这种区别仅靠看论文和课本是很难发现的,但是在用代码实现时却很容易掉进“坑”里。好在我替大家踩了。
对于雅可比矩阵的算法,本文涉及了两种方法。
首先分别列出两种算法的计算公式和对应的Mathematica代码。
齐次分析其异同点和对机械臂运动学的影响。
方法一
机器人动力学与控制-霍伟
[
v
n
ω
n
]
=
[
b
1
.
.
.
b
n
c
1
.
.
.
c
n
]
q
˙
=
J
q
˙
\begin{bmatrix} v_n \\ \omega_n \end{bmatrix} =\begin{bmatrix} b_1&...& b_n\\ c_1&...&c_n \end{bmatrix} \dot{q} =J\dot{q}
[vnωn]=[b1c1......bncn]q˙=Jq˙
b
i
=
z
i
−
1
×
(
p
n
−
p
i
−
1
)
b_i= z_{i-1}\times(p_n-p_{i-1})
bi=zi−1×(pn−pi−1)
c
i
=
z
i
−
1
c_i=z_{i-1}
ci=zi−1
p
n
p_n
pn:坐标系n的原点在坐标系0中表示的位置向量
z
i
−
1
z_{i-1}
zi−1:坐标系i-1的z轴在坐标系0中的表示
下面代码以两自由度机械臂为例
T01 = {{Cos [Subscript[\[Theta], 1]], -Sin[Subscript[\[Theta], 1]], 0,
a1 Cos [Subscript[\[Theta], 1]]}, {Sin[Subscript[\[Theta], 1]],
Cos [Subscript[\[Theta], 1]], 0,
a1 Sin[Subscript[\[Theta], 1]]}, {0, 0, 1, 0}, {0, 0, 0, 1}};
T12 = {{Cos [Subscript[\[Theta], 2]], -Sin[Subscript[\[Theta], 2]], 0,
a2 Cos [Subscript[\[Theta], 2]]}, {Sin[Subscript[\[Theta], 2]],
Cos [Subscript[\[Theta], 2]], 0,
a2 Sin[Subscript[\[Theta], 2]]}, {0, 0, 1, 0}, {0, 0, 0, 1}};
T02 = T01.T12;
R01 = Table[T01[[i, j]], {i, 3}, {j, 3}];
qd1={0, 0.2969, 0.9383, 1.6163, 2.1112, 2.2907, 2.1112, 1.61634942, 0.9383, 0.2969, 0};
qd2={0,-0.1484,-0.4691,-0.8082,-1.0556,-1.1454,-1.0556,-0.8081747,-0.4691,-0.1484, 0};
times = 8;
Subscript[\[Theta], 1] = q1[[times]]; Subscript[\[Theta], 2] =
q2[[times]];
a1 = 2; a2 = 1;
p1sta = {2, 0, 0}; p2sta = {1, 0, 0};
(*初始化完毕*)
(******************************************************)
z00 = {0, 0, 1};
z01 = R01.{0, 0, 1};
p2 = Table[T02[[i, 4]], {i, 3}];
p1 =Table[T01[[i, 4]], {i, 3}];
p0 = {0, 0, 0};
b1 = z00\[Cross](p2 - p0);
c1 = {0, 0, 1};
b2 = z01\[Cross](p2 - p1);
c2 = R01.{0, 0, 1};
j1 = Join[jb1, jc1, 1]; MatrixForm[j1];
j2 = Join[jb2, jc2, 1]; MatrixForm[j2];
jacobian = {j1, j2}; Print["雅可比矩阵 J=" MatrixForm[Transpose[jacobian]]]
计算结果:
雅可比矩阵 J=
(
-2.19608 -0.489264
1.91462 0.872136
0. 0.
0 0.
0 0.
1 1.
