轮腿机器人代码调试补充

轮腿机器人代码调试补充
* @Author: 星夜雨夜

* @brief: 轮腿基础代码编写调试补充,移植自达妙开源代码

* @attention:笔者默认读者已经熟练掌握机甲大师RoboMaster c型开发板例程代码的底盘代码和INS_task.c陀螺仪代码、熟练掌握各电机can协议和遥控器dbus协议。默认读者已能看懂轮腿圣经和玺佬的五连杆运动学解算与VMC。建议读者仔细研读轮腿圣经3~5遍,边看MATLAB文件和达妙开源代码,掌握轮腿调试和编写大致思路。一定要注意各状态变量的单位和正负号是否正确,轮腿调试过程中,最难之处在于极性是否正确。本车所有电机均为逆时针旋转为正方向。
!!!强烈建议读者在开发轮腿之前,先运用LQR算法完成一阶倒立摆的平衡小车(即板凳模型)的实现
!!!如果时间紧,其实完全可以不搞仿真,直接实机开调。仿真不疯,实物不一定不疯;但实物疯,仿真必疯。

调试成果展示视频链接(抖音):轮腿机器人
一阶倒立摆平衡小车参考资料:
1.本科毕设 轮腿式双足机器人 开源文件演示_哔哩哔哩_bilibili(资料在视频评论区)
2.达妙平衡小车开源:[达妙科技开源系列-平衡小车] 第一弹_哔哩哔哩_bilibili(资料下载链接:平衡小车 · kit/balance_robot - 码云 - 开源中国
——————————————————
本文代码及机械结构下载链接:https://pan.baidu.com/s/1zV66FamRp5gAD4H8K5IDGA?pwd=85zx 提取码: 85zx

文章目录

轮腿模型图

轮图模型图

一、 硬件说明

材料选型型号数量单价
关节电机DM-J8009P-2EC41369.00(教育优惠后)
轮毂电机瓴控MF9025V2(16T)2990.00
腿及电机固定板碳板加工900.00
车架铝管加工500.00
橡胶充气轮胎伊诺华8x1 1/4内外胎250.00
开发板RoboMaster C型开发板1
关于电机选型参考资料:轮腿平衡步兵总结 - 电机篇,目前为止,笔者所选用的关机电机和轮毂电机暂未出现缺陷。

关于轮胎选型,3D模型开源链接:【RM2023-平衡步兵充气轮开源】武汉工程大学-RoboMaster 社区
淘宝购买链接:儿童车8寸轮胎200x45充气胎自行车8x1 1/4寸内胎外胎-淘宝网
关节电机ID分配
关节电机ID分配
轮毂电机ID分配
轮毂电机ID分配
C型开发板放置实物图
c板放置示意图

二、软件说明

轮腿建模完全参考哈工程的建模方法,双腿分开建模

五连杆解算完全参考玺佬的五连杆运动学解算与VMC

五连杆视频讲解参考链接:【手把手教做平衡步兵轮足】5_运动学正逆解-从理论到实操_哔哩哔哩_bilibili
上交模型讲解参考链接:上交平衡步兵模型。理论,仿真,源码详细讲解。助您快速上手。(一)_哔哩哔哩_bilibili
MATLAB脚本讲解视频参考链接:首发—手把手介绍如何将理论应用到matlab代码_哔哩哔哩_bilibili
以上视频笔者全部都看过,供参考。
任务封装
任务作用
INS_task.c解算陀螺仪数据,得到三轴加速度计、三轴弧度
Uart1_task.c向上位机发送数据,方便配合“vofa+”调试pid
chassisR_task.c通过调用“VMC_calc.c”的函数得到数据,并结合MATLAB计算得到k[12]矩阵计算左右轮毂电机的输出力矩和车架中心轴的输出力矩,最后调用VMC_calc.c的函数得到单腿的前后两个关节电机的输出力矩
模块封装
模块作用
CAN_receive.c所有电机协议及电机功能的函数封装
remote_control.c遥控器dbus协议函数封装
算法封装
算法作用
VMC_calc.c1.五连杆解算得到单腿的phi0、腿长L0、theta、dot_theta
2.通过雅可比矩阵得到单腿的前后关节电机的输出力矩
3.建议参考MATLAB文件中的d_phi0.mVMC_calc.m
arm_math.h
arm_cortexM4lf_math.lib结合arm_math.h提供必要的sin、cos、tan三角函数运算
pid.cpid初始化函数、pid计算函数、pid清除函数
需要用到的MATLAB文件
名称作用用法
get_k_length.m根据输入的腿长(单位m)和输入的QR矩阵来计算k矩阵在命令行窗口输入:
K = get_k_length(腿长值)
get_k.m计算多项式拟合的系数点击“运行

