刚体姿态动力学推导与进动现象仿真_姿态动力学方程-程序员宅基地

技术标签: 控制  运动学  

摘要 首先推导角速度公式和角加速度公式,并举一个例子说明角速度公式的细节,然后从加速度公式出发推导转动惯量矩阵 J 和姿态动力学方程 Jw’=w×Jw,并解释为什么需要进行一次坐标变换。最后总结从力矩到姿态四元数的完整过程,并对无力矩输入时的进动现象进行仿真。

旋转坐标系下的速度和加速度

  本体系绕世界系以角速度 ω ⃗ \vec\omega ω 旋转,设世界系下位置向量 r ⃗ \vec r r 的一阶导和二阶导分别为 w r ⃗ ˙ ^w\dot{\vec r} wr ˙ w r ⃗ ¨ ^w\ddot{\vec r} wr ¨,本体系下位置向量的一阶导和二阶导分别为 b r ⃗ ˙ ^b\dot{\vec r} br ˙ b r ⃗ ¨ ^b\ddot{\vec r} br ¨,满足
w r ⃗ = R   b r ⃗ w r ⃗ ˙ = R   b r ⃗ ˙ + ω ⃗ × w r ⃗ w r ⃗ ¨ = R   b r ⃗ ¨ + 2 ω ⃗ × R   b r ⃗ ˙ + ω ⃗ × ( ω ⃗ × w r ⃗ ) + ω ⃗ ˙ × w r ⃗ (1) \begin{aligned} ^w\vec r =& R\ {^b\vec r} \\ ^w\dot{\vec r} =& R\ {^b\dot{\vec r}}+ \vec\omega\times{^w\vec r} \\ ^w\ddot{\vec r} =& R\ {^b\ddot{\vec r}} +2\vec\omega\times R\ {^b\dot{\vec r}} +\vec\omega\times(\vec\omega\times{^w\vec r}) +\dot{\vec\omega}\times{^w\vec r} \\ \end{aligned}\tag{1} wr =wr ˙=wr ¨=R br R br ˙+ω ×wr R br ¨+2ω ×R br ˙+ω ×(ω ×wr )+ω ˙×wr (1)
式中所有的 R R R 都是从本体系到世界系的旋转矩阵,完整应写作 b w R {^w_bR} bwR;所有的 ω \omega ω 都在世界系下表示,完整应写作 w ω {^w\omega} wω
w r ⃗ = b w R   b r ⃗ w r ⃗ ˙ = b w R   b r ⃗ ˙ + w ω ⃗ × w r ⃗ w r ⃗ ¨ = b w R   b r ⃗ ¨ + 2 w ω ⃗ × b w R   b r ⃗ ˙ + w ω ⃗ × ( w ω ⃗ × w r ⃗ ) + w ω ⃗ ˙ × w r ⃗ \begin{aligned} ^w\vec r =& {^w_bR}\ {^b\vec r} \\ ^w\dot{\vec r} =& {^w_bR}\ {^b\dot{\vec r}}+ {^w\vec\omega}\times{^w\vec r} \\ ^w\ddot{\vec r} =& {^w_bR}\ {^b\ddot{\vec r}} +2{^w\vec\omega}\times {^w_bR}\ {^b\dot{\vec r}} +{^w\vec\omega}\times({^w\vec\omega}\times{^w\vec r}) +{^w\dot{\vec\omega}}\times{^w\vec r} \\ \end{aligned} wr =wr ˙=wr ¨=bwR br bwR br ˙+wω ×wr bwR br ¨+2wω ×bwR br ˙+wω ×(wω ×wr )+wω ˙×wr
证明:
