【花雕学编程】Arduino FOC 之带有障碍物的伪逆法求解

最新推荐文章于 2024-09-25 10:47:42 发布

驴友花雕

最新推荐文章于 2024-09-25 10:47:42 发布

阅读量1.1k

点赞数 28

分类专栏： Arduino FOC 文章标签：嵌入式硬件单片机 c++ Arduino FOC 带有障碍物的伪逆法求解

本文链接：https://blog.csdn.net/weixin_41659040/article/details/142348488

版权

Arduino FOC 专栏收录该内容

528 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 之带有障碍物的伪逆法求解
一、主要特点
高效性：伪逆法是一种快速求解逆运动学的算法，能够在多关节机械系统中高效地计算关节角度，适应实时控制需求。
灵活性：在带有障碍物的环境中，伪逆法能够根据环境信息动态调整关节配置，确保机器人能够避开障碍物并顺利完成任务。
多目标优化：伪逆法可以处理多个目标，如目标位置、姿态和障碍物避让，通过调整关节角度实现综合优化。
简单易用：算法实现相对简单，适合在Arduino等控制平台上进行集成，便于快速开发和测试。
二、应用场景
工业机器人：在工业自动化中，机器人需要在复杂的生产环境中灵活移动，伪逆法能够实现高效的路径规划和障碍物避让。
服务机器人：在家庭或商业环境中，服务机器人需要避开家具和其他障碍物，伪逆法能够确保其顺利完成搬运和清扫任务。
无人驾驶：在无人驾驶汽车中，伪逆法可用于实时路径规划，确保车辆在复杂道路环境中安全行驶。
机器人教育：在教育和研究领域，伪逆法是机器人运动学的基础内容，帮助学生理解路径规划和运动控制的原理。
三、注意事项
障碍物模型：在进行伪逆法求解时，需要准确建模障碍物的位置和形状，以确保避让策略的有效性。
运动范围限制：需考虑各关节的运动范围，避免计算结果超出关节的可操作范围，确保机械系统的安全性。
实时性要求：在动态环境中，障碍物可能会随时变化，需优化算法以保证伪逆求解的实时性，确保系统的快速响应。
算法复杂性：虽然伪逆法相对简单，但在处理复杂环境时，可能需要引入额外的计算步骤以处理障碍物，需关注计算效率。
传感器反馈：高精度的传感器反馈对障碍物检测和位置估计至关重要，需确保传感器的可靠性和稳定性，以提升避障效果。
总结
带有障碍物的伪逆法求解在工业机器人、服务机器人和无人驾驶等领域具有广泛应用。通过高效的逆运动学计算和动态路径调整，能够实现灵活、安全的运动控制。在实施过程中，需关注障碍物模型的准确性、运动范围限制及实时性要求，以确保系统的高效性和可靠性。合理的设计与优化将推动该技术在自动化和智能化领域的发展。

在这里插入图片描述
1、伪逆法实现

#include <Arduino.h>

const int numJoints = 3; // 关节数量
float targetPosition[3] = {10.0, 10.0, 10.0}; // 目标位置
float currentAngles[3] = {0.0, 0.0, 0.0}; // 当前关节角度
const float L1 = 10.0; // 连杆1长度
const float L2 = 10.0; // 连杆2长度
const float L3 = 10.0; // 连杆3长度

void setup() {
  Serial.begin(9600);
}

void loop() {
  // 计算当前关节角度
  if (pseudoInverse(targetPosition, currentAngles)) {
    Serial.print("Current Angles: (");
    Serial.print(currentAngles[0]);
    Serial.print(", ");
    Serial.print(currentAngles[1]);
    Serial.print(", ");
    Serial.print(currentAngles[2]);
    Serial.println(")");
  } else {
    Serial.println("Target unreachable due to obstacles.");
  }

  delay(1000); // 每秒更新一次
}

bool pseudoInverse(float target[3], float currentAngles[3]) {
  // 计算关节角度的伪逆解
  float x = target[0];
  float y = target[1];
  float z = target[2];

