【花雕学编程】Arduino FOC 之二维平面机器人臂的逆运动学求解

驴友花雕

于 2024-09-06 14:40:17 发布

阅读量1.3k

点赞数 17

分类专栏： Arduino FOC 文章标签：嵌入式硬件单片机 c++ Arduino动手做二维平面机器人臂的逆运动学求解 Arduino FOC

本文链接：https://blog.csdn.net/weixin_41659040/article/details/141959068

版权

Arduino FOC 专栏收录该内容

530 篇文章 10 订阅

订阅专栏

在这里插入图片描述

Arduino是一个开放源码的电子原型平台，它可以让你用简单的硬件和软件来创建各种互动的项目。Arduino的核心是一个微控制器板，它可以通过一系列的引脚来连接各种传感器、执行器、显示器等外部设备。Arduino的编程是基于C/C++语言的，你可以使用Arduino IDE（集成开发环境）来编写、编译和上传代码到Arduino板上。Arduino还有一个丰富的库和社区，你可以利用它们来扩展Arduino的功能和学习Arduino的知识。

Arduino的特点是：
1、开放源码：Arduino的硬件和软件都是开放源码的，你可以自由地修改、复制和分享它们。
2、易用：Arduino的硬件和软件都是为初学者和非专业人士设计的，你可以轻松地上手和使用它们。
3、便宜：Arduino的硬件和软件都是非常经济的，你可以用很低的成本来实现你的想法。
4、多样：Arduino有多种型号和版本，你可以根据你的需要和喜好来选择合适的Arduino板。
5、创新：Arduino可以让你用电子的方式来表达你的创意和想象，你可以用Arduino来制作各种有趣和有用的项目，如机器人、智能家居、艺术装置等。

在这里插入图片描述
Arduino FOC（Field Oriented Control，场向量控制）是一种先进的电机控制技术，它允许精确控制电机的转矩和速度。这种控制技术特别适用于无刷直流电机（BLDC）和步进电机。在Arduino平台上实现FOC可以提供平滑的运行和高度的扭矩、速度和位置控制，它通过精确控制电机的电流和电压来实现高效率、高精度和低噪声的操作。

主要特点:
1、高性能电机控制：FOC是一种高级的电机控制算法，可以精准控制PMSM(永磁同步电机)和BLDC(无刷直流)电机，实现平滑的转速和扭矩输出。
2、闭环控制架构：FOC采用闭环反馈控制，通过检测电机的位置和速度数据，实时调整输出电压和电流，确保电机动作符合预期。
3、模块化设计：Arduino FOC库采用模块化设计，包含电机建模、速度/位置/电流控制环、PWM生成等子模块，用户可根据需求灵活组合使用。
4、可移植性强：Arduino FOC可移植到多种硬件平台，如Arduino、ESP32、STM32与树莓派等，适用于功率从几十瓦到几千瓦的电机系统。
5、参数自动识别：FOC库具有自动识别电机参数的功能，可以大幅简化电机控制系统的调试过程。

应用场景:
1、工业自动化：在工厂的机器人、传送带、CNC加工设备等领域，Arduino FOC可提供高性能的电机控制解决方案。
2、电动车辆：电动自行车、电动汽车、电动叉车等车载电机驱动系统，可以采用Arduino FOC进行精准控制。
3、家用电器：在电风扇、洗衣机、空调等家用电器中，Arduino FOC可实现细腻的电机速度和扭矩控制。
4、航模和无人机：航模飞机、无人机等对电机控制性能要求很高的领域，Arduino FOC能够提供高精度的电机驱动。
5、机器人：工业机器人、服务机器人、仿生机器人等对电机控制性能有严格要求的领域，Arduino FOC是一个不错的选择。

