文章目录
1 闭式求解的推导
1.1 二次规划等式约束构建
闭式法中的 矩阵计算和之前 当中的一样,但约束的形式与之前略为不同,在之前的方法中, 等式约束只要构造成 的形式就可以了,而闭式法中,每段轨迹都构造成如下:
其中 为第 段轨迹的起点和终点的各阶导数组成的向量,比如只考虑PVA: , 当然也可以把等加入到向量。注意:这里是不管每段端点的是否已知,都写进来。 块合并各段轨迹的约束方程得到:
为轨迹段数, 为轨迹的阶数,设只考虑pva, 的为 。
由上式可以看到, 是已知的 ,而 中只有少部分(起点、终点的等)是已知的,其他大部分是未知的。如果能够求出 ,那么轨迹参数可以通过 很容易求得。
1.2 求
闭式法的思路是: 将 向量中的变量分成两部分:”中所有已知量组成的部分 “和”所有末知量组成的部分 ”。然后通过推导,根据 求得 ,从而得到 ,最后求得 。 下面介绍整个推导过程。
消除重复变量(连续性约束)
可以会发现,上面构造等式约束时,并没有加入连续性约束,连续性约束并不是直接加到等式约束中。 考虑到连续性 (这里假设PVA连续), 向量中很多变量其实重复了,即
因此需要一个映射矩阵将一个变量映射到两个重复的变量上,如 ,将变量 映射到左边向量中的两个变量。
所以构造映射矩阵 :即 。
向量元素置换
消除掉重复变量之后,需要调整 中的变量,把fix部分和free部分分开排列,可以左成一个置换矩阵 ,使得
再来构造矩阵即可,阵的构造参考 的构造方法,例如设 , 其中 是已知 末知 ,构造一个 的单位阵,取 所在的 列放到左边,再取 所在的列放到右边,就构造出置换矩阵 :
1.3 转成无约束优化问题
由上面两步可得
代入优化函数:
令 对 的导数 求极值点:
至此求得 ,从而求出 。
版权声明:本文为博主作者:世界仙境与冷酷尽头原创文章,版权归属原作者,如果侵权,请联系我们删除!
原文链接:https://blog.csdn.net/weixin_44673253/article/details/126579948