2. 数学基础

机械臂机器人的动力学建模、控制算法设计与伺服关节运动轨迹规划，本质上都是建立在严谨的数学语言之上的。无论是描述末端执行器的位姿、计算雅可比矩阵，还是求解拉格朗日方程，都离不开向量与矩阵运算、刚体变换、旋转矩阵、齐次坐标以及Denavit-Hartenberg（DH）参数。本章作为课程的第二块基石，将系统梳理这些核心数学工具，并重点阐明它们如何在机械臂的关节空间与笛卡尔空间之间建立桥梁。理解这些概念，是后续掌握动力学方程推导与轨迹规划算法的前提。

2.1 向量与矩阵运算：机械臂分析的基本语言

核心原理：机械臂的每个连杆都可以抽象为刚体，其质心位置、速度、加速度以及受力状态均通过向量描述。在三维空间中，位置向量 p = [x, y, z]^T 定义了空间中的一点，而姿态则通常由旋转矩阵或欧拉角描述。矩阵运算则用于将这些向量从一个坐标系映射到另一个坐标系。例如，雅可比矩阵 J(q) 将关节速度向量 q̇ 映射到末端笛卡尔速度向量 v = J(q)·q̇，这是速度级运动学与控制的基础。

关键运算规则：在机械臂工程中，最常用的矩阵运算包括：

• 矩阵乘法（非交换）：变换矩阵的乘法顺序至关重要。T = T₁·T₂ 表示先进行 T₂ 变换，再进行 T₁ 变换。在机械臂正运动学中，各关节的变换矩阵必须严格按照从基座到末端的顺序相乘。
• 矩阵转置与逆：旋转矩阵的逆等于其转置（R^-1 = R^T），这一性质用于坐标系间的反向变换。齐次变换矩阵的逆则用于将末端位姿映射回基座坐标系。
• 向量叉积：用于计算力矩（τ = r × F）以及构建雅可比矩阵的旋转部分。

运算类型	数学表达式	机械臂应用场景
点积	a·b = |a||b|cosθ	计算功 W = F·d，判断向量正交性
叉积	a × b = |a||b|sinθ·n̂	计算力矩 τ = r × F，构建旋转雅可比
矩阵乘法	C = A·B	复合变换矩阵的连乘
矩阵逆	A·A⁻¹ = I	逆运动学求解、坐标系反变换
奇异值分解	A = UΣVT	分析雅可比矩阵的奇异性、可操作度

2.2 刚体变换与旋转矩阵：描述姿态的数学工具

核心原理：刚体变换包含旋转和平移两部分。旋转矩阵 R ∈ SO(3) 是一个 3×3 的正交矩阵，满足 R^TR = I 且 det(R) = +1。它描述了刚体相对于参考坐标系的姿态。最基本的旋转矩阵是绕 X、Y、Z 轴的旋转，分别记为 R_x(θ)、R_y(θ)、R_z(θ)。任意姿态都可以通过这三个基本旋转的乘积组合表示。

旋转矩阵的构建与分解：在机械臂控制中，我们经常需要将末端执行器的姿态从旋转矩阵形式转换为欧拉角形式，以便于用户理解或进行插值。例如，使用 ZYX 欧拉角（偏航-俯仰-滚转），旋转矩阵可分解为 R = R_z(φ)·R_y(θ)·R_x(ψ)。但需要注意，欧拉角存在万向锁问题，即在特定角度下会丢失一个自由度。

案例拆解：假设一个六轴机器人末端需要从姿态 A（用旋转矩阵 R_A 表示）运动到姿态 B（R_B）。在笛卡尔空间规划时，我们首先计算相对旋转 ΔR = R_A^T·R_B。然后，将 ΔR 转换为轴角表示（k, θ），其中 k 为旋转轴单位向量，θ 为旋转角度。接着，在轨迹规划周期内对 θ 进行插值（如梯形速度曲线），生成一系列中间旋转矩阵 R(t) = R_A·Rot(k, θ(t))。这一过程避免了直接对矩阵元素线性插值导致的非正交化问题。

表示方法	参数数量	优点	缺点
旋转矩阵	9	无奇异，可直接用于矩阵运算	冗余，需正交化修正
欧拉角	3	直观，易于理解	万向锁问题，插值不平滑
轴角	4	紧凑，适合旋转插值	存在 0° 和 360° 的等价性
四元数	4	无奇异，插值平滑，计算快	不够直观，需转换

