助力外骨骼机器人动力学分析

目录

一、动力学分析

二、拉格朗日方程 

三、参考文献


一、动力学分析

        动力学是考虑引起运动所需要的力,使执行器作用的力矩或施加在操作臂上的外力使操作臂按照这个动力学方程运动。 

        目前机器人动力学分析中主要采用牛顿-欧拉动力学方程和拉格朗日动力学方程 [1]
两种方法的理念不同,其中,牛顿-欧拉公式被认为是一种力平衡方法,而拉格朗日公式则是一种基于能量的方法。

        本文主要是以拉格朗日方程进行动力学分析,其相应步骤如下:
1.1 人体基本参数[2]      

        人体基本参数包括:人体各关节质量、质心位置和转动惯量等,本文采用郑秀媛的CT测量法[3-4],获取中国成年人体下肢各关节相对质量分布及其质心位置。
 

图 1 人体下肢关节质心位置示意图[2] 

表 1 中国成年人体下肢关节相对质量及质心的相对位置[2]  

关节相对质量(%)相对位置(%)
男性女性男性女性
大腿28.3828.2045.344.2
小腿7.348.8639.342.5
2.962.4848.654.9

(1)、相对质量:通常指的是下肢关节(如髋关节、膝关节、踝关节等)的质量与整个身体质量的比例。
(2)、相对质心位置:指的是下肢关节质心相对于关节本身或者整个肢体的位置。质心位置的测量通常涉及将关节视为一个刚体系统,并确定其质量中心点。 

        转动惯量的测量方法有三线摆法和CT法

(1)、三线摆法原理

        三线摆法基于摆动的物理原理,通过测量物体在重力作用下的摆动周期来计算其转动惯量。这种方法适用于具有规则几何形状的刚体,特别是当这些物体可以围绕通过其质心的轴自由旋转时。

实验步骤

  1. 悬挂样品:将待测物体通过一根线悬挂,确保线不扭曲且垂直于水平面。
  2. 激发摆动:轻微推动物体使其绕悬挂轴摆动。
  3. 测量周期:记录物体完成多个完整摆动周期所需的时间。通常需要多次测量以提高准确性。
  4. 计算转动惯量:使用公式 I=I_{0}+m\cdot r^{2},其中 I_{0}是系统本身的转动惯量(可通过空载实验确定),m 是物体质量,r是悬挂点到质心的距离。

优点

  • 简单易行,不需要复杂的设备。

缺点

  • 受限于悬挂方式和物体形状,可能不适用于所有类型的物体。

(2)、计算转矩(CT)法原理

        CT法利用牛顿第二定律的旋转形式,即 \tau =I\cdot \alpha,其中\tau是转矩,I 是转动惯量,\alpha 是角加速度。通过测量施加的转矩和产生的角加速度,可以计算出转动惯量。

实验步骤

  1. 固定物体:将物体固定在能够测量转矩的设备上,例如扭矩台。
  2. 施加力:通过施加一个已知的力和力臂来产生转矩。
  3. 测量角加速度:使用传感器或高速摄像机等设备测量物体的角加速度。
  4. 计算转动惯量:根据测量的转矩和角加速度,使用上述公式计算转动惯量。

优点

  • 精度高,适用于复杂形状和不同材料的物体。
  • 可以在不同的环境和条件下进行。

缺点

  • 需要专业的设备和软件。
  • 实验设置较为复杂。

CT法确定的转动惯量回归方程式为:       

J_{i}=B_{0}+B_{1}X_{1}+B_{2}X_{2}

 其中:X_{1}表示体重(kg),X_{2}表示身高(cm),B_{0}B_{1}B_{2}表示回归方程系数,如下表所示:

 表 2 回归方程系数

关节关节惯性系数B_{0}B_{1}变量名X_{1}B_{2}变量名X_{2}
男性大腿J_{x}-3705.3774.284X_{1}28.621X_{2}
J_{y}-3664.8895.54928.078
J_{z}65.2707.165-1.461
小腿J_{x}-301.0442.9902.012
J_{y}-299.16429.302.009
J_{z}-17.7760.792-0.033
女性大腿J_{x}-1926.93425.37410.331
J_{y}-1622.26529.2007.321
J_{z}197.3639.548-3.177
小腿J_{x}-621.8853.5784.044
J_{y}-588.6093.8593.773
J_{z}-15.1660.7490.00

 其中:J_{x}表示绕额状轴的转动惯量(kg\cdot cm^{2})、J_{y}表示绕矢状轴的转动惯量(kg\cdot cm^{2})、J_{z}表示绕水平轴的转动惯量(kg\cdot cm^{2})。

图 2 额状面、矢状面和水平面示意图 

其中:额状轴(X)垂直于额状面,矢状轴(y)垂直于矢状面和水平轴(z)垂直于水平面。

二、拉格朗日方程 

2.1 拉格朗日方程
        具体描述见[5]
2.2 二连杆机器人动力学方程1
        将连杆质量集中于各连杆末端的点质量,这样连杆可以忽略转动动能,只考虑移动动能,详细内容如[6]
2.3 二连杆机器人动力学方程2[7-8]
        如果考虑连杆质心位置,此时需要就考虑转动动能和移动动能。

图 3 下肢二连杆结构 

连杆长L1和L2,质心位置d1和d2处。定义θ1和θ2为与竖直方向的夹角。

1、杆1的动能和势能

1.1、杆1的线速度
{x}_{1}=L_{1}sin(\Theta_{1} )          {y}_{1}=L_{1}cos(\Theta_{1} )
\dot{x}_{1}=L_{1}cos(\Theta_{1} )\dot{\Theta}_{1}     \dot{y}_{1}=-L_{1}sin(\Theta_{1} )\dot{\Theta}_{1}
v_{1}=\sqrt{\dot{x}_{1}^2+\dot{y}_{1}^2} 
1.2、杆1的动能
k_1=\frac{1}{2}m_1v_1^2+\frac{1}{2}I_1\dot{\Theta} _1^2
1.3、杆1的势能
u_1=m_1gy_1


2、杆2的动能和势能
2.1、杆2的线速度
{x}_{2}=L_{1}sin(\Theta_{1} )+L_{2}sin(\Theta_{2} )                 {y}_{2}=L_{1}cos(\Theta_{1} )+L_{2}cos(\Theta_{2} )
\dot{x}_{2}=L_{1}cos(\Theta_{1} )\dot{\Theta}_{1}+L_{2}cos(\Theta_{2})(\dot{​{\Theta}}_{2})   \dot{y}_{2}=-L_{1}sin(\Theta_{1} )\dot{\Theta}_{1}-L_{2}sin(\Theta_{2})(\dot{\Theta}_{2})
v_{2}=\sqrt{\dot{x}_{2}^2+\dot{y}_{2}^2}

2.2、杆2的动能

k_2=\frac{1}{2}m_2v_2^2+\frac{1}{2}I_2\dot{\Theta} _2^2
2.3、杆2的势能

u_2=m_2gy_2

3.动力学方程
L=K-U
L=k_1+k_2-u_1-u_2


三、参考文献

[1].机器人学导论(第四版)
[2].可穿载型助力机霖人技术研究.陈峰.中国科学技术大学
[3].建模与仿真,王红卫,北京科学出版社,2002
[4].数学模型,陈义华,重庆大学出版社,1995
[5].操作臂动力学的拉格朗日方程-CSDN博客
[6].【深入浅出】机器人动力学-拉格朗日方程实例_拉格朗日动力学方程-CSDN博客
[7].坐/卧式下肢康复机器人研究
[8].【Matlab 六自由度机器人】机器人动力学之推导拉格朗日方程(附MATLAB机器人动力学拉格朗日方程推导代码)_机械臂拉格朗日动力学-CSDN博客[9]. 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/411376.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于大数据的水资源管理与调度优化研究【Web可视化、灰色预测、大屏设计】

