在上篇文章中,我们详细分析讨论了足式机器人步态控制的数学建模过程,包括数学建模假设、机器人平动、机器人转动以及旋转矩阵。为实现足式机器人的步态控制,我们需要将这些数学模型转化为状态方程的形式,从而深入研究足式机器人的运动特性和控制机制。本文将从状态变量的选取、状态方程推导、控制策略三个角度来阐述足式机器人的步态控制。
(1)状态变量的选取
根据前文的分析,足式机器人的控制模型包括机器人平动、机器人转动和旋转矩阵三部分,机器人平动是对机器人质心处位置、速度、加速度的描述,可以采用 (也即质心处的位置和速度)作为状态变量。机器人转动是对机器人质心处位姿的描述,可用质心处位置和角速度来描述,可以选取作为状态变量。旋转矩阵是对机器人本体各个坐标系向世界坐标系转换的数学描述,可以采用质心处的角度和角速度 来作为状态方程。综合如上状态变量,可得最终的状态变量,如下所示
这里X为状态变量向量。
(2)状态方程推导
同样,我们从机器人平动、机器人转动和旋转矩阵三方面来推导状态方程。机器人平动的状态方程相对容易推导,机器人平动方程可以改写成如下形式:
机器人平动状态方程的建立
机器人转动方程可以稍加推导,即可行成状态方程,推导流程如下:
机器人转动状态方程的建立
这里需要注意的是, 、、���、���、��� 为机器人本体的转动惯量,在建立状态方程的时候,我们是在世界坐标系下建立的,因此需要将其通过旋转矩阵转到世界坐标系下,也即是:
世界坐标系下的转动惯量
旋转矩阵本身就是关于机器人质心处角速度的函数,因此不用做变换,如下
旋转矩阵
选取控制变量
并结合上面的推导,即行成足式机器人步态控制的状态方程,如下式所示:
足式机器人步态控制状态方程
写成矩阵形式为:
式中A、B为状态方程的线性化矩阵。此时,即完成了足式机器人状态方程的推导。
(3)控制策略
实现对足式机器人的步态控制需要一个有效的控制策略。根据最新的研究,采用基于力和力矩的模型预测控制(Model Predictive Control,MPC)是一种有效的方法。该方法通过在每个控制周期内对未来一段时间内的系统动态进行优化,来生成最优的控制输入。在状态方程的基础上,MPC可以被应用于足式机器人步态控制中。通过调整控制输入,如足底的力和力矩,以及利用足底传感器获取的实时信息,MPC能够在每个时间步骤中实时调整控制策略,以适应不同的地形和环境条件,从而实现足式机器人的稳定高效移动。后续文章将阐述如何利用mpc来实现足式机器人步态的实时控制。
总体而言,状态方程的建立为实现步态控制提供了理论基础,而采用先进的MPC控制策略则为足式机器人在复杂环境中实现稳定步行提供了有效手段。
(4)结语
通过对足式机器人步态控制的状态方程进行深入研究,我们为理解和实现机器人的动态稳定步行迈出了重要一步。未来的研究和实践中,我们可以进一步优化控制策略,考虑更多的外部因素,以适应各种复杂的环境。足式机器人的发展将在工业、医疗、救援等领域展现出更广泛的应用前景。
<本文为原创文章,版权归普蓝机器人所有,如需转载请标明来源,并保留本文链接。>