基于PROE的可移动6自由度机械手仿真设计Word下载.docx
- 文档编号:1520751
- 上传时间:2023-04-30
- 格式:DOCX
- 页数:33
- 大小:696.57KB
基于PROE的可移动6自由度机械手仿真设计Word下载.docx
《基于PROE的可移动6自由度机械手仿真设计Word下载.docx》由会员分享,可在线阅读,更多相关《基于PROE的可移动6自由度机械手仿真设计Word下载.docx(33页珍藏版)》请在冰点文库上搜索。
1.1引言
机械手是一种能够可以用来模仿人手或者臂膀的某些运动行为功能,并可以按照用户预先设定的固定程序抓取、搬运移动物件或操作工具的一种自动操作装置。
如今机械手广泛应用于机械制造、冶金、电子、轻工和原子能等各个行业部门。
近些年来,可移动式机器手由于其广阔的工业应用前景和巨大的商业潜力价值,已经发展成为机器手研究领域的一个非常重要分支。
伴随着对工业应用机器手的不断深入研究,机器手所应用的领域更加广泛,其所需适应的环境条件和执行的任务也更困难特殊。
当要求机器手能够移动并保持平衡且顺利完成任务时,如何能够保持机器手平稳运动并执行任务已成为现实应用上所面对的一个问题。
可移动式6自由度机械手的概念就是在这样的市场需求条件下提出来的。
可移动式6自由度机械手工作原理上是来自于旋转驱动式倒立摆,它具有独立驱动、两轮共轴的特点,可移动式机械手整体的重心位于车身轮轴上方,通过左右两个步进电机所控制车轮的转动从而保持动态平衡。
因为可移动式6自由度机器手具有特殊的运动结构,能够适应复杂的环境,车身整体运动灵活,因此可以在一些复杂危险环境里的执行任务。
1.2研究意义
应用意义。
可移动式机械手利用地球的地心引力使其车身保持平衡,并使得地球重力成为其车体本身运动动能的提供者,负载重量越大,所具有的行驶动能也就越大。
可移动机械手自身车体的平衡稳定性,使得原本固定的机械手能够移动,从而使工人从简单劳动中解放出来,或这是应用在危险领域如防爆抢救等。
可移动机械手车身小巧,机械手灵活,可以在狭窄、复杂的工作场合工作。
可移动式机械手的这一系列优点使其可以作为一种小巧灵活、快速、安全可靠的工业辅助生产工具,假如能够在工业自动化生产等领域普及,将会在市场产生巨大的经济效益。
理论研究意义。
可移动机械手,在重力作用下机械手车体姿态特征不稳定,需要步进电机的控制来维持机械手车身姿态的平衡,通过步进电机驱动两个转动车轮,微处理器、传感器、软件及车身机械装置整体协调控制从而使可移动机械手整体平衡,是集合动态决策与规划、环境感知、运动控制与行为执行等多种功能集一身的复杂非线性系统,其系统本身控制难度大、非线性、运动算法复杂,给机械工程控制理论提出了很大的挑战,具有较强的理论研究价值。
1.3国内外研究现状
世界上最先提出两轮移动机器人设想是日本Electro-Communications大学的KazuoYamafuji教授在1985年就设想制造一种自动站立机器,他于1987年申请的一项“平行双轮机器人”就应用了该技术。
最近几年随着各国对两轮移动机器人的不断深入研究,这个技术方向逐渐成为全球各国研究机器人控制技术重点领域。
美国著名发明家DeanKame在1995由军方资助下开始秘密研发Segway,而一直到2001年12月这项属高度机密的新发明才被美国军方所公布,随后他在2003年3月正式推出了民用版。
Segway所具有的动态平衡技术接近人体保持平衡能力,而这一切正是因为它所拥有倾斜传感器、高速微处理器、5个固态陀螺仪、和电动机并在每秒100次的频率监测车体姿态且能在瞬间计算出驾驶者和车体整体的重心。
它的微调频率为每秒20000次因此无论何时何地都能使车身自动保持平衡。
