MISER3.2教程(3)--交互窗口使用

本文详细介绍了如何使用Miser3软件创建和修改问题描述文件,包括设置系统参数、节点、控制变量、约束、精度等,并提供了运行现有文件和调整优化选项的步骤。
摘要由CSDN通过智能技术生成

创建问题描述文件后,运行miser3将弹出交互窗口(详情见前两篇文章),通过操作交互窗口,将问题优化过程的相关参数进行设置。

值得注意的是,交互界面的相关设置会反映在问题文件xxx.dat中,在交互窗口中的设置可以在其中查看

创建新的问题文件

开始页

若之前没有创建问题文件xxx.dat,则需要创建一个。在交互窗口的开始页,选择创建新文件,输入自己取的文件名,点击继续。

然后再选择写入后是否要运行优化程序。

问题名设置

系统参数设置

其中系统变量的概念会在后续文章进阶例程中详细讲解。

节点设置

这里介绍一下节点,由于miser使用控制参数法求解优化问题,将连续时间控制转化为了离散控制。通俗来讲就是原问题求解的是连续控制信号,转化后求解的是离散采样后的离散信号,节点就是采样点。节点数越多,采样越密,采样率越高,越接近连续控制信号,优化越准确,但计算量也越大,求解越慢。

设置时一般设定节点集为1,节点数10~50(先用较少节点看看效果,后续可考虑增加),节点类型选择均匀分布。

不勾选,直接继续。

不做修改,继续。

控制变量设置

根据问题设置控制变量的范围。

约束设置

设置时为了方便,一般将线性约束数量设置为0,将其归为非线性约束(影响不大)。系统变量约束中系统变量的概念会在后续文章进阶例程中详细讲解。

之后勾选所有的epsilon-tau选项。

精度设置

一般不用改,默认设置就好。

优化选项

一般不用改,默认设置就好。

导数设置

各变量对各函数的导数来源有两种,一种是用户提供,通过用户撰写导数文件(详情参见上一篇文章),另一种由计算机数值求解,无需用户提供。设置用户提供则在对应位置置0,数值求解则置1。

输出文件设置

设置输出文件的命名和打印选项。一般不用改,默认设置就好。

杂项

一般不用改,默认设置就好。

修改已有的问题文件

若之前设置的问题文件不满意,可以通过运行miser对其进行修改。

开始页

勾选修改已有文件,填入要修改的文件名,点击继续。

然后再选择修改后是否要运行优化程序。

选择

选择要修改的设置,可多选。(可参考上一节的目录及其内容)

修改

选择确认后会进入相应的设置界面,与上一节所展示一样,相当于重新进入再设置一遍。由于上一节具体介绍过就不做赘述,详情可参考上一节。

运行已有问题文件

这一部分在第一篇文章miser的介绍中提到过,这里进行具体讲解。

开始页

勾选运行已存在文件,输入问题文件名,点击继续窗口自动关闭,将进行优化求解。

求解完成

求解完成后窗口再次会弹出。这时会询问再启动时节点数是否要加倍,加倍会使优化更精确但速度变慢(详情见第一节的节点设置)。一般选择不加倍。

变量图像

确定后会弹出状态变量与控制变量随时间的变化曲线图。

以上便是miser交互窗口的讲解,miser的基础使用教程也到此结束。后续将会更新miser官方例程和进阶使用的教程^^

首先,我们需要定义delta机器人的动力学模型和约束条件。假设我们已经得到了机器人的状态方程和控制方程,即: 状态方程: $$ \dot{q} = f(q, u) $$ 控制方程: $$ u = g(q) $$ 其中,$q$表示机器人的关节角度,$u$表示机器人的关节速度。 接下来,我们可以将优化问题表示为一个最小化目标函数的形式: $$ \min_{u(t)} \int_{t_0}^{t_f} L(q, u) dt $$ 其中,$t_0$和$t_f$分别表示起始时间和终止时间,$L(q, u)$表示每个时间步的代价函数。 根据机器人的动力学模型和约束条件,我们可以得到以下约束条件: 初始条件: $$ q(t_0) = q_0 $$ 终止条件: $$ q(t_f) = q_f $$ 动力学约束: $$ \dot{q} = f(q, u) $$ 关节限制: $$ q_{min} \leq q(t) \leq q_{max} $$ 速度限制: $$ u_{min} \leq u(t) \leq u_{max} $$ 加速度限制: $$ a_{min} \leq \frac{d u(t)}{dt} \leq a_{max} $$ 接下来,我们可以使用miser算法求解上述优化问题。miser算法是一种基于随机采样的全局优化算法,其基本思路是通过随机采样来获取全局最优解。 具体来说,miser算法的基本步骤如下: 1. 初始化采样点,并计算每个点的目标函数值。 2. 根据目标函数值,对采样点进行排序。 3. 根据排序结果,选择一部分较好的采样点,并在它们周围生成新的采样点。 4. 对新的采样点进行目标函数计算,并将其加入到采样点集中。 5. 重复步骤2-4,直到满足终止条件为止。 在实际应用中,我们需要根据实际情况调整参数,以保证算法的收敛速度和精度。 最终,我们可以得到机器人的优化轨迹,以及对应的控制输入。这些信息可以用来控制机器人进行特定的任务,例如在工业生产线上进行自动化生产。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值