d d t ( w r ⃗ ) = d d t ( R   b r ⃗ ) w r ⃗ ˙ = R ˙   b r ⃗ + R   b r ⃗ ˙ = R   b r ⃗ ˙ + w ω ⃗ × R   b r ⃗ = R   b r ⃗ ˙ + w ω ⃗ × w r ⃗ \begin{aligned} \frac{\text d}{\text dt}(^w\vec r) =& \frac{\text d}{\text dt}({R}\ {^b\vec r}) \\ ^w\dot{\vec r} =& \dot R\ {^b\vec r}+R\ {^b\dot{\vec r}} \\ =& R\ {^b\dot{\vec r}}+{^w\vec\omega}\times R\ {^b\vec r} \\ =& R\ {^b\dot{\vec r}}+{^w\vec\omega}\times{^w\vec r} \\ \end{aligned} dtd(wr )=wr ˙===dtd(R br )R˙ br +R br ˙R br ˙+wω ×R br R br ˙+wω ×wr
此处以及后面的 w ω ⃗ ^w\vec\omega wω 都是在世界系下的坐标,下面简记作 ω ⃗ \vec\omega ω
  此处补充一些个人理解。 R ˙ = ω ⃗ × R \dot R=\vec\omega\times R R˙=ω ×R 是因为 R R R 可以简单地看作三个向量绕旋转轴 ω ⃗ \vec\omega ω 转动,不涉及坐标变换;而 w r ⃗ ˙ ≠ ω ⃗ × w r ⃗ ^w\dot{\vec r}\neq\vec{\omega} \times{^w\vec r} wr ˙=ω ×wr 是因为此时向量 r ⃗ \vec r r 不是绕旋转轴 ω ⃗ \vec\omega ω 转动,而是个复合运动, ω ⃗ \vec\omega ω 是本体系(旋转坐标系)相对于世界系的旋转角速度, r ⃗ \vec r r 在本体系下还有 r ⃗ 2 \vec r_2 r 2 的角速度,当 r ⃗ \vec r r 在本体系下的角速度为0时两种情况等价,可以理解成有个本体系固定在 r ⃗ \vec r r 上。
  对式(1)的第二行再次求导
d d t ( w r ⃗ ˙ ) = d d t ( R   b r ⃗ ˙ + ω ⃗ × w r ⃗ ) w r ⃗ ¨ = R ˙   b r ⃗ ˙ + R   b r ⃗ ¨ + ω ⃗ ˙ × w r ⃗ + ω ⃗ × w r ⃗ ˙ = R   b r ⃗ ¨ + ω ⃗ × R   b r ⃗ ˙ + ω ⃗ × ( R   b r ⃗ ˙ + ω ⃗ × w r ⃗ ) + ω ⃗ ˙ × w r ⃗ = R   b r ⃗ ¨ + 2 ω ⃗ × R   b r ⃗ ˙ + ω ⃗ × ( ω ⃗ × w r ⃗ ) + ω ⃗ ˙ × w r ⃗ \begin{aligned} \frac{\text d}{\text dt}(^w\dot{\vec r}) =& \frac{\text d}{\text dt}(R\ {^b\dot{\vec r}}+\vec\omega\times{^w\vec r}) \\ ^w\ddot{\vec r} =& \dot R\ {^b\dot{\vec r}} +R\ {^b\ddot{\vec r}} +\dot{\vec\omega}\times{^w\vec r} +\vec\omega\times{^w\dot{\vec r}} \\ =& R\ {^b\ddot{\vec r}} +\vec\omega\times R\ {^b\dot{\vec r}} +\vec\omega\times(R\ {^b\dot{\vec r}}+\vec\omega\times{^w\vec r}) +\dot{\vec\omega}\times{^w\vec r} \\ =& R\ {^b\ddot{\vec r}} +2\vec\omega\times R\ {^b\dot{\vec r}} +\vec\omega\times(\vec\omega\times{^w\vec r}) +\dot{\vec\omega}\times{^w\vec r} \\ \end{aligned} dtd(wr ˙)=wr ¨===dtd(R br ˙+ω ×wr )R˙ br ˙+R br ¨+ω ˙×wr +ω ×wr ˙R br ¨+ω ×R br ˙+ω ×(R br ˙+ω ×wr )+ω ˙×wr R br ¨+2ω ×R br ˙+ω ×(ω ×wr )+ω ˙×wr
当匀速转动时 ω ⃗ ˙ = 0 \dot{\vec\omega}=0 ω ˙=0,最后一项可以省略。