三、电机相关补充说明

轮毂电机
本车所使用的轮毂电机协议(官方参考资料:瓴控电机CAN协议说明 V2.36.pdf

轮毂电机驱动回复协议:

轮毂电机驱动回复协议

轮毂电机为转矩闭环模式

轮毂电机转矩闭环模式
关节电机
笔者轮腿所使用的关节电机模式为MIT模式。(官方参考资料:达妙文档: 包含通讯协议说明、帮助文档

笔者轮腿关节电机零点设置在下限位处,当各电机处于零点处时,车子姿态如图所示:

零点示意图

四、代码调试及编写顺序

  1. 通过在MATLAB文件:get_k_length.m中的命令行窗口输入(以腿长0.24m为例,默认QR矩阵的各参数权重已经调好):K = get_k_length(0.24),复制运行结果;
  2. 接着进入while循环,更新数据。

获取底盘pitch角度,此时对于右腿,车子前倾,陀螺仪pitch轴反馈弧度为正数。由于左右腿坐标系方向相反,所以左腿模型获取到的pitch前要加上负号;

update_pitch

再获取底盘yaw角度当前值同时转化为角度制,同时将陀螺仪反馈的数据(0~180-180~0)映射到0~360度;

update_yaw

先获取phi1和phi4的角度,根据关节电机反馈的弧度值加上零点时腿所在的弧度值(零点时,phi1弧度值为π,phi4为0rad);

update_phis1

进入到void ChassisR_task(void const *pvParameters){...}中,首先进行初始化,获取到遥控器的数据指针、获取电机反馈数据、获取陀螺仪角速度指针、获取陀螺仪角度指针、给右杆长赋值、给左杆长赋值、初始化左右腿长的pid、初始化yaw转向pid:

chassisR_task初始化

chassisR_task.c文件中,将结果粘贴到float LQR_KK[12]={...};中,如图所示:

LQR_KK

左右腿坐标系相反详解图解

左右腿坐标系相反详解
  1. 接下来进行右腿的循环计算环节,通过VMC_calc_1_right(&vmc_leg_right, &INS_data,0.003f);计算theta和d_theta给lqr用,同时也通过计算实时得到右腿长L0,该任务控制周期是0.003秒。

在底盘循环计算环节,首先通过循环限幅函数,将yaw目标值限制在0~360°内,再通过过零处理函数,处理陀螺仪反馈的yaw值在0与360之间的突变问题。最后通过PD控制器计算出转向力矩赋值给wz_set。通过左右轮的轮毂力矩加上转向力矩wz_set,使得两轮能实现差速,最终车子能够实现转向。

计算转向力矩

void chassis_feedback_update(void){...}中实时获取底盘yaw角度当前值和计算底盘yaw轴的目标值;

实时更新yaw数据

在初始化之后,获取底盘yaw角度当前值;

yaw目标值初始化
转向控制

仿照右腿模型,不作过多讲解

左腿解算
左腿模型部分

在得到Tp和F0之后,通过VMC_calc_2(&vmc_leg_right);函数计算出前后两关节电机输出力矩,最后转换为转矩电流;