  // 简单的正运动学模型
  currentAngles[0] = atan2(y, x); // 计算关节1角度
  float r = sqrt(x * x + y * y);
  currentAngles[1] = atan2(z, r) - acos((L1 * L1 + r * r - L2 * L2) / (2 * L1 * r));
  currentAngles[2] = acos((L1 * L1 + L2 * L2 - r * r) / (2 * L1 * L2));

  // 检查目标点是否在可达范围内
  return (r <= (L1 + L2 + L3)); // 简单的可达性检查
}

要点解读：
基础伪逆法实现：该程序实现了简单的伪逆法，通过目标位置计算当前关节角度。
正运动学模型：使用简单的几何方法推导出关节角度，符合三连杆机械臂的运动学特性。
可达性检查：通过简单的距离检查判断目标点是否可达，防止机械臂运动到障碍物上。
实时角度输出：每秒输出当前关节角度，便于调试和监测运动状态。
函数封装：将伪逆法计算封装为函数，增强代码的可读性和复用性。

2、带有障碍物的伪逆法

#include <Arduino.h>

const int numJoints = 3;
float targetPosition[3] = {15.0, 5.0, 5.0}; // 目标位置
float currentAngles[3] = {0.0, 0.0, 0.0};
const float L1 = 10.0;
const float L2 = 10.0;
const float L3 = 10.0;

void setup() {
  Serial.begin(9600);
}

void loop() {
  if (isObstacleInPath(targetPosition)) {
    Serial.println("Obstacle detected! Path is blocked.");
  } else {
    if (pseudoInverse(targetPosition, currentAngles)) {
      Serial.print("Current Angles: (");
      Serial.print(currentAngles[0]);
      Serial.print(", ");
      Serial.print(currentAngles[1]);
      Serial.print(", ");
      Serial.print(currentAngles[2]);
      Serial.println(")");
    } else {
      Serial.println("Target unreachable due to obstacles.");
    }
  }

  delay(1000);
}

bool pseudoInverse(float target[3], float currentAngles[3]) {
  float x = target[0];
  float y = target[1];
  float z = target[2];

  currentAngles[0] = atan2(y, x);
  float r = sqrt(x * x + y * y);
  currentAngles[1] = atan2(z, r) - acos((L1 * L1 + r * r - L2 * L2) / (2 * L1 * r));
  currentAngles[2] = acos((L1 * L1 + L2 * L2 - r * r) / (2 * L1 * L2));

  return (r <= (L1 + L2 + L3));
}

bool isObstacleInPath(float target[3]) {
  // 简单的障碍物检测逻辑
  // 假设障碍物位于(12, 0, 0)位置，半径为3
  float obstacle[3] = {12.0, 0.0, 0.0};
  float distance = sqrt(pow(target[0] - obstacle[0], 2) + pow(target[1] - obstacle[1], 2) + pow(target[2] - obstacle[2], 2));
  return distance < 3.0; // 如果目标与障碍物距离小于3，则认为路径被阻挡
}

要点解读：
障碍物检测：该程序在计算伪逆法之前增加了障碍物检测，确保机械臂的运动路径不与障碍物重叠。
简化的障碍物模型：通过简单的距离计算模型来检测障碍物，便于快速实现和测试。
路径判断逻辑：在进行伪逆法计算前，先判断路径是否被障碍物阻挡，提高安全性。
实时状态输出：每秒输出当前关节角度或障碍物检测信息，便于调试和观察。
函数结构优化：将障碍物检测封装为函数，使得代码结构更加清晰，易于维护。

