Fetch the repository succeeded.
我的超迷你机械臂机器人项目。
这是视频中原版机械臂的完整设计方案，该方案成本和制作难度都比较高，因此想复现的同学建议再等等我后面会发布的Dummy青春版，该版本会有如下改进：
- 整机重新设计结构，改用3D打印作为制造方案（原版为铝CNC），大幅降低制造成本
- 采用我自己设计的小型摆线针轮减速器替代原版的谐波减速器，大幅降低零件成本
- 所有软件和固件和原版通用，功能也完全一致
- 添加我自己设计的PC端上位机和手机端APP（争取把用户初始化设置引导加进去）
- 改进原版电机驱动器的走线方式，原版电源走线采用焊接的形式，不便于安装和拆卸，后面的青春版会使用4p接插件（电源+CAN总线）连接
- 整机成本争取做到2000以内
- 最重要的，会找人出一个保姆级的视频教程！
我视频中原版设计使用的步进电机+Harmonic的谐波减速模组，其中后者成本较高（我买的二手大概是600元一个），因此为了能让大家尽量复现本项目，我后期会添加一个自制摆线针轮减速器+3D打印的低成本方案。
目前摆线减速器已经设计好了正在验证，预期会使用PC（或者亚克力）切割结合3D打印制作，精度有所下降但是功能都保持不变，整机硬件成本希望控制在2000元以内。
设计好的摆线减速器见我的另一个仓库：peng-zhihui/CycloidAcuratorNano
电路为了实现主要的机械臂运动控制功能其实核心就4块板子：
其中前两者和Peak我都开源了，步进驱动设计的时候参考了： https://github.com/unlir/XDrive 这个项目，这是我一个朋友开源的闭环驱动，基于STM32。该驱动分为开源版和闭源版，闭源版基于分立MOSFET性能极其强劲且功能很完善，开源版用的ADC+斩波驱动芯片，具备基础功能，不带CAN协议。
我重新设计了驱动器的PCB电路（本项目分别用到20、42步进，57的文件只是供大家扩展使用），添加了CAN总线的硬件支持，也对原版核心代码进行了完全重构，提供编译好的二进制文件可以直接烧录：
主要改进如下：
Ctrl-Step驱动的使用方式比较简单，下载好固件后，第一次上电电机会进行编码器校准，如果成功则下次上电后按下按键1会进入闭环模式，通过CAN或者串口发送指令即可控制电机，关于指令的说明见源代码UserApp文件夹的interface_can.cpp和interface_uart.cpp：
其他按键的作用：
- 同时按住两个按键上电，会自动进行编码器校准，如果首次校准失败可以通过这个方式重新校准
- 短按按键1在使能闭环/失能闭环间切换
- 长按按键1板子重启
- 短按按键2清除堵转保护
- 长按按键2将目标值归零（比如如果是在位置模式那位置会归零）
其他的功能要通过代码或者通信协议设置，比如设置home零点、PID参数、CAN节点ID、各种运动参数等等，可以自己研究代码。
当然另一种方式是大家也可以自行使用GRBL类的驱动器改装用来驱动本机械臂，这样方案的问题在于，grbl固件耦合性比较强（毕竟不是针对机械臂而是CNC类应用设计的）不便于扩展，另外脉冲形式的控制方式使得走线极其不优雅（每一个关节都要单独拉step/dir线到控制器，导致最后几个关节走线很长）。
而我用一体闭环的方式则可以以串联的形式把所有电机连起来即可，走CAN总线使得整体走线只需要四根线（电源正负两根，CAN信号线两根），此外总线模型使得电机可以工作在力矩、速度、位置、轨迹模式下，而脉冲模式只能工作在位置和轨迹模式，无法进行复杂控制。
Peak的话我之前已经软硬件都开源了，可以去SubModules文件夹里面看那边的README说明。
这个机械臂的固件核心就是运动学姿态解算，这块我还在整理，后面会封装得更完善一些进行开源，已开源，现在写死的很多参数会设计成可配置的，方便大家用本项目学习完后迁移到自己设计的机械臂中。
REF的固件使用说明：
固件主要包括几大功能模块：
- 其中OLED使用Arduino的U8G2库移植而来，可以方便地现实各种调试和系统信息，另外由于STM32的硬件I2C又BUG这里使用了软件I2C驱动屏幕，实测帧率比硬件I2C更高。
DummyRobot类是Dummy的完整定义所在，初始化的时候需要设置好步进电机驱动的信息以及自身的DH参数：
其中驱动器信息包含：CAN节点ID、是否反向、减速器的减速比、运动限制范围。
而DH参数的含义如下：
机械臂的构型需要满足Pieper判据（机器人的三个相邻关节轴交于一点或三轴线平行），才能得出解析解，所以大家可以根据Dummy的结构进行修改，然后自己替换DH参数即可以移植我的代码。
关于位置的记忆，和上电零点校准：
由于绝对值编码器的位置只在一圈内有效，工业机械臂经过减速后为了获取绝对位置一般是做输出端编码，但是这样精度就降低了30倍（减速比），所以更合理的是做