需要注意的事项:
1、硬件要求：Arduino FOC对控制器的性能(如CPU频率、RAM/ROM容量等)有一定要求，需要选择合适的硬件平台。
2、调试复杂性：FOC算法涉及电机建模、坐标变换、PI调节器等诸多环节，调试和调优过程相对复杂，需要一定的专业知识。
3、噪声抑制：电机驱动电路容易产生噪声干扰，需要采取合理的屏蔽和滤波措施，确保信号质量。
4、安全防护：电机驱动系统可能会产生过电流、过压等故障,需要配备可靠的保护电路，确保人身和设备安全。
5、系统集成：将Arduino FOC集成到完整的电机驱动系统中时，需要考虑机械、电力、控制等各个方面的协调配合。

总的来说，Arduino FOC是一种功能强大、性能优秀的电机控制解决方案,适用于工业自动化、电动车辆、家用电器等众多领域。但在硬件选型、算法调试、噪声抑制和安全防护等方面都需要谨慎考虑，以确保系统稳定可靠地运行。

附录：系列目录
1、Arduino FOC的特点、场景和使用事项
http://t.csdnimg.cn/WZhYL
2、Arduino FOC 之简单FOC库 - 跨平台的无刷直流和步进电机FOC实现
http://t.csdnimg.cn/p9ADE
3、Arduino FOC 之无刷直流电机速度控制
http://t.csdnimg.cn/gZ7CY
4、Arduino FOC 之步进电机位置控制
http://t.csdnimg.cn/VYbIb
5、Arduino FOC 之无刷直流电机电流控制
http://t.csdnimg.cn/wWGVu
6、Arduino FOC 之 SimpleFOC 库的主要函数
http://t.csdnimg.cn/S26MC
7、Arduino FOC 之 ArduinoFOC库的核心函数
http://t.csdnimg.cn/3VLzF
8、Arduino FOC 之传感器校准
http://t.csdnimg.cn/NS3TR
9、Arduino FOC 之SimpleFOCShield v2.0.4无刷电机驱动板
http://t.csdnimg.cn/g9mP7
10、Arduino FOC 之 AS5600角度读取
http://t.csdnimg.cn/dmI6F
11、Arduino FOC 之 FOC算法
http://t.csdnimg.cn/ENxc0
12、Arduino FOC 之 SimpleFOC库的适配电机方案
http://t.csdnimg.cn/QdH6k

在这里插入图片描述
Arduino FOC 之二维平面机器人臂的逆运动学求解
1、主要特点
精确位置控制: 二维平面机器人臂的逆运动学求解能够准确计算出各关节的角度，从而实现末端执行器（如机械手或工具）在平面内的精确定位。
实时计算能力: 利用Arduino平台，逆运动学算法能够快速响应目标位置的变化，适合需要实时控制的应用场景。
多解性: 二维平面机器人臂的逆运动学通常存在多个解，系统能够根据不同的需求选择最合适的运动路径，提升灵活性。
简单的实现: 二维机器臂的逆运动学相对较为简单，适合初学者学习运动学和控制理论的基础知识。

2、应用场景
自动化装配: 在工业自动化中，二维机器人臂可以用于装配线上的物料搬运、组装和焊接等任务，提升生产效率和精度。
教育与科研: 在机器人学和控制理论的教学中，二维机器人臂是一个重要的实验平台，帮助学生理解逆运动学的基本原理和应用。
绘图机器人: 用于绘图或激光切割等应用中，二维机器臂能够精确绘制图案，适合艺术创作和工业设计。
医疗器械: 在某些医疗操作中，二维机器人臂可以用于精确的手术辅助，提高手术的精度和安全性。

3、需要注意的事项
运动学模型建立: 准确建立机器人臂的运动学模型是实现逆运动学求解的基础，需考虑各关节的长度和运动范围。
多解性处理: 在逆运动学求解中，需处理多解性问题，选择合适的解以避免机器人臂的奇异状态和不必要的运动。
计算复杂性: 尽管二维逆运动学相对简单，但在实时应用中，仍需考虑计算的复杂性，以确保系统在动态环境下的稳定性。
关节限制: 在求解过程中需考虑各关节的物理限制，确保计算出的角度在可操作范围内，以防止机械臂的损坏。
反馈机制: 实现有效的传感器反馈机制，以监测机器人的实际位置，确保其能够快速响应目标位置的变化。

