满足所有constraints 的是feasible solution可行解。admissible control 容许控制、可行控制。
轨迹优化是根据目标函数objective function 描述寻找最优轨迹optimal trajectory。
两种基本目标函数。
本文考虑单相、时间连续、动力学连续系统的轨迹优化问题
优化求解器根据调整decision variable 决策变量来最小化目标函数。
通常为始末时间、轨迹上的状态和控制量。
is subject to 优化受制于一系列限制约束:
动力学:随时间非线性变化的
路径:机器人走路时在地面上方
边界:行走机器人的周期性步态,限制始末状态
状态和控制量的常数项限制,关节角、速度、力矩等。
始末时间的状态限制,在时间窗口内到达目标状态。
优化问题:直接和间接解法
直接组合(配置)法direct collocation(直接转录法direct transcription)离散化轨迹转化为非线性微分方程组求解。
多项式样条函数曲线,多段多项式曲线连接。有限系数、根据系数容易微分积分。
trapezoidal 梯形组合
hermite-simpson 组合
(single shooting 、 multiple shooting 、 orthogonal 直角组合)
非线性方程的一般形式:目标函数和约束函数都是非线性
定义问题:从零到一,始末速度为零
解析解:
梯形积分求为微小位移
组合约束
非线性方程求解器需要initial guess 初始值?
初始值影响复杂问题的收敛性和解的优劣性。?
梯形组合法:
积分表达式,通常是目标函数,也可能是约束函数
系统的动力学用积分形式表述:
梯形组合将轨迹控制量和动力学量简化为分段线性函数。