)
使用上述雅可比矩阵中进行正向速度求解:
endVol = Transpose[jacobian].{qd1[[times]], qd2[[times]]};
Print["在绝对坐标系表示 endVol=", endVol];
结果
在绝对坐标系表示 endVol={-3.15422,2.38986,0.,0.,0.,0.808175}
这个结果说明通过上述雅可比矩阵进行正向速度计算,得到的末端速度是在坐标系0中表示的。
当然我们可以用旋转矩阵
R
2
0
R_2^0
R20 ,转换到末端坐标系中表示。
至此方法一介绍完毕。
方法二
Efficient Computation of the Jacobian for Robot Manipulators
与方法一类似,只是用来迭代的形式计算,这样计算量比较小。
T
N
+
1
N
+
1
=
I
T_{N+1}^{N+1}=I
TN+1N+1=I
T
N
+
1
i
−
1
=
T
i
i
−
1
T
N
+
1
i
T_{N+1}^{i-1}=T_{i}^{i-1} T_{N+1}^{i}
TN+1i−1=Tii−1TN+1i
c
i
N
+
1
=
R
i
−
1
N
+
1
[
0
0
1
]
c_{i}^{N+1}=R_{i-1}^{N+1} \begin{bmatrix} 0\\ 0\\ 1 \end{bmatrix}
ciN+1=Ri−1N+1
001
N
+
1
b
i
j
=
−
(
i
−
1
R
N
+
1
j
×
i
−
1
r
i
−
1
)
T
[
0
0
1
]
j
=
1
,
2
,
3
;
i
=
1
,
2
,
.
.
.
N
^{N+1}b_i^{j} = -( ^{i-1}R_{N+1}^{j} \times ^{i-1}r_{i-1} )^T\begin{bmatrix} 0\\ 0\\ 1 \end{bmatrix} j=1,2,3; i=1,2,...N
N+1bij=−(i−1RN+1j×i−1ri−1)T
001
j=1,2,3;i=1,2,...N
Mathematica代码:
T01={{Cos [Subscript[\[Theta], 1]],-Sin[Subscript[\[Theta], 1]],0,a1 Cos [Subscript[\[Theta], 1]]}, {Sin[Subscript[\[Theta], 1]],Cos [Subscript[\[Theta], 1]],0,a1 Sin[Subscript[\[Theta], 1]]}, {0,0,1,0},{0,0,0,1}};
T12={{Cos [Subscript[\[Theta], 2]],-Sin[Subscript[\[Theta], 2]],0,a2 Cos [Subscript[\[Theta], 2]]},{Sin[Subscript[\[Theta], 2]],Cos [Subscript[\[Theta], 2]],0,a2 Sin[Subscript[\[Theta], 2]]},{0,0,1,0},{0,0,0,1}};
T02=T01.T12;
T10=Transpose[T01];T21=Transpose[T12];
R01=Table[T01[[i,j]],{i,3},{j,3}];
R12=Table[T12[[i,j]],{i,3},{j,3}];
R02=Table[T02[[i,j]],{i,3},{j,3}];
R10=Table[T10[[i,j]],{i,3},{j,3}];
R21=Table[T21[[i,j]],{i,3},{j,3}];
r00=Table[T02[[i,4]],{i,3}];MatrixForm[r00];(*(\[InvisiblePrefixScriptBase]^(i-1))Subscript[r, i-1];i=1 from (\[InvisiblePrefixScriptBase]^(i-1))Subscript[T, N+1]*)
r11=Table[T12[[i,4]],{i,3}];MatrixForm[r11];(*(\[InvisiblePrefixScriptBase]^(i-1))Subscript[r, i-1];i=2 from (\[InvisiblePrefixScriptBase]^(i-1))Subscript[T, N+1]*)
R03=R02;MatrixForm[R03];(*(\[InvisiblePrefixScriptBase]^(i-1))Subscript[U, N+1] ;i=1*)
