原创 ROS 2安裝過程中一些BUG以及錯誤整理

ROS興起,創造很多用ROS來開發的崗位,但是ROS的實時性是沒有保證的,在ROS的基礎上誕生ROS 2,可以保證運行過程的實時性。 以下是ROS 2在Ubuntu上安裝過程的一些錯誤整理: 系統版本對應: Ubuntu14對應的

原创 Matlab撿知識——S-Function再體驗

S-Function 和 M-Function 作爲一個學控制(越來越偏離軌道)的學生,使用simulink的小部分功能是在頻繁不過的了,但是我本科到碩士一年級,用simulink調用自建函數,不是簡單S函數就是複雜m-funct

原创 VREP-Python機械臂串聯結構逆向運動學解法(Cyclic Coordinate Descent Method)

原文鏈接:https://www.cnblogs.com/21207-iHome/p/5955535.html 轉發(防止原網址丟失)https://www.cnblogs.com/22

原创 建立不同關節以及各種組合(gazebo轉vrep)

第一篇vrep,因爲gazebo用不慣了(實力不行阿) 首先簡單記錄環境下建立簡單關節以及關節組合 穿刺機器人實體第一代做出來動是可以動,但是關節配合太差,清楚演示都成問題。 之後就轉戰在仿真平臺,ros自帶仿平臺gazebo,之

原创 閉環關節設置以及仿真引擎選擇

在vrep中的閉環關節設置,用dummy模塊來連接 dummy模塊成對出現,兩個相互關聯的dummy模塊在運動的時候會盡量的保持位置角度相同。 在needlerobot中的球體和針導管的位置需要用dummy來構成閉環結構,不讓達不

原创 ubuntu_ros+solidworks+ubuntu_raspberryPi3+arduino_mega機器人仿真&實際系統搭建

前陣子藉着比賽搭了一整套機器人系統,系統全開源環境,搭配如下 ubuntu_ros+solidworks+ubuntu_raspberryPi3+arduino_mega ubuntu_ros 基本框架在ROS上完成,raspbe

原创 力補償增強感知方式總結

2019上半年有大半時間花在如題話題上 上述主要在MATLAB/SIMULINK下仿真完成,主要的目標是機器人遙感知領域,通過對slave-robot端存在環境擾動下進行力反饋補償,增強master的感知真實性 主要方式是通過採樣

原创 MATLAB-Robotics-UR5逆變換求解析解

機器人學課程要求自己寫底層程序來熟悉機器人機理,然後就按着求解析解的公式 自己碼了一個求解析解的MATLAB程序,主要是要應用到特定點上工作,用雅可比矩陣不是很合適,所示做了這個,在GITHUB上已上傳(傳送門) 基本問題已經解決,機

原创 GitHub上傳文件方法(純git終端實現,WINDOWS)

電腦空間富餘建議直接建立一個GitHub倉,方便管理 好久沒用了,我都忘了以前怎麼上傳的了,這次還需要SSH密鑰 1 鼠標右鍵,打開git -> Git Bash Here -> git init。執行命令後目錄下創建一個.git文件

原创 MATLAB-Robotics工具箱(3)機器人學課程中期作業MassageRobot仿真

第二學期開始上機器人學課程,用上以前玩的MATLAB-Roboitcs ToolBox 中期作業的目標:建立一個按摩機器人的仿真機械臂系統,畫出機械臂按摩的工作空間(合理,可演示) 週末兩天搞了一個四自由度和一個六自由度的機械臂模型來

原创 MATLAB使用Simulink內嵌函數初始化以及保持更新值的方法

最近做的東西涉及到matlab中simulink工具及其內嵌函數。 simulink自帶模塊非常多,但是內嵌函數會更靈活,自己寫了一個關於一維數組kalman filter的算法,但是過年那會回家心不在焉的,就隨便寫寫了。回到學校發現

原创 基於RBF神經網絡的Flexible Robot自適應控制(論文筆記)

上一篇筆記 https://blog.csdn.net/qq_24182661 記錄的是第一篇論文2015 Continuum Robots for Medical Applications A survey的論文筆記,主要做的筆記是

原创 Continuum robot(Concentric tube robot&Constant curvature robot)分析筆記

最近看了一篇綜述論文2015 Continuum Robots for Medical Applications A survey,其實看的有點懵逼,主要是太長了,憋着勁看完了 然後又看了這個星期又看了一個建立了模型的論文Neuro-

原创 RBF神經網絡參考模型自適應MATLAB實現(分析)

由於BP神經網絡的收斂速度慢,不適合安在自適應系統裏,所以選擇了速度比較快的RBF神經網絡,看了關於RBF神經網絡自適應控制的一些原理和MATLAB代碼,有一些自己的理解寫在這裏。 一般的神經網絡的作用是去做一些分類,迴歸等工作,能夠

原创 RBF神經網絡逼近在線自適應控制(MATLAB實現之S函數模塊分析)

上次用了參考模型的方法用RBF神經網絡試了一下放到自適應控制模型上,其實跟蹤效果還可以,放大了有點不舒服就是了,差了一點點,然後看了看書的第四章,知道採用梯度下降法調整神經網絡權值,會容易陷入局部最優的情況,還不能保證閉環系統的穩定性