Bagaimana cara saya menentukan ukuran langkah waktu antara penginderaan dan aktuasi kontrol?


Latar belakang saya:

Pengalaman saya di bidang mekanika solid dan FEA. Jadi saya tidak memiliki pengalaman dalam robotika / kontrol.

Deskripsi Masalah

Saya sedang mengembangkan strategi kontrol untuk menstabilkan sistem dinamis berkaki 6 yang rumit. Torsi Ti dari masing-masing sendi kaki akan digunakan untuk menciptakan momen bersih M pada tubuh, menstabilkan sistem. Saat ini M ini diketahui dari strategi pengendalian yang telah ditentukan. (Catatan: pemecah dinamis adalah tipe komputasi nonlinear)

Karena kurangnya latar belakang, saya memiliki kebingungan mendasar dengan sistem dinamis. Saya ingin menggunakan torsi bersama Ti untuk membuat momen M yang dikenal di tubuh. M saat ini adalah fungsi dari

  1. posisi / sudut saat ini dari semua segmen tungkai
  2. kekuatan reaksi dan momen (yang tidak dapat dikontrol) dari setiap kaki
  3. torsi bersama yang dapat dikendalikan Ti dari masing-masing kaki
  4. waktu

() Pada waktu tertentu t:(n-1)Δ

--Dari strategi kontrol, momen bersih yang diinginkan M dihitung / diketahui

--Satu dapat membaca / merasakan posisi kaki, sudut, gaya reaksi, dan momen reaksi (katakanlah, dari sensor ditempatkan dengan baik), pada saat ini t. t=(n-1)Δ

--Dari informasi ini, aljabar vektor dengan mudah menghasilkan torsi bersama yang diinginkan Ti yang diperlukan untuk membuat momen bersih M

() Pada saat itu t:(n)Δ

--satu menerapkan torsi bersama yang sebelumnya ditentukan Ti (ditentukan pada t) untuk membuat momen yang diinginkan Mt=(n-1)Δ

--Dari saja torsi ini Ti diterapkan pada langsung saat persidangan langkah karena mereka tidak dapat diterapkan secara instan

Jadi di sinilah kebingungan mendasar saya ada. Torsi Ti dihitung dalam , berdasarkan data dari sudut / posisi / reaksi di , dengan tujuan untuk menciptakan momen M . Namun, torsi Ti ini diterapkan dalam , di mana data (sudut / posisi / reaksi) sekarang berbeda - sehingga momen bersih yang diinginkan M tidak pernah dapat dibuat (kecuali jika Anda secara ajaib menerapkan aktuasi pada saat merasakan instan ). Apakah saya memahami masalah kontrol dengan benar? ()()()

Pertanyaan

  1. Apakah saya memahami masalah robotik dengan benar? Apa syarat dan strategi seputar dilema ini?
  2. Tentu saja saya dapat membuat langkah waktu antara penginderaan dan aktuasi menjadi sangat kecil, tetapi ini tidak realistis / tidak jujur. Apa keseimbangan antara langkah waktu yang realistis, tetapi juga melakukan tugas dengan baik?

Jawaban:


Mengenai poin 1, ya Anda memahami masalahnya dengan benar.

Mengenai poin 1 dan 2, saya percaya apa yang Anda cari adalah teori pengambilan sampel Nyquist-Shannon . Teori ini mengatakan bahwa frekuensi sampling Anda harus lebih besar dari 2x "frekuensi minat tertinggi" Anda. Ini untuk mencegah alias, di mana Anda dapat salah mengukur sinyal frekuensi tinggi sebagai frekuensi rendah.

Dari Wikipedia tentang Aliasing

Gambar di atas adalah dari Wikipedia. Jadi, Anda memiliki robot dengan semua persendian dan anggota tubuh dan semacamnya - seberapa cepat anggota gerak tersebut dapat bergerak? Momen dan torsi Anda semua akan menyebabkan akselerasi pada persendian; berapakah kecepatan rotasi teratas pada sambungan? Atau, dengan kata lain, apa momen puncak yang Anda harapkan dan berapa lama itu diterapkan? Anda dapat menghitung kecepatan dari itu juga.

Anda ingin mencicipi sambungan Anda cukup cepat sehingga Anda dapat menangkap dinamika penuh sistem. Itulah ambang batas pengambilan sampel (minimum!) Yang saya tetapkan untuk proyek robotika saya sendiri untuk penginderaan . Untuk kontrol , kebanyakan , sumber , terkemuka , katakanlah 5-10 kali frekuensi bunga.

Akselerasi puncak Anda, dari momen dan torsi puncak Anda, akan dibatasi oleh massa (momen inersia) anggota tubuh Anda. Tungkai yang membatasi akselerasi Anda juga akan bertindak sebagai filter low-pass untuk menjaga sistem relatif konstan di antara sampel sehingga fakta bahwa Anda tidak menggunakan satu sampel seharusnya tidak terlalu penting.

Semoga ini membantu!

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.