本文主要是介绍三角函数柔性加减速算法,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!
公式推导
三段速度公式为
{ v ( t ) = ( v s + v m ) / 2 − ( v m − v s ) c o s t ′ / 2 t ′ = ( t / t 1 ) π ( 1 ) v ( t ) = v m v ( t ) = ( v e + v m ) / 2 − ( v e − v m ) c o s t ′ / 2 t ′ = ( t / t 2 ) π t 1 为 加 速 时 间 , t 2 为 减 速 时 间 \begin{cases} v(t)=(v_s+v_m)/2-(v_m-v_s)cost{'}/2 \quad t^{'}=(t/t_1)\pi \quad (1)\\ v(t)=v_m \\ v(t)=(v_e+v_m)/2-(v_e-v_m)cost{'}/2 \quad t^{'}=(t/t_2)\pi\\ \end{cases} \\ t_1为加速时间,t_2为减速时间 ⎩⎪⎨⎪⎧v(t)=(vs+vm)/2−(vm−vs)cost′/2t′=(t/t1)π(1)v(t)=vmv(t)=(ve+vm)/2−(ve−vm)cost′/2t′=(t/t2)πt1为加速时间,t2为减速时间
三段加速公式为
{ a ( t ) = π 2 t 1 ( v m − v s ) s i n ′ / 2 t ′ = ( t / t 1 ) π ( 2 ) a ( t ) = 0 a ( t ) = π 2 t 1 ( v e − v m ) s i n ′ / 2 t ′ = ( t / t 2 ) π \begin{cases} a(t)=\frac{\pi}{2t_1}(v_m-v_s)sin{'}/2 \quad t^{'}=(t/t_1)\pi \quad (2)\\ a(t)=0 \\ a(t)=\frac{\pi}{2t_1}(v_e-v_m)sin{'}/2 \quad t^{'}=(t/t_2)\pi\\ \end{cases} \\ ⎩⎪⎨⎪⎧a(t)=2t1π(vm−vs)sin′/2t′=(t/t1)π(2)a(t)=0a(t)=2t1π(ve−vm)sin′/2t′=(t/t2)π
设A为系统的最大加速度,则
t 1 ≥ ( v m − v s ) π / ( 2 A ) ( 3 ) t 2 ≥ ( v m − v e ) π / ( 2 A ) ( 4 ) t_1 \ge (v_m-v_s)\pi /(2A) \quad (3)\\ t_2 \ge (v_m-v_e)\pi /(2A) \quad (4)\\ t1≥(vm−vs)π/(2A)(3)t2≥(vm−ve)π/(2A)(4)
考虑时间最优策略,取
t 1 = ( v m − v s ) π / ( 2 A ) ( 5 ) t 2 = ( v m − v e ) π / ( 2 A ) ( 6 ) t_1 = (v_m-v_s)\pi /(2A) \quad (5)\\ t_2 = (v_m-v_e)\pi /(2A) \quad (6)\\ t1=(vm−vs)π/(2A)(5)t2=(vm−ve)π/(2A)(6)
则得到加减速时间。
算法仿真
参数说明
S : 位 移 V m : 最 大 速 度 A m : 最 大 加 速 度 V s : 起 始 速 度 V e : 终 止 速 度 \begin{aligned} &S :位移\\ &V_m :最大速度\\ &A_m :最大加速度\\ &V_s :起始速度\\ &V_e :终止速度\\ \end{aligned} S:位移Vm:最大速度Am:最大加速度Vs:起始速度Ve:终止速度
S足够大时,速度曲线包含加速、匀速、减速
S = 80 V m = 150 A m = 1000 V s = 50 V e = 40 \begin{aligned} &S =80\\ &V_m =150\\ &A_m =1000\\ &V_s =50\\ &V_e =40\\ \end{aligned} S=80Vm=150Am=1000Vs=50Ve=40
S不够大,速度曲线只包含加速、减速
S = 10 V m = 500 A m = 1000 V s = 50 V e = 40 \begin{aligned}&S =10\\&V_m =500\\&A_m =1000\\&V_s =50\\&V_e =40\\\end{aligned} S=10Vm=500Am=1000Vs=50Ve=40
S很小,速度曲线只包含加速或者减速
S = 1 V m = 500 A m = 1000 V s = 60 V e = 40 \begin{aligned}&S =1\\&V_m =500\\&A_m =1000\\&V_s =60\\&V_e =40\\\end{aligned} S=1Vm=500Am=1000Vs=60Ve=40
代码如下,欢迎交流
import numpy as np
import matplotlib.pyplot as pltVm = 500
Am = 1000
Jm = 5000
S = 1
Vs = 60
Ve = 40tma = np.pi*(Vm-Vs)/(2*Am)
tmd = np.pi*(Vm-Ve)/(2*Am)
Sa = (Vm+Vs)/2*tma
Sd = (Vm+Ve)/2*tmd
Sall = Sa + Sdif Sall > S: tmd = np.pi*(Vs-Ve)/(2*Am)Sall = (Vs + Ve) / 2 * tmdif Sall > S:Vs = (4*Am*S/np.pi+Ve**2)**0.5Vm = Vselse:Vm = (2*Am*S/np.pi+Vs**2/2+Ve**2/2)**0.5time = []
dataV = []
dataA = []
tma = np.pi*(Vm-Vs)/(2*Am)
tmd = np.pi*(Vm-Ve)/(2*Am)
Sa = (Vm+Vs)/2*tma
Sd = (Vm+Ve)/2*tmd
Sall = Sa + Sd
tmc = 0for t in np.arange(0,tma,0.001):time.append(t)dt = t*np.pi/tmav = (Vs+Vm)/2 - (Vm-Vs)/2*np.cos(dt)a = np.pi/(2*tma)*(Vm-Vs)*np.sin(dt)dataV.append(v)dataA.append(a)if Sall <= S:tmc = (S - Sa - Sd)/Vmtime.append(tmc + tma)dataV.append(Vm)dataA.append(0)for t in np.arange(0,tmd,0.001):time.append(t+tmc+tma)dt = t * np.pi / tmdv = (Ve+Vm)/2 - (Ve-Vm)/2*np.cos(dt)a = np.pi / (2 * tmd) * (Ve - Vm) * np.sin(dt)dataV.append(v)dataA.append(a)time.append(tmd+tmc+tma)
dt = tmd * np.pi / tmd
v = (Ve+Vm)/2 - (Ve-Vm)/2*np.cos(dt)
a = np.pi / (2 * tmd) * (Ve - Vm) * np.sin(dt)
dataV.append(v)
dataA.append(a)plt.subplot(2,1,1)
plt.plot(time, dataV,label="vel")
plt.legend()
plt.subplot(2,1,2)
plt.plot(time, dataA,label="acc")
plt.legend()
plt.show()
这篇关于三角函数柔性加减速算法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!