[足式机器人]Part3 机构运动学与动力学分析与建模 Ch01-2 完整定常系统——杆组RRR

本文主要是介绍[足式机器人]Part3 机构运动学与动力学分析与建模 Ch01-2 完整定常系统——杆组RRR,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

机械原理/机构简图/机构运动学推导/Kmtool.pkg
曲柄滑块机构运动学,五杆机构运动学,七杆机构运动学
本文仅供学习使用,总结很多本现有讲述运动学或动力学书籍后的总结,从矢量的角度进行分析,方法比较传统,但更易理解,并且现有的看似抽象方法,两者本质上并无不同。
2024年底本人学位论文发表后方可摘抄
若有帮助请引用
本文参考:
《空间机构的分析与综合(上册)》-张启先,感谢张启先先生对机构学的卓越贡献,希望下册有见天明之日!
《高等机构学》-白师贤
《高等空间机构学》-黄真
《机构运动微分几何学分析与综合》-王德伦

食用方法
什么是杆组?——自行学习机械原理内容
理解为什么需要编写杆组程序——基本杆组自由度为0
杆组程序的好处——所有机构都可拆分杆组,无需从头推导闭环矢量方程
六杆机构是不是也很简单了?
三级杆组?四级杆组?你能编写么?
务必自己计算编写程序

机构运动学与动力学分析与建模 Ch00-1-2 完整定常系统——杆组RRR

  • 1. RRR杆组
    • 1.1 公式推导
      • 1.1.1几何法
      • 1.1.2 公式推导——三角函数求解法
    • 1.2 程序说明
      • 1.2.1 输入变量
      • 1.2.2 输出变量
      • 1.2.3 哑元(中间变量)
      • 1.2.4 输入数据格式
      • 1.2.5 输出数据格式
      • 1.2.6 计算流程图
    • 1.3 程序算例
      • 1.3.1 四杆机构+单开链串联
      • 1.3.2 五杆机构——逆解
      • 1.3.3 双平行四边形——逆解
      • 1.3.4 七杆机构——优化求解


