MATLAB 和 Simulink 在机器人领域的应用

将您的机器人构想和概念转变为自主系统,在现实环境里顺畅工作。

 

机器人研究人员和工程师使用 MATLAB 和 Simulink,在同个软件环境下即可全部实现:设计和调优算法,对真实系统进行建模,并自动生成代码。

使用 MATLAB 和 Simulink,您能够:

  • 使用您开发的算法连接并控制机器人。
  • 开发跨硬件的算法并连接到机器人操作系统 (ROS)
  • 连接到各种传感器和作动器,以便您发送控制信号或分析多种类型的数据。
  • 可采用多种语言,如 C/C++、VHDL/Verilog、结构化文本和 CUDA,为微控制器、FPGA、PLC 和 GPU 等嵌入式目标自动生成代码,从而摆脱手动编码
  • 使用预置的硬件支持包,连接到低成本硬件,如 Arduino 和 Raspberry Pi
  • 通过创建可共享的代码和应用程序,简化设计评审
  • 可利用遗留代码,并与现有机器人系统集成

观看机器人示例

使用 MATLAB 和 Simulink 简化机器人路径规划和导航的复杂任务。此演示介绍如何仿真自主机器人,只使用三个组件:路径、汽车模型和路径跟踪算法。

设计硬件平台

设计和分析三维刚体机械机构(如汽车平台和机械臂)和执行机构(如机电或流体系统)。通过直接向 Simulink 中导入 URDF 文件或利用 SolidWorks 和 Onshape 等 CAD 软件,您可以直接使用现有 CAD 文件。添加摩擦等约束条件,使用电气、液压或气动以及其他组件进行多域系统建模 (2:15) (2:15)。

采集传感器数据

可通过 ROS 连接到传感器。摄像机、LiDAR 和 IMU 等特定传感器有 ROS 消息,可转换为 MATLAB 数据类型进行分析和可视化。

您可以自动化常见传感器处理工作流程,比如导入和批处理大型数据集、传感器校准、降噪、几何变换、分割和配准。

感知环境

利用内置的 MATLAB 应用程序,可交互地执行对象检测和追踪、运动评估、三维点云处理和传感器融合。使用卷积神经网络 (CNN),运用深度学习进行图像分类、回归分析和特征学习。

将您的算法自动转换为 C/C++、定点、HDL 或 CUDA 代码。

制定规划和决策

使用 LiDAR 传感器数据,通过 Simultaneous Localization and Mapping (SLAM) 创建环境地图。
通过设计算法进行路径和运动规划,在受约束的环境中导航。使用路径规划器,计算任何给定地图中的无障碍路径。

设计算法,让机器人在面对不确定情况时能做出决策,在协作环境中执行安全操作。实现状态机,定义决策所需的条件和行动。

设计控制系统

您可以使用算法和应用程序,系统性地分析、设计和可视化复杂系统在时域和频域中的行为。

使用交互式方法(如波特回路整形和根轨迹方法)来自动调节补偿器参数。您可以调节增益调度控制器并指定多个调节目标,如参考跟踪、干扰抑制和稳定裕度。

代码生成和需求可追溯性有助于验证您的系统,确认符合要求。

与其他平台和目标通信

使用多种协议(包括 CAN、EtherCAT 和 802.11)与嵌入式目标通信。使用数字化、RF 和其他无线技术,连接到支持 TCP/IP、UDP、I2C、SPI、MODBUS 和蓝牙串行协议的硬件

“借助 MATLAB 和 Simulink,我们能使用单一环境进行控制算法开发、调试、数据分析等,而不是在多个工具之间切换。这种集成缩短了总体项目开发时间,减少出错的机会。”

伦斯勒理工学院 John Wen 博士

获取免费试用版

30 天探索触手可及。

有疑问吗?

与机器人专家探讨。