本文主要分析如何使用Franka机器人C++代码库——libfranka来进行运动生成与控制。包含机器人学相关知识、Franka机器人的特性以及笔者在使用过程中的一点心得体会。笔者基于libfranka 0.8.0 版本进行开发调试。除了编程技巧外,本文还将在一定程度上讨论Franka 机器人官方运动生成与阻抗控制方法的基本特征,以及一些实际使用技巧。重点在于介绍FCI手册中没有将的一些实用技
机器人关节力矩传感器数据滤波算法实现 在实验中,我们经常遇到噪声或其他因素影响导致力矩传感器读取的数据存在较大的高频数据波动,这些数据是我们所不期望的,因此,我们需要进行机器人关节力矩传感器的数据滤波。 机器人关节 机器人关节 机器人关节 低通滤波器是一种滤波器,它通过频率低于所选截止频率的信号,衰减频率高于截止频率的信号,滤波器的确切频率响应取决于滤波器的设计。 滤波器设
Matlab BP神经网络拟合四足机器人足端轨迹线积分方程用于足端轨迹规划 问题描述 一般情况下,在对四足机器人足端轨迹进行规划时分别对足端路径和轨迹加速度进行规划,然后将规划好的加速度进行两次积分得到足端在该加速度条件下的位移,将位移与规划的足端路径的线积分长度进行匹配,从而建立起规划的路径与控制系统时间的映射关系。以下对几个概念进行解释: 路径规划(Path Planning):路径规划
一、背景 在四足机器人的发展中,由于串联腿结构对关节驱动电机的要求很高,控制精度难以保证,因此逐渐出现了使用闭链五杆机构作为机器人腿结构的四足机器人,如宾夕法尼亚大学的Minitaur,斯坦福的开源机器狗Stanford Doggo,以及在2019年全国大学生机器人大赛Robocon赛事中以武汉大学的四足机器人为代表的一系列高校所采取的并联五杆结构四足机器人。 本文针对这一类机器人所采用的闭链
速度分析 建立三轮底盘的速度物理学模型如图所示。 其中v 1 、v 2 、v 3分别为三个轮子的转速,ω为旋转角速度,v x 、v y 为车身坐标系中的速度即相对速度(由于底盘速度性能与在世界坐标系中的姿态无关,因此此处为简化运算,取车身坐标系与世界坐标系X,Y方向重合),a为旋转中心到轮轴心的垂直距离,θ为轮轴与x轴夹角,θ = π / 6 θ=π/6θ=π/6。不难得出各轮速度的转换矩阵为
前言 无人机(Unmanned Aerial Vehicle),指的是一种由动力驱动的、无线遥控或自主飞行、机上无人驾驶并可重复使用的飞行器,飞机通过机载的计算机系统自动对飞行的平衡进行有效的控制,并通过预先设定或飞机自动生成的复杂航线进行飞行,并在飞行过程中自动执行相关任务和异常处理。 在前面的博客中,分析了 rotors_simulator 一个开源的无人机gazebo的仿真系统的一个
单环PID和串级PID的区别(框图表示) 串级PID的优势:增加稳定性,增强抗干扰性(其实不是太理解。。。) 代码实现 定义4个PID的结构体,分别用于x方向内环、外环以及y方向内环、外环(当初做板球系统xy方向用的都是同一个PID结构体变量,最后居然能调出来,惊了。。。PID真是玄学) (一)结构体变量 //定义PID结构体typedef struct{ float ek
前言 无人机(Unmanned Aerial Vehicle),指的是一种由动力驱动的、无线遥控或自主飞行、机上无人驾驶并可重复使用的飞行器,飞机通过机载的计算机系统自动对飞行的平衡进行有效的控制,并通过预先设定或飞机自动生成的复杂航线进行飞行,并在飞行过程中自动执行相关任务和异常处理。 在上篇博客介绍了无人机控制的原理与控制算法。 无人机在应用中会存在多种模式比如: 姿态模式 定高
前言 无人机(Unmanned Aerial Vehicle),指的是一种由动力驱动的、无线遥控或自主飞行、机上无人驾驶并可重复使用的飞行器,飞机通过机载的计算机系统自动对飞行的平衡进行有效的控制,并通过预先设定或飞机自动生成的复杂航线进行飞行,并在飞行过程中自动执行相关任务和异常处理。 在前面的文章中,我们分析了多旋翼无人机的飞行原理及飞行模式。链接 在最后的飞行模式中, 除了纯手动模
在此篇博客分析了 无人机的基础:系统基本组成https://www.guyuehome.com/40080 本篇博客我们来探究下多旋翼无人机的飞行原理 力的来源 飞行原理从根上说的话就是系统运动力的来源是什么? 在基本组成部分介绍了无人机的动力系统:电调-电机-螺旋桨 。 给人最直观的感受就是 电机带动螺旋桨转,产生升力。 螺旋桨旋转产生升力的原因,在很多年前伯努利就给出了解释,简单说
前言 RotorS 是一个MAV gazebo 仿真系统。 提供了几种多旋翼仿真模型,例如 AscTec Hummingbird AscTec Pelican AscTec Firefly 但是仿真系统不限于使用这几种模型 AscTec 是 德国Ascending Technologies公司的缩写。 是很早的无人机了,实物张下面这个样子: 仿真系统中包含很多种仿真传
机器人最优控制与逆最优控制理解与程序实现: 机器人在执行期望目标任务时,我们希望机器人能精确地达到人类所预设的目标,那么我们就来理解下什么是最优控制和逆最优控制。 因此,最优控制是期望最小化或者最大化目标。 MATLAB学习最优控制推荐书目: 这本书涵盖MATLAB实现最优控制的一些例子,适合初学者学习。 很显然最优控制和逆最优控制是一种相反的关系: 最优控制理论是数学优化
前言 RotorS 是一个MAV gazebo 仿真系统。 提供了几种多旋翼仿真模型,例如 AscTec Hummingbird AscTec Pelican AscTec Firefly 但是仿真系统不限于使用这几种模型 AscTec 是 德国Ascending Technologies公司的缩写。 是很早的无人机了,实物长下面这个样子: 仿真系统中包含很多种仿真传
前言 无人机仿真主要分为两类:硬件在环仿真(HITL)和软件在环仿真(SITL全称Software in the loop)。 无人机软件在环仿真是指完全用计算机来模拟出无人机飞行时的状态,而硬件在环仿真是指计算机连接飞控板来测试飞控软件是否可以流畅运行。一般来说硬件在环仿真若没有加上真实的转台进行测试的话,其与软件在环仿真没有很大的区别。 在无须解决在研发过程中的硬件问题带来的麻烦,并且可
一、简介 在机器人的先进控制领域中,交互控制应用广泛。交互控制为接触机器人与人类用户提供了身体互动的机会,与人类进行强力交互的机器人在实现性能和稳定性方面面临着特殊挑战。它们需要低且可调节的端点阻抗以及高的力容量,并且需要具有低固有阻抗、表现出高阻抗(相对于人类受试者)的能力以及高力重量比的执行器。力反馈控制可用于提高执行器性能,但会导致众所周知的交互稳定性问题。 环路成形设计方法
写在前面的话:只是对两种路径优化算法进行简单的理解和尝试,为后续使用做准备。如果用到,请再次好好理解原理和Matlab源码。参考博客: 用Matlab实现A*算法和Dijkstra算法 运动规划入门 | 1. 白话Dijkstra,从原理到Matlab实现 运动规划入门 | 2. 白话A*,从原理到Matlab实现 直接上干货(参考上述博客可得)首先给出Matlab下的三个脚本文件
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