1. RRR杆组

1.1 公式推导

1.1.1几何法

下述公式中的投影参数都是基于坐标系 { F } \left\{ F \right\} {F}进行描述的

已知杆组RRR两端回转副位置参数: A : ( x A , y A ) , C : ( x C , y C ) A:(x_A,y_A),C:(x_C,y_C) A:(xA,yA),C:(xC,yC) ,求解中间回转副B位置参数(要求B点位置存在——满足三角形存在条件)
在这里插入图片描述
其中,AC长为: l A C = ( x C − x A ) 2 + ( y C − y A ) 2 l_{AC}=\sqrt{(x_C-x_A)^2+(y_C-y_A)^2} lAC=(xCxA)2+(yCyA)2 ,且有:
{ φ = a r c tan ⁡ ( z C − z A x C − x A ) ∈ ( − π 2 , π 2 ) d = l A C α 1 = a r c cos ⁡ ( l A B 2 + l A C 2 − l B C 2 2 l A B l A C ) ∈ ( 0 , π ) α 2 = a r c cos ⁡ ( l A B 2 + l B C 2 − l A C 2 2 l A B l B C ) ∈ ( 0 , π ) α 3 = a r c cos ⁡ ( l A C 2 + l B C 2 − l A B 2 2 l A C l B C ) ∈ ( 0 , π ) \left\{ \begin{array}{c} \varphi =\mathrm{arc}\tan \left( \frac{z_C-z_A}{x_C-x_A} \right) \in (-\frac{\pi}{2},\frac{\pi}{2})\\ d=l_{AC}\\ \alpha _1=\mathrm{arc}\cos \left( \frac{{l_{AB}}^2+{l_{AC}}^2-{l_{BC}}^2}{2l_{AB}l_{AC}} \right) \in (0,\pi )\\ \alpha _2=\mathrm{arc}\cos \left( \frac{{l_{AB}}^2+{l_{BC}}^2-{l_{AC}}^2}{2l_{AB}l_{BC}} \right) \in (0,\pi )\\ \alpha _3=\mathrm{arc}\cos \left( \frac{{l_{AC}}^2+{l_{BC}}^2-{l_{AB}}^2}{2l_{AC}l_{BC}} \right) \in (0,\pi )\\ \end{array} \right. φ=arctan(xCxAzCzA)(2π,2π)d=lACα1=arccos(2lABlAClAB2+lAC2lBC2)(0,π)α2=arccos(2lABlBClAB2+lBC2lAC2)(0,π)α3=arccos(2lAClBClAC2+lBC2lAB2)(0,π)
建立闭环矢量方程: R ⃗ F A + l ⃗ A B + l ⃗ B C = R ⃗ F C \vec{R}_{FA}+\vec{l}_{AB}+\vec{l}_{BC}=\vec{R}_{FC} R FA+l AB+l BC=R FC ,向固定坐标系基矢量投影,可得:
{ i ^ f : x A + l A B cos ⁡ θ A + l B C cos ⁡ θ B = x C j ^ f : y A + l A B sin ⁡ θ A + l B C sin ⁡ θ B = y C \left\{ \begin{array}{l} \hat{i}^f:x_A+l_{AB}\cos \theta _A+l_{BC}\cos \theta _B=x_C\\ \hat{j}^f:y_A+l_{AB}\sin \theta _A+l_{BC}\sin \theta _B=y_C\\ \end{array} \right. {i^f:xA+lABcosθA+lBCcosθB=xCj^f:yA+lABsinθA+lBCsinθB=yC
其中,位置参数 A : ( x A , y A ) , C : ( x C , y C ) A:(x_A,y_A),C:(x_C,y_C) A:(xA,yA),C:(xC,yC)已知 ,杆长 l A B , l B C l_{AB},l_{BC} lAB,lBC已知,求解可得:
θ A 1 = { φ + α 1 ( x C − x A ≥ 0 ) φ + α 1 + π ( x C − x A ≤ 0 ) , θ A 2 = { φ − α 1 ( x C − x A ≥ 0 ) φ − α 1 + π ( x C − x A ≤ 0 ) \theta _{A1}=\left\{ \begin{array}{c} \varphi +\alpha _1(x_C-x_A\ge 0)\\ \varphi +\alpha _1+\pi (x_C-x_A\le 0)\\ \end{array} \right. ,\theta _{A2}=\left\{ \begin{array}{c} \varphi -\alpha _1(x_C-x_A\ge 0)\\ \varphi -\alpha _1+\pi (x_C-x_A\le 0)\\ \end{array} \right. θA1={φ+α1(xCxA0)φ+α1+π(xCxA0),θA2={φα1(xCxA0)φα1+π(xCxA0)
θ B 1 = θ A 1 − π + α 2 , θ B 2 = θ A 2 − π − α 2 \theta _{B1}=\theta _{A1}-\pi +\alpha _2,\theta _{B2}=\theta _{A2}-\pi -\alpha _2 θB1=θA1π+α2,θB2=θA2πα2
则B点坐标为: ( x A + l A B cos ⁡ θ A , y A + l A B sin ⁡ θ A ) (x_A+l_{AB}\cos \theta _A,y_A+l_{AB}\sin \theta _A) (xA+lABcosθA,yA+lABsinθA)

  • 构件运动参数:
    将闭环矢量方程对时间 t t t 求导:

这篇关于[足式机器人]Part3 机构运动学与动力学分析与建模 Ch01-2 完整定常系统——杆组RRR的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/660430

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

软考系统规划与管理师考试证书含金量高吗?

2024年软考系统规划与管理师考试报名时间节点: 报名时间:2024年上半年软考将于3月中旬陆续开始报名 考试时间:上半年5月25日到28日,下半年11月9日到12日 分数线:所有科目成绩均须达到45分以上(包括45分)方可通过考试 成绩查询:可在“中国计算机技术职业资格网”上查询软考成绩 出成绩时间:预计在11月左右 证书领取时间:一般在考试成绩公布后3~4个月,各地领取时间有所不同

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识