本文灵感来自于 仪表云 视频:“10分钟了解PID工作流程”,下面附上连接 Sina Visitor Systemweibo.com/tv/v/HdoRZ17bZ?fid=1034:4331938253605275 笔者属于控制入门,文中若有不当之处还请读者指出,欢迎大家讨论! ---------------------------------------------正文-----------
一、前言 本文将使用自抗扰控制算法对一个用微分方程描述的二阶被控对象进行控制仿真,来验证自抗扰控制算法的控制效果。 二、被控对象描述 设某一二阶被控对象的微分方程可表示为[1]: (1) 式中, y 表示被控对象输出, u 表示被控对象输入(即控制器输出)。 接下来将其改写为二阶自抗扰控制算法的标准形式: 三、仿真模型搭建 被控对象模型 图1 被控对象模型 图中MATLAB Func
RM系列电机,电调介绍 Robomaster官方提供了一系列性能各异,可以用于不同场景,且易于驱动的直流无刷减速电机及配套电调,这里主要介绍三款常用的电机&电调——M3508电机&C620电调,GM6020电机(内部集成电调),M2006&C610电调。 这些电调的手册,驱动demo等同样可以到官网上去下载 https://www.robomaster.com/zh-CN/
本文灵感来自于 仪表云 视频:“10分钟了解PID工作流程”,下面附上连接 Sina Visitor Systemweibo.com/tv/v/HdoRZ17bZ?fid=1034:4331938253605275 笔者属于控制入门,文中若有不当之处还请读者指出,欢迎大家讨论! 1.开闭环控制 在讲解PID之前,我不得不先讨论一下开闭环控制 开环控制 如图1:首先看一下开环控制的逻辑图,开环控
一、主要内容 本文旨在用 Matlab/Simulink 搭建四旋翼飞行器的动力学与运动学模型,包括以下内容: 主要内容 四旋翼飞行器动力学模型 四旋翼飞行器运动学模型 控制效率模型 模块连接 结语 二、四旋翼飞行器动力学模型 位置动力学模型 在上一篇文章 四旋翼飞行器建模(一)— 动力学及运动学方程 中,已经推导出了四旋翼飞行器动力学与运动学方程,这里直接给出最后的推导结果。 位置动力
本文主要基于以下参考: [1] John T. Betts. Survey of Numerical Methods for Trajectory Optimization. [2] Anil V. Rao. A Survey of Numerical Methods For Optimal Control. [3] John T. Betts. Practical Methods for Op
从本篇开始,连续3篇开始介绍跟性能指标(目标函数)有关的轨迹优化问题 先上图: 解释一下三个概念: (1)镇定:状态x(t)渐近稳定,也就是当t->∞时,x(t)->0 (2)跟踪:状态x(t)的跟踪误差e(t)=z(t)-x(t)或输出y(t)的跟踪误差e(t)=z(t)-y(t)镇定 (3)调节(Regulation):说到英语,其实在机器学习里这个英语单词被翻译为 正则化,而正
一、主要内容 本文旨在基于牛顿-欧拉方程建立四旋翼飞行器的动力学和运动学模型,从而得到四旋翼飞行器的飞行控制刚体模型。包括以下内容: 主要内容 基本假设 动力学模型与运动学模型 地球坐标系与机体坐标系 旋转矩阵 牛顿-欧拉方程 四旋翼飞行器的动力学模型 四旋翼飞行器的运动学模型 四旋翼飞行器的飞行控制刚体模型 二、基本假设 为便于建立模型,现对四旋翼飞行器进行以下假设[1]: 四旋翼飞行器
function [sys,x0,str,ts] = RobustControler(t,x,u,flag) switch flag, case 0, [sys,x0,str,ts]=mdlInitializeSizes; case 1, sys=mdlDerivatives(t,x,u); case {2,4,9}, sys=[]; case 3,
一、自抗扰控制算法简介 自抗扰控制(Active Disturbance Rejection Control, ADRC)是由韩京清先生于1998年正式提出,其独特之处在于它把作用于被控对象的所有不确定因素归结为“未知扰动”,而用对象的输入输出数据对它进行估计并补偿[1]。自抗扰控制最大的优点就是不要求被控对象有精确的数学模型,是不依赖模型的控制算法,其控制结构图如下: 图1 自抗扰控制结构图
