_{x})^{2}+(B_{y} - D_{y})^{2}} \\C=P-(L_{BD} )^2 \end{cases} K=2(ByDy)L2M=2(BxDx)L2P=2[(L3)2(L2)2]LBD=(BxDx)2+(ByDy)2 C=P(LBD)2
使用二倍角法对公式(4)进一步化简,已知:
{ t a n θ 2 = s i n ( θ ) 1 + c o s ( θ ) c o s ( θ ) = c o s 2 θ 2 − s i n 2 θ 2 = 2 ∗ c o s 2 θ 2 − 1 c o s 2 θ 2 − s i n 2 θ 2 = 1 \begin{cases} {\color{Purple} tan\frac{\theta }{2}} = \frac{{\color{Orange} sin(\theta )} }{1+{\color{Green} cos(\theta )} } \\{\color{Green} cos(\theta )} {\color{Green} ={\color{Green} cos^2\frac{\theta }{2}}} - {\color{Orange} sin^2\frac{\theta }{2}} =2*{\color{Green} cos^2\frac{\theta }{2}} -1 \\{\color{Green} cos^2\frac{\theta }{2}} - {\color{Orange} sin^2\frac{\theta }{2}} =1 \end{cases} tan2θ=1+cos(θ)sin(θ)cos(θ)=cos22θsin22θ=2cos22θ1cos22θsin22θ=1
1 + c o s ( θ ) ≠ 0 1+{\color{Green} cos(\theta )} \ne 0 1+cos(θ)=0,对公式(4)进行如下变化,其中 τ = 1 + c o s ( θ ) \tau=1+{\color{Green}cos(\theta)} τ=1+cos(θ):
τ 2 ∗ ( 2 ∗ K ∗ s i n ( θ 2 ) τ + 2 ∗ M ∗ c o s ( θ 2 ) τ − 2 ∗ C τ ) = 0 \begin{equation} \frac{\tau}{2} *(\frac{2*K*{\color{Green} sin(\theta_{2})} }{\tau}+\frac{2*M*{\color{Orange} cos(\theta_{2})} }{\tau}-\frac{2*C}{\tau} )=0 \tag{5} \end{equation} 2τ(τ2Ksin(θ2)+τ2Mcos(θ2)τ2C)=0(5)
使用二倍角对公式(5)进行展开并进行化简得:
1 + c o s ( θ 2 ) 2 ∗ [ ( C − M ) ∗ t a n 2 θ 2 2 + 2 ∗ K ∗ t a n ( θ 2 2 ) + ( M + C ) ] \begin{equation} \frac{1+{\color{Green} cos(\theta_{2} )} }{2}*[(C-M)*{\color{Purple} tan^2\frac{\theta_{2} }{2}} +2*K*{\color{Purple} tan(\frac{\theta_{2} }{2})} +(M+C) ] \tag{6} \end{equation} 21+cos(θ2)[(CM)tan22θ2+2Ktan(2θ2)+(M+C)](6)
根据公式(6)得到了一个关于 t a n ( θ 2 2 ) {\color{Purple} tan(\frac{\theta_{2} }{2})} tan(2θ2)的一元二次方程,其求根判别式为:
△ = ( 2 ∗ K ) 2 − 4 ∗ ( C − M ) ∗ ( M + C ) = 4 ( K 2 + M 2 − C 2 ) \bigtriangleup =(2*K)^2-4*(C-M)*(M+C)=4(K^2+M^2-C^2) =(2K)24(CM)(M+C)=4(K2+M2C2)
△ ≥ 0 \bigtriangleup\ge 0 0时,可以解出 θ 2 \theta_{2} θ2:
θ 2 = 2 ∗ a r c t a n ( K ± ( K 2 + M 2 − C 2 ) M − C ) \theta _{2}=2*arctan(\frac{K\pm \sqrt{(K^2+M^2-C^2)} }{M-C} ) θ2=2arctan(MCK±(K2+M2C2) )
通过 θ 1 \theta_{1} θ1即可解算出 C C C点的直角坐标有:
{ C x = L 1 ∗ c o s ( θ 1 ) + L 2 ∗ c o s ( θ 2 ) C y = L 1 ∗ s i n ( θ 1 ) + L 2 ∗ s i n ( θ 2 ) \begin{equation} \begin{cases} C_{x}=L_{1}*{\color{Orange} cos(\theta _{1})} +L_{2}*{\color{Orange} cos(\theta_{2})} \\C_{y}=L_{1}*{\color{Green} sin(\theta _{1})} +L_{2}*{\color{Green} sin(\theta_{2})} \end{cases} \tag{7} \end{equation} {Cx=L1cos(θ1)+L2cos(θ2)Cy=L1sin(θ1)+L2sin(θ2)(7)
进一步推导得到极坐标为:
{ L 0 = ( C x − L 5 ) 2 + C y 2 θ 0 = a r c t a n C y C x − L 5 2 \begin{equation} \begin{cases} L_{0}=\sqrt{(C_{x}-L_{5})^2+C_{y}^2} \\\theta_{0}=arctan\frac{C_{y}}{C_{x}-\frac{L_{5}}{2} } \end{cases} \tag{8} \end{equation} L0=(CxL5)2+Cy2 θ0=arctanCx2L5Cy(8)