右腿VMC


转矩电流

接下来加入腿长控制器:vmc_leg_right.F0=10.0f/arm_cos_f32(vmc_leg_right.theta)+PID_calc(&LegR_Pid,vmc_leg_right.L0,0.24f);得到沿腿的推力F0,方向为指向地面;

腿长控制器及VMC

接着再计算右边中心轴髋关节输出力矩,即车体绕两关节电机连线中心点的力矩

右腿LQR

得到theta和d_theta之后,进行右轮毂电机的lqr计算,得到轮毂的输出力矩;

右轮毂LQR
右腿模型部分

根据轮毂电机反馈的速度(注意,MF9025V2电机反馈的速度单位为1dps,需要转换为rpm)计算左右轮的位移速度,其中CHASSIS_MOTOR_RPM_TO_VECTOR_SEN为LK9025转子转速(rpm)转化成底盘速度(m/s)的比例即k= 2πr/60。最后将得到的左右轮位移速度相加(右轮速度方向应取反以保证两轮反馈的速度方向最后一致)再除2取平均得到整车位移速度。通过对整车位移速度积分,求得整车位移;

update_整车位移速度

获取遥控器对于整车的速度目标值,其中CHASSIS_VX_RC_SEN为遥控器前进摇杆(max 660)转化成车体前进速度(m/s)的比例;

update_remotecontrol
chassis_move.wheel_motor[1].wheel_T+=wz_set; chassis_move.wheel_motor[0].wheel_T+=wz_set;//将yaw轴补偿值加到左轮力矩上

五、调试补充

一阶倒立摆(板凳模型)

  1. 调试时,应先调板凳模型(即先用位置速度模式,将腿的位置固定,然后整车当做一阶倒立摆模型来调试。)当板凳模型调好之后,轮毂的ob_lqr.lqr[0]~ob_lqr.lqr[5]的极性也就正确了。

ob_lqr.lqr[0]~ob_lqr.lqr[5]的极性应该保持一致,要么全为正数要么全为负数

//observe结构体,方便调试极性时debug观测 ob_lqr.lqr[0]=LQR_KK[0]*(vmc_leg_right.theta-0.0f); ob_lqr.lqr[1]=LQR_KK[1]*(vmc_leg_right.d_theta-0.0f); ob_lqr.lqr[2]=LQR_KK[2]*(chassis_move.x_filter-0); ob_lqr.lqr[3]=LQR_KK[3]*(chassis_move.v_filter-0); ob_lqr.lqr[4]=-LQR_KK[4]*(chassis_move.myPithR-0.0f); ob_lqr.lqr[5]=-LQR_KK[5]*(chassis_move.myPithGyroR-0.0f); chassis_move.wheel_motor[1].wheel_T=(ob_lqr.lqr[0]+ob_lqr.lqr[1]+ob_lqr.lqr[2]+ob_lqr.lqr[3]+ob_lqr.lqr[4]+ob_lqr.lqr[5]);

