说明：巨型恐龙名称叫Tradinno，是来自德国Zollner公司制造的巨型机器人，这个能走、能喷火、能挥舞双翼、能远程控制的17米长的庞然大物，已经成为当地节日庆典活动、游乐场、电影拍摄等活动中的宠儿。
摘要：在2010年，一个新型的高科技机电系统恐龙投入运行，成为德国传统节日Drachenstich上的主角（Drachenstich的意思是用矛刺杀巨龙，这项表演已经在德国沃尔德的福尔特小镇延续了500年）。这个独特的、自主的、遥控的四脚恐龙总重量约11吨，由位于德国Zandt bavaria的Zollner电气公司设计。为保证这个雄心勃勃项目的成功，使用Simpack进行了充分的动力学仿真分析，是非常必要的。
1
该机电产品的尺寸和性能
这个巨型机器人长度达到16米，由一个100KW的柴油发动机提供动力。共有50个闭环控制轴由碳纤维制成（CFK）的液压缸（比传统液压缸轻约50%）来驱动的。该系统的最大行走速度是2km/h，由它自己的四脚自动控制。对于长距离运输，则使用特定的运输车。
图1 巨龙的Simpack模型
该巨龙还有一些特殊的功能，比如喷火和挥舞12米的翼展。需要预先定义它在节日活动中的几个位置。整个巨龙系统由五个操作者远程控制。
巨大的质量和众多的自由度会导致某些部件上受到很大的动态载荷，并且非常复杂的冗余控制系统也将相互影响，甚至会导致一些不受控制的状态。
2
运动关节和行走时接触力仿真
通过Simpack的CAD导入功能将巨龙的CAD几何（超过100个子装配体）和质量属性导入Simpack后，利用铰接和约束来搭建虚拟样机模型，接下来就需要定义四个脚与地面之间的接触和摩擦力，其通过Simpack中的18号力元（FE 018：Unilateral spring damper）和100号力元（FE 100：Non-linear friction）来实现。该阶段最大的问题是为这些接触力元找到合适的刚度和阻尼值。通过脚部与地面之间的实际渗透深度进行了各种假设。通过这种方法获得的力对设计过程以及系统部件（比如躯干和腿）的有限元分析是至关重要的（见图2）。
图2 行走时四个脚上的接触力
为得到更真实的结果，必须考虑安装在弹簧减震器上的系统波动质量，例如电机和液压泵（总质量：500kg）。此外，缸内油量随活塞行程变化的压缩量也不容忽视，该系数是通过液压缸中的力表达式来实现的。结果显示，仿真的结果随着单个组件的柔性和接触力的刚度和阻尼值的不同而变化很大。结果表明，仿真结果在很大程度上取决于部件的柔性以及接触力的刚度和阻尼值。
通过优化单腿的行走轨迹，可以大大降低行走在坚实地面上时的冲击。
对行走周期的仿真还能获得横向失稳有关的行走系统稳定性分析。通过观察该机器人的总质心，可以优化放置在躯干上各个部件的位置以及颈和尾部的运动方程。在不同的工况下，对于行走和运动进行了大量测试：
水平地面上直线行走
坡面行走（倾斜度能达到10%）
曲线行走
转弯
如前所述，该系统必须能满足用于舞台表演的特殊需要。这些情况下动作的速度通常会比较快，从而导致很高的部件应力。在三个方向上独立运动的双翼也需要反复测试，以找到最合适的重量分布以及最佳的稳定性。
对两个前腿完全失效（机械或者液压）这个极端工况也进行了深入研究。Simpack的仿真帮助快速发现设计中存在的一些问题，从而提升巨龙的稳定性，确保不会对人员造成任何伤害。大量的仿真工作显示，在检测到腿部故障后，快速降低整个系统的高度有助于消除对人员的伤害。其它的方法，比如快速降低巨龙的头部或者使头和尾快速甩向受损腿部的相反一侧，通过仿真证明效果不大。但是，通过仿真还是找到了避免系统损坏和确保巨龙周围人员安全的很多方法。
3
闭环控制测试
首次行走仿真是通过固定的输入样条函数控制做动液压缸来实现的。这些样条曲线是通过逆运动学得到的。这种方法足以预测作用力和力矩。闭环控制的稳定性也需要测试，特别是对于复杂的液压系统要进行检查，以确定是否会控制失效。这样做的目的是为了确保操作者可以按下遥控器上的按钮，让巨龙自动执行所有运动。为此，闭环控制系统的可靠性就非常重要。
使用Simpack和Matlab接口Simat进行具有真实几何和质量特性的控制测试。Simat的最大优点是Simpack能够实时提供给Matlab所有的几何数据，且接口非常高效。
必须明确的基本问题是什么样的控制对整个系统是最好的。力控制、位置控制或两种控制类型的混合会产生最佳效果吗？多个联合仿真结果表明，位置控制更加稳定。因此，在整个系统中采用位移控制来实现巨龙的运动。
当巨龙抬起一条腿向前迈步时，还使用一个额外的附加力控制，使整个系统的反应速度最小化。
首次使用Simat进行仿真时，只使用一只脚上液压系统进行耦合仿真。在观察到控制系统可以处理系统的灵活性后，对整个系统进行了联合仿真。
结果发现，闭环控制对巨龙运动产生了合理的结果。图3所示的控制回路处于其最终状态的90%左右，在用真正的硬件控制器测试之前，只需要进行部分改进。
图3 单腿的闭环控制