Coursera UPenn 机器人学课程笔记

这节课主要是背景简介和宏观介绍

市场估计

几个点：
2015年统计值：
1、US市场每月15,000个
2、15B USD 的市场，2020年预计是25B USD。
3、几个工业领域的应用：
  农业，拍照，录像，建设，基建的监视，边疆巡逻。

几个关键词

UAVs = unmanned aerial vehicles =
RPVs = Remotely Piloted Vehicles =
Aerial Robots = Drones

当前无人机发展的状态

  所以无人机的发展还处于比较原始的状态，刚刚能直立行走。[手动笑哭]

无人机的几个重要功能组成

• State Estimation
  主要就是对自身的位置、速度等物理参量进行估计
• Control
  主要就是对无人机进行“发号施令”，使其达到目标的运动状态
• Mapping
  就是地图绘制，例如整个房间都有哪些障碍物，障碍物的物理特征是啥，例如（SLAM），如下图所示：

• Planning
    就是轨迹规划，trajectory planning。有了Mapping，就可以规划出来从一个点到另一个点该如何走。比如下图中蓝色的轨迹（规划）以及红色（实际）的轨迹。

State Estimate

  无人机在户外可以用GPS进行导航，但是室内这事儿就没戏了，所以室内就需要光流VIO以及SLAM。需要依靠RGBD深度相机、双目相机、Kinect结构光相机等。

基础机械知识点

  F是推力，正比于角速度的平方，drag是空气阻力，M是空气阻力的力矩，也是正比于角速度的平方。这个好理解，因为空气阻力本身就是正比于速度的平方，升力本身也源于空气阻力。然后是电机扭矩-速度曲线，这个用安培力和楞次定律就好理解了（木有学过电机方面的，只能这样理解了。。。）所以电机就是要克服空气阻力做功。

Control

  基本上就是自动控制原理上的那些东西了，PD和PID
  PD：

u(t)=x¨dst+Kve˙(t)+Kpe(t)

  Kv和Kp要大于零，要不容易系统不稳定。（二阶方程特征根大于零，指数发散）。
  Kv增大可以增大阻尼，缓慢达到目标，Kp增大可以减小阻尼，更快速到达目标值，但是过大会引起震荡过冲。
  复习过阻尼，临界阻尼，欠阻尼[手动笑哭]
PID：

u(t)=x¨dst+Kve˙(t)+Kpe(t)+Ki∫e(t)dt

  组成三阶闭环稳定系统。积分项用来应对一些未知参数（例如飞机质量）以及未知扰动等。

Design Consideration

这个主要是一般的经验参数了

• 一般旋翼类的是~200W/kg的功率-推力比。也就是说想产生1kg的推力，需要200W功率。换算一个单位是：0.2W/g
• 锂电池的功率一般在~400W/kg（幸好比200W/kg大，要不就飞不起来了[手动笑哭]）
• 固定翼在~120W/kg上，效率比旋翼高

Agility

  加速度=力除以重量，角加速度=力矩除以转动惯量（moment of inertia）

Effect of Size

  尺寸带来的影响[手动奸笑]

• m∝l3 很简单，质量正比于体积，体积正比于l3
• I∝l5 转动惯量正比于质量和旋转半径，所以是5次方
• F∝πr2×(ωr)2∝l2v2推力正比于扇叶面积以及角速度的平方
• M∝Fl∝l3v2 扭矩
• a∝Fm∝v2l加速度
• α∝MI∝v2l2角加速度
  然后用Froude scaling
• v∝l√
  得到
• a∝1,α∝1l表明就加速度而言，其实size不会产生太大影响，但是角加速度会受到影响，也就是越大越笨重的意思。

还有一种是mach scaling
v∝1,F∝l2可以得到a∝1l,α∝1l2角加速度的结论类似。所以从敏捷性而言，确实越小越敏捷，所谓船小好掉头啊。