二阶倒立摆模型

  1. 接下来在板凳模型的基础上调试关节电机,将关节电机设置为MIT模式,先把ob_leg_r.lqr[2]~ob_leg_r.lqr[5]行注释掉,只保留ob_leg_r.lqr[0]~ob_leg_r.lqr[1]行。此时车子前倾,腿往前蹬,车子往后倾,腿往后蹬。vmc_leg_right.theta是来使车子保持平稳的。如下段代码:
  2. 然后只保留ob_leg_r.lqr[4]~ob_leg_r.lqr[5]行,此时车子往前倾,腿会往后蹬,车子往后倾,腿会往前蹬。如下段代码:
  3. 当只保留ob_leg_r.lqr[0]~ob_leg_r.lqr[1]ob_leg_r.lqr[4]~ob_leg_r.lqr[5]行时,即去掉位移项和速度项时,结合轮毂部分的lqr,此时车子可以保持平稳。
//ob_leg_r.lqr[0]=LQR_KK[6]*(vmc_leg_right.theta-0.0f);//ob_leg_r.lqr[1]=LQR_KK[7]*(vmc_leg_right.d_theta-0.0f);//ob_leg_r.lqr[2]=LQR_KK[8]*(-chassis_move.x_filter-0);//ob_leg_r.lqr[3]=LQR_KK[9]*(-chassis_move.v_filter-0); ob_leg_r.lqr[4]=-LQR_KK[10]*(chassis_move.myPithR-0.0f); ob_leg_r.lqr[5]=-LQR_KK[11]*(chassis_move.myPithGyroR-0.0f); 右边中心轴髋关节输出力矩,车体绕两关节电机连线中心点的力矩 vmc_leg_right.Tp=(ob_leg_r.lqr[0]+ob_leg_r.lqr[1]+ob_leg_r.lqr[2]+ob_leg_r.lqr[3]+ob_leg_r.lqr[4]+ob_leg_r.lqr[5]);
//只有vmc_leg_right.theta和vmc_leg_right.d_theta时,腿往前蹬;只有chassis_move.myPithR和chassis_move.myPithGyroR时,腿往后蹬。 ob_leg_r.lqr[0]=LQR_KK[6]*(vmc_leg_right.theta-0.0f); ob_leg_r.lqr[1]=LQR_KK[7]*(vmc_leg_right.d_theta-0.0f);//ob_leg_r.lqr[2]=LQR_KK[8]*(-chassis_move.x_filter-0);//ob_leg_r.lqr[3]=LQR_KK[9]*(-chassis_move.v_filter-0);//ob_leg_r.lqr[4]=-LQR_KK[10]*(chassis_move.myPithR-0.0f);//ob_leg_r.lqr[5]=-LQR_KK[11]*(chassis_move.myPithGyroR-0.0f);//右边中心轴髋关节输出力矩,车体绕两关节电机连线中心点的力矩 vmc_leg_right.Tp=(ob_leg_r.lqr[0]+ob_leg_r.lqr[1]+ob_leg_r.lqr[2]+ob_leg_r.lqr[3]+ob_leg_r.lqr[4]+ob_leg_r.lqr[5]);
[注意!]

vmc_leg_right.theta与陀螺仪的放置方向有关,建议使用keil的debug调试工具调试一下,观测腿长L0phi0phi1phi2phi3phi4vmc_leg_right.theta是否正确,观测vmc_leg_right.theta时,不能只看其是否增加减小,建议代入两三组数据手动解算一下数值

关节电机的速度项和位移项的极性一开始较为难确定,总的来说,关节电机的位移项的极性与速度项一致。关节电机的速度项的极性与chassis_move.myPithR的极性一致。


各状态变量的极性说明(极性的确定非常重要!!!)
轮毂极性部分
//observe结构体,方便调试极性时debug观测 ob_lqr.lqr[0]=LQR_KK[0]*(vmc_leg_right.theta-0.0f); ob_lqr.lqr[1]=LQR_KK[1]*(vmc_leg_right.d_theta-0.0f); ob_lqr.lqr[2]=LQR_KK[2]*(chassis_move.x_filter-0); ob_lqr.lqr[3]=LQR_KK[3]*(chassis_move.v_filter-0); ob_lqr.lqr[4]=-LQR_KK[4]*(chassis_move.myPithR-0.0f); ob_lqr.lqr[5]=-LQR_KK[5]*(chassis_move.myPithGyroR-0.0f); chassis_move.wheel_motor[1].wheel_T=(ob_lqr.lqr[0]+ob_lqr.lqr[1]+ob_lqr.lqr[2]+ob_lqr.lqr[3]+ob_lqr.lqr[4]+ob_lqr.lqr[5]);