举例

在这里插入图片描述
  如图所示,世界系用 O x w y w z w Ox_wy_wz_w Oxwywzw 表示,本体系用 O x b y b z b Ox_by_bz_b Oxbybzb 表示。一开始时,本体系与世界系重合,向量 r ⃗ \vec r r 与y轴正向重合,然后本体系沿世界系x轴逆时针旋转,角速度为 w ω ⃗ 1 ^w\vec\omega_1 wω 1;向量 r ⃗ \vec r r 沿本体系z轴顺时针旋转,角速度为 b ω ⃗ 2 ^b\vec\omega_2 bω 2
w ω ⃗ 1 = [ 1 0 0 ] ,   b ω ⃗ 2 = [ 0 0 − 1 ] ^w\vec\omega_1=\begin{bmatrix} 1 \\ 0 \\ 0 \end{bmatrix},\ ^b\vec\omega_2=\begin{bmatrix} 0 \\ 0 \\ -1 \end{bmatrix} wω 1= 100 , bω 2= 001
注意两个角速度向量分别在世界系和本体系下表示。向量 r ⃗ \vec r r 在本体系下的坐标为
b r ⃗ = [ sin ⁡ t cos ⁡ t 0 ] ^b\vec r=\begin{bmatrix} \sin t \\ \cos t \\ 0 \end{bmatrix} br = sintcost0
本体系到世界系的旋转矩阵 b w R ^w_bR bwR
b w R = [ 1 0 0 0 cos ⁡ t − sin ⁡ t 0 sin ⁡ t cos ⁡ t ] ,   w b R = [ 1 0 0 0 cos ⁡ t sin ⁡ t 0 − sin ⁡ t cos ⁡ t ] {^w_bR}=\begin{bmatrix} 1 & 0 & 0 \\ 0 & \cos t & -\sin t \\ 0 & \sin t & \cos t \end{bmatrix},\ ^b_wR=\begin{bmatrix} 1 & 0 & 0 \\ 0 & \cos t & \sin t \\ 0 & -\sin t & \cos t \end{bmatrix} bwR= 1000costsint0sintcost , wbR= 1000costsint0sintcost
向量 r ⃗ \vec r r 在世界系下的坐标为
w r ⃗ = b w R   b r ⃗ = [ 1 0 0 0 cos ⁡ t − sin ⁡ t 0 sin ⁡ t cos ⁡ t ] [ sin ⁡ t cos ⁡ t 0 ] = [ sin ⁡ t cos ⁡ 2 t sin ⁡ t cos ⁡ t ] {^w\vec r}={^w_bR}\ {^b\vec r}= \begin{bmatrix} 1 & 0 & 0 \\ 0 & \cos t & -\sin t \\ 0 & \sin t & \cos t \end{bmatrix} \begin{bmatrix} \sin t \\ \cos t \\ 0 \end{bmatrix} =\begin{bmatrix} \sin t \\ \cos^2 t \\ \sin t\cos t \end{bmatrix} wr =bwR br = 1000costsint0sintcost sintcost0 = sintcos2tsintcost
两边同时求导得到角速度公式
w v ⃗ = w r ⃗ ˙ = b w R   b r ⃗ ˙ + w ω ⃗ 1 × w r ⃗ [ cos ⁡ t − sin ⁡ 2 t cos ⁡ 2 t ] = [ 1 0 0 0 cos ⁡ t − sin ⁡ t 0 sin ⁡ t cos ⁡ t ] [ cos ⁡ t − sin ⁡ t 0 ] + [ 1 0 0 ] × [ sin ⁡ t cos ⁡ 2 t sin ⁡ t cos ⁡ t ] = [ cos ⁡ t − sin ⁡ t cos ⁡ t − sin ⁡ 2 t ] + [ 0 − sin ⁡ t cos ⁡ t cos ⁡ 2 t ] \begin{aligned} ^w\vec v = {^w\dot{\vec r}} =& {^w_bR}\ {^b\dot{\vec r}} + {^w\vec\omega_1} \times {^w\vec r} \\ \begin{bmatrix} \cos t \\ -\sin 2t \\ \cos 2t \end{bmatrix} =& \begin{bmatrix} 1 & 0 & 0 \\ 0 & \cos t & -\sin t \\ 0 & \sin t & \cos t \end{bmatrix} \begin{bmatrix} \cos t \\ -\sin t \\ 0 \end{bmatrix} +\begin{bmatrix} 1 \\ 0 \\ 0 \end{bmatrix} \times\begin{bmatrix} \sin t \\ \cos^2 t \\ \sin t\cos t \end{bmatrix} \\ =& \begin{bmatrix} \cos t \\ -\sin t\cos t \\ -\sin^2t \end{bmatrix} +\begin{bmatrix} 0 \\ -\sin t\cos t \\ \cos^2 t \end{bmatrix} \\ \end{aligned} wv =wr ˙= costsin2tcos2t ==bwR br ˙+wω 1×wr 1000costsint0sintcost costsint0 + 100 × sintcos2tsintcost costsintcostsin2t + 0sintcostcos2t
于是可以得到,世界系下的速度向量转换到本体系下并不等于本体系下位置向量的导数。
b v ⃗ = w b R   w v ⃗ = [ 1 0 0 0 cos ⁡ t sin ⁡ t 0 − sin ⁡ t cos ⁡ t ] [ cos ⁡ t − sin ⁡ 2 t cos ⁡ 2 t ] = [ cos ⁡ t − sin ⁡ t cos ⁡ t ] ≠ b r ⃗ ˙ = [ cos ⁡ t − sin ⁡ t 0 ] \begin{aligned} & ^b\vec v = {^b_wR}\ {^w\vec v} = \begin{bmatrix} 1 & 0 & 0 \\ 0 & \cos t & \sin t \\ 0 & -\sin t & \cos t \end{bmatrix} \begin{bmatrix} \cos t \\ -\sin 2t \\ \cos 2t \end{bmatrix} =\begin{bmatrix} \cos t \\ -\sin t \\ \cos t \end{bmatrix} \\ \neq& {^b\dot{\vec r}} = \begin{bmatrix} \cos t \\ -\sin t \\ 0 \end{bmatrix} \end{aligned} =bv =wbR wv = 1000costsint0sintcost costsin2tcos2t = costsintcost br ˙= costsint0

姿态动力学方程

M ⃗ = J ω ⃗ ˙ + ω ⃗ × J ω ⃗ \vec M=J\dot{\vec\omega}+\vec\omega\times J\vec\omega M =Jω ˙+ω ×Jω
  参考资料[3]的第2章是我觉得所有资料里讲这个方程讲的最清楚的,网上看什么资料都不如看这本英文书,这篇博客就当是我的笔记了,强烈建议有条件还是看原文。我把原文大致翻译了一下:
刚体姿态动力学详细推导与翻译
  角动量定理
d H ⃗ d t = M ⃗ \frac{\text d\vec H}{\text dt}=\vec M dtdH =M
其中 H , M H,M H,M 分别为刚体的角动量和作用在刚体上的力矩。