3、动态目标和障碍物的伪逆法

#include <Arduino.h>

const int numJoints = 3;
float targetPosition[3] = {15.0, 5.0, 5.0}; // 目标位置
float currentAngles[3] = {0.0, 0.0, 0.0};
const float L1 = 10.0;
const float L2 = 10.0;
const float L3 = 10.0;

void setup() {
  Serial.begin(9600);
}

void loop() {
  // 动态更新目标位置
  targetPosition[0] = 10.0 + 5.0 * sin(millis() / 1000.0);
  targetPosition[1] = 10.0 + 5.0 * cos(millis() / 1000.0);
  
  if (isObstacleInPath(targetPosition)) {
    Serial.println("Obstacle detected! Path is blocked.");
  } else {
    if (pseudoInverse(targetPosition, currentAngles)) {
      Serial.print("Current Angles: (");
      Serial.print(currentAngles[0]);
      Serial.print(", ");
      Serial.print(currentAngles[1]);
      Serial.print(", ");
      Serial.print(currentAngles[2]);
      Serial.println(")");
    } else {
      Serial.println("Target unreachable due to obstacles.");
    }
  }

  delay(1000);
}

bool pseudoInverse(float target[3], float currentAngles[3]) {
  float x = target[0];
  float y = target[1];
  float z = target[2];

  currentAngles[0] = atan2(y, x);
  float r = sqrt(x * x + y * y);
  currentAngles[1] = atan2(z, r) - acos((L1 * L1 + r * r - L2 * L2) / (2 * L1 * r));
  currentAngles[2] = acos((L1 * L1 + L2 * L2 - r * r) / (2 * L1 * L2));

  return (r <= (L1 + L2 + L3));
}

bool isObstacleInPath(float target[3]) {
  float obstacle[3] = {12.0, 0.0, 0.0};
  float distance = sqrt(pow(target[0] - obstacle[0], 2) + pow(target[1] - obstacle[1], 2) + pow(target[2] - obstacle[2], 2));
  return distance < 3.0;
}

要点解读：
动态目标更新：该程序通过正弦和余弦函数动态更新目标位置，模拟机械臂在运动中的目标变化。
实时障碍物检测：在每次更新目标位置后，实时检测障碍物，确保机械臂运动的安全性。
可达性判断：伪逆法计算中加入了简单的可达性判断，避免目标过远或被障碍物阻挡。
输出状态信息：每秒输出当前关节角度或障碍物检测信息，便于调试和验证控制效果。
结构清晰的函数：将伪逆法和障碍物检测封装为独立函数，增强了代码的模块化和可读性。

在这里插入图片描述
4、基本伪逆法求解

#include <SimpleFOC.h>

// 定义机械臂的关节数
const int DOF = 5;

// 定义关节角度数组
float jointAngles[DOF] = {0, 0, 0, 0, 0};

// 定义目标位置
float targetPosition[3] = {10, 10, 10};

// 定义雅可比矩阵
float jacobian[3][DOF];

// 初始化电机
BLDCMotor motor[DOF] = {BLDCMotor(7), BLDCMotor(7), BLDCMotor(7), BLDCMotor(7), BLDCMotor(7)};

void setup() {
  for (int i = 0; i < DOF; i++) {
    motor[i].init();
  }
}

void loop() {
  // 计算雅可比矩阵
  calculateJacobian(jointAngles, jacobian);

  // 计算伪逆
  float pseudoInverse[DOF][3];
  calculatePseudoInverse(jacobian, pseudoInverse);

  // 计算关节角度变化
  float deltaAngles[DOF];
  for (int i = 0; i < DOF; i++) {
    deltaAngles[i] = 0;
    for (int j = 0; j < 3; j++) {
      deltaAngles[i] += pseudoInverse[i][j] * (targetPosition[j] - currentPosition[j]);
    }
  }

  // 更新关节角度
  for (int i = 0; i < DOF; i++) {
    jointAngles[i] += deltaAngles[i];
    motor[i].move(jointAngles[i]);
  }
}

void calculateJacobian(float* angles, float jacobian[3][DOF]) {
  // 计算雅可比矩阵的代码
}

void calculatePseudoInverse(float jacobian[3][DOF], float pseudoInverse[DOF][3]) {
  // 计算伪逆矩阵的代码
}

5、带有障碍物的伪逆法求解

#include <SimpleFOC.h>

// 定义机械臂的关节数
const int DOF = 5;

// 定义关节角度数组
float jointAngles[DOF] = {0, 0, 0, 0, 0};

// 定义目标位置
float targetPosition[3] = {10, 10, 10};

// 定义障碍物位置
float obstaclePosition[3] = {5, 5, 5};