2.参考文献

https://zhuanlan.zhihu.com/p/613007726
[1]于红英,唐德威,王建宇.平面五杆机构运动学和动力学特性分析[J].哈尔滨工业大学学报,2007(06):940-943.
[2]谢惠祥.四足机器人对角小跑步态虚拟模型直觉控制方法研究[D].国防科学技术大学,2015.

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.mzph.cn/news/813788.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

Zotero插件ZotCard中AI-NNDL文献笔记卡分享及卡片使用方法

一、卡片社区分享 github:ZotCard插件AI-NNDL论文卡片模板 Issue #67 018/zotcard (github.com) 二、卡片效果预览 ZotCard插件AI-NNDL论文卡片模板是关于人工智能神经网络与深度学习论文的笔记卡片,效果预览如下图: 三、卡片代码 经过了…

SAP CAP篇十七:写个ERP的会计系统吧,Part IV

本文目录 本系列文章目标开发步骤数据库表设计借贷初始化数据 会计凭证 Service 定义生成Fiori App更新CDS AnnotationApp运行 本系列文章 SAP CAP篇一: 快速创建一个Service,基于Java的实现 SAP CAP篇二:为Service加上数据库支持 SAP CAP篇三&#xff…

HarmonyOS分布式应用框架深入解读

随着越来越多设备的智能化,在多设备场景下应用开发面临以下挑战:从多设备的形态差异(不同大小、不同分辨率、不同形状的屏幕,多样化的交互方式–按钮、触屏、键盘、语音、手势等),多设备的能力差异&#xf…

AI赋能档案开放审核:实战

关注我们 - 数字罗塞塔计划 - 为进一步推进档案开放审核工作提质增效,结合近几年的业务探索、研究及项目实践,形成了一套较为成熟、高效的AI辅助档案开放审核解决方案,即以“AI人工”的人机协同模式引领档案开放审机制创新,在档…

一站式开源持续测试平台 MerterSphere 之测试跟踪操作详解

一、MeterSphere平台介绍 MeterSphere是一站式的开源持续测试平台,遵循 GPL v3 开源许可协议,涵盖测试跟踪、接口测试、UI 测试和性能测试等功能,全面兼容JMeter、Selenium 等主流开源标准,有效助力开发和测试团队充分利用云弹性…

TCP协议简单总结

TCP:传输控制协议 特点:面向连接、可靠通信 TCP的最终目的:要保证在不可靠的信道上实现可靠的传输 TCP主要有三个步骤实现可靠传输:三次握手建立连接,传输数据进行确认,四次挥手断开连接 三次握手建立可靠…

Golang ProtoBuf 初学者完整教程:语法

一、编码规范推荐 1、文件名使用小写下划线的命名风格,例如 lower_snake_case.proto 2、使用 2 个空格缩进 3、包名应该和目录结构对应 4、消息名使用首字母大写驼峰风格(CamelCase),例如message StudentRequest { ... } 5、字段名使用小写下划线的风格…

【系统分析师】操作系统部分

文章目录 1、进程状态2、前趋图3、PV操作4、死锁问题5、存储管理5.1 页式存储5.2 段式存储5.3 段页式存储5.4 页面置换算法 6、文件管理6.1 索引文件结构6.2 空闲存储空间管理 7、设备管理7.1数据传输控制7.2 虚设备和SPOOLING技术7.3 微内核操作系统7.4 嵌入式操作系统 说明&a…

LeetCode-32. 最长有效括号【栈 字符串 动态规划】

LeetCode-32. 最长有效括号【栈 字符串 动态规划】 题目描述:解题思路一:辅助栈解题思路二:动态规划解题思路三:0 题目描述: 给你一个只包含 ‘(’ 和 ‘)’ 的字符串,找出最长有效(格式正确且…

「51媒体-邀约媒体」活动发布会新闻通稿如何写?

