4. 摩擦模型从库仑到LuGre

在多体系统中，摩擦是导致非线性动力学行为最普遍的来源之一。若只把摩擦力简化为一个与速度方向相反的常值，仿真虽然能跑通，却会丢失静摩擦锁定、低速爬行、黏滑振荡和预滑移等关键现象。本节沿着“库仑→Stribeck→LuGre”的建模脉络，说明各模型在表达什么、参数如何影响行为，以及黏滑切换与摩擦记忆效应在数值上如何体现。

一、从库仑摩擦到静摩擦：最基础的两态描述

库仑摩擦模型假设接触面间的摩擦力大小为 F_f = μ·F_n，方向与相对滑动速度 v_rel 相反。它只区分“动”这一种状态，无法表达静止时摩擦力可以取任意值以平衡外力这一事实。因此工程上常引入静摩擦：当 |v_rel| < v_eps（速度阈值）时，认为接触处于黏滞状态，此时摩擦力不再是固定值，而是由切向力平衡条件决定，并受最大静摩擦 F_s = μ_s·F_n 约束。

这一“黏滞—滑动”两态切换是理解后续所有模型的基础。判断逻辑可以写成：若处于黏滞态且所需切向力超过 F_s，则切换到滑动；若处于滑动且相对速度过零并持续小于阈值，则回到黏滞。切换本身会引入不连续，直接导致数值积分中的刚性问题和抖振。

二、Stribeck效应：低速区的负斜率

真实摩擦在刚脱离静止后的低速段并非立刻达到动摩擦值，而是先下降再回升，形成一条负斜率曲线，这就是 Stribeck 效应。常用经验形式为

F_f(v) = F_c + (F_s - F_c)·exp(-|v/v_s|^δ) + σ·v

其中 F_c 为库仑动摩擦，F_s 为最大静摩擦，v_s 为 Stribeck 特征速度，δ 常取 1 或 2，σ 为黏性阻尼系数。当 v_s 很小（例如 0.001 m/s 量级）时，负斜率区极窄，系统容易在低速下出现爬行；当 v_s 增大，负斜率被拉宽，黏滑振荡的周期和幅值都会改变。因此 v_s 与 F_s/F_c 的比值是决定低速稳定性的两个关键参数。

三、LuGre模型：用内部状态表达预滑移与记忆

LuGre 模型把接触面想象成大量弹性鬃毛，引入不可直接测量的内部状态 z 表示鬃毛平均变形量，其量纲为长度。核心方程如下：

dz/dt = v_rel - |v_rel|·z / g(v_rel)
g(v_rel) = (F_c + (F_s - F_c)·exp(-|v_rel/v_s|^2)) / σ0
F_f = σ0·z + σ1·dz/dt + σ2·v_rel

其中 σ0 为鬃毛刚度，σ1 为微观阻尼，σ2 为黏性摩擦系数。当 v_rel 很小时，z 缓慢增长，摩擦力近似与位移成正比，这正好刻画了预滑移阶段的切向柔度；当 v_rel 增大，z 趋于稳态值 g(v_rel)·sgn(v_rel)，摩擦力回到 Stribeck 曲线。由于 z 具有状态记忆，卸载后重新加载时摩擦力不会立刻回到原点，而是沿滞回路径变化，这就是摩擦记忆效应的来源。

四、黏滑切换的数值实现要点

在时域积分中，LuGre 的 dz/dt 在 v_rel→0 附近会出现刚性，若用显式方法且步长过大，z 会剧烈振荡甚至发散。工程上常采用以下处理：其一，对 dz/dt 使用半隐式或指数积分，把 |v_rel|/g(v_rel) 视为局部线性衰减项；其二，设置速度阈值 v_eps（例如 1e-4 m/s），当 |v_rel| < v_eps 时冻结 z 并改用静力平衡求解；其三，对 g(v_rel) 在零速附近做平滑，避免除零。以单自由度质量块为例，取 m=1 kg、k=100 N/m、F_n=10 N、μ_s=0.4、μ_c=0.3、v_s=0.005 m/s、σ0=1e5 N/m、σ1=100 N·s/m、σ2=0.2 N·s/m，驱动速度从 0 缓慢增大，可观察到：初始阶段质量块随驱动一起运动（黏滞），当弹簧力达到 F_s=4 N 时突然滑动，随后进入周期性黏滑，位移曲线呈锯齿状。若把 v_s 从 0.005 提高到 0.05，负斜率减弱，锯齿幅值明显下降，系统趋于平滑滑动。

五、摩擦记忆效应与参数辨识

LuGre 的记忆效应体现在 z 的路径依赖上：当外力先增大后减小，z 不会沿原路返回，而是形成滞回环。滞回环的面积对应一个加载循环中的能量耗散，这正是微动磨损和阻尼的来源。在参数辨识时，可先由稳态 Stribeck 曲线拟合 F_s、F_c、v_s、σ2，再由预滑移阶段的力—位移斜率估计 σ0，最后由滞回环宽度估计 σ1。需要强调的是，σ0 与 σ1 并非独立可辨识，通常固定其一再拟合另一项，否则会出现参数漂移。

六、模型选择建议

若系统始终处于中高速滑动、且不关心低速爬行，库仑加黏性阻尼已足够；若需要复现低速负斜率与极限环，Stribeck 是必要项；若还要表达预滑移柔度、滞回耗散和卸载后的记忆，则必须使用 LuGre 或类似的动态摩擦模型。选择依据不是模型越复杂越好，而是所关心的现象是否落在该模型能表达的范围内。