推导1

  下面的推导来自文末参考资料[1],也是主流推导方法,主要思路是因为转动惯量矩阵在本体系保持不变,利用向量在本体系与世界系中的关系推导。但[1]不够详细,更详细的推导见参考资料[3]。
  刚体角动量是刚体内所有质量微元相对基准点 S S S 的角动量之和
h ⃗ = m r ⃗ × v ⃗ , H = ∭ V r ⃗ × r ⃗ ˙ d m \vec h=m\vec r\times\vec v,\quad H=\iiint\limits_V\vec r\times\dot{\vec r}\text dm h =mr ×v ,H=Vr ×r ˙dm
其中 d m \text dm dm 为刚体的质量微元。
r ⃗ × v ⃗ = r ⃗ × ( ω ⃗ × r ⃗ ) = r 2 ω ⃗ − ( r ⃗ ⋅ ω ⃗ ) r ⃗ = [ ( x 2 + y 2 + z 2 ) w x − ( x w x + y w y + z w z ) x ] e ⃗ x + [ ( x 2 + y 2 + z 2 ) w y − ( x w x + y w y + z w z ) y ] e ⃗ y + [ ( x 2 + y 2 + z 2 ) w z − ( x w x + y w y + z w z ) z ] e ⃗ z = [ ( y 2 + z 2 ) w x − x y w y − x z w z ] e ⃗ x + [ − x y w x + ( x 2 + z 2 ) w y − y z w z ] e ⃗ y + [ − x z w x − y z w y + ( x 2 + y 2 ) w z ] e ⃗ z = [ y 2 + z 2 − x y − x z − x y x 2 + z 2 − y z − x z − y z x 2 + y 2 ] [ w x w y w z ] \begin{aligned} & \vec r\times\vec v = \vec r\times(\vec\omega\times\vec r) = r^2\vec\omega-(\vec r\cdot\vec\omega)\vec r \\ =& [(x^2+y^2+z^2)w_x-(xw_x+yw_y+zw_z)x]\vec e_x \\ +& [(x^2+y^2+z^2)w_y-(xw_x+yw_y+zw_z)y]\vec e_y \\ +& [(x^2+y^2+z^2)w_z-(xw_x+yw_y+zw_z)z]\vec e_z \\ =& [(y^2+z^2)w_x-xyw_y-xzw_z]\vec e_x \\ +& [-xyw_x+(x^2+z^2)w_y-yzw_z]\vec e_y \\ +& [-xzw_x-yzw_y+(x^2+y^2)w_z]\vec e_z \\ =&\begin{bmatrix} y^2+z^2 & -xy & -xz \\ -xy & x^2+z^2 & -yz \\ -xz & -yz & x^2+y^2 \\ \end{bmatrix} \begin{bmatrix} w_x \\ w_y \\ w_z \end{bmatrix} \\ \end{aligned} =++=++=r ×v =r ×(ω ×r )=r2ω (r ω )r [(x2+y2+z2)wx(xwx+ywy+zwz)x]e x[(x2+y2+z2)wy(xwx+ywy+zwz)y]e y[(x2+y2+z2)wz(xwx+ywy+zwz)z]e z[(y2+z2)wxxywyxzwz]e x[xywx+(x2+z2)wyyzwz]e y[xzwxyzwy+(x2+y2)wz]e z y2+z2xyxzxyx2+z2yzxzyzx2+y2 wxwywz
于是
H = ∭ V r ⃗ × v ⃗ d m = J ω ⃗ H=\iiint\limits_V\vec r\times\vec v\text dm=J\vec\omega H=Vr ×v dm=Jω
其中 J J J 为刚体的转动惯量矩阵,形式为
J = [ J x − J x y − J x z − J x y J y − J y z − J x z − J y z J z ] J=\begin{bmatrix} J_x & -J_{xy} & -J_{xz} \\ -J_{xy} & J_y & -J_{yz} \\ -J_{xz} & -J_{yz} & J_z \\ \end{bmatrix} J= JxJxyJxzJxyJyJyzJxzJyzJz
其中
J x = ∭ V ( y 2 + z 2 ) d m J_x=\iiint\limits_V(y^2+z^2)\text dm Jx=V(y2+z2)dm
其它项类似。可以看出 J J J 是刚体的属性,在与刚体固连的本体系下不随姿态改变。
  这里需要注意区分世界系和与刚体固连的本体系,也就是为什么需要进行一次坐标变换。在世界系中,刚体上各点的坐标不是定值,所以刚体的转动惯量矩阵在世界系下不是定值,只有在本体系下才是定值,所以这里需要转换坐标系。
  下面推导坐标系变换的最后一步,同时加上坐标系角标来清楚地标明每个变量属于哪个坐标系下的描述。
w M ⃗ = w h ⃗ ˙ w M ⃗ = R   b h ⃗ ˙ + w ω ⃗ × w h ⃗ R − 1   w M ⃗ = b h ⃗ ˙ + R − 1   w ω ⃗ × R − 1   w h ⃗ b M ⃗ = b h ⃗ ˙ + b ω ⃗ × b h ⃗ b M ⃗ = J b w ⃗ ˙ + b ω ⃗ × J   b ω ⃗ \begin{aligned} {^w\vec M} =& {^w\dot{\vec h}} \\ {^w\vec M} =& R\ {^b\dot{\vec h}}+{^w\vec\omega}\times{^w\vec h} \\ R^{-1}\ {^w\vec M} =& {^b\dot{\vec h}} +R^{-1}\ {^w\vec\omega}\times R^{-1}\ {^w\vec h} \\ {^b\vec M} =& {^b\dot{\vec h}}+{^b\vec\omega}\times{^b\vec h} \\ {^b\vec M} =& J{^b\dot{\vec w}}+{^b\vec\omega}\times J\ {^b\vec\omega} \\ \end{aligned} wM =wM =R1 wM =bM =bM =wh ˙R bh ˙+wω ×wh bh ˙+R1 wω ×R1 wh bh ˙+bω ×bh Jbw ˙+bω ×J bω
根据上面结果可以看出,姿态动力学方程 M ⃗ = J w ⃗ ˙ + w ⃗ × J w ⃗ \vec M=J\dot{\vec w}+\vec w\times J\vec w M =Jw ˙+w ×Jw 中的所有量,包括角速度向量,都在本体系下描述。