ob_lqr.lqr[0]~ob_lqr.lqr[5]的极性应该保持一致,要么全为正数要么全为负数

vmc_leg_right.d_theta的极性应与vmc_leg_right.theta保持一致。

chassis_move.myPithGyroR的极性应与chassis_move.myPithR保持一致。

关节极性部分
//只有vmc_leg_right.theta和vmc_leg_right.d_theta时,腿往前蹬;只有chassis_move.myPithR和chassis_move.myPithGyroR时,腿往后蹬。 ob_leg_r.lqr[0]=LQR_KK[6]*(vmc_leg_right.theta-0.0f); ob_leg_r.lqr[1]=LQR_KK[7]*(vmc_leg_right.d_theta-0.0f); ob_leg_r.lqr[2]=LQR_KK[8]*(-chassis_move.x_filter-0); ob_leg_r.lqr[3]=LQR_KK[9]*(-chassis_move.v_filter-0); ob_leg_r.lqr[4]=-LQR_KK[10]*(chassis_move.myPithR-0.0f); ob_leg_r.lqr[5]=-LQR_KK[11]*(chassis_move.myPithGyroR-0.0f);//右边中心轴髋关节输出力矩,车体绕两关节电机连线中心点的力矩 vmc_leg_right.Tp=(ob_leg_r.lqr[0]+ob_leg_r.lqr[1]+ob_leg_r.lqr[2]+ob_leg_r.lqr[3]+ob_leg_r.lqr[4]+ob_leg_r.lqr[5]);

六、轮腿圣经图解补充

轮腿模型图解补充
轮腿圣经模型图补充
五连杆及VMC图解补充
VMC图解


mp摆杆质量(腿的质量)在实物中为:
m   p   = ( m   l 1   + m l   2   + m l   3   + m l   4  ) / 2 m~p~=(m~l1~+ml~2~+ml~3~+ml~4~)/2 m p =(m l1 +ml 2 +ml 3 +ml 4 )/2

未来展望

在电控方面,由于时间问题,本车只完成了轮腿的基础功能:平衡、前后平移、左右转向。未来还可以一步添加跳跃、不同腿长下的拟合、roll轴补偿、打滑检测、离地检测、左右摇摆、太空漫步等动能的算法。

在机械方面,轮腿关节轴系需要进一步优化,笔者所使用的关节处的轴系为”塞打螺丝-垫片-法兰轴承-大臂-法兰轴承-四氟垫片(或推力球轴承)-小臂-垫片-螺母”的传统形式,好处就是结构简单,方便设计,零件均为标件价格便宜。但是弊端也非常严重:(1)高强度跳跃下自锁螺母容易松开,时不时需要用开口扳手与内六角扳手进行拧紧、(2)拧的太死又会出现两个连杆无法相对旋转、(3)在轮电机输出面与关节电机输出面距离较远且轮组重的情况下容易出现外八的情况。所以在未来可参考RoboMaster论坛上的一篇文章[轮腿关节轴系设计——自行车碗组的应用](轮腿关节轴系设计——自行车碗组的应用-RoboMaster 社区)。使用自行车碗组的结构,能有效减少车轮外八的现象。

Read more

突破机器人动态控制瓶颈:重力补偿技术实战指南

突破机器人动态控制瓶颈:重力补偿技术实战指南 【免费下载链接】mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator. 项目地址: https://gitcode.com/GitHub_Trending/mu/mujoco 问题:为何移动机器人在斜坡上总是"力不从心"? 当配送机器人满载货物行驶在15°斜坡时,即使电机全力输出,速度仍会逐渐下降;当手术机器人的机械臂在不同姿态下执行缝合任务时,相同的控制指令却导致不同的操作精度。这些现象背后隐藏着同一个核心挑战——重力场对机器人动力学的非线性影响。在多关节机器人系统中,每个关节的重力负载会随位形变化而呈现复杂的耦合关系,就像人类搬运重物时,手臂角度不同会明显感受到负载的变化。 传统控制方法往往将重力影响视为干扰量,通过PID反馈调节进行抑制,但这种方式在高速动态场景下会导致明显的滞后误差。据国际机器人学研究期刊(2023)统计,未进行重力补偿的机器人系统在垂直平面内的轨迹跟踪误差平均可达3.2mm,而经过补偿的系统误差可降低至0.

