FKine_fkine_orderbkb_机器人正运动学建模_DH__dh坐标系的建立方法资源-CSDN文库

共3个文件

m：3个

5星 · 超过95%的资源 133 浏览量 2021-09-30 13:04:03 上传评论 3 收藏 2KB ZIP 举报

在机器人技术领域，正运动学是研究机器人关节变量与末端执行器在空间位置关系的一门学科。本主题聚焦于“FKine_fkine_orderbkb_机器人正运动学建模_DH”，其中“FKine”通常代表“Forward Kinematics”，即前向运动学，而“DH”则是Denavit-Hartenberg参数的缩写，这是一种广泛用于建立机器人正运动学模型的方法。 Denavit-Hartenberg（DH）参数法是由Denavit和Hartenberg在1955年提出的，它提供了一种标准化的方式来描述连杆间的相对位置和姿态。在DH参数中，每个关节被定义为一个坐标变换，包括四个参数：α（旋转角）、a（轴距）、d（偏移量）和θ（关节角）。通过将这些参数应用到一系列的四元数或旋转和平移矩阵，可以构建出整个机器人臂的运动学模型。正运动学建模的目标是根据给定的关节变量（通常为角度）计算出机器人末端执行器在笛卡尔空间中的位置和方向。在DH框架下，这个过程通常分为以下步骤： 1. **定义DH参数**：对机器人的每个关节定义一组DH参数，包括轴之间的相对旋转角α、轴到下一个关节的线性距离a、沿着当前轴的偏移d以及关节本身的旋转角度θ。 2. **构建变换矩阵**：对于每一个关节，创建一个4x4的 homogeneous transform matrix (T)，由旋转矩阵R(θ)和平移矩阵P(d, a)组成，结合α参数进行适当调整。 3. **串联变换**：将所有关节的变换矩阵按照顺序相乘，得到从基座到末端执行器的整体变换矩阵T_EF。这表示了关节变量到末端执行器位置和姿态的映射。 4. **解算末端执行器坐标**：通过将T_EF作用于一个单位向量（例如，Z轴单位向量[0, 0, 1]^T），可以得到末端执行器在笛卡尔坐标系中的位置和方向。在“FKine_fkine_orderbkb”中，“orderbkb”可能指的是“ordered batch kinematic back-solving”，即有序批次反向动力学求解，可能涉及到在已知末端执行器位置和目标姿态时，反向求解各关节的合适角度。这种求解方式常用于机器人路径规划和控制。压缩包中的“FKine”文件可能包含了实现上述正运动学计算的代码或算法，供用户调用，以完成特定机器人的正运动学建模。在实际应用中，这种工具或库能够极大地简化机器人控制系统的开发，使工程师能够快速地进行运动学分析和控制策略设计。总结起来，"FKine_fkine_orderbkb_机器人正运动学建模_DH"涉及到的是机器人技术中的核心概念——正运动学建模，尤其是使用DH参数法。这种方法通过一系列数学变换矩阵来描述机器人的结构，从而确定其在空间中的运动轨迹。压缩包中的资源可能是实现这一过程的编程代码，方便开发者在具体项目中应用。

资源详情

资源评论

资源推荐

收起资源包目录

FKine.zip （3个子文件）

FKine

DH_test.m 2KB

DHmatrix.m 260B

forwardkinamicsDH.m 714B

clear ; clc; close all; % 机器人各连杆参数值 d1 = 0; d2 = 0; d3 = 0; d4 = 740; d5 = 0; d6 = 100; a1 = 150; a2 = 770; a3 = 100; a4 = 0; a5 = 0; a6 = 0; alpha1 = 90 / 180 * pi; alpha2 = 0 / 180 * pi; alpha3 = 90 / 180 * pi; alpha4 = -90 / 180 * pi; alpha5 = 90 / 180 * pi; alpha6 = 0 / 180 * pi; L(1)=Link([0 d1 a1 alpha1]); L(1).qlim=[-pi,pi]; L(2)=Link([90/180*pi d2 a2 alpha2]); L(2).qlim=[-pi,pi]; L(3)=Link([0 d3 a3 alpha3]); L(3).qlim=[-pi,pi]; L(4)=Link([0 d4 a4 alpha4]); L(4).qlim=[-pi,pi]; L(5)=Link([0 d5 a5 alpha5]); L(5).qlim=[-pi,pi]; L(6)=Link([0 d6 a6 alpha6]); L(6).qlim=[-pi,pi]; ARC=SerialLink(L,'name','ARC'); %% 正运动学验证 % theta1 = [pi/6 0 -pi/3 0 -pi/6 pi/6]; % T = forwardkinamicsDH(theta1); % [r,p,y] = dcm2angle(T(1:3,1:3),'ZYX'); % r = r/pi*180 % p = p/pi*180 % y = y/pi*180 % position = T(1:3,4) % theta1(2) = theta1(2)+pi/2;%由于关节2的初始角度为90°，因此在工具箱中角度要加上 % % g = ARC.fkine(theta1); % ARC.teach(theta1); %% 逆运动学验证 % T = eye(4); % r = 10/180*pi; % p = 80/180*pi; % y = 10/180*pi; % position =[200 200 600]'; % T(1:3,1:3) = angle2dcm(r,p,y,'ZYX'); % T(1:3,4) = position; % joint = inversekinamicsDH(T); % joint(1,2) = joint(1,2)+pi/2; % ARC.teach(joint(1,:)); %% 运动仿真 for i = 1:4 T{i} = eye(4); T{i}(1:3,1:3) = roty(180); end position = [1020 0 -1060]'; T{1}(1:3,4) = position; position(1) = position(1)-300; T{2}(1:3,4) = position; position(2) = position(2)-700; T{3}(1:3,4) = position; position(3) = position(3)+640; T{4}(1:3,4) = position; for i = 1:4 t(i) = SE3(T{i}); end q0 =[0,-1.87+pi/2,0.343,-3.14,0.0457,0]; time = 0:0.1:2; T0_1 = ctraj(t(1),t(2),length(time)); Q0_1 = ARC.ikine(T0_1,'q0',q0,'ilimit',1500,'tol',1e-4); ARC.plot(Q0_1) T1_2 = ctraj(t(2),t(3),length(time)); Q1_2 = ARC.ikine(T1_2,'q0',Q0_1(21,:),'ilimit',1500,'tol',1e-4); ARC.plot(Q1_2) T2_3 = ctraj(t(3),t(4),length(time)); Q2_3 = ARC.ikine(T2_3,'q0',Q1_2(21,:),'ilimit',1500,'tol',1e-4); ARC.plot(Q2_3)