2.3 齐次坐标与齐次变换矩阵：统一平移与旋转

核心原理：为了将平移和旋转统一在一个矩阵运算中，我们引入齐次坐标。一个三维点 p = [x, y, z]^T 的齐次坐标表示为 p̃ = [x, y, z, 1]^T。相应地，齐次变换矩阵 T ∈ SE(3) 是一个 4×4 矩阵，其结构为：

T = [ R   p ]
    [ 0   1 ]

其中 R 是 3×3 旋转矩阵，p 是 3×1 平移向量。通过齐次变换矩阵，我们可以将旋转和平移复合为一次矩阵乘法。例如，将点 p 从坐标系 {B} 变换到坐标系 {A}，只需计算 ^Ap = ^AT_B · ^Bp。

链式变换规则：对于串联机械臂，从基座坐标系 {0} 到末端坐标系 {n} 的齐次变换矩阵为：

T_0n = T_01 · T_12 · T_23 · ... · T_(n-1)n

每一级 T_(i-1)i 描述了连杆 i 相对于连杆 i-1 的位姿。这正是 DH 参数法的核心思想。

2.4 DH参数：机械臂建模的标准方法

核心原理：Denavit-Hartenberg（DH）参数法是一种系统化描述相邻连杆之间相对位姿的方法。对于每个连杆 i，定义四个参数：

• θ_i（关节角）：绕 Z_i-1 轴从 X_i-1 旋转到 X_i 的角度（对于旋转关节是变量）。
• d_i（连杆偏距）：沿 Z_i-1 轴从 X_i-1 移动到 X_i 的距离。
• a_i（连杆长度）：沿 X_i 轴从 Z_i-1 移动到 Z_i 的距离。
• α_i（连杆扭转角）：绕 X_i 轴从 Z_i-1 旋转到 Z_i 的角度。

根据这四个参数，相邻坐标系的齐次变换矩阵为：

T_i = Rot(z, θ_i) · Trans(z, d_i) · Trans(x, a_i) · Rot(x, α_i)

展开后得到：

T_i = [ cosθ_i  -sinθ_i·cosα_i   sinθ_i·sinα_i   a_i·cosθ_i ]
       [ sinθ_i   cosθ_i·cosα_i  -cosθ_i·sinα_i   a_i·sinθ_i ]
       [ 0        sinα_i           cosα_i           d_i        ]
       [ 0        0                0                1          ]

标准DH vs 改进DH：标准DH（SDH）将坐标系固定在连杆的远端（i-1 系在关节 i-1 处），而改进DH（MDH）将坐标系固定在连杆的近端（i 系在关节 i 处）。MDH 在处理树状结构或闭链机构时更为方便，而 SDH 在串联开链中更常见。两者在参数定义上存在差异，使用时必须明确标注，否则会导致运动学计算错误。

对比维度	标准DH (SDH)	改进DH (MDH)
坐标系位置	连杆 i 的坐标系固定在关节 i 处	连杆 i 的坐标系固定在关节 i+1 处
变换顺序	Rot(z,θ) → Trans(z,d) → Trans(x,a) → Rot(x,α)	Rot(x,α) → Trans(x,a) → Rot(z,θ) → Trans(z,d)
适用场景	串联开链机器人（绝大多数工业机械臂）	并联机器人、树状结构、闭链机构
参数含义	ai 和 αi 描述连杆 i 自身的几何	ai-1 和 αi-1 描述连杆 i-1 的几何

案例拆解：以典型的六轴关节机器人（如 KUKA KR6）为例，其前三个关节决定末端位置，后三个关节决定末端姿态。通过 DH 参数表，我们可以列出每个关节的 a、d、α 值（θ 为变量）。例如，关节 2 的 DH 参数可能为：a₂ = 600mm（大臂长度），d₂ = 0，α₂ = 0°。将这些参数代入上述矩阵，连乘六个关节的 T_i 矩阵，即可得到末端位姿。在动力学建模中，这些 DH 参数同样用于计算每个连杆质心的位置和惯性张量，进而推导出惯性矩阵 M(q) 和科氏力矩阵 C(q, q̇)。