套件介绍 Robomaster中遥控机器人的手段是固定的,只能使用大疆提供的DR16&DT7套件进行操控数据的发送和接受。这个套件的手册可以在Robomaster的官网上下载到,里面有详细的说明,以及官方给的解码demo。 https://www.robomaster.com/zh-CN/products/components/detail/122 操控数据可以通过DT7遥控器直接发送,也
其实说方法论夸张了, 前面四部分的内容主要是从两个解析法和数值法两个思路出发去求解轨迹优化问题。 1. 解析法 解析法的思路是将问题形式化为最优控制问题,求解最优控制可以从数学角度出发(泛函分析),推导出一些结论: (1)无约束条件泛函极值——变分法与Euler-Lagrange方程 (2)等式约束条件泛函极值——Lagrange乘子与增广泛函 (3)(不)等式泛函极值——KKT方程 (4)一般等
前面从两种思路讨论了轨迹优化问题的求解: 从解析法求解得到微分方程,进而推导出轨迹拟合问题; 从数值法求解得到代数方程,进而推导出轨迹插值问题。 本篇具体讨论一下两种思路的共同点与不同点 1. 轨迹拟合 这里罗列了主流的一些解析法求解的方法和结论(博主的数学比较差,实在是不想去具体讨论推导,就只列出了结论,在轨迹优化02中也只是简单考虑了无约束条件泛函极值的求解) 我们知道,这些结论最终
上一篇从解析法的角度介绍了如何求解轨迹优化问题,本篇将从数值法的角度介绍如何求解轨迹优化问题。 1. 数值法 首先,先回顾一下数值计算的一些公式 通常,求解数值积分问题我们采用插值型数值积分方法,具体算法有: (1)梯形公式 (2)Simpson公式 ... 以下,我们主要讨论梯形公式和Simpson公式如何用于求解轨迹优化问题。 轨迹优化问题是一个求解泛函优化的问题,求解泛函问题一般比较复
STM32介绍 开发方式介绍 stm32是半导体厂商ST(意法半导体)生产的基于Arm Cortex的单片机系列,目前被广泛应用于工业,物联网,科创竞赛等。 目前国内大学生机器人竞赛Robomaster和Robocon主要使用的是stm32f4系列单片机,该系列基于Cortex-M4内核,具有较高的性能,CPU工作频率可以达到168MHz,基本可以满足比赛中所有的控制需求。 stm32的主流开发方
变分法的求解 从上一篇的一张图说起: 先回顾一下这一张图: 我们有一个目标函数 求解这个目标函数可以采用Euler-Lagrange方程 为了求解这个方程,我们可以定义一个Lagrange函数 将Lagrange函数代入Euler-Lagrange方程,可以得到一个微分方程的解 将约束条件代入这个微分方程,可以得到最终需要的轨迹 在这里,有几个问题需要解释一下: Lagrange函数唯一吗
背景 19年参加了robomaster,负责了一部分电控的工作,当时刚入队时也是小白,一路上学了很多的东西,挺想整理出来留给将来入坑的同志们,这是一方面。 另一方面是自己入视觉坑的时候,读到了一个RM前辈写的系列教程(微信@江达小记),感觉写的非常好,然后就开始好奇为什么电控这边没有一个类似的教程呢?(哈工大在慕课上有视频教程,但是和我理想中的还是有一些区别) 所以综合考虑之后,打算开个坑写一些R
先从一个简单的例子开始吧(滑块模型) 在满足图所示的边界条件,我们可以找到很多可行解,但是我们通常的做法是找到一个“最优解” 为了寻找一个最优解,我们先引入几个概念: 约束:也就是求解优化问题的限制条件,在上述滑块模型中,我们有两个约束条件(系统动力学和状态的边界条件) 可行解:满足上述约束的解,一般可行解是一个很大的区域,我们需要在这个区域里面寻找一个最优解 最优解:寻找可行解中的最优解,通
目 录 广义机器人 机器人系统 运动规划 运动控制 运动感知 小结 参考文献 1. 广义机器人 这里所谓的广义机器人是包括:无人机、机械臂、腿足式机器人、轮式机器人,如图1所示,分别是大疆的无人机、新松的协作机械臂、优必选的仿人机器人和百度的无人车(哈哈,支持国产) 图1 广义机器人(侵删) 2. 机器人系统 图2 机器人系统 看上图,大致可以分为三个模块:运动规划、运动控制和运动感知
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信