并且它在运动中也与人保持平衡的本能反应很相同,它没有安装刹车、油门等装置。
而驾驶者在车上身体向前倾则向前运动、向后倾则车子后退、直立时则车停下,转向则通过驾驶者旋转手腕下方的操纵把手。
最轻便的SegwayHTp133(如图1.1)最大速度能够达到16公里每小时,其自身重32公斤最大负载可达到95.3公斤,使用厂家配备的两块48单元镍金属电池组就可行驶9.7~16公里,但是完成一次充电时间略长,需要4~6小时。
适于平坦、拥挤的步行区,因携带方便,适合出差、上班等场合使用而在人群中普及开来。
图1.1Segway
日本是世界上研究机器人实力最雄厚的国家之一,伴随着日本机器人产业的蓬勃发展,其应用领域不在局限于汽车、机械制造等,而是逐渐扩展应用到宇航、海洋开发、救灾、医疗福利、家政以及娱乐等非制造业领域。
机器人的外表向着愚人形的方向“进化”。
作为“机器人研发和制造强国”,日本除了在研发生产环节中大量使用工业机器人来提高生产效率外,也在向着人工智能应用领域也不断发展。
1.4本文研究内容
本文研究内容有可移动6自由度机械手仿真设计,两轮自平衡机械手的姿态检测算法,PID控制算法三方面。
运动姿态检测算法通过卡尔曼互补滤波器融合姿态传感器(如加速度传感器、陀螺仪传感器、电子罗盘等)的数据后得到当前位置信息,然后PID控制调节器则利用这些姿态信息输出步进电动机控制信号,分别控制两个步进电动机的转动,使可移动式机械手得以保持平衡。
第2章可移动机械手平衡原理
2.1可移动机械手的机械结构
可移动机械手可归纳于图2-1的基本结构,可移动式机械手由三部分组成,从上到下依次是机械手,主控层,电机驱动层,机械手是执行工作部分,主控层由主控芯片系统和传感器模块组成,电机驱动层接受单片机信号后控制步进电机,两个步进电机分别通过转轴连接车轮,独立控制两个车轮的转动。
图2-1移动机械手结构
2.2移动机械手动力学分析
可移动式机械手两轮由步进电动机独立驱动且两轮各参数(半径、转动惯量、质量等)相同且共轴。
将其看成一级倒立摆并假定可移动式机械手高度为l、质量为m、其受外力干预所引发的车体角加速度为
。
其受力分析如图2-2,可以得到车轮移动加速度
以及在外力干扰带来的加速度
和可移动式机械手倾角之间的动力学运动方程:
图2-2移动机械手动力学倒立摆模型
可移动式机械手运动的动力学微分方程可表达式如下:
,
当倾角
很小的时候,就可对这几个相关参数进行线性化处理:
、
,此时可移动机械手的运动微分方程可以简化如下:
当可移动式机械手静止时,就是
,此时运动方程变为:
由可移动式机械手静止时的运动方程就可以得到系统整体的传递函数:
此时可移动式机械手系统有两个极点:
,其中一个极点位于s平面的右半平面。
根据奈奎斯特稳定判据就可知可移动机械手系统不稳定,因此可移动式机械手在静止状态不能保持平衡。
由理论上假设的倒立摆系统受力分析可知:
可移动式机械手车轮提供的加速度大小是根据角度
及角速度
的反馈计算所得,因此需要在可移动式机械手的控制系统中引入角度
从而构成整体系统的比例
微分
反馈环节,如图2-3所示:
图2-3加入比例微分环节后的控制系统结构图
加入比例微分反馈可移动式机械手系统后的传递函数为:
此时,系统的两个极点为
根据奈奎斯特稳定判据可得,系统稳定需要两个极点都位于s平面的左半平面。
要满足这一点,需要
时,由此可得出结论,当
时,可移动机械手可以保持平衡。
2.3平衡的方法
从以上分析的结果可知,导致可移动机械手车体倾倒的最大因素是θ角度的产生,因此,欲使可移动式机械手平衡,需要设法消除角度θ或者将角度θ控制稳定在一个足够小的范围内。
其整体控制环路图2.3所示。
