Matlab机器人工具箱使用2 DH建模与加载模型

第一个mujoco仿真逆解项目

我的第一个mujoco逆解仿真如上,是自己建模的4DOF机械臂,使用几何逆解,但是没有做详细的DH建模展示PPT,因此还是使用视频教程的机械臂。

教程视频来源:【MATLAB机器人工具箱10.4 机械臂仿真教学】 https://www.bilibili.com/video/BV1q44y1x7WC/?p=2\&share_source=copy_web\&vd_source=2c56c6a2645587b49d62e5b12b253dca

这一节主要讲在matlab如何对模型进行描述,在其他的仿真软件中,我们常常用到xml、urdf、srdf等结构描述文件进行描述,实际上matlab也支持urdf,但本节的核心是如何进行DH参数建模,因此,我们使用matlab提供的类的描述,即通过对SerialLink的实例属性赋值完成描述。

至于如何从solidworks中导入自己的stl文件,这个我们之后再讲,不是本节的核心内容。

标准DH建模复习速通

建模的方式不是去填表格,那表格填不明白的,最好的方式是如下通过坐标系间的变换来建模,这位up的方法和我之前不谋而合。

描述下一个坐标系相对于上一个坐标系做了哪些变换?

这不仅能帮助建模,更是为计算相邻连杆的变换矩阵,以至于正逆运动学打下基础。

标准DH描述包含四个参数,分别对于连杆和连接连杆的关节,分别描述了机械结构的静态特性与动态特性。

连杆参数------

连杆长度:公垂线长度,之间公垂线。

扭转角:轴线夹角,指从右手方向的夹角。

关节参数------

偏距:两公垂线在轴线的距离,指在上,公垂线的距离。

关节角:两公垂线在关节处夹角,指在上,公垂线的夹角。

当关节i是移动关节时,连杆偏距di是变量;

当关节i是转动关节时,关节角θi是变量;

改进型最大的区别就是坐标系和连杆的相对位置不同,允许描述正交型相邻的坐标系。

标准DH建模

参数分别是:(关节类型、第一参数:值,第二参数:值,第三参数:值,建模类型)

其中,注意到offset,他代表着该关节的关节变量,比如旋转关节,那么θ就是offset,θ就不必定义;平移关节,那么d就是offset,d就不必定义;(因为他们作为动态参数)

SerialLink描述串联机器人

机器人实例可以通过类来管理。

这里用SerialLink(串联机器人)这个类定义了一个实例Five_dof,这个实例包含定义的各关节参数L、以及名称"五轴机器人"。

transl指基坐标系的平移量(就是上节课的平移变换矩阵对基坐标系作用),是类属性调整。

teach就是示教,是类函数调用。你可以理解为mujoco的simulate XX.xml,我们写的L定义就类似于XML文档/urdf文档。

Matlab支持urdf描述,但本节只是为了让大家熟悉如何进行DH建模因此使用SerialLink类来描述。

Matlab 复制代码
%%standard DH

L(1)=Link('revolute','d',0.216,'a',0,'alpha',pi/2);

L(2)=Link('revolute','d',0,'a',0.5,'alpha',0,'offset',pi/2);

L(3)=Link('revolute','d',0,'a',sqrt(0.145^2+0.42746^2),'alpha',0,'offset',-atan(427.46/145));

L(4)=Link('revolute','d',0,'a',0,'alpha',pi/2,'offset',atan(427.46/145));

L(5)=Link('revolute','d',0.258,'a',0,'alpha',0);

Five_dof=SerialLink(L,'name','五轴机器人');

Five_dof.base=transl(0,0,0.28);

Five_dof.teach;

改进DH建模

参数分别是:(关节类型、第一参数:值,第二参数:值,第三参数:值,建模类型)

其中,注意到offset,他代表着该关节的关节变量,比如旋转关节,那么θ就是offset,θ就不必定义;平移关节,那么d就是offset,d就不必定义;

其他同上。

Matlab 复制代码
%%Modified DH

L(1)=Link('revolute','d',0,'a',0,'alpha',0,'modified');

L(2)=Link('revolute','d',0,'a',0,'alpha',pi/2,'offset',pi/2,'modified');

L(3)=Link('revolute','d',0,'a',0.5,'alpha',0,'offset',-atan(427.46/145),'modified');

L(4)=Link('revolute','d',0,'a',sqrt(0.145^2+0.42746^2),'alpha',pi/2,'offset',atan(427.46/145),'modified');

L(5)=Link('revolute','d',0.258,'a',0,'alpha',pi/2,'modified');

Five_dof_mod=SerialLink(L,'name','五轴机器人');

Five_dof_mod.base=transl(0,0,0.496);

Five_dof_mod.teach;

两份代码展示的结果都应一样:

相关推荐
AI浩3 分钟前
UNIV:红外与可见光模态的统一基础模型
人工智能·深度学习
GitCode官方5 分钟前
SGLang AI 金融 π 对(杭州站)回顾:大模型推理的工程实践全景
人工智能·金融·sglang
木头左30 分钟前
LSTM模型入参有效性验证基于量化交易策略回测的方法学实践
人工智能·rnn·lstm
找方案1 小时前
我的 all-in-rag 学习笔记:文本分块 ——RAG 系统的 “信息切菜术“
人工智能·笔记·all-in-rag
亚马逊云开发者1 小时前
让 AI 工作空间更智能:Amazon Quick Suite 集成博查搜索实践
人工智能
腾讯WeTest1 小时前
「低成本、高质高效」WeTest AI翻译限时免费
人工智能
Lucas555555551 小时前
现代C++四十不惑:AI时代系统软件的基石与新征程
开发语言·c++·人工智能
言之。1 小时前
Claude Code 专业教学文档
人工智能
Fuly10241 小时前
大模型架构理解与学习
人工智能·语言模型
KG_LLM图谱增强大模型1 小时前
[谷歌最新白皮书]嵌入与向量存储:打开AI多模态数据处理的钥匙
人工智能·大模型·知识图谱·向量存储·多模态