机器人机动技术与运动控制

1、Motion Control & Locomotion of RobotMotion Control 一切形式的移动式机器人运行时，运动控制算法都必须考虑以下三个问题：1. 坐标系如何确定？（机构的局部坐标系，全局坐标，世界坐标系）； -怎样去观察运动才是合理的，符合要求的？ -这与机器人运动形式和精度有关，如结构场地的运动，旋翼飞行器在三维空间的运动；2. 当前机器人处于什么位置，目标点在哪里？ -Current Location 的 “定位” 。-机器人的定位。3. 以什么样的方式，沿什么样的路径，向目标点运动？-机器人的驱动控制或导航。Motion Control 定位的目标是：

2、任何时刻t下，机器人在全局场地（运动平面上）的坐标值（Xc,Yc,c）。 若机器人是直线运动，根据v-t曲线，利用初等几何或简单的微积分可以得到机器人的坐标。这是一维运动的情况。 在平面上的运动：机器人在场地上的运动路径可能是任意形状，所以使用一种依赖于行走路径的定位方法是不现实的，因为不可能使用一种统一的路径数学模型去描述所有可能的情况。但是如果使用微积分思想，把曲线看成是很多段微小直线组成，就可解决定位问题。Motion ControlMotion ControlMotion Control SensorsEncoder 将几何位移量转换成脉冲信号的传感器，是应用广泛的角位移传感元件。 E

3、ncoder由光栅盘和光电检测元件组成。机器人结构中，Encoder与被测轴同轴，电动机旋转时光栅盘与电机同步旋转。光敏二极管等电子元件组成的检测装置检测，输出脉冲信号，原理如图。 Encoder 输出脉冲的数，反映当前电机转角。Motion Control Sensors关于运动的方向？ Encoder 输出相位相差90的A/B 2个感光元件，产生A、B两路信号，相位相差90。只对某一相信号进行计数，计数结果反映转动圈数。 判断其正转还是反转，须采用两路正交信号信号。如正转时，A的相位超前于B的相位90，那么反转时，B的相位超前于A的相位90。据此对A相信号计数时，判断B相信号处于高电平还是

4、低电平即可判断编码盘处于正转状态还是反转状态。 Encoder 有光学式、磁式、感应式和电容式。Encoder 根据其刻度方法及信号输出形式，可分为增量式、绝对式以及混合式3种。 Motion Control Sensors输出倍频（四倍频的算法）数学上fA(t)和fB(t)可描述成（1（t)是阶跃函数）：fA(t) =1kt- k(T/2)-1(kt- kT) fB(t) =1kt- k(T/2)- k(/2)-1kt- kT- k(/2) 用数字延迟电路使fA(t)和fB(t)产生时刻延迟: fA(t-) =1kt-k(T/2)-k-1(kt- kT- k)fB(t-) =1kt- k(T

5、/2)- k(/2)- k-1kt- kT- k(/2)- k 所以：fA(t)-fA(t-) =(kt - k)-(kt- kT - k) fB(t)-fB(t-) =kt- k(T/2)- k(/2) - k-kt- kT- k(/2) - k (A-)(B-)(A+)(B+)Motion Control SensorsGyroscope角动量守恒：一个旋转物体的旋转轴所指的方向在不受外力影响时，是不会改变的。Gyroscope基于此原理来传感/维持方向。 Gyroscope由位于轴心可旋转的轮子构成。 陀轮一旦开始旋转，由于陀轮的角动量，陀螺仪有抗拒方向改变的趋向。读取轴所指示的方向（检

6、测扭矩），即可获得角加速度。 Gyroscope多用于飞机导航、定位等系统，在移动机器人中普遍使用。积分算法的累积误差 Motion ControlFiltering of MEMS Gyroscope: Kalman滤波是“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。 可尽可能减少系统噪声影响，从含有噪声的测量值中得到系统状态的最优估计, 用在机器人导航和控制用来预估位姿。 Motion Control可得到系统的状态方程和测量方程。 Motion ControlMotion ControlObstacle-avoid

