在这篇文章中,我将讨论机器人建模与仿真与仿真软件®,Simscape™,和Simscape多体™。金宝app把东西放到上下文中,我会的走你通过步行机器人的例子(明白吗?)。

动机

首先…为什么模拟?我分解的好处分为两类。

• 安全:机器人将会下降。原型将打破。您可以验证控制算法在模拟之前,一个好的起点硬件。仿真允许您测试您的机器人和控制器设计在多个场景没有建筑原型。也在模拟中,你得到的好处故意产生不安全的条件,以及发现意想不到的问题。
• 效率:物理实验需要时间和精力来设置和重置之间运行。与模拟,得到一个编程环境自动化实验和离开你的办公桌。如果你的机器人是由嵌入式控制系统,仿真允许您测试算法无需改变端口和重建的代码在每次硬件。这种分离的算法和实现也可以帮助您确定问题是由于新算法变化或物理限制。

机器人仿真组件

现在我们将看一个典型的机器人仿真体系结构,它由多个层。根据你的目标,你可能只需要实现仿真的一个子集。

机器人力学

Simscape多体让你的三维刚体力学模型的机器人。有两种方法可以做到这一点。

• 从头构建:可能需要一些初始时间从头开始建立一个模型。但是,如果正确设置,您可以轻松地更改属性,如尺寸,截面,质量,等等。如果你还在概念设计阶段,这可能会有用,因为你席卷不同参数并验证您的设计。
• 从CAD进口:有用如果你已经创建了一个机器人模型,想模拟其动态使用更现实的几何和惯性特性。只要CAD模型的运动学保持不变,可以在CAD进行修改和再输入到你的模型的参数。有关更多信息,看我们博客在进口CAD程序集。

不管你如何创建机器人模型,下一步是添加动力。

• 内部力学:每一个联合块(平移或旋转)在模型中可以分配机械刚度、阻尼和初始条件。
• 外部力学:首先,你可以设置重力的方向和大小。同样重要的是有腿的机器人,你需要模型与地面接触。从R2019b开始,您可以使用空间接触力块在Simscape多体。然而,在以前的版本中可以使用Simscape多体接触力库文件交换。

执行机构动力学和控制

早些时候在仿真架构图如图所示,执行机构之间的“粘合剂”算法和模型(或机器人)。致动器建模包括两个部分:一个在控制器端,和一个机器人。

• 致动器控制:通过在Simscape处方运动执行机构模型,您可以首先执行执行机构分级。这允许您确定电源(例如,电流、转矩等电动执行机构)需要你根据需要执行机构执行。一旦你有一个执行机构模型,您可以使用仿真软件来设计一个控制器,在部署之前测试它在模拟。金宝app

• 执行机构动力学:您可以使用Simscape建立更详细的执行机构模型。这允许您连接的3 d机械运动机器人其他物理领域——例如,电气领域汽车或流体域活塞式执行机构。

不同的设计任务可能需要不同的模型细节。根据这个,仿真速度可以从速度远远超过实时比实时慢得多,这是一个重要的权衡。让我们看下面的例子。假设你在设计一个机器人,有一个高级运动规划算法和底层电子马达控制器与高频脉冲宽度调制(PWM)。

• 运动规划任务可能需要分钟模拟,而电动机控制的反应可能的顺序毫秒。
• 测试运动计划,你可以假设底层执行机构工作;电子设计,你可能会需要一路挖到驱动器电流瞬态,以确保各个组件不会失败。

理想情况下,您想要为不同规模的模拟可重用和可配置的模型组件。金宝app仿真软件可以促进与建模等特性变体,块库,模型参考。

看看这是完成了步行机器人执行机构模型,看下面的视频。

(视频)建模与仿真的行走机器人

运动规划

运动计划可以是一个开环或闭环活动。

你可以阅读更多关于我们的行走机器人的运动规划和控制下一个博客。在这个例子中,我们已经设计了一个最初的开环模式走,让我们模拟机器人稳定行走。进一步改善这种行走模式,您可以添加为稳定闭环组件和/或引用跟踪,或使用技术,如优化完善步行模式。

优化工具是有用的机器人建模与仿真的许多方面,如

• 机器人设计:确定最佳的几何形状(大小、位置、截面等)或动态(质量/刚度/阻尼,或等价物电气或液执行机构)。例如,请参见直流电机的估计参数。
• 控制设计:调优控制收益,阈值、速度限制等以满足性能和安全要求。例如,请参见优化系统性能:直流电机。
• 运动规划:找到一个满足的运动序列输入总体规划目标。这种方法是下面的动画和视频所示,一个遗传算法用于优化机器人的行走轨迹。

设计一个开环运动通过优化概要文件可以是一个好的开始,但这可能不是健壮的物理参数的变化,地形或其他外部干扰。理论上,您可以使用优化和模拟测试场景覆盖所有你期望在现实世界的挑战。在实践中,一个闭环系统,或一个系统,可以对环境更适合处理这些挑战。

闭环运动控制器通过传感器需要的信息环境。常见的腿式机器人的传感器包括关节位置/速度传感器、加速度计、陀螺仪、力/压力传感器,照相机,和距离传感器。一个总体控制策略可以决定使用基于模型的方法内模控制,或者与机器学习技术强化学习。

下面的视频展示了如何反复模拟模型和收集结果优化开环步行机器人的轨迹。在批处理运行模拟同样可以帮助您执行任务,如优化控制器使用优化和机器学习或运动规划算法。

(视频)优化步行机器人轨迹

结论

至此,您已经看到了如何模拟可以帮助你设计和控制一个腿式机器人。

有关更多信息,看上面的视频和阅读我们下一个博客步行机器人控制。你可以下载的示例文件文件交换或GitHub。你也可以找到一个四条腿的机器人运行的例子在文件交换。

你在做腿机器人运动?我们收到你感兴趣。

——塞巴斯蒂安