《机器人基础与数字孪生系统》 课件 第3--5章 机器人运动学、 机器人动力学、 机器人系统的传感与控制.pptx

第3章机器人运动学;【3.1齐次变换】;【3.1齐次变换】;【3.1齐次变换】;【3.1齐次变换】;【3.1齐次变换】;【3.1齐次变换】;【3.1齐次变换】;【3.2DH约定和MDH约定】;【3.2DH约定和MDH约定】;【3.2DH约定和MDH约定】;【3.2DH约定和MDH约定】;【3.2DH约定和MDH约定】;【3.2DH约定和MDH约定】;【3.2DH约定和MDH约定】;【3.2DH约定和MDH约定】;【3.3正向运动学递归】;【3.3正向运动学递归】;【3.3正向运动学递归】;【3.3正向运动学递归】;【3.4逆向运动学递归】;【3.4逆向运动学递归】;【3.4逆向运动学递归】;【3.4逆向运动学递归】;【3.5路径规划】;【3.5路径规划】;;;【3.5路径规划】;【3.5路径规划】;【3.5路径规划】;【3.5路径规划】;【3.5路径规划】;【3.5路径规划】;第四章机器人动力学;4.1拉格朗日方程;4.1拉格朗日方程;4.2牛顿-欧拉方程;4.2牛顿-欧拉方程;4.3凯恩方程;4.4动力学参数辨识;4.4动力学参数辨识;4.5机器人动力学的虚拟样机仿真;4.5机器人动力学的虚拟样机仿真;第5章机器人系统的传感与控制;;机器人的控制器设计可以按是否考虑机器人的动力学特性而分为两类。

一类是不考虑机器人的动力学特性，只是按照机器人实际轨迹与期望轨迹间的偏差进行负反馈控制，这类方法通常被称为“运动控制”，其中的控制器常采用PD或PID控制。这种控制方法控制律简单，易于实现，但难于实现机器人良好的静态和动态性能并且需要较大的控制能量。

另一类是基于动力学特性模型设计更精细控制律的“动态控制”，这种方法可使被控对象具有更好的动态和静态品质，克服了运动控制方法的缺点。;对于运动受限机器人来说，由于机器人与环境接触，这时不仅要控制机器人手端位置，还要控制手端作用于环境的力，此种控制方法称为柔顺控制。

在实际工程中要想得到精确的数学模型是十分困难的，除了在建立控制系统模型时做一些合理地近似之外还可以对控制系统的不确定性、非线性进行补偿。神经网络这类智能控制方法十分适合解决此类问题。;【5.1】执行器与传感器;【5.1.1】执行器;【5.1.1】执行器;2.交流电机;3.液压马达;1.位置传感器;【5.1.2】传感器;2.力传???器;【5.2】反馈与稳定性;【5.2.1】反馈;如果系统的模型不够准确，或者系统存在扰动，那么开环控制器将无法提供准确的控制量。;将前馈控制和反馈控制结合，构成复合控制，也可有效提高系统的控制精度。;在我们讨论的操作臂模型中：

每个关节由一个单独的驱动器施加力和力矩，

每个关节用位置、速度传感器等测量关节位移、速度等。;【5.2.2】系统状态空间描述;动态方程：

状态方程与输出方程的组合;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.2.3】控制系统的稳定性;【5.3】操作臂的位置控制;【5.3.1】PD控制;【5.3.1】PD控制;【5.3.1】PD控制;【5.3.2】计算力矩控制;【5.3.2】计算力矩控制;【5.3.3】滑模控制;【5.3.3】滑模控制;【5.3.3】滑模控制;【5.3.3】滑模控制;【5.3.3】滑模控制;【5.3.3】滑模控制;【5.3.3】滑模控制;【5.4】操作臂的力-位控制;【5.4】操作臂的力-位控制;【5.4】操作臂的力-位控制;【5.5】动力学非线性补偿控制;【5.5.1】神经网络简介;【5.5.1】神经网络简介;【5.5.1】神经网络简介;【5.5.1】神经网络简介;【5.5.1】神经网络简介;【5.5.2】典型神经网络模型;【5.5.2】典型神经网络模型;【5.5.2】典型神经网络模型;【5.5.2】典型神经网络模型;【5.5.2】典型神经网络模型;【5.5.2】典型神经网络模型;【5.5.3】RBF网络模型参考自适应控制;【5.5.3】RBF网络模型参考自适应控制;【5.5.3】RBF网络模型参考自适应控制;【5.5.3】RBF网络模型参考自适应控制;【5.5.4】机械臂动力学非线性补偿控制;【5.5.4】机械臂动力学非线性补偿控制;【5.5.4】机械臂动力学非线性补偿控制;【5.5.4】机械臂动力学非线