📚 课程目录第2章机器人运动学基础

2. 机器人运动学基础

机器人动力学参数辨识的前提是精确描述机器人各连杆在空间中的位置与姿态，以及这些位姿随关节运动的变化规律。运动学建模为动力学方程提供了坐标框架、速度传递关系和加速度映射，是参数辨识中回归矩阵构造与测量数据对齐的基础。本章从刚体位置与姿态的数学表达出发，系统讲解齐次变换矩阵、DH参数建模与指数积（POE）建模方法，并对比两种建模方式的适用场景与工程注意事项。

2.1 刚体位置与姿态的数学描述

机器人运动学研究的核心对象是刚体（rigid body）在三维空间中的运动状态。一个刚体在空间中的完整位姿（pose）由位置（position）和姿态（orientation）两部分组成，共6个自由度。位置用三维矢量 p = [x, y, z]^T 表示，描述刚体上某一参考点（通常为质心或工具中心点TCP）相对于参考坐标系的位置；姿态则描述刚体坐标系相对于参考坐标系的旋转关系，常用旋转矩阵 R ∈ SO(3) 表示。

旋转矩阵是一个3×3的正交矩阵，满足 R^TR = I 且 det(R) = +1。其列向量分别表示刚体坐标系的三个主轴在参考坐标系中的方向余弦。旋转矩阵的优点是表达唯一、组合方便，但9个元素存在6个约束，参数冗余。工程中常用欧拉角（如ZYX、ZYZ）或四元数来减少参数数量，但欧拉角存在万向锁（gimbal lock）问题，四元数则无奇异且插值平滑，在动力学辨识中常用于姿态数据的预处理。

工程经验：在动力学参数辨识中，位置数据通常由激光跟踪仪或光学动捕系统直接测量，姿态数据则建议以旋转矩阵或四元数形式存储，避免在后续微分运算中因欧拉角奇异导致数值发散。若必须使用欧拉角，应确保关节运动范围避开奇异位形。

2.2 齐次变换矩阵与坐标传递

将旋转矩阵与位置矢量组合为4×4齐次变换矩阵 T，可统一描述刚体坐标系 {B} 相对于参考坐标系 {A} 的位姿：

T = [ R   p ]
    [ 0   1 ]

其中 R 为3×3旋转矩阵，p 为3×1位置矢量，底行为 [0 0 0 1]。齐次变换矩阵属于特殊欧氏群 SE(3)，其核心优势在于：复合变换可通过矩阵乘法直接实现。若已知坐标系 {B} 相对于 {A} 的变换 T_AB，以及 {C} 相对于 {B} 的变换 T_BC，则 {C} 相对于 {A} 的变换为 T_AC = T_AB · T_BC。这一链式法则构成了机器人运动学建模的基础。

逆变换 T^-1 表示反向坐标映射，其计算可利用正交矩阵性质简化：

T⁻¹ = [ Rᵀ   -Rᵀ·p ]
      [ 0      1    ]

在动力学辨识中，齐次变换矩阵用于将关节坐标系下的力/力矩传感器数据转换到基坐标系或工具坐标系，是数据对齐的关键步骤。例如，六维力传感器安装在腕部时，需通过变换矩阵将测量值映射到质心处，才能正确构造动力学回归方程。

2.3 DH参数建模方法

Denavit-Hartenberg（DH）参数法是最经典的机器人运动学建模方法，通过在每个连杆上固连坐标系，用4个参数描述相邻连杆间的位姿关系。标准DH（SDH）与改进DH（MDH）的区别在于坐标系固连位置不同，本节以MDH（即Craig版）为例说明。

MDH的4个参数定义如下：

a_i-1：连杆长度，沿X_i-1轴方向，从Z_i-1轴移动到Z_i轴的距离；
α_i-1：连杆扭转角，绕X_i-1轴，从Z_i-1轴旋转到Z_i轴的角度；
d_i：关节偏置，沿Z_i轴方向，从X_i-1轴移动到X_i轴的距离；
θ_i：关节角，绕Z_i轴，从X_i-1轴旋转到X_i轴的角度。

相邻连杆的齐次变换矩阵为：

Tᵢ = Rot(z, θᵢ) · Trans(z, dᵢ) · Trans(x, aᵢ₋₁) · Rot(x, αᵢ₋₁)

展开后得到4×4矩阵，其前三行三列为旋转部分，第四列为位置部分。对于n自由度串联机器人，正向运动学为：

T₀ₙ = T₁ · T₂ · ... · Tₙ

DH参数法的工程优势在于参数数量少（每个关节仅4个参数），计算效率高，适合实时控制。但其固有缺陷是：当相邻关节轴线平行时，参数存在奇异——理论上平行的轴线在微小加工误差下可能不严格平行，导致DH参数突变。工程上通常引入一个微小的偏置角（如0.001 rad）来规避此问题。

对比维度	DH参数法	指数积（POE）法
参数数量	4n（n为关节数）	6n（旋量坐标）
奇异问题	平行轴奇异	全局无奇异
几何直观性	参数物理意义明确	旋量轴直观，但需理解李群
计算效率	高（纯代数运算）	中（需矩阵指数计算）
辨识适用性	参数线性化较复杂	参数线性化自然，利于辨识
典型应用	工业6轴机器人	协作机器人、移动机械臂、闭链机构