总结
Arduino FOC中的二维平面机器人臂的逆运动学求解为实现精确控制提供了一种有效的方法，广泛应用于自动化装配、教育科研和医疗器械等领域。通过合理的运动学模型建立和解的选择，可以实现高效的末端执行器控制。在实际开发中，应重视运动学模型、解的选择和关节限制等关键因素，以确保系统的稳定性和可靠性。

在这里插入图片描述
1、基本逆运动学求解

#include <Servo.h>

Servo joint1; // 第一个关节伺服
Servo joint2; // 第二个关节伺服

const float L1 = 100; // 第一个臂长
const float L2 = 100; // 第二个臂长

void setup() {
  joint1.attach(9); // 连接到数字引脚9
  joint2.attach(10); // 连接到数字引脚10

  // 移动到初始位置
  joint1.write(90);
  joint2.write(90);
}

void loop() {
  float targetX = 100; // 目标位置X坐标
  float targetY = 100; // 目标位置Y坐标
  float angle1, angle2;

  // 计算逆运动学
  float D = (targetX * targetX + targetY * targetY - L1 * L1 - L2 * L2) / (2 * L1 * L2);
  angle2 = acos(D) * 180 / PI; // 计算第二个关节的角度
  angle1 = atan2(targetY, targetX) - atan2(L2 * sin(radians(angle2)), L1 + L2 * cos(radians(angle2))); // 计算第一个关节的角度

  // 将角度转换为伺服的旋转角度
  joint1.write(angle1 + 90); // 伺服角度调整
  joint2.write(angle2 + 90);
  
  delay(2000); // 等待
  break; // 只求解一次
}

2、动态目标控制

#include <Servo.h>

Servo joint1;
Servo joint2;

const float L1 = 100;
const float L2 = 100;

void setup() {
  joint1.attach(9);
  joint2.attach(10);
}

void loop() {
  for (float targetX = 0; targetX <= 150; targetX += 5) {
    for (float targetY = 0; targetY <= 150; targetY += 5) {
      float angle1, angle2;

      // 计算逆运动学
      float D = (targetX * targetX + targetY * targetY - L1 * L1 - L2 * L2) / (2 * L1 * L2);
      if (D < -1 || D > 1) continue; // 检查可达性
      
      angle2 = acos(D) * 180 / PI;
      angle1 = atan2(targetY, targetX) - atan2(L2 * sin(radians(angle2)), L1 + L2 * cos(radians(angle2)));

      joint1.write(angle1 + 90);
      joint2.write(angle2 + 90);
      
      delay(100);
    }
  }
}

3、逆运动学与路径规划

#include <Servo.h>

Servo joint1;
Servo joint2;

const float L1 = 100;
const float L2 = 100;

void setup() {
  joint1.attach(9);
  joint2.attach(10);
}

void loop() {
  float path[5][2] = {
    {50, 50},
    {100, 0},
    {150, 50},
    {100, 100},
    {50, 150}
  };

  for (int i = 0; i < 5; i++) {
    float targetX = path[i][0];
    float targetY = path[i][1];
    float angle1, angle2;

    // 计算逆运动学
    float D = (targetX * targetX + targetY * targetY - L1 * L1 - L2 * L2) / (2 * L1 * L2);
    if (D < -1 || D > 1) continue; // 检查可达性

    angle2 = acos(D) * 180 / PI;
    angle1 = atan2(targetY, targetX) - atan2(L2 * sin(radians(angle2)), L1 + L2 * cos(radians(angle2)));

    joint1.write(angle1 + 90);
    joint2.write(angle2 + 90);
    