需要本项目的私信博主 目录 1 引言 1.1 研究背景 1.2 国内外研究现状 1.3 研究目的 1.4 研究意义 2 关键技术理论介绍 2.1 Python语言 2.2 pandas 2.3 pyecharts 2.4 灰色预测 3 数据来源及处理 3.1 数据来源 3.2 数据处理 4 数据可视化分析及大屏设计 4.1 年度…

08 - debugfs

---- 整理自 王利涛老师 课程 实验环境:宅学部落 www.zhaixue.cc 文章目录 0. 什么是 debugfs1. debugfs 配置编译和注册运行2. 第一个 debugfs 编程示例3. 通过 debugfs 导出整型数据4. 通过 debugfs 导出 16 进制数据5. 通过 debugfs 到处数组6. 通过 debugfs 导出…

Ubuntu20.04可以同时安装ROS(Noetic)和ROS2(Humble)

Ubuntu系统确实可以同时安装ROS(Robot Operating System)和ROS2,但需要注意一些关键步骤和配置以确保两者能够顺利共存并独立运行。以下是在Ubuntu上同时安装ROS和ROS2的详细步骤和注意事项: 安装前准备 检查Ubuntu版本&#xff…

nacos 动态读取nacos配置中心项目配置

实现了项目稳定运行情况下不需要在项目中改配置&#xff0c;直接在nacos中修改更方便。 pom文件&#xff1a; <!--读取bootstrap文件--><dependency><groupId>org.springframework.cloud</groupId><artifactId>spring-cloud-starter-bootstrap…

HarmonyOs应用权限申请,system_grant和user_grant区别。本文附头像上传申请user-grant权限代码示例

HarmonyOs应用权限申请&#xff0c;system_grant和user_grant区别。本文附头像上传申请user-grant权限代码示例 system_grant&#xff08;系统授权&#xff09; system_grant指的是系统授权类型&#xff0c;在该类型的权限许可下&#xff0c;应用被允许访问的数据不会涉及到用户…

大数据测试怎么做,数据应用测试、数据平台测试、数据仓库测试

本期内容由中通科技高级质量工程师龙渊在公益讲座中分享&#xff0c;他从大数据测试整体介绍、数据应用测试、数据平台测试以及数据仓库测试等方面&#xff0c;与大家共同探讨了大数据测试的方法实施与落地。 以下是讲座正文&#xff1a; 今天我们分享的内容主要从大数据简介…

二、基于Vue3的开发-环境搭建【Visual Studio Code】扩展组件

Visual Studio Code中的扩展组件 1、安装的扩展工具2、说明2.1 、代码规范性检查EsLint2.2 、代码语法高亮提示工具Vue - Official2.3 、阿里的AI代码开发提示工具 TONGYI Lingma 1、安装的扩展工具 2、说明 2.1 、代码规范性检查EsLint Visual Studio Code 中【设置】-setti…

基于springboot+vue+uniapp的使命召唤游戏助手小程序

开发语言&#xff1a;Java框架&#xff1a;springbootuniappJDK版本&#xff1a;JDK1.8服务器&#xff1a;tomcat7数据库&#xff1a;mysql 5.7&#xff08;一定要5.7版本&#xff09;数据库工具&#xff1a;Navicat11开发软件&#xff1a;eclipse/myeclipse/ideaMaven包&#…

OSI七层模型中的数据链路层

图片&#xff1a;数据帧的格式 这里面的一个关键点是&#xff0c;数据的源IP和目标IP在哪里&#xff1f; 就在图中的“数据”里面&#xff0c;这个“数据”也就是网络层的数据包&#xff0c;如果是TCP类型的数据包&#xff0c;数据包里面就包含TCP类型的首部信息&#xff0c;…