推导2

下面的推导来自文末参考资料[2],主要思路是所有变量都在世界系中处理。但我觉得这种方法不对。
  推导1中得到转动惯量矩阵 J J J 后, J J J 在本体系下保持不变,但在世界系下是变量,可以记作
J ( t ) = ∑ i ∑ j J i j a ⃗ i ( t ) a ⃗ j ( t ) T J(t)=\sum_i\sum_j J_{ij}\vec a_i(t)\vec a_j(t)^\text T J(t)=ijJija i(t)a j(t)T
其中 J i j J_{ij} Jij 是本体系下保持不变的转动惯量矩阵元素, a ⃗ i , a ⃗ j \vec a_i,\vec a_j a i,a j 表示本体系的坐标轴,例如当两个系重合时
a ⃗ 2 a ⃗ 3 T = [ 0 1 0 ] [ 0 0 1 ] = [ 0 0 0 0 0 1 0 0 0 ] \vec a_2\vec a_3^\text T= \begin{bmatrix} 0 \\ 1 \\ 0 \end{bmatrix} \begin{bmatrix} 0 & 0 & 1 \end{bmatrix} =\begin{bmatrix} 0 & 0 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{bmatrix} a 2a 3T= 010 [001]= 000000010
a ⃗ i , a ⃗ j \vec a_i,\vec a_j a i,a j 在旋转时是个变量,所以
M = d H d t = d d t ( J ( t ) w ⃗ ( t ) ) = J ˙ ( t ) w ⃗ ( t ) + J ( t ) w ⃗ ˙ ( t ) = ∑ i ∑ j J i j ( a ⃗ ˙ i a ⃗ j T + a ⃗ i a ⃗ ˙ j T ) w ⃗ + J w ˙ = ∑ i ∑ j J i j [ ( w ⃗ × a ⃗ i ) a ⃗ j T w ⃗ + a ⃗ i ( w ⃗ × a ⃗ j ) T w ⃗ ] + J w ˙ = ∑ i ∑ j ( w ⃗ × J i j a ⃗ i ) a ⃗ j T w ⃗ + J w ˙ = w ⃗ × ( ∑ i ∑ j J i j a ⃗ i a ⃗ j T ) w ⃗ + J w ˙ = w ⃗ ( t ) × J ( t ) w ⃗ ( t ) + J ( t ) w ˙ ( t ) \begin{aligned} M =& \frac{\text dH}{\text dt} = \frac{\text d}{\text dt}(J(t)\vec w(t)) \\ =& \dot J(t)\vec w(t) + J(t)\dot{\vec w}(t) \\ =& \sum_i\sum_j J_{ij}(\dot{\vec a}_i\vec a_j^\text T +\vec a_i\dot{\vec a}_j^\text T)\vec w+J\dot w \\ =& \sum_i\sum_j J_{ij}\big[(\vec w\times\vec a_i)\vec a_j^\text T\vec w +\vec a_i(\vec w\times\vec a_j)^\text T\vec w\big]+J\dot w \\ =& \sum_i\sum_j (\vec w\times J_{ij}\vec a_i)\vec a_j^\text T\vec w+J\dot w \\ =& \vec w\times\left(\sum_i\sum_j J_{ij}\vec a_i\vec a_j^\text T\right)\vec w +J\dot w \\ =& \vec w(t)\times J(t)\vec w(t)+J(t)\dot w(t) \end{aligned} M=======dtdH=dtd(J(t)w (t))J˙(t)w (t)+J(t)w ˙(t)ijJij(a ˙ia jT+a ia ˙jT)w +Jw˙ijJij[(w ×a i)a jTw +a i(w ×a j)Tw ]+Jw˙ij(w ×Jija i)a jTw +Jw˙w ×(ijJija ia jT)w +Jw˙w (t)×J(t)w (t)+J(t)w˙(t)
其中 ( w ⃗ × a ⃗ j ) T w ⃗ = 0 (\vec w\times\vec a_j)^\text T\vec w=0 (w ×a j)Tw =0

举例

  这个例子描述了没有外部力矩输入时角速度却一直在变化的现象,这一现象在参考资料[3]的第13章中有详细描述。
  设转动惯量矩阵 J J J、角速度初始值 w ⃗ 0 \vec w_0 w 0 分别为
J = [ 2 0 0 0 2 0 0 0 1 ] ,   w ⃗ 0 = [ 1 0 1 ] J=\begin{bmatrix} 2 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 1 \\ \end{bmatrix},\ \vec w_0=\begin{bmatrix} 1 \\ 0 \\ 1 \end{bmatrix} J= 200020001 , w 0= 101
当力矩为0时,由姿态动力学方程得
w ⃗ ˙ = − J − 1 ( w ⃗ × J w ⃗ ) = − [ 0.5 0 0 0 0.5 0 0 0 1 ] ( [ w x w y w z ] × [ 2 w x 2 w y w z ] ) = − [ 0.5 0 0 0 0.5 0 0 0 1 ] [ − w y w z w x w z 0 ] [ w ˙ x w ˙ y w ˙ z ] = [ 0.5 w y − 0.5 w x 0 ] \begin{aligned} \dot{\vec w} =& -J^{-1}(\vec w\times J\vec w) \\ =& -\begin{bmatrix} 0.5 & 0 & 0 \\ 0 & 0.5 & 0 \\ 0 & 0 & 1 \\ \end{bmatrix} (\begin{bmatrix} w_x \\ w_y \\ w_z \end{bmatrix} \times\begin{bmatrix} 2w_x \\ 2w_y \\ w_z \end{bmatrix}) \\ =& -\begin{bmatrix} 0.5 & 0 & 0 \\ 0 & 0.5 & 0 \\ 0 & 0 & 1 \\ \end{bmatrix} \begin{bmatrix} -w_yw_z \\ w_xw_z \\ 0 \end{bmatrix} \\ \begin{bmatrix} \dot w_x \\ \dot w_y \\ \dot w_z \end{bmatrix} =& \begin{bmatrix} 0.5w_y \\ -0.5w_x \\ 0 \end{bmatrix} \end{aligned} w ˙=== w˙xw˙yw˙z =J1(w ×Jw ) 0.50000.50001 ( wxwywz × 2wx2wywz ) 0.50000.50001 wywzwxwz0 0.5wy0.5wx0
解得
w x ( t ) = cos ⁡ 0.5 t w y ( t ) = − sin ⁡ 0.5 t w z ( t ) = 1 \begin{aligned} w_x(t) =& \cos 0.5t \\ w_y(t) =& -\sin 0.5t \\ w_z(t) =& 1 \\ \end{aligned} wx(t)=wy(t)=wz(t)=cos0.5tsin0.5t1