智能家居视觉升级:集成阿里模型实现物品自动识别

智能家居视觉升级:集成阿里模型实现物品自动识别 随着智能家居系统从“被动响应”向“主动理解”演进,视觉感知能力正成为家庭AI中枢的核心竞争力。传统基于规则或简单分类的图像识别方案在面对真实家庭环境中的多样化物品时,往往因语义泛化能力弱、中文标签支持不足而难以落地。本文将介绍如何集成阿里开源的万物识别-中文-通用领域模型,构建一套高准确率、强语义理解能力的家庭物品自动识别系统,并完成从环境配置到推理部署的全流程实践。 为什么选择“万物识别-中文-通用领域”模型? 在众多图像识别方案中,阿里云推出的“万物识别-中文-通用领域”模型具备三大核心优势: 1. 原生中文标签体系:不同于大多数英文预训练模型需额外映射中文标签,该模型直接输出如“保温杯”、“儿童积木”、“电饭煲”等贴近中国家庭日常表达的中文类别,极大降低应用层语义解析成本。 2. 细粒度分类能力:支持超过10万类常见物体识别,涵盖家电、日用品、食品、玩具等多个家庭高频场景,能够区分“马克杯”与“玻璃杯”、“电动牙刷”与“普通牙刷”等易混淆对象。 3. 轻量化设计适配边缘设备:模型经过蒸馏压缩,在保持高精度的同时可在消

龙虾机器人(OpenClaw)本地部署完全技术指南

龙虾机器人(OpenClaw)本地部署完全技术指南

龙虾机器人(OpenClaw)本地部署完全技术指南 前言:什么是“龙虾机器人”? 在开始部署之前,我们需要明确部署的对象。通常所说的“龙虾机器人”指的是开源项目 OpenClaw(曾用名:Clawdbot、Moltbot)。它由程序员彼得·斯坦伯格开发,是一个开源的、可本地部署的通用型AI代理系统。与ChatGPT等对话式AI不同,OpenClaw被赋予了操作系统的权限:它可以执行终端命令、读写文件、操控浏览器、安装软件,甚至通过MCP协议调用外部工具。 由于其强大的系统操控能力,安全性是部署时需关注的首要问题。官方及社区普遍建议:不要在主力机或存有敏感数据的生产环境直接裸奔部署,最好使用虚拟机、Docker容器或专用硬件(如Mac Mini或AI开发盒子)进行隔离。 第一章:环境准备与核心依赖 在安装OpenClaw之前,必须准备好运行环境。OpenClaw的核心由TypeScript编写,因此Node.js是必不可少的运行环境。此外,根据安装方式的不同,可能还需要Git、Docker或Python环境。 1.1 硬件建议与系统选择 * Linux

从PX4到Gazebo:无人机视角跟随技术的演进与优化策略

从PX4到Gazebo:无人机视角跟随技术的演进与优化策略 无人机仿真技术已成为现代航空系统开发的核心环节,而视角跟随作为仿真体验的关键组成部分,直接影响着开发者的操作效率和场景理解深度。本文将深入探讨PX4与Gazebo生态中视角跟随技术的设计哲学、实现机制及进阶优化方案,为无人机算法开发者提供全景式的技术指南。 1. 视角跟随技术的设计演进 视角跟随技术最早出现在游戏开发领域,用于实现摄像机对运动目标的智能追踪。当这项技术被引入无人机仿真领域时,PX4开发团队面临三个核心挑战:运动预测的实时性、视角切换的平滑性以及资源占用的平衡性。 2016年PX4 1.0版本首次集成基础跟随模式时,采用简单的坐标系绑定方案。这种实现虽然直接,但暴露出两个明显缺陷: * 剧烈机动时的视角抖动 * 无法适应多目标跟踪场景 // 早期版本中的简化实现 void follow_target(vehicle_pose, camera_pose) { camera_pose.position = vehicle_pose.position + Vector3(0, -5, 3); came