2.4 指数积（POE）建模方法

指数积（Product of Exponentials, POE）方法基于李群SE(3)与李代数se(3)的映射关系，将每个关节的运动表示为旋量（twist）的矩阵指数。旋量坐标 ξ = (v, ω) 包含线速度 v 和角速度 ω 两个三维矢量，对应关节轴在基坐标系中的位置与方向。对于旋转关节，旋量可构造为：

ξ̂ = [ ω̂   v ]
     [ 0    0 ]

其中 ω̂ 是 ω 的反对称矩阵。关节角 θ 对应的刚体运动为矩阵指数 e^{ξ̂θ}，其闭式解由Rodrigues公式给出：

e^{ξ̂θ} = [ e^{ω̂θ}   (I - e^{ω̂θ})·(ω×v) + ω·ωᵀ·v·θ ]
          [ 0        1                              ]

正向运动学为各关节矩阵指数的连乘：

T(θ) = e^{ξ̂₁θ₁} · e^{ξ̂₂θ₂} · ... · e^{ξ̂ₙθₙ} · T₀

其中 T₀ 为工具坐标系在基坐标系中的初始位姿（所有关节角为零时）。POE方法的显著优势在于：旋量坐标是全局的，不存在DH参数中的平行轴奇异；且旋量轴定义在基坐标系下，物理意义直观——每个旋量对应一个关节轴在空间中的直线。对于动力学参数辨识，POE方法使得运动学参数（旋量坐标）与动力学参数（惯性参数）在回归方程中自然分离，便于线性化处理。

2.5 案例拆解：六轴工业机器人的运动学建模对比

以典型的6轴垂直关节工业机器人为例，对比DH与POE两种建模方法的实际应用过程。该机器人结构参数为：肩高 d₁ = 0.35 m，大臂长 a₂ = 0.65 m，小臂长 a₃ = 0.55 m，腕部偏置 d₄ = 0.12 m，工具长度 d₆ = 0.15 m。

DH建模过程：按照MDH规则建立各连杆坐标系，得到6组DH参数表。关键步骤包括：确定Z轴方向（沿关节轴线）、X轴方向（沿公垂线）、原点位置（公垂线与Z轴交点）。对于第2和第3关节（平行轴），需在参数表中加入微小偏置角（如0.0005 rad）以避免奇异。最终正向运动学为6个4×4矩阵连乘，计算量约需200次浮点运算。

POE建模过程：在基坐标系中定义6个旋量轴。例如，关节1的旋量轴为竖直方向（ω₁ = [0,0,1]ᵀ），位置通过原点；关节2的旋量轴为水平方向（ω₂ = [0,1,0]ᵀ），位置在肩部中心。每个旋量需确定线速度 v = -ω × q（q为轴线上任意点）。初始位姿 T₀ 为工具坐标系在零位时的位姿。正向运动学为6个矩阵指数连乘，每个矩阵指数需计算Rodrigues公式，总计算量约需350次浮点运算。

结果对比：两种方法在相同关节角输入下得到的末端位姿完全一致（数值误差小于10⁻¹²）。但在动力学辨识场景中，POE方法表现出明显优势：当需要辨识连杆质量、质心位置和惯性张量时，POE的旋量坐标可直接用于构造雅可比矩阵的螺旋形式，使得回归矩阵的列向量物理意义更清晰，且避免了DH参数在辨识迭代中可能出现的参数跳变问题。

  案例复盘：该案例表明，虽然DH参数法在传统控制中占据主导地位，但在面向动力学参数辨识的建模场景中，POE方法因其全局无奇异、参数线性化自然的特性，更适合作为理论推导与算法实现的基础。实际工程中，可先用DH参数完成运动学标定，再转换为POE形式用于动力学辨识，兼顾两者优势。

2.6 常见误区与总结复盘

在运动学建模过程中，工程师常犯以下错误，需特别警惕：

坐标系定义混乱：DH参数中坐标系固连在连杆前端还是后端，直接影响参数符号。务必在建模文档中明确标注采用SDH还是MDH，并保持全程一致。
忽略工具坐标系变换：动力学辨识需要的是质心或TCP处的力/力矩，而传感器通常安装在关节或腕部。若未正确应用齐次变换矩阵进行坐标转换，辨识结果将产生系统性偏差。
平行轴奇异处理不当：直接使用理论DH参数（α=0）会导致雅可比矩阵奇异，辨识算法无法收敛。应引入微小偏置或改用POE方法。
旋量坐标单位不一致：POE方法中，线速度 v 的单位为米，角速度 ω 的单位为弧度/秒，两者混合在旋量中时需注意量纲一致性，否则矩阵指数计算会出错。
未验证正向运动学正确性：在开始动力学辨识前，必须用激光跟踪仪或高精度编码器验证运动学模型的末端定位精度（通常要求小于0.1 mm），否则后续辨识结果不可信。

总结本章核心要点：位置与姿态描述是运动学的基础，齐次变换矩阵提供了统一的坐标变换工具；DH参数法以4参数简洁建模，适合传统工业机器人；POE方法以旋量理论为基础，全局无奇异且利于参数辨识。在实际动力学参数辨识项目中，建议采用POE方法作为理论框架，同时保留DH参数用于与现有控制系统的接口兼容。下一阶段将在此基础上，引入速度与加速度的传递关系，为动力学方程中的惯性项、科氏项和重力项推导奠定运动学基础。