双编码器或者低功耗编码器+电池；而我这个项目中双编码器影响结构紧凑设计，所以用了更巧妙的方式：利用电机驱动的电流环控制上电后进行低力矩的无零点定向运动，碰到机械臂限位之后确认粗零点（无限位开关归零），然后根据单圈绝对值编码器的位置精调零点。这个方式的零点是没有误差的，而且几乎不受加工精度影响，因为在12度（360/30）内都是绝对值编码器的有效精度范围。
Peak的固件说明：
Peak基于X-Track项目，大家可以去Peak仓库查看。
视频中的软件仿真基于RoboDK，我在视频中开发了连接Dummy的Driver（驱动部分官方document有介绍的，原版是基于TCP网络接口，我修改成了串口并兼容dummy的协议）。不过由于这个软件是收费的，因此我也基于Unity3D开发了自己的上位机，已经发布在仓库。
上位机目前暂时没有计划开源，因为还有很多功能要添加，我也是希望最后能做成一个类似RoboDK的通用软件，大家以后自己做机械臂也能用上，当然软件肯定会是免费的。
首先运动学部分是已经实现了的，正逆解都是传统DH参数计算的，正解（关节角求末端位姿）是唯一解比较好办，逆解（末端位姿求关节角）的话会涉及多解（一般是8个），我这里使用的算法是求解上一姿态和目标姿态中6个关节变化最大角里面最小的那一组作为逆解采用的config。这样可以保证机械臂始终以最小转角进行姿态切换。
然后关节角到电机驱动器输入信号的转换这一块，我使用的是梯形加减速曲线进行速度位置规划。举个例子在MoveJ指令中，当收到一个关节角运动指令，控制器会进行运动角度差分计算，得到6个运动差分角度，然后取6个差分角中最大的角θ，同时根据设置的JointSpeed参数计算运动θ角需要的时间（考虑上加减速），把这一时间作为其余5个电机的运动参数计算各自的加减速度&最高速度，然后6个电机根据计算的参数同步运动，就可以保证其同步性和流畅性了。
另外六个电机使用CAN总线连接，每个电机接受两个ID号的信息（自己的ID、0号ID），0号ID作为信息广播和同步用。电机接收到运动指令后将信息储存在影子寄存器中，待收到广播的同步信号后开始运动，这样能进一步保证电机同步性。
最后，动力学部分还在开发中，这块暂时没有完全实现。上述的运动学和动力学算法都强烈建议去看一下《机器人学导论》这本书，里面写得非常详细。
Dummy固件支持三种不同的指令模式（指令可以由USB、串口、CAN接收），不同模式的特性有所区别，见下表：
| 指令发送频率 | 指令执行方式 | 可被新指令打断 | 指令间停顿 | 适合场景 | |
|---|---|---|---|---|---|
| SEQ（顺序指令） | 随机，低（<5Hz） | FIFO队列依次执行 | 否 | 有 | 一次性发送几个关键点位姿，等待依次执行，可以确保关键点到达；但是由于关键点之间存在减速到0的过程所以存在一定停顿；适合场景例如视觉抓取、码垛等应用。 |
| INT（实时指令） | 随机，频率不限 | 指令覆盖，立即执行 | 是 | 无 | 用于实时控制，新指令会覆盖正在执行的指令得到立即响应；但是如果一次性发送一系列指令的话则效果会是只执行最后一条；适合场景例如动作同步。 |
ToDoTRJ（轨迹跟踪） |
固定，高（200Hz） | 自动插值，固定周期执行 | 否 | 无 | 适合用于需要进行精确轨迹跟踪的应用，速度会放慢；示例场景比如3D打印、雕刻、绘画等。 |
感谢以下项目作者：
- unlir/XDrive: Stepper motor with multi-function interface and closed loop function. 具有多功能接口和闭环功能的步进电机。 (github.com)
- odriverobotics/ODrive: High performance motor control (github.com)
- olikraus/u8g2: U8glib library for monochrome displays, version 2 (github.com)
- samuelsadok/fibre: Abstraction layer for painlessly building object oriented distributed systems that just work (github.com)
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
1. Open source ecosystem
2. Collaboration, People, Software
3. Evaluation model
马建仓 AI 助手