7、ing:输出25KHZ的方波信号，经放大后和线圈升压，探头发射。当超声波遇到障碍物反射后，接受头接收回波，经电容，电阻滤波后由两个反向并联的稳压管稳压，再经四级放大后送回单片机供单片机处理。单片机记录收发的时间T计算出当前机器人距障碍物距离S=V*T/2。Motion Control：case从动轮与Encoder的配合（14:35）：Motion Control：case2 另一个Encoder / Gyroscope应用的移动机器人例子(2009)MEMS Gyroscope: ADIS16365通过SPI协议与外部控制器实现数据和指令通信， ADIS16365拥有31个控制和数据寄存器。

8、集成3个惯性传感器和3个角速度传感器，带自校准功能。 角度分辨率： 0.0125/s/LSB (80/s) 典型带宽 0.33KHz 动态线性加速度补偿因子： 0.05/sec/g 运动偏移稳定性： 0.009/secMotion Control：case对震动敏感，故尽量选用柔对震动敏感，故尽量选用柔性安装，或减震设计。性安装，或减震设计。Motion Control: Motor关于驱动：直流伺服系统 + 减速机, 适用于移动机器人交流伺服系统 + 减速机，需要逆变步进电机 + 减速机，价格便宜，性能较差。关于减速机，用于提升电机输出扭矩：* 行星减速机 * RV减速机：机器人关节最好的减

9、速机 * 蜗轮蜗杆减速机Motion Control需要良好的机械传动系统保证运动的易控性：场地滚动摩擦条件，机器人的速度加速度参数要求电机 Rated speed, OUTPUT TorqueGear Box Rate, Input/OUTPUT Torque加/减速测试，最大速度测试，可控性测试，轮子的调校传动刚度校验Motion ControlThe first challenge of mobile robots is locomotion. Robots can move unsupervised through real world environments to fulfill

10、its task. How should a mobile robot move? And what is it about a particular locomotion mechanism that make it superior to alternative ones when moving on the specific ground? Motion ControlWheeled mobile robots:By far the most popular locomotion mechanism in man-made vehicles in general. It can achi

11、eve very good efficiencies when moving on the structural ground. With a relatively simple mechanical implementation, and balance is usually not a research problem.Motion ControlWheeled mobile robots:Three wheels are sufficient to guarantee stable balance, two wheels robots can also be stable. When m

12、ore than three wheels are used, a suspension system is required to allow all wheels to maintain ground contact when the robot encounters uneven terrain. Motion ControlSteered Wheel: A. Free steered wheel，two traction wheels, differential； B. steered traction wheel；Locomotion of the RobotThree-Wheele

13、d mobile robots:Locomotion of the RobotFour-Wheeled mobile robots:Motion Control2-Legs robots:SONY dream robot，Honda Asimo，MIT Spring FlamingoComplex mechanism & freedomsJoints used hereinDynamic balance control is hardMotion ControlStepped Climbing type:University of Karsruhe, Germany: six legs

14、，MIT: genghisMotion control can be used integrated algorithm, but error of legs structure will enlarges error of position.Motion ControlLegs robots:Numbers of legs: Insects and spiders are immediately able to walk when born. Humans,with 2 legs,can not stand in one palce with static stability.Infants

15、 requies months to study stand and walk.Stable balance.Motion ControlTracked locomotion robots:Robot can make use of tread have much larger ground contact patches,the maneuverability can be improved significantly in loose terrain compared to conventional wheeled designs.Due to large ground contact p

16、atch, changing the orientation of the robots requies a skidding turn, wherein a large portion of the track must slide against the terrain.The exact center of the rotation of the robot is hard to predict and the exact change in position and in orientation is also subject to variations depending on th

17、e ground friction.Motion ControlTracked locomotion robots:The microrover Nanokhod: developed for European Space AgencyDesigned in 2007Motion ControlWalking wheels robots:Offer the best maneuverability in rough terrain, but inefficient on flat ground and need sophisticated controll. Hybrid solution,

18、combining the adaptability of legs with the efficiency of the wheels, offer an interesting compromise. Solution that passively adapt to the terrain are of particular interest for field and space robotics.Motion ControlSwedish-Wheeled mobile robots:Motion ControlSwedish-Wheeled mobile robots:Motion C

19、ontrol structural ground and locomotion controlAnother case (22.27, 3120)Motion Controlstructural ground and Line-following controlPerception & Sensors: v matrix of Infrared diode;v Vision-based sensorv Color sensorv 2 casev http:/ ControlMotion Control 机动的其他形式： 舵机 步进爬行式 两足步行式 喷气动量式（15:26）Naviga