    delay(2000); // 等待移动到目标位置
  }
  while (1); // 循环结束
}

要点解读
逆运动学原理：
逆运动学通过已知的目标位置 (X, Y) 计算各个关节的角度。通过三角函数（如 atan2 和 acos），可以求解出每个关节所需的角度，使末端执行器到达指定位置。
臂长定义：
代码中的 L1 和 L2 表示机器人臂的两个部分的长度。需要根据实际机械结构进行设置，以确保计算结果的准确性。
可达性检测：
在第二个案例中，检查 D 值是否在 [-1, 1] 范围内，以确认目标位置是否在机器人臂的可达范围内。这是确保机器人臂在工作中不发生错误的关键。
动态控制与路径规划：
第三个案例展示了如何在不同目标之间移动。通过定义一系列路径点，机器人臂可以根据逆运动学计算出每个目标位置所需的关节角度，实现平滑移动。
延时控制：
每次计算目标位置后，使用延时（如 delay()）让机器人臂有足够的时间移动到新的位置。这对于实现平滑的运动和避免过快的动作非常重要。

在这里插入图片描述
4、基本逆运动学求解

#include <SimpleFOC.h>

// 定义电机和传感器
BLDCMotor motor1 = BLDCMotor(7);
BLDCMotor motor2 = BLDCMotor(7);
BLDCDriver3PWM driver1 = BLDCDriver3PWM(9, 10, 11);
BLDCDriver3PWM driver2 = BLDCDriver3PWM(5, 6, 7);
MagneticSensorI2C sensor1 = MagneticSensorI2C(AS5600_I2C);
MagneticSensorI2C sensor2 = MagneticSensorI2C(AS5600_I2C);

void setup() {
  // 初始化电机和传感器
  sensor1.init();
  sensor2.init();
  motor1.linkSensor(&sensor1);
  motor2.linkSensor(&sensor2);
  driver1.voltage_power_supply = 12;
  driver2.voltage_power_supply = 12;
  driver1.init();
  driver2.init();
  motor1.linkDriver(&driver1);
  motor2.linkDriver(&driver2);
  motor1.controller = MotionControlType::angle;
  motor2.controller = MotionControlType::angle;
  motor1.init();
  motor2.init();
  motor1.initFOC();
  motor2.initFOC();
}

void loop() {
  // 目标位置
  float x_target = 100;
  float y_target = 100;

  // 逆运动学计算
  float l1 = 100; // 第一个连杆长度
  float l2 = 100; // 第二个连杆长度
  float q2 = acos((x_target*x_target + y_target*y_target - l1*l1 - l2*l2) / (2*l1*l2));
  float q1 = atan2(y_target, x_target) - atan2(l2*sin(q2), l1 + l2*cos(q2));

  // 更新电机位置
  motor1.loopFOC();
  motor2.loopFOC();
  motor1.move(q1);
  motor2.move(q2);
}

5、带有PID控制的逆运动学求解

#include <SimpleFOC.h>

// 定义电机和传感器
BLDCMotor motor1 = BLDCMotor(7);
BLDCMotor motor2 = BLDCMotor(7);
BLDCDriver3PWM driver1 = BLDCDriver3PWM(9, 10, 11);
BLDCDriver3PWM driver2 = BLDCDriver3PWM(5, 6, 7);
MagneticSensorI2C sensor1 = MagneticSensorI2C(AS5600_I2C);
MagneticSensorI2C sensor2 = MagneticSensorI2C(AS5600_I2C);
PIDController pid1 = PIDController(2, 0.5, 0.01, 0.01);
PIDController pid2 = PIDController(2, 0.5, 0.01, 0.01);

void setup() {
  // 初始化电机和传感器
  sensor1.init();
  sensor2.init();
  motor1.linkSensor(&sensor1);
  motor2.linkSensor(&sensor2);
  driver1.voltage_power_supply = 12;
  driver2.voltage_power_supply = 12;
  driver1.init();
  driver2.init();
  motor1.linkDriver(&driver1);
  motor2.linkDriver(&driver2);
  motor1.controller = MotionControlType::angle;
  motor2.controller = MotionControlType::angle;
  motor1.PID_velocity = pid1;
  motor2.PID_velocity = pid2;
  motor1.init();
  motor2.init();
  motor1.initFOC();
  motor2.initFOC();
}

void loop() {
  // 目标位置
  float x_target = 100;
  float y_target = 100;