R031=Table[R02[[i,1]],{i,3}];MatrixForm[R031];(*((\[InvisiblePrefixScriptBase]^(i-1))Subscript[U, N+1])^j;i=1,j=1*)
R032=Table[R02[[i,2]],{i,3}];MatrixForm[R032];(*((\[InvisiblePrefixScriptBase]^(i-1))Subscript[U, N+1])^j;i=1,j=2*)
R13=R12;MatrixForm[R13];(*(\[InvisiblePrefixScriptBase]^(i-1))Subscript[U, N+1] ;i=2*)
R131=Table[R12[[i,1]],{i,3}];MatrixForm[R131];(*((\[InvisiblePrefixScriptBase]^(i-1))Subscript[U, N+1])^j;i=2,j=1*)
R132=Table[R12[[i,2]],{i,3}];MatrixForm[R132];(*((\[InvisiblePrefixScriptBase]^(i-1))Subscript[U, N+1])^j;i=2,j=2*)
qd1={0, 0.2969, 0.9383, 1.6163, 2.1112, 2.2907, 2.1112, 1.61634942, 0.9383, 0.2969, 0};
qd2={0,-0.1484,-0.4691,-0.8082,-1.0556,-1.1454,-1.0556,-0.8081747,-0.4691,-0.1484, 0};
times = 8;
Subscript[\[Theta], 1] = q1[[times]]; Subscript[\[Theta], 2] =
q2[[times]];
a1 = 2; a2 = 1;
p1sta = {2, 0, 0}; p2sta = {1, 0, 0};
(*初始化完毕*)
(************************)
r={r00,r11};
R={{R031,R032,{0,0,1}},{R131,R132,{0,0,1}}};
c31=Transpose[R03].{0,0,1};
b311=Cross[R[[1,1]],-r[[1]]].{0,0,1};
b312=Cross[R[[1,2]],-r[[1]]].{0,0,1};
c32=Transpose[R13].{0,0,1};
b321=Cross[R[[2,1]],-r[[2]]].{0,0,1};
b322=Cross[R[[2,2]],-r[[2]]].{0,0,1};
jacobian1={{b311,b312,0},{b321,b322,0}};
jacobian=Join[jacobian1,{c31,c32},2];
Print["雅可比矩阵:",MatrixForm[Transpose[jacobian]]];```
计算结果 :
雅可比矩阵:
(
-0.978527 0.
2.74427 1.
0 0
0. 0.
0. 0.
1. 1.
)
使用上述雅可比矩阵进行正向速度计算:
endVol=Transpose[jacobian].{qd1[[times]],qd2[[times]]}
结果
{-1.58164, 3.62753, 0., 0., 0., 0.808175}
分析两种方法的异同点
两种方法求得的雅可比矩阵并不相同
法一:
雅可比矩阵 J=
(
-2.19608 -0.489264
1.91462 0.872136
0. 0.
0 0.
0 0.
1 1.
)
法二:
雅可比矩阵:
(
-0.978527 0.
2.74427 1.
0 0
0. 0.
0. 0.
1. 1.
)
但是这两种雅可比矩阵中都是正确的,因此得出的结果也不相同:
法一: endVol={-3.15422,2.38986,0.,0.,0.,0.808175}
法二:endVol={-1.58164, 3.62753, 0., 0., 0., 0.808175}
法一得到的末端速度是在坐标系0中表示的,而法二得到的末端速度是在坐标系2(题设为两自由度机械臂)中表示的,实际末端速度向量的模都是一样的。使用旋转矩阵
R
2
0
R_2^0
R20可以实现这两种表示方法的转换。
搞清楚雅可比矩阵的形式和计算结果形式这一点很重要,因为在进行加速度甚至动力学计算式都需要雅可比矩阵,而进行加速度计算是某些形式的雅可比矩阵无法得出正确的结果。如果贪图计算简洁而用了一些奇怪的方法,就很有肯导致加速度计算失败进而动力学建模失败。我建议还是按照《机器人动力学与控制》里的方法计算雅可比矩阵,这样比较安全些。