Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2412.13638

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2412.13638 (cs)
[提交于 2024年12月18日 ]

标题: 一种约束嵌入方法用于混合肢并联机构动力学建模

标题: A Constraint Embedding Approach for Dynamics Modeling of Parallel Kinematic Manipulators with Hybrid Limbs

Authors:Andreas Mueller
摘要: 并联运动学操作器(PKM)的特点是存在闭合运动链,这既由于肢干的并联布置,也由于肢干内部存在运动链。此外,许多PKM的肢干是由串行组合运动链构建而成的。这种肢干被称为混合型,构成了复杂肢干的一个特殊类别。设计和基于模型的控制需要准确的动态PKM模型,理想情况下不需要模型简化。动态建模需要计算PKM所有成员的运动学关系,与标准的PKM运动学建模不同,后者只需计算操作器的正向和逆向运动学解(即输入和输出运动之间的关系)。对于具有混合肢干的PKM来说,这一过程更为复杂。本文采用模块化建模方法,分别处理各肢干,并随后将每个肢干的动力学运动方程(EOM)组装为整体模型。关键在于肢干内各个独立回路的约束解析。这种局部约束解析是通用\emph{约束嵌入}技术的一个特例。所提出的方法最终允许系统地建模一般PKM。该方法以IRSBot-2为例进行了验证,其中每个肢干包含两个独立回路。
摘要: Parallel kinematic manipulators (PKM) are characterized by closed kinematic loops, due to the parallel arrangement of limbs but also due to the existence of kinematic loops within the limbs. Moreover, many PKM are built with limbs constructed by serially combining kinematic loops. Such limbs are called hybrid, which form a particular class of complex limbs. Design and model-based control requires accurate dynamic PKM models desirably without model simplifications. Dynamics modeling then necessitates kinematic relations of all members of the PKM, in contrast to the standard kinematics modeling of PKM, where only the forward and inverse kinematics solution for the manipulator (relating input and output motions) are computed. This becomes more involved for PKM with hybrid limbs. In this paper a modular modeling approach is employed, where limbs are treated separately, and the individual dynamic equations of motions (EOM) are subsequently assembled to the overall model. Key to the kinematic modeling is the constraint resolution for the individual loops within the limbs. This local constraint resolution is a special case of the general \emph{constraint embedding} technique. The proposed method finally allows for a systematic modeling of general PKM. The method is demonstrated for the IRSBot-2, where each limb comprises two independent loops.
主题: 机器人技术 (cs.RO) ; 动力系统 (math.DS); 群论 (math.GR); 应用物理 (physics.app-ph)
引用方式: arXiv:2412.13638 [cs.RO]
  (或者 arXiv:2412.13638v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.13638
通过 DataCite 发表的 arXiv DOI
期刊参考: Robotics and Autonomous Systems, Volume 155, September 2022
相关 DOI: https://doi.org/10.1016/j.robot.2022.104187
链接到相关资源的 DOI

提交历史

来自: Andreas Mueller [查看电子邮件]
[v1] 星期三, 2024 年 12 月 18 日 09:09:53 UTC (48,803 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.DS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
cs
cs.RO
math
math.GR
physics
physics.app-ph

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号