附录:向量叉乘的乘法分配律

  补充一个在推导过程中遇见的一个公式。当 A A A 是正交矩阵时,
A ( b ⃗ × c ⃗ ) = ( A b ⃗ ) × ( A c ⃗ ) A(\vec b\times\vec c)=(A\vec b)\times(A\vec c) A(b ×c )=(Ab )×(Ac )
A A A 不是正交矩阵时暂时没发现什么有意思的性质。前面还有一个公式
A ( A − 1 b ⃗ × b ⃗ ) A(A^{-1}\vec b\times\vec b) A(A1b ×b )
也没找到能合并 A A A A − 1 A^{-1} A1 的方法。
证明:
( A b ⃗ ) × ( A c ⃗ ) = [ ( b x a ⃗ 1 ) + ( b y a ⃗ 2 ) + ( b z a ⃗ 3 ) ] × [ ( c x a ⃗ 1 ) + ( c y a ⃗ 2 ) + ( c z a ⃗ 3 ) ] = ( b x a ⃗ 1 ) × ( c y a ⃗ 2 ) + ( b x a ⃗ 1 ) × ( c z a ⃗ 3 ) + ( b y a ⃗ 2 ) × ( c x a ⃗ 1 ) + ( b y a ⃗ 2 ) × ( c z a ⃗ 3 ) + ( b z a ⃗ 3 ) × ( c x a ⃗ 1 ) + ( b z a ⃗ 3 ) × ( c y a ⃗ 2 ) = ( b x c y − b y c x ) a ⃗ 3 + ( b z c x − b x c z ) a ⃗ 2 + ( b y c z − b z c y ) a ⃗ 1 = A ( b ⃗ × c ⃗ ) \begin{aligned} (A\vec b)\times(A\vec c) =& [(b_x\vec a_1)+(b_y\vec a_2)+(b_z\vec a_3)]\times [(c_x\vec a_1)+(c_y\vec a_2)+(c_z\vec a_3)] \\ =& (b_x\vec a_1)\times(c_y\vec a_2) +(b_x\vec a_1)\times(c_z\vec a_3) +(b_y\vec a_2)\times(c_x\vec a_1) \\ &+(b_y\vec a_2)\times(c_z\vec a_3) +(b_z\vec a_3)\times(c_x\vec a_1) +(b_z\vec a_3)\times(c_y\vec a_2) \\ =& (b_xc_y-b_yc_x)\vec a_3 +(b_zc_x-b_xc_z)\vec a_2 +(b_yc_z-b_zc_y)\vec a_1 \\ =& A(\vec b\times\vec c) \end{aligned} (Ab )×(Ac )====[(bxa 1)+(bya 2)+(bza 3)]×[(cxa 1)+(cya 2)+(cza 3)](bxa 1)×(cya 2)+(bxa 1)×(cza 3)+(bya 2)×(cxa 1)+(bya 2)×(cza 3)+(bza 3)×(cxa 1)+(bza 3)×(cya 2)(bxcybycx)a 3+(bzcxbxcz)a 2+(byczbzcy)a 1A(b ×c )

参考

  1. 章仁为.卫星轨道姿态动力学与控制[M].北京航空航天大学出版社.1998.
  2. 刚体动力学中的欧拉方程是如何推导出来的?-知乎
  3. de Ruiter. Spacecraft dynamics and control: an introduction. 2013.

进动现象仿真

  仿真一下前文提到的角速度向量在本体系下绕圈的现象,这一现象使用了本体极锥和空间极锥的概念(不知道是不是这么翻译),在参考资料[3]中有详细介绍。
  仿真结果见视频 https://www.bilibili.com/video/BV1Ck4y1F7Ba/。视频中白色线条代表刚体,黄色和橙黄色分别代表本体系的z轴和xy轴,红色线条表示角速度向量,绿色线条表示角动量向量。视频前半段摄像头在世界系下,后半段跟随刚体转动。
  基于 simucppraylib 的部分代码如下,完整代码见 https://gitee.com/xd15zhn/atttitudemotion

/**************************************************************
// 验证刚体自由转动时的进动现象
simucpp版本:2.1.14
**************************************************************/
int main(void) {
    
