機器人最小慣性參數集

來自專欄人機協作與交互25 人贊了文章

上文中我們提到了機器人動力學方程的四種形式，其中的第四種（最小慣性參數集）形式對於機器人的系統辨識及控制尤其重要。

• 對於一根桿件，共需如下十個經典參數描述它的質量分布情況：慣性張量矩陣，如下所示，共有六個參數

• 質量M
• 三維質心（X，Y，Z），一般我們會把質量乘上質心，組成一個最終的三個慣性參數（MX,MY,MZ），這麼做的原因在於動力學中的重力矩一般包含質量乘質心這一項。

綜上所述，一根桿件的動力學特性會涉及到這十個變數，但由於運動副限制，並不是這十個參數都對動力學特性有影響，下面舉兩個例子說明。

2）水平面的單桿運動，它的動力學方程是 ，共有一個參數與動力學有關，也即它的最小慣性參數數量為1。

理解上述現象後，我們可以推論到，系統辨識並不能獲得桿件的所有慣性參數，只能獲取最小慣性參數集里的參數，因為它們與動力學特性有關。

————————————————分割線————————————————

現在我們來看PUMA560這種構型的機器人（共有6*10個經典慣性參數），它的最下慣性參數一共有幾個。

歷史上有不少方法來確定最小慣性參數集，目前最好用的是只給予DH坐標系即可獲得，它的基本思想是把機器人的關節構型細分為七類；對於PUMA50來說，它的2~6關節屬於R1，每個桿件的最小慣性參數為7個。

1關節屬於R3,桿件1隻有1個最小慣性參數。

綜上所述，這種典型的工業機器人共有36個最小慣性參數，我們通過系統辨識方法，也主要是辨識這些參數。

端午打個廣告：

推薦閱讀：