使用excel把json文件转为表格

json文件格式 [ { "ID": "16", "名称": "测站", "管理ID": "3", "管理名称": "土", "辅助信息": { "百度经度&qu…

linux neo4j 切换知识图谱

neo4j 安装 linux neo4j的安装可以浏览这篇文章&#xff1a; ubuntu sudo apt-get install neo4j 配置安装与设置远程访问 引言 如果你是window用户&#xff0c;直接下载桌面版进行安装与使用即可&#xff1b; 我有一台linux的服务器&#xff0c;想部署在上面&#xff0c;不…

阿里云私有镜像仓库配置及使用

1 登录阿里云 阿里云访问地址&#xff1a;https://www.aliyun.com/ 右上角选择“控制台” 2 创建个人实例 搜索框搜索“容器镜像服务” 新建“个人实例” 选择“创建个人版” 同意协议&#xff0c;点击确定 3 个人实例配置 设置Registry登录密码 密码要求&#xff1…

[Arxiv 2024] Self-Rewarding Language Models

Contents IntroductionMethodExperimentsReferences Introduction 作者提出 Self-Rewarding 训练框架&#xff0c;LLM 在训练过程中同时担任 actor 和 critic&#xff0c;actor 负责合成新数据&#xff0c;critic 负责判断合成数据质量用于组成高质量的偏好数据集用于模型的下…

NoSql数据库Redis集群

一、关系型数据库和 NoSQL 数据库 1.1 数据库主要分为两大类&#xff1a;关系型数据库与 NoSQL 数据库 关系型数据库 &#xff0c;是建立在关系模型基础上的数据库&#xff0c;其借助于集合代数等数学概念和方法来处理数据库中的数据主流的 MySQL 、 Oracle 、 MS SQL Server…

ElasticSearch和Kibana的安全设置以及https设置

&#x1f468;‍&#x1f4bb;本文专栏&#xff1a;ElasticSearch和Kibana的安全设置以及https设置 &#x1f468;‍&#x1f4bb;本文简述&#xff1a;跟着猿灰灰一起学Java&#xff01; &#x1f468;‍&#x1f4bb;上一篇文章&#xff1a; &#x1f468;‍&#x1f4bb;有任…

『功能项目』怪物受击的动画事件【10】

我们打开上一篇09着色器光透魔法球的项目&#xff0c; 本章要做的事情是在场景中创建一个怪物对象&#xff0c;当怪物被主角的魔法球击中后播放受击动画效果&#xff0c;此类技术用到动画事件帧&#xff0c;在动画上创建脚本。 首先打开资源商店选择一个免费资源的怪物模型加载…

apache httpclient速成

目录标题 快速使用连接池参数连接池状态清除闲置连接evictIdleConnections删除过期连接 timeToLive 和evictExpiredConnections 注意释放内存关闭流 http和netty的关系 导入依赖 <dependency><groupId>org.apache.httpcomponents.client5</groupId><artif…

【ceph学习】S3权限认证部分

认证过程简介 认证的过程是一个对用户信息进行解析并且判断前后得到的秘钥是否一致的过程。 auth_regitry的创建 在rgw_main.cc:main()中进行初始化auth_registry对象 /*rgw_main.cc*/ /* Initialize the registry of auth strategies which will coordinate * the dynamic…

浏览器中的开源SQL可视化工具:sqliteviz

sqliteviz&#xff1a; 在浏览器中&#xff0c;即刻开启数据可视化之旅。- 精选真开源&#xff0c;释放新价值。 概览 sqliteviz是一个专为数据可视化而设计的单页离线优先PWA&#xff0c;它利用了现代浏览器技术&#xff0c;让用户无需安装任何软件即可在本地浏览器中进行SQL…

WxPython可视化编辑器

作者&#xff1a;陈炳强 WxPython是python的一个用来写桌面程序的模块,目前只写了小部分功能跟组件, 用Python写中文&#xff0c;非常方便&#xff01; 下载地址&#xff1a;https://pan.quark.cn/s/ba19b2472246