20、tion Algorithmof Mobile RobotNavigating AlgorithmNavigating Algorithm 鉴于机器人任务和路径的多样性，场地条件复杂性，没有固定的控制算法最适应所有机器人。 在机器人算法设计中，根据实际的需求考虑算法，以达到机器人的较精确控制。 结构性场地中，大量实验表明直线运行用西格沃特+PID算法控制，弯道用西格沃特算法+势场效应法控制。 可设定一个综合标准，以完成不同算法间的过渡和联系，这样以达到控制效果的连续性和系统的稳定性。Navigating Algorithm西格沃特算法是一种点镇定的路径控制方法。所谓点镇定，是一种路径控制的方法

21、，即为已知两终端的状态，按一定的规律来实时生成参数以控制中间的状态。通俗上说就是终端已知，中段未知的控制方法。Navigating Algorithm 目标位置点 红色代表期望路径线 当前位置点 蓝色代表实际控制路线Navigating AlgorithmNavigating Algorithm设计控制量v，w（线速度，角速度），以把它从实际位置以曲线驱动到目标位置。 机器人参考框架XR，YR, ，和全局框架X，Y, 。可以设计如下控制策略： V = k W = k + k 式中k，k，k为控制参数；，表示在（, ）中； Navigating Algorithm控制参数的稳定性：运动路径依赖于

22、参数k，k，k，要使机器人路径收敛于目标点，可证明参数需满足： k 0， k 0， k k 0 为鲁棒位置控制，用强稳定性条件，保证在机器人到达目标时，不改变方向： k 0， k 0， k+5/3 k 2/k 0 Navigating AlgorithmNavigating AlgorithmPID导航控制算法是一种路径实时控制的过程控制方法，控制过程中，按实时偏差的比例（P）、积分（I）和微分（D）进行相应的参数选择，来完成过程的精确调整和控制。其中，P参数使系统保持与预定相符的运动趋势，I参数使系统稳态误差逐渐消除，D参数调节运动的快速性，但会加剧系统振荡。合适的P、I、D参数可以使系统在

23、预定的运动趋势上逐渐靠拢预定的轨迹，这需要根据场地条件不同而改变，做大量的实验。Navigating Algorithm 目标位置点 当前位置点 红色代表期望路径线 蓝色代表实际控制路径线Navigating Algorithm 控制机器人以直线行走，假设机器人在全局坐标系中的位置为（x，y），目标坐标为（x0，y0），两点可确定一条直线，设直线方程为AX + BY + C = 0， 系数A,B,C可以由下式得出： A = y0- y; B = x x0; C = x0*y x*y0; Navigating Algorithm要驱动机器人沿此直线运动，假设机器人沿此直线运动的过程中坐标为（X,

24、Y）,由于控制有误差，（X,Y）不是精确在此直线上，那么可以求出点（X,Y）到直线的距离，也就是运动的误差: ERROR = (AX+BY+C)/E E = sqrt( A*A + B*B); Navigating Algorithm采用增量PID算法控制此误差. 偏差量 e(k)=Error= (AX+BY+C)/E； e(k) = e(k) - e(k-1)； e(k-1) = e(k-1) - e(k-2)； 设u(k) = u(k-1) + kp*e(k) + ki*e(k)+ kd*(e(k) - e(k-1)； 其中u(k)为输出控制量，kp为比例系数，ki为积分系数，kd为微分系

25、数。Navigating Algorithm PID的控制具体行为如下： 给左右两轮一恒定的线速度v，根据在运动过程中的机器人坐标，计算出误差。 通过PID计算出控制量u（k），控制机器人转向角速度w，使机器人能够在有干扰的情况下沿预定直线运动到目标点。 Navigating Algorithm复杂路径的综合控制策略 将机器人从任意位置任意方向驱动到目标点，首先将机器人以较大的转向速度和较小的前进速度，转向正对目标点，再以较大的前进速度和较小的转向速度，到达目标点的可接受范围。 在点镇定的前段路径，以西格沃特算法控制，在点镇定的后段路径，以强PID加弱反馈的算法进行控制。Navigating AlgorithmEPOS电机（ARM内核） 工控板驱动轮场地路径定位系统UART通信CAN总线锥齿传动被动小轮测量反馈加载电流输出控制算法c/os-A case: NavigatingA