// 定义雅可比矩阵
float jacobian[3][DOF];

// 初始化电机
BLDCMotor motor[DOF] = {BLDCMotor(7), BLDCMotor(7), BLDCMotor(7), BLDCMotor(7), BLDCMotor(7)};

void setup() {
  for (int i = 0; i < DOF; i++) {
    motor[i].init();
  }
}

void loop() {
  // 计算雅可比矩阵
  calculateJacobian(jointAngles, jacobian);

  // 计算伪逆
  float pseudoInverse[DOF][3];
  calculatePseudoInverse(jacobian, pseudoInverse);

  // 计算关节角度变化
  float deltaAngles[DOF];
  for (int i = 0; i < DOF; i++) {
    deltaAngles[i] = 0;
    for (int j = 0; j < 3; j++) {
      deltaAngles[i] += pseudoInverse[i][j] * (targetPosition[j] - currentPosition[j]);
    }
  }

  // 检查并避免障碍物
  avoidObstacle(deltaAngles, obstaclePosition);

  // 更新关节角度
  for (int i = 0; i < DOF; i++) {
    jointAngles[i] += deltaAngles[i];
    motor[i].move(jointAngles[i]);
  }
}

void calculateJacobian(float* angles, float jacobian[3][DOF]) {
  // 计算雅可比矩阵的代码
}

void calculatePseudoInverse(float jacobian[3][DOF], float pseudoInverse[DOF][3]) {
  // 计算伪逆矩阵的代码
}

void avoidObstacle(float* deltaAngles, float* obstaclePosition) {
  // 避免障碍物的代码
}

6、带有速度限制的伪逆法求解

#include <SimpleFOC.h>

// 定义机械臂的关节数
const int DOF = 5;

// 定义关节角度数组
float jointAngles[DOF] = {0, 0, 0, 0, 0};

// 定义目标位置
float targetPosition[3] = {10, 10, 10};

// 定义雅可比矩阵
float jacobian[3][DOF];

// 初始化电机
BLDCMotor motor[DOF] = {BLDCMotor(7), BLDCMotor(7), BLDCMotor(7), BLDCMotor(7), BLDCMotor(7)};

void setup() {
  for (int i = 0; i < DOF; i++) {
    motor[i].init();
  }
}

void loop() {
  // 计算雅可比矩阵
  calculateJacobian(jointAngles, jacobian);

  // 计算伪逆
  float pseudoInverse[DOF][3];
  calculatePseudoInverse(jacobian, pseudoInverse);

  // 计算关节角度变化
  float deltaAngles[DOF];
  for (int i = 0; i < DOF; i++) {
    deltaAngles[i] = 0;
    for (int j = 0; j < 3; j++) {
      deltaAngles[i] += pseudoInverse[i][j] * (targetPosition[j] - currentPosition[j]);
    }
  }

  // 应用速度限制
  applySpeedLimit(deltaAngles);

  // 更新关节角度
  for (int i = 0; i < DOF; i++) {
    jointAngles[i] += deltaAngles[i];
    motor[i].move(jointAngles[i]);
  }
}

void calculateJacobian(float* angles, float jacobian[3][DOF]) {
  // 计算雅可比矩阵的代码
}

void calculatePseudoInverse(float jacobian[3][DOF], float pseudoInverse[DOF][3]) {
  // 计算伪逆矩阵的代码
}

void applySpeedLimit(float* deltaAngles) {
  // 应用速度限制的代码
}

要点解读
雅可比矩阵计算：每个案例都展示了如何计算机械臂的雅可比矩阵，这是逆运动学求解的基础。
伪逆矩阵求解：通过伪逆法求解雅可比矩阵的逆，能够处理机械臂的冗余自由度问题，实现精确控制。
实时控制：在loop函数中进行实时控制，确保机械臂能够快速响应目标位置的变化。
障碍物避免：第5个案例展示了如何在逆运动学求解过程中考虑障碍物，避免碰撞。
速度限制：第6个案例展示了如何在逆运动学求解过程中应用速度限制，确保机械臂运动的平稳性和安全性。

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