  // 逆运动学计算
  float l1 = 100; // 第一个连杆长度
  float l2 = 100; // 第二个连杆长度
  float q2 = acos((x_target*x_target + y_target*y_target - l1*l1 - l2*l2) / (2*l1*l2));
  float q1 = atan2(y_target, x_target) - atan2(l2*sin(q2), l1 + l2*cos(q2));

  // 更新电机位置
  motor1.loopFOC();
  motor2.loopFOC();
  motor1.move(q1);
  motor2.move(q2);
}

6、结合手势控制的逆运动学求解

#include <SimpleFOC.h>
#include <Wire.h>
#include <MPU6050.h>

// 定义电机、传感器和MPU6050
BLDCMotor motor1 = BLDCMotor(7);
BLDCMotor motor2 = BLDCMotor(7);
BLDCDriver3PWM driver1 = BLDCDriver3PWM(9, 10, 11);
BLDCDriver3PWM driver2 = BLDCDriver3PWM(5, 6, 7);
MagneticSensorI2C sensor1 = MagneticSensorI2C(AS5600_I2C);
MagneticSensorI2C sensor2 = MagneticSensorI2C(AS5600_I2C);
MPU6050 mpu;

void setup() {
  // 初始化电机、传感器和MPU6050
  Wire.begin();
  mpu.initialize();
  sensor1.init();
  sensor2.init();
  motor1.linkSensor(&sensor1);
  motor2.linkSensor(&sensor2);
  driver1.voltage_power_supply = 12;
  driver2.voltage_power_supply = 12;
  driver1.init();
  driver2.init();
  motor1.linkDriver(&driver1);
  motor2.linkDriver(&driver2);
  motor1.controller = MotionControlType::angle;
  motor2.controller = MotionControlType::angle;
  motor1.init();
  motor2.init();
  motor1.initFOC();
  motor2.initFOC();
}

void loop() {
  // 读取MPU6050数据
  int16_t ax, ay, az, gx, gy, gz;
  mpu.getMotion6(&ax, &ay, &az, &gx, &gy, &gz);
  float x_target = ax / 16384.0 * 100; // 将加速度转换为目标位置
  float y_target = ay / 16384.0 * 100;

  // 逆运动学计算
  float l1 = 100; // 第一个连杆长度
  float l2 = 100; // 第二个连杆长度
  float q2 = acos((x_target*x_target + y_target*y_target - l1*l1 - l2*l2) / (2*l1*l2));
  float q1 = atan2(y_target, x_target) - atan2(l2*sin(q2), l1 + l2*cos(q2));

  // 更新电机位置
  motor1.loopFOC();
  motor2.loopFOC();
  motor1.move(q1);
  motor2.move(q2);
}

要点解读
电机和传感器初始化：
使用SimpleFOC库初始化电机和传感器，并设置控制模式（如角度控制）。
通过motor.init()和motor.initFOC()函数完成电机的初始化和FOC算法的配置。
逆运动学计算：
通过几何方法计算目标位置的关节角度（如q1和q2）。
使用三角函数（如atan2和acos）进行角度计算，确保机器人臂能够到达目标位置。
闭环控制：
通过motor.loopFOC()函数实现闭环控制，确保电机按照预期的角度运行。
使用PID控制器（如PIDController）进行精确的速度或位置控制。
手势识别与控制：
结合MPU6050等传感器的数据，实现手势识别，并将识别结果用于控制机器人臂。
通过将加速度数据转换为目标位置，实现手势控制。
多功能集成：
在复杂应用中，结合多种传感器和执行器（如伺服电机）实现多功能控制。
例如，结合手势识别和逆运动学计算，实现机器人臂的自动控制。

注意，以上案例只是为了拓展思路，仅供参考。它们可能有错误、不适用或者无法编译。您的硬件平台、使用场景和Arduino版本可能影响使用方法的选择。实际编程时，您要根据自己的硬件配置、使用场景和具体需求进行调整，并多次实际测试。您还要正确连接硬件，了解所用传感器和设备的规范和特性。涉及硬件操作的代码，您要在使用前确认引脚和电平等参数的正确性和安全性。

在这里插入图片描述