Rible.jl

Appearance

致动器 ​

执行器是Rible.jl包中用于模拟和控制结构系统中各种作用力和输入的关键组件。本文档将详细介绍actuators.jl文件中定义的执行器类型及其功能。

基本概念 ​

  • AbstractOperator: 操作符的抽象基类

  • AbstractActuator: 执行器的抽象基类

  • Structure: 表示整个结构系统的类型

主要执行器类型 ​

1. ExternalForceActuator ​

这是最基本的外力执行器,用于在结构的特定位置施加力。

主要特征:

  • 可以指定力的大小和方向

  • 支持naive operator进行简单的力控制

  • 提供广义力和广义力雅可比矩阵的计算

使用示例:

julia
force_actuator = ExternalForceActuator(id, signifier, operator, force, action)
execute!(structure, force_actuator)

2. GravityActuator ​

重力执行器,用于模拟重力对结构的影响。

主要特征:

  • 自动计算结构体的重力

  • 无需额外的操作符

使用示例:

julia
gravity_actuator = GravityActuator(id, body)
execute!(structure, gravity_actuator)

3. RegisterActuator ​

寄存器执行器,用于控制多个执行器的参数。

主要特征:

  • 可以同时控制多个执行器

  • 使用矩阵形式存储和更新参数

使用示例:

julia
register_actuator = RegisterActuator(id, signifier, operator, register)
execute!(structure, register_actuator, u)

4. SMAHeater ​

形状记忆合金(SMA)加热器,用于控制SMA电缆的温度。

主要特征:

  • 可以设置加热规律

  • 支持绝对温度和增量温度控制

使用示例:

julia
sma_heater = SMAHeater(signifier, heating_law)
execute!(sma_heater, structure, temperature)

通用函数 ​

  • get_id: 获取执行器ID

  • get_numbertype: 获取执行器使用的数值类型

  • get_num_of_actions: 获取执行器的动作数量

  • execute!: 执行执行器的操作

  • gen_force: 计算广义力

  • gen_force_jacobian!: 计算广义力的雅可比矩阵

使用建议 ​

  1. 根据需要选择合适的执行器类型

  2. 正确设置执行器的参数,如id、signifier和operator

  3. 使用execute!函数来应用执行器的作用

  4. 对于复杂的控制需求,可以组合使用多种执行器

通过合理使用这些执行器,您可以精确地控制和模拟各种结构系统中的力和输入,从而实现高度灵活和准确的结构分析和控制。

量规器 ​

定义了测量和误差评估的核心组件。这些组件用于监控和控制机器人的状态。

涉及类型 ​

  1. Captum 类型用于选择要测量的量, 例如 PositionCaptum, VelocityCaptum, PosVelCaptum, AngleCaptum， ActionCaptum 等具体子类，分别用于如位置、速度、角度等。

  2. Gauge 类型将Captum和Signifier组合在一起,形成一个完整的测量单元。

Signifier 用于标识被测量的特定部件或关节，可以是_体_、器，也可以是致动器。 CaptumGauge 为单纯测量量规；ErrorGauge 增加了参考值,用于计算误差。

涉及函数 ​

  • measure(): 执行实际的测量

  • measure_jacobian(): 计算测量量关于Signifier状态的雅克比矩阵

  • measure_hessians(): 计算测量量关于Signifier状态的黑塞矩阵

使用示例 ​

julia
# 创建一个位置Captum
pos_captum = PositionCaptum()

# 创建一个Signifier
sig = Signifier(body=some_body, pid=1)

# 创建一个CaptumGauge
gauge = CaptumGauge(1, sig, pos_captum)

# 使用Gauge进行测量
measurement = measure(structure, gauge)

# 创建一个ErrorGauge
error_gauge = ErrorGauge(1, sig, pos_captum, reference_position)

# 计算误差
error = measure(structure, error_gauge)

通过组合不同的Captum、Signifier和Gauge,可以灵活地定义各种测量和误差评估方案,为机器人的状态监控和控制提供基础。

控制中心 ​

Rible.control! Method
julia
control!(bot::Robot,policy,state::ComponentArray)

For policy that acts directly on discrete solver's discretized states (e.g. iLQR)

Rible.control_jacobian! Method
julia
control_jacobian!(∂C∂q,∂C∂p,bot::Robot,policy,solver_cache,solver_state)

Jacobian of the control function w.r.t. the discrete solver's discretized states. For policy that acts directly on discrete solver's discretized states (e.g. iLQR)

误差与代价计算 ​

在机器人控制和优化中，误差和代价计算是关键的部分。

在程序实现上，误差在量规gauge的层面上计算，无需考虑目标Objective， 而代价计算则在机器人系统的层面计算，需要考虑目标Objective。

1. 误差计算 ​

误差是指实际测量值与参考值之间的差异。

ErrorGauge 类型定义了如何从测量数据中提取误差信息。 它通常包含测量误差的具体方法和误差的度量标准。 目前仅提供一种误差计算方式： $ e = \frac{1}{2} (\bm{a}-\bm{a}{ref})^T(\bm{a}-\bm{a}) $

测量函数 measure 计算，该函数接受结构和量规作为输入。

1.2 误差梯度 ​

measure_gradient 误差雅可比矩阵是误差对系统状态（如位置和速度）的偏导数矩阵。 根据链式求导法则，通过测量函数的雅可比矩阵来计算。

1.3 误差海森矩阵 ​

measure_hessians 误差海森矩阵是误差对系统状态的二阶偏导数矩阵。 根据链式求导法则，通过测量函数的雅可比矩阵来计算。

2. 代价 ​

代价用于评估系统在给定状态和控制输入下的性能。 目标是最小化代价函数，以实现最优控制。

2.1 代价函数定义 ​

代价函数通常是各项加权和。

  • 误差 ErrorGauge

  • 与致动器相关的代价 CaptumGauge

通过调整权重在总代价中的影响。

代价梯度是代价函数关于系统状态和控制输入的偏导数。 代价海森矩阵是代价函数对系统状态和控制输入的二阶偏导数矩阵。

3. 应用 ​

在机器人控制中，误差和代价计算通常用于路径规划、运动控制和优化算法中。通过准确地计算误差和代价，我们可以设计出更高效的控制策略，实现机器人在复杂环境中的精确运动。

结论 ​

误差和代价计算是机器人控制中的核心概念。通过理解误差和代价的计算方法，我们可以更好地设计和优化机器人控制系统，提高其性能和效率。希望本文档能帮助您更好地理解这些概念，并在实际应用中加以利用。