图2-3整体控制环路
消除θ角度的有效方法:
先通过运动体相关的姿态传感器测量出可移动式机械手车身的姿态角度,然后根据控制系统一系列计算后,通过计算所得的数据分别产生相应大小的力矩控制步进电机的转动,从而带动可移动式机械手车体下部的移动,以保持与可移动式机械手车体上部在一水平垂直线上,从而达到整体的平衡。
第3章系统方案设计与论证
3.1姿态传感器选择
为实现可移动机械手的动态自平衡,首先必须得到足够精确的可移动式机械手车身姿态方面的相关倾斜角信息。
根据可移动式机械手的应用环境来说,一般可供用户选择的有电子罗盘、陀螺仪、超声波传感器组、加速度计等传感器来采集可移动式机械手的当前的位置姿态信息。
在表3-1对这些常用来测量姿态的传感器性能进行了初步对比。
图3-1常用传感器性能比较
加速度计不但可以用来测量运动体静态相关的线性加速度也可用于测量运动体动态相关的线性加速度,其中用来测量运动体静态加速度中最典型的一个例子就是测量运动体重力加速度。
而用加速度计直接测量物体静态重力加速度值进行计算后就能够确定所测量的物体当前姿态方面的倾斜角度。
而加速度计在测量运动体运动过程中的姿态数据时响应比较慢,所以不适合用来跟踪运动体动态在运动过程的姿态角度。
如果用加速度计来获得关于运动体运动过程中快速的姿态角度响应数据,但这时就会引入较大的噪声干扰而是检测的数据失真而无法使用。
再加上加速度计本身所测量的范围有限使得单独应用加速度计检测可移动式机械手姿态倾角就无法准确反映当前的姿态角度信息,因此就需要和其它传感器联合起来使用从而来达到人们所想要的结果。
陀螺仪是用来测量运动体姿态角速度信号的,采集数据后通过处理器对角速度积分后得到可移动机械手当前姿态的角度值。
但由于在使用陀螺仪过程中不可避免的存在着温度变化、摩擦力和力矩变化等各种环境和自身因素所产生的影响,这时候只使用陀螺仪来测量可移动式机械手姿态角度值就会产成漂移误差。
而无论检测出来的常值漂移误差如何小都会通过处理器对数据积分后都会变成无限大的角度误差从而无法准确反映当前的姿态角度信息。
所以也不能单独使用陀螺仪来测量可移动式机械手测量的姿态角度信息。
根据以上分析得出在可移动式机械手运动姿态检测系统中单独使用陀螺仪或者加速度计来检测姿态角度信息都会产生不同程度的失真。
陀螺仪测量物体运动性能好并能在不受加速度变化影响下够准确测出动态角度变化信息,但是由于陀螺仪结构本身所固有的物理特性零漂、温漂及积分过程的各种不良影响所造成的累积漂移误差值很大而使测量角度信息失真,因此陀螺仪不适合在长时间内单独用来测量角度值;
而加速度计在测量物体静态角度信息时响应较好并能够准确提供静态的角度,但是受到运动体在动态过程中加速度的影响就不适合用来测量物体运动中的动态角度信息。
最终根据分析选择倾角计和加速度计组合起来使用。
3.2系统平衡方案论证
方案一:
假定系统的动力最初都来源于后轮的两个步进电动机,通过步进电动机的正反转来维持车子的平衡,通过步进电动机的转速控制实现速度的控制。
最后将平衡控制信号,速度控制信号,一起叠加后加载到后轮两个步进电动机上,可实现小车平衡。
但是由于两个控制环都是耦合在一起的,转速控制不能对平衡控制有太大的影响。
且平衡控制的优先级最高。
方案二:
由于平衡控制和速度控制两个控制环之间的耦合性很大,导致步进电动机不能变化过大而对平衡造成破坏。
考虑将直立控制和速度控制两个控制环进行解耦,直立控制仅依靠外力来维持平衡。
在此可以在可移动式机械手车子的中心位置安装一舵机,并在舵机的输出处安装一两端挂有重物的连杆,通过舵机带动连杆的可移动实现自动调节车体前后重心的目的。