    Mat J(3, 3, vecdble{
    2, 0, 0, 0, 2, 0, 0, 0, 1});
    Mat Jinv = J.inv();
    /* 初始化仿真器 */
    Simulator sim1;
    auto intQ = new MStateSpace(&sim1, BusSize(4, 1), true, "intQ");
    auto intW = new MStateSpace(&sim1, BusSize(3, 1), true, "intW");
    auto misoQ = new MFcnMISO(&sim1, BusSize(4, 1), "misoQ");
    auto misoW = new MFcnMISO(&sim1, BusSize(3, 1), "misoW");
    auto muxtau = new Mux(&sim1, BusSize(3, 1), "muxtau");
    UInput **intau = new UInput*[3];
    for (uint32_t i = 0; i < 3; i++) {
    
        intau[i] = new UInput(&sim1, "inw"+to_string(i));
        sim1.connectU(intau[i], muxtau, BusSize(i, 0));
    }
    sim1.connectM(intQ, misoQ);
    sim1.connectM(intW, misoQ);
    sim1.connectM(misoQ, intQ);
    sim1.connectM(intW, misoW);
    sim1.connectM(muxtau, misoW);
    sim1.connectM(misoW, intW);
    sim1.Set_SimStep(0.01);
    intQ->Set_InitialValue(Mat(vecdble{
    1, 0, 0, 0}));
    intW->Set_InitialValue(Mat(vecdble{
    1, 0, 1}));
    intau[0]->Set_Function([](double t){
     return 0; });
    intau[1]->Set_Function([](double t){
     return 0; });
    intau[2]->Set_Function([](double t){
     return 0; });
    misoQ->Set_Function([](Mat *u){
    
        // u[0]为姿态四元数(4x1),u[1]为本体系下的角速度向量(3x1)
        Mat W(4, 4, vecdble{
      // 角速度向量w1对应的四元数乘法左矩阵(4x4)
            0, -u[1].at(0, 0), -u[1].at(1, 0), -u[1].at(2, 0),
            u[1].at(0, 0), 0, u[1].at(2, 0), -u[1].at(1, 0),
            u[1].at(1, 0), -u[1].at(2, 0), 0, u[1].at(0, 0),
            u[1].at(2, 0), u[1].at(1, 0), -u[1].at(0, 0), 0,
        });
        return 0.5*W*u[0];
    });
    misoW->Set_Function([&J, &Jinv](Mat *u){
    
        Vector3d omega = u[0];  // 本体系下的角速度向量(3x1)
        Vector3d tau = Mat(3, 1, vecdble{
      // 本体系下的力矩向量(3x1)
            u[1].at(0, 0), u[1].at(1, 0), u[1].at(2, 0)
        });
        Vector3d ans = Jinv*(tau - (omega & (J*omega)));
        return Mat(ans);
    });
    sim1.Initialize();
    sim1.Simulate_FirstStep();

    Mat curq, curw, curR, omegaI, hmom;
    /*初始化场景*/
    Camera camera;
    SetWindowMonitor(1);
	SetConfigFlags(FLAG_MSAA_4X_HINT);
	SetConfigFlags(FLAG_FULLSCREEN_MODE);
    SetTargetFPS(50);
    InitGraph(0, 0, "Universe");
	Init_Camera(&camera);

    /*场景循环*/
    while (!WindowShouldClose()) {
    
        curq = intQ->Get_OutValue();  // 姿态四元数
        curR = Quaternion_to_Rotation(curq);  // 旋转矩阵
        curw = intW->Get_OutValue();  // 本体系下的角速度向量
        omegaI = curR * curw;  // 世界系下的角速度向量
        hmom = curR * (J*curw);  // 世界系下的角动量
        if (Shift_View())
            SetReferenceFrame(Mat33_to_Matrix(curR));
        else
            SetReferenceFrame(MatrixIdentity());

		Update_Camera(&camera);
        BeginDrawing();
        ClearBackground(BLACK);
        BeginMode3D(camera);
            DrawGrid(120, 2);
            Draw_Body(curR);  // 画刚体和固连坐标系
            DrawLine3D(Vector3Zero(), Mat_to_Vector3(omegaI), RED);  // 画世界系下的角速度向量
            DrawLine3D(Vector3Zero(), Mat_to_Vector3(hmom), GREEN);  // 画世界系下的角动量向量
        EndMode3D();
        EndDrawing();

        if (IsKeyDown(KEY_Q)) {
    
            sim1.Simulation_Reset();
        }
        if (Pause()) continue;
        for (int i = 0; i < 5; i++)
            sim1.Simulate_OneStep();
    }
    CloseGraph();
    return 0;
}
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_34288751/article/details/125696864

智能推荐

hive使用适用场景_大数据入门:Hive应用场景-程序员宅基地

文章浏览阅读5.8k次。在大数据的发展当中,大数据技术生态的组件,也在不断地拓展开来,而其中的Hive组件,作为Hadoop的数据仓库工具,可以实现对Hadoop集群当中的大规模数据进行相应的数据处理。今天我们的大数据入门分享,就主要来讲讲,Hive应用场景。关于Hive,首先需要明确的一点就是,Hive并非数据库,Hive所提供的数据存储、查询和分析功能,本质上来说,并非传统数据库所提供的存储、查询、分析功能。Hive..._hive应用场景

zblog采集-织梦全自动采集插件-织梦免费采集插件_zblog 网页采集插件-程序员宅基地

文章浏览阅读496次。Zblog是由Zblog开发团队开发的一款小巧而强大的基于Asp和PHP平台的开源程序,但是插件市场上的Zblog采集插件,没有一款能打的,要么就是没有SEO文章内容处理,要么就是功能单一。很少有适合SEO站长的Zblog采集。人们都知道Zblog采集接口都是对Zblog采集不熟悉的人做的,很多人采取模拟登陆的方法进行发布文章,也有很多人直接操作数据库发布文章,然而这些都或多或少的产生各种问题,发布速度慢、文章内容未经严格过滤,导致安全性问题、不能发Tag、不能自动创建分类等。但是使用Zblog采._zblog 网页采集插件