传媒如春雨,润物细无声,大家好,我是51媒体网胡老师。 撰写活动发布会的新闻通稿需要遵循一定的结构和内容要点,以确保信息的准确性、完整性和吸引力。以下是撰写活动发布会新闻通稿的基本步骤和建议: 标题&#xff1…

初识 QT

初始QT 什么是QTQT发展史QT支持的平台QT的优点QT的应用场景搭建QT开发环境QT的开发工具概述QT下载安装 使用QT创建项目QT 实现Hello World程序使用按钮控件来实现使用标签控件来实现 项目文件解析widget.hmain.cppwidget.cppwidget.ui.pro文件 对象树QT 窗口坐标体系 什么是QT …

python linux服务器ssh简单爆破(测试用户名密码)(连接ssh服务器)(测试登录ssh服务器)

文章目录 背景示例代码代码解释导入模块SSH服务器的地址和端口用户名和密码列表生成所有可能的用户名和密码组合尝试连接到SSH服务器并验证用户名和密码遍历并测试每一对凭证 背景 我们华为摄像头linux终端的密码忘了,还不太好初始化,手动一个个测试太麻…

【QingHub】EMQX单节点一键部署

EMQX 简介 EMQX是全球最具扩展性的开源MQTT 代理,具有高性能,可在 1 个集群中连接 1 亿多个 IoT 设备,同时保持每秒 100 万条消息的吞吐量和亚毫秒级的延迟。 EMQX 支持MQTT、HTTP、QUIC、WebSocket等多种开放标准协议。它 100% 符合MQTT 5.…

ChatGPT深度科研应用、数据分析及机器学习、AI绘图与高效论文撰写

2022年11月30日,可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5,将人工智能的发展推向了一个新的高度。2023年4月,更强版本的ChatGPT4.0上线,文本、语音、图像等多模态交互方式使其在…

基于Springboot+Vue的Java项目-在线视频教育平台系统(附演示视频+源码+LW)

大家好!我是程序员一帆,感谢您阅读本文,欢迎一键三连哦。 💞当前专栏:Java毕业设计 精彩专栏推荐👇🏻👇🏻👇🏻 🎀 Python毕业设计 &am…

使用 Python 标记具有相同名称的条目

如果大家想在 Python 中标记具有相同名称的条目,可以使用字典(Dictionary)或集合(Set)来实现。这取决于你们希望如何存储和使用这些条目。下面我将提供两种常见的方法来实现这个目标。 1、问题背景 在处理数据时&…

电脑端微信截图文字识别功能效率更高了

近期发现微信中的截图文字识别比QQ中的截图文字识别效率高更高,效果更好。 使用方法: 安装电脑端微信客户端:https://weixin.qq.com/(如果没有下载,可以安装一下) 默认截图组合快捷键是:ALTA (使用下来感觉不是很顺手…

AI在运维实践中的价值提升

在2024年的AI赛道上,利用大数据 、机器学习算法、人工智能来改善运维效率已成为软件运营商发展的新主张,通过AI在运维流程的洞察、决策和执行,从而提升效率、减少故障时间,优化用户体验。通过分析大量数据来识别趋势和模式&#x…

【MATLAB】GA_ELM神经网络时序预测算法

有意向获取代码,请转文末观看代码获取方式~ 1 基本定义 GA_ELM(Genetic Algorithm and Extreme Learning Machine)是一种结合了遗传算法和极限学习机的神经网络时序预测算法。它的核心思想是通过使用遗传算法来优化极限学习机的权重和偏差&…

Python网络爬虫中JSON格式数据存储详解

目录 一、引言 二、JSON格式数据简介 三、Python中处理JSON数据 四、网络爬虫中获取JSON数据 五、存储JSON数据到文件 六、从文件中读取JSON数据 七、注意事项和常见问题 八、总结 一、引言 在网络爬虫的应用中,JSON格式数据以其轻量级、易读易写的…