SCARA 机器人点到点(PTP)轨迹规划方法

SCARA 机器人点到点轨迹规划(满足各轴同时启停)

1. 求解起始与目标关节角(逆运动学)

设起始位姿为 T_s,目标位姿为 T_f,通过逆运动学求得:

θ_s = IK(T_s)

θ_f = IK(T_f)

其中:

  • θ_s = [θ₁,ₛ, θ₂,ₛ, θ₃,ₛ, d₄,ₛ]ᵀ
  • θ_f = [θ₁,𝒇, θ₂,𝒇, θ₃,𝒇, d₄,𝒇]ᵀ

前三个为旋转关节(rad),第四个为平移关节(m)

2. 计算各关节位移

Δθ₁ = |θ₁,𝒇 - θ₁,ₛ|

Δθ₂ = |θ₂,𝒇 - θ₂,ₛ|

Δθ₃ = |θ₃,𝒇 - θ₃,ₛ|

Δd₄ = |d₄,𝒇 - d₄,ₛ|

3. 计算各关节最小可行时间

对每个关节 i,给定 v_max,i(最大速度),a_max,i(最大加速度)。

判断是否有匀速段:

如果:Δq_i ≥ (2·v_max,i²) / a_max,i

则使用梯形速度剖面:t_f,i = (Δq_i / v_max,i) + (v_max,i / a_max,i)

否则(三角速度剖面):

v_actual,i = √( (a_max,i · Δq_i) / 2 )

t_f,i = 2 · √( (2 · Δq_i) / a_max,i )

对关节 1~3 使用 Δθ_i,对关节 4 使用 Δd₄

4. 确定统一总时间(实现同起同停)

t_f = max(t_f,₁, t_f,₂, t_f,₃, t_f,₄)

t_f 将作为 所有关节的共同运动时间

5. 生成同步轨迹(五次多项式插值)

对每个关节 i,在区间 t ∈ [0, t_f] 上使用五次多项式:

q_i(t) = a₀ + a₁·t + a₂·t² + a₃·t³ + a₄·t⁴ + a₅·t⁵

边界条件(静止到静止):

  • q_i(0) = q_i,s
  • q_i(t_f) = q_i,f
  • q̇_i(0) = 0
  • q̇_i(t_f) = 0
  • q̈_i(0) = 0
  • q̈_i(t_f) = 0
解得系数:

a₀ = q_i,s

a₁ = 0

a₂ = 0

a₃ = (10·(q_i,f - q_i,s)) / t_f³

a₄ = (-15·(q_i,f - q_i,s)) / t_f⁴

a₅ = (6·(q_i,f - q_i,s)) / t_f⁵

或使用无量纲化形式(推荐):

令归一化时间:τ = t / t_f

则:q_i(t) = q_i,s + (q_i,f - q_i,s) · (10·τ³ - 15·τ⁴ + 6·τ⁵)

该式保证所有关节在 t = 0 启动,在 t = t_f 同时停止,且轨迹平滑(C² 连续)。

总结

  • 同起同停 :通过 t_f = max(...) 统一时间。
  • 平滑性:五次多项式保证速度、加速度连续。
  • 可实现性 :每条轨迹均满足该关节的速度/加速度约束(因为 t_f ≥ t_f,i,实际速度 ≤ v_max,i)。
相关推荐
数据与后端架构提升之路16 小时前
小鹏VLA 2.0的“神秘涌现”:从痛苦到突破,自动驾驶与机器人如何突然“开窍”?
人工智能·机器人·自动驾驶
机器人行业研究员19 小时前
机器人“小脑”萎缩,何谈“大脑”智慧?六维力/关节力传感器才是“救命稻草”
人工智能·机器人·人机交互·六维力传感器·关节力传感器
互联网科技看点19 小时前
多场景服务机器人代理品牌深度解析
人工智能·机器人
std787919 小时前
核电站里,机器人当起“侦察兵”
运维·安全·机器人
听风南巷1 天前
机器人全身控制WBC理论及零空间原理解析(数学原理解析版)
人工智能·数学建模·机器人
com_4sapi1 天前
2025 权威认证头部矩阵系统全景对比发布 双榜单交叉验证
大数据·c语言·人工智能·算法·矩阵·机器人
心无旁骛~2 天前
MotionTrans: 从人类VR数据学习机器人操作的运动级迁移
学习·机器人·vr
可爱的蜗牛牛2 天前
灵猴机器人操作
机器人
机器觉醒时代2 天前
解锁人形机器人灵巧操作智能—— 视触觉传感器或许是关键钥匙
机器人·人形机器人·灵巧手·视触觉传感器