Flink学习四:提交Flink运行job_flink定时运行job-程序员宅基地

文章浏览阅读2.4k次,点赞2次,收藏2次。restUI页面提交1.1 添加上传jar包1.2 提交任务job1.3 查看提交的任务2. 命令行提交./flink-1.9.3/bin/flink run -c com.qu.wc.StreamWordCount -p 2 FlinkTutorial-1.0-SNAPSHOT.jar3. 命令行查看正在运行的job./flink-1.9.3/bin/flink list4. 命令行查看所有job./flink-1.9.3/bin/flink list --all._flink定时运行job

STM32-LED闪烁项目总结_嵌入式stm32闪烁led实验总结-程序员宅基地

文章浏览阅读1k次,点赞2次,收藏6次。这个项目是基于STM32的LED闪烁项目,主要目的是让学习者熟悉STM32的基本操作和编程方法。在这个项目中,我们将使用STM32作为控制器,通过对GPIO口的控制实现LED灯的闪烁。这个STM32 LED闪烁的项目是一个非常简单的入门项目,但它可以帮助学习者熟悉STM32的编程方法和GPIO口的使用。在这个项目中,我们通过对GPIO口的控制实现了LED灯的闪烁。LED闪烁是STM32入门课程的基础操作之一,它旨在教学生如何使用STM32开发板控制LED灯的闪烁。_嵌入式stm32闪烁led实验总结

Debezium安装部署和将服务托管到systemctl-程序员宅基地

文章浏览阅读63次。本文介绍了安装和部署Debezium的详细步骤,并演示了如何将Debezium服务托管到systemctl以进行方便的管理。本文将详细介绍如何安装和部署Debezium,并将其服务托管到systemctl。解压缩后,将得到一个名为"debezium"的目录,其中包含Debezium的二进制文件和其他必要的资源。注意替换"ExecStart"中的"/path/to/debezium"为实际的Debezium目录路径。接下来,需要下载Debezium的压缩包,并将其解压到所需的目录。

Android 控制屏幕唤醒常亮或熄灭_android实现拿起手机亮屏-程序员宅基地

文章浏览阅读4.4k次。需求:在诗词曲文项目中,诗词整篇朗读的时候,文章没有读完会因为屏幕熄灭停止朗读。要求:在文章没有朗读完毕之前屏幕常亮,读完以后屏幕常亮关闭;1.权限配置:设置电源管理的权限。

随便推点

目标检测简介-程序员宅基地

文章浏览阅读2.3k次。目标检测简介、评估标准、经典算法_目标检测

记SQL server安装后无法连接127.0.0.1解决方法_sqlserver 127 0 01 无法连接-程序员宅基地

文章浏览阅读6.3k次,点赞4次,收藏9次。实训时需要安装SQL server2008 R所以我上网上找了一个.exe 的安装包链接:https://pan.baidu.com/s/1_FkhB8XJy3Js_rFADhdtmA提取码:ztki注:解压后1.04G安装时Microsoft需下载.NET,更新安装后会自动安装如下:点击第一个傻瓜式安装,唯一注意的是在修改路径的时候如下不可修改:到安装实例的时候就可以修改啦数据..._sqlserver 127 0 01 无法连接

js 获取对象的所有key值,用来遍历_js 遍历对象的key-程序员宅基地

文章浏览阅读7.4k次。1. Object.keys(item); 获取到了key之后就可以遍历的时候直接使用这个进行遍历所有的key跟valuevar infoItem={ name:'xiaowu', age:'18',}//的出来的keys就是[name,age]var keys=Object.keys(infoItem);2. 通常用于以下实力中 <div *ngFor="let item of keys"> <div>{{item}}.._js 遍历对象的key

粒子群算法(PSO)求解路径规划_粒子群算法路径规划-程序员宅基地

文章浏览阅读2.2w次,点赞51次,收藏310次。粒子群算法求解路径规划路径规划问题描述    给定环境信息,如果该环境内有障碍物,寻求起始点到目标点的最短路径, 并且路径不能与障碍物相交,如图 1.1.1 所示。1.2 粒子群算法求解1.2.1 求解思路    粒子群优化算法(PSO),粒子群中的每一个粒子都代表一个问题的可能解, 通过粒子个体的简单行为,群体内的信息交互实现问题求解的智能性。    在路径规划中,我们将每一条路径规划为一个粒子,每个粒子群群有 n 个粒 子,即有 n 条路径,同时,每个粒子又有 m 个染色体,即中间过渡点的_粒子群算法路径规划

量化评价:稳健的业绩评价指标_rar 海龟-程序员宅基地

文章浏览阅读353次。所谓稳健的评估指标,是指在评估的过程中数据的轻微变化并不会显著的影响一个统计指标。而不稳健的评估指标则相反,在对交易系统进行回测时,参数值的轻微变化会带来不稳健指标的大幅变化。对于不稳健的评估指标,任何对数据有影响的因素都会对测试结果产生过大的影响,这很容易导致数据过拟合。_rar 海龟

IAP在ARM Cortex-M3微控制器实现原理_value line devices connectivity line devices-程序员宅基地

文章浏览阅读607次,点赞2次,收藏7次。–基于STM32F103ZET6的UART通讯实现一、什么是IAP,为什么要IAPIAP即为In Application Programming(在应用中编程),一般情况下,以STM32F10x系列芯片为主控制器的设备在出厂时就已经使用J-Link仿真器将应用代码烧录了,如果在设备使用过程中需要进行应用代码的更换、升级等操作的话,则可能需要将设备返回原厂并拆解出来再使用J-Link重新烧录代码,这就增加了很多不必要的麻烦。站在用户的角度来说,就是能让用户自己来更换设备里边的代码程序而厂家这边只需要提供给_value line devices connectivity line devices