让可移动式机械手车体重心始终保持在正中心的位置便可保持可移动式机械手车体的平衡,步进电动机只负责前进。
在这种控制方式下速度控制可以有更大的稳定裕度。
在实践中方案二在系统平衡控制方面不但系统响应速度很慢而且平衡的稳定性和抗干扰性效果达不到要求。
最终选择方案一,系统的动力只依靠后轮的两个步进电动机。
通过控制后轮两个步进电动机的转速来实现移动机械平衡控制。
3.3卡尔曼滤波
可移动式机械手姿态检测部分硬件采用的是加速度计和陀螺仪。
由于加速度计对震动比较敏感容易产生较大噪声而失真,陀螺仪受温度震动等影响容易产生零漂误差等。
因此若对这两个数据不加以处理就进行融合容易产生很大误差而影响后续的控制,从而不能使可移动式机械手保持平衡。
而采用卡尔曼算法对数据进行滤波处理后,可以对陀螺仪的温漂误差和加速度的动态误差进行补偿处理,从而得到一个较为优化准确的当前可移动式机械手角度值。
卡尔曼滤波算法最早是由斯坦利·
施密特在NASA埃姆斯研究中心阿波罗计划所发明,他发现这个算法用于飞行器导航过程中的轨道预测准确且效率很高。
在对这个算法的不断研究后,其应用领取又逐渐扩大到机器人导航和控制、雷达监测、导弹追踪甚至到计算机的图形处理如人脸识别等。
而卡尔曼滤波方法的基本思想就是:
采用数据信号与有关噪声干扰的空间状态模型,并利用前一时刻的所采集并计算的测算估计值和当前时刻的所采集计算的测算量进行计算比较从而更新当前状态的估计值,并对下一时刻的系统的测算值进行估计。
其过程分为两个阶段:
预测阶段和修正阶段。
假设现在的系统状态为k,可以根据系统的模型从而可以基于上一个系统状态从而估测现在状态值:
........
上式中
是利用上一个系统状态预测的结果,
是上一个系统状态最优结果,
是现在系统状态值。
如果没有控制量,其值可以为0.
到目前为止我们的系统结果已经更新了,可是对于
的covariance还没更新。
我们用P表示covariance:
+Q..........
是
状态下相对应的covariance,
状态下相对应的covariance。
A’是A的转置矩阵,Q是系统过程的covariance这两个式子完成了对系统状态的预测。
然后再收集现在系统状态值,结合系统预测值就可以得到当前优化值
其中Kg为卡尔曼增益,
然后我们就得到了k系统状态下优化值
,后面只需不断使系统进入循环过程,我们就可以一直得到下一个系统状态的预测值,从而为可移动式机械手进行两个步进电动机控制提供依据。
3.4常规PID算法
PID英文全称为ProportionalIntegralDifferential,它是一种集合了控制是比例、积分、微分三个环节部分的简称,它是一种有着悠久历史和顽强生命力的基本控制方式,在许多领域都有应用。
PID控制器是指按偏差的比例、积分和微分三个环节的不同组合计算出对广义被控制对象的控制量从而进行控制的调节器。
如图3-2为常规PID原理图。
PID算法从整体上来说是一个闭环控制系统,因此系统内必须有反馈部分进行调节。
图3-2PID控制系统原理图
在不同情况下可以根据系统对PID各个环节进行调整,其中P为比例,I为积分,D为微分。
但是不同系统可根据具体情况进行调整,可以是PID三者都有或者是PD、PI甚至只有P环节。
假设当前角度偏差为error,目标角度为aim,比例系数为p。
PID计算伪代码为PID_result=(error-aim)*p可以看出,如果车体倾斜度越大,那么计算出的PID的P值比例性的增大。
PID的输入输出关系为:
PID有两种输出方式:
模拟和数字两种输出方式。
其中比例环节P对控制系统的影响为当P增大时会使系统响应速度加快。
若P偏大则系统振荡次数增多且调节时间加长。
若P偏小时则系统响应速度缓慢。
