• 欢迎访问开心洋葱网站,在线教程,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站,欢迎加入开心洋葱 QQ群
  • 为方便开心洋葱网用户,开心洋葱官网已经开启复制功能!
  • 欢迎访问开心洋葱网站,手机也能访问哦~欢迎加入开心洋葱多维思维学习平台 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏开心洋葱吧~~~~~~~~~~~~~!
  • 由于近期流量激增,小站的ECS没能经的起亲们的访问,本站依然没有盈利,如果各位看如果觉着文字不错,还请看官给小站打个赏~~~~~~~~~~~~~!

机器人动力学仿真——状态空间模型的离散化

人工智能 西涯先生 2801次浏览 0个评论

Hello,欢迎做客我的博客! 在动力学仿真中,我们不得不采用迭代的方法进行数值计算,这个时候我们会用到离散化的数学模型。 可是,我们在建立模型时,考虑的都是连续的情况,那么如何将一个连续的模型转换为离散模型呢? 这篇文章将告诉你答案。

1 模型表示方法

1.1 连续模型

机器人动力学仿真——状态空间模型的离散化  

1.2 离散模型

机器人动力学仿真——状态空间模型的离散化   其中,Δ T \Delta TΔT是采样周期。注意,由于输出方程本身就不是微分方程,所以不需要进行离散化,离散系统和连续系统的系数矩阵相同。

2 离散化方法

2.1 精确离散化方法

离散化的主要目标就是要保证离散化后的系统特性不变,具体而言,我们期望离散化后的系统和连续系统的系统状态X XXt = k Δ T t=k\Delta Tt=kΔT的时刻下保持一致。   基于此思想,我们可以推导出离散化方法。   第一,连续模型的解可以表示为:   机器人动力学仿真——状态空间模型的离散化   第二,取机器人动力学仿真——状态空间模型的离散化,由于我们希望离散化后的系统和原系统在t 0 t_0t0t tt时刻的系统状态相等,因此我们将二者代入上式,可到离散化系统的方程:   机器人动力学仿真——状态空间模型的离散化   其中,机器人动力学仿真——状态空间模型的离散化。此外,在机器人动力学仿真——状态空间模型的离散化期间,控制量不变,为U [ k Δ T ]。   第三,令z = ( k + 1 ) Δ T − τ ,代入上式可得:   机器人动力学仿真——状态空间模型的离散化   第四,取机器人动力学仿真——状态空间模型的离散化,可得离散系统方程为:   机器人动力学仿真——状态空间模型的离散化   以上离散化方法被称之为精确离散化方法,与此相对的我们在实际应用中还常常用到一种近似离散化方法

2.2 近似离散化方法

这种离散化方法的主要思想是用差分来代替微分,即:   机器人动力学仿真——状态空间模型的离散化   于是,有:   机器人动力学仿真——状态空间模型的离散化  

2.3 两种离散化方法的联系

事实上,精确方法是近似方法的推广,精确法甚至可以用到时变系统中。因此,我们通过某种简化,就可以把精确方法转换为近似方法。   我们知道:   机器人动力学仿真——状态空间模型的离散化   把上式代入表达式机器人动力学仿真——状态空间模型的离散化,可得:   机器人动力学仿真——状态空间模型的离散化 机器人动力学仿真——状态空间模型的离散化   由于,假设采样周期Δ 很小,所以可以省略高阶项,于是得到:   机器人动力学仿真——状态空间模型的离散化   可知,上式与近似方法取得的结果完全相同。

3 结论

事实上,我们在仿真中通常都是采用近似方法来迭代求解微分方程,那么这么做有没有问题呢?   在这篇文章中,我们看到,当采样时间很短时,近似方法是可以和精确方法等价的。   所以,只要采用较短的采样时间,我们可以使用近似方法进行模型的仿真!


开心洋葱 , 版权所有丨如未注明 , 均为原创丨未经授权请勿修改 , 转载请注明机器人动力学仿真——状态空间模型的离散化
喜欢 (0)

您必须 登录 才能发表评论!

加载中……