在系统稳定的前提下,加大Kp可以减少稳态误差,但不能消除稳态误差。
而积分环节对系统性能的影响为积分I影响系统的稳定性。
若I太小时则系统不稳定并且震荡次数较多。
若I太大时对系统的影响将削弱。
合适的积分P有助于消除系统稳态误差且过渡过程特性比较理性。
微分环节D对系统性能的影响为改善系统动态特性,如减少超调量,缩短调节时间等。
适当设置微分环节D可以减少稳态误差并提高控制精度。
但是微分环节D会放大系统噪声并降低系统抗干扰能力。
在控制系统中加入微分环节可以在误差出现或变化时按偏差变化的趋势进行控制。
从而起到一个引进早期的修正作用并提高系统稳定性。
在可移动式机械手控制系统中,速度环是内环并用于控制电机输出,使车轮转速与角度环输出值保持一致。
角度环是外环用于保持小车倾斜角度为0。
第4章系统软件设计
4.1软件设计框架
可移动式机械手系统软件设计框架的主要内容包括:
资源模块数据的初始化、位置姿态信息的采集、传感器所采集数据的融合、运行速度的检测、步进电动机的PID控制。
系统控制算法如图4-1所示
图4-1系统控制算法
4.2系统初始化
可移动式机械手系统在每次开机使用前都要对STM32单片机进行清除原来内存的数据值并初始化设置才可以使用,其软件系统的初始化程序流程图如图4-2所示。
图4-2系统初始化流程图
而可移动式机械手的系统初始化有内部时钟RCC、各个GPIO端口、DMA数据直接传输、ADC数据采集、TIM1定时器的初始化、Systick定时器初始化。
对于系统始终GPIO端口的设置,设置好PWM和电机方向的端口,其输出都为推挽输出并频率为50HZ。
STM32的CPU一般处理能力有限,若采用CPU控制的数据传输会占用大量CPU资源。
DMA是为了减轻CPU负担而采用直接传输数据节省CPU资源,从而CPU可以用来做其他事情。
对于DMA只需设置好外设和内存地址、数据数据宽度大小、工作模式和优先级。
DMA传输的数据为采集的角度信息而用于控制平衡,故应该采用最高优先级。
而TIMI定时器是用来计算中断的,我们设置重载值为1000,向上计数从0开始。
这样每隔1ms定时器1就会计时结束而产生中断。
而ADC数据采集和内部时钟RCC都采用默认设置就可以。
4.3PWM调速原理
脉冲宽度调制又简称脉宽调制,其英文全称为“PulseWidthModulation”。
脉宽调制是采用数字编码的方法对模拟信号电平进行编码的方法。
通过采用高分辨率计数器来调制方波的占空比从而完成一个具体模拟信号的电平来进行编码。
在给定的任何时刻,满幅值的直流供电要么完全有为高电平,要么完全为低电平,因此PWM信号仍然还是数字信号。
在脉宽调制下电压或电流源是以一种通电或断电的重复脉冲序列的一系列组合从而形成模拟信号加到负载上去的。
通电的时候是高电平,断电的时候就是低电平。
只要带宽足够,任何所需要的模拟值都可以通过使用单片机的PWM功能编码来完成。
如图4-4,通过对单片机中PWM波宽大小的的调整和控制从而可以达到对步进电动机速度的控制。
其实在单片机中,PWM就是使用了比较定时器而已。
每个定时器就是一个通道,用来产生不同的频率。
各个定时器其他部分设置都相同,只不过参数不同。
通过在主函数修改参数,从而改变频率。
而在单片机使用PWM过程中,需要按照以下步骤设置:
(1)设置好单片机系统内部RCC的时钟。
(2)设置好单片机内部各个GPIO端口。
(3)设置好单片机内部TIMx定时器的相关寄存器。
(4)设置好单片机内部
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 PROE 移动 自由度 机械手 仿真 设计