3. 运动学基础

运动学是机械臂控制的理论基石，它不涉及产生运动的力和力矩，只研究关节空间与笛卡尔空间之间的位移、速度和微分映射关系。对于伺服关节驱动的机械臂而言，运动学求解的精度与实时性直接决定了轨迹规划的质量和力/位混合控制的效果。本章将围绕四个核心模块展开：正运动学（Forward Kinematics, FK）的DH建模与矩阵链乘、逆运动学（Inverse Kinematics, IK）的解析法与数值法、雅可比矩阵（Jacobian）的速度映射与力映射，以及奇异性分析（Singularity Analysis）的判别与规避策略。

3.1 正运动学：DH参数建模与齐次变换矩阵链乘

正运动学的任务是：给定一组关节角度 \( q = [q_1, q_2, ..., q_n]^T \)，求解末端执行器在基坐标系下的位置和姿态。对于六轴串联机械臂，最常用的建模方法是Denavit-Hartenberg（DH）参数法。DH法通过四个参数（\( a_{i-1} \)、\( \alpha_{i-1} \)、\( d_i \)、\( \theta_i \)）描述相邻连杆坐标系之间的变换关系，从而将复杂的空间几何问题转化为矩阵连乘问题。

核心原理：DH参数与变换矩阵

每个连杆坐标系 \( \{i\} \) 相对于 \( \{i-1\} \) 的变换矩阵为：

T_i = Rot(x, α_{i-1}) · Trans(a_{i-1}, 0, 0) · Rot(z, θ_i) · Trans(0, 0, d_i)

展开后得到4×4齐次矩阵，包含旋转子矩阵 \( R \) 和平移向量 \( P \)。末端位姿为所有变换矩阵的乘积：

T_0n = T_1 · T_2 · T_3 · T_4 · T_5 · T_6

其中 \( T_0n \) 的左上3×3子矩阵表示姿态（可用欧拉角或四元数提取），右上3×1向量表示位置。实际工程中，DH参数分为标准DH（SDH）和改进DH（MDH），两者的坐标系附着位置不同，混用会导致严重错误。

案例拆解：六轴机器人正运动学验证

某六轴机器人DH参数如下（MDH约定）：

关节1: α=-90°, a=0,    d=0.4m,  θ=0°
关节2: α=0°,   a=0.6m, d=0,     θ=-90°
关节3: α=-90°, a=0.1m, d=0,     θ=0°
关节4: α=90°,  a=0,    d=0.6m,  θ=0°
关节5: α=-90°, a=0,    d=0,     θ=0°
关节6: α=0°,   a=0,    d=0.1m,  θ=0°

将上述参数代入矩阵链乘，当所有关节角为0°时，末端位置应约为 (0.7, 0, 1.1)m。若计算结果偏差超过1mm，应检查DH表中 \( a \) 和 \( d \) 的正负号约定。实际工程中，正运动学计算频率可达1kHz以上，矩阵运算采用浮点优化或定点化处理。

3.2 逆运动学求解：解析法与数值法

逆运动学是轨迹规划的核心环节：给定末端目标位姿 \( T_{des} \)，求解满足 \( T_{des} = FK(q) \) 的关节角 \( q \)。逆运动学存在三个核心难点：多解性（同一末端位姿对应多组关节角）、可解性（并非所有位姿都有解）、实时性（控制周期通常为1-8ms）。

解析法（封闭解）

对于满足Pieper准则的机械臂（相邻三关节轴线交于一点或平行），可以推导出解析解。典型方法包括：

• 代数法：利用三角函数方程消元，求解 \( q_1, q_2, q_3 \) 的位置解，再通过腕部欧拉角求解 \( q_4, q_5, q_6 \)。
• 几何法：将机械臂投影到平面，利用余弦定理求解肘部关节角。
• 腕部解耦：将位置与姿态分离，先求前三关节确定腕心位置，再求后三关节确定姿态。

解析法的优势是计算速度快（微秒级）、精度高、可预测所有解；缺点是推导复杂，且对DH参数误差敏感。

数值法（迭代优化）

当机械臂不满足Pieper准则或需要冗余度求解时，采用数值法。常用方法包括：

1. 牛顿-拉夫森法：利用雅可比矩阵迭代修正关节角，\( q_{k+1} = q_k + J^{-1} \cdot e \)，其中 \( e \) 为位姿误差。
2. 阻尼最小二乘法（DLS）：在奇异附近加入阻尼项 \( \lambda \)，\( \Delta q = J^T (JJ^T + \lambda^2 I)^{-1} e \)，避免关节速度发散。
3. 梯度投影法：用于冗余机械臂，在满足主任务的同时优化次要目标（如避障、关节限位）。

案例拆解：焊接机器人逆解选优

某焊接工位要求末端以固定姿态沿焊缝运动，目标位姿对应的逆解有8组（3个位置解 × 2个腕部解 × 2个肘部解）。选择最优解需考虑：

实际运行中，控制器在轨迹规划阶段对每个路径点计算全部逆解，通过加权评分函数选出最优解，并确保相邻路径点之间不发生关节角跳变。若最优解与上一时刻差值超过阈值，则触发“解切换”逻辑，重新规划过渡路径。

3.3 雅可比矩阵：速度映射与力映射

雅可比矩阵 \( J(q) \) 是关节空间速度 \( \dot{q} \) 到末端笛卡尔速度 \( v = [v_x, v_y, v_z, \omega_x, \omega_y, \omega_z]^T \) 的线性映射：

v = J(q) · q̇

对于六轴机械臂，\( J \) 为6×6矩阵。雅可比矩阵的物理意义不仅是速度映射，还通过转置关系 \( \tau = J^T \cdot F \) 实现力映射——即末端施加的力/力矩如何折算为各关节的驱动力矩。这一特性在力控打磨、装配等场景中至关重要。

雅可比矩阵的构造方法

• 微分变换法：对正运动学矩阵 \( T_0n \) 的每个元素求偏导，计算量较大。
• 矢量积法：对于转动关节 \( i \)，雅可比第 \( i \) 列为 \( J_i = [z_{i-1} \times (p_n - p_{i-1}); z_{i-1}] \)，其中 \( z_{i-1} \) 为关节轴方向，\( p_n \) 为末端位置，\( p_{i-1} \) 为关节位置。该方法物理意义清晰，计算效率高。
• 数值差分法：适用于无法解析求导的场合，但精度受步长影响。

案例拆解：打磨力控中的雅可比转置

在机器人恒力打磨场景中，末端需要沿法线方向施加50N接触力。控制系统通过六维力传感器测得实际接触力 \( F_{meas} \)，与目标力 \( F_{des} \) 的偏差经PID调节后，生成末端修正速度 \( \Delta v \)。该速度通过雅可比逆映射为关节速度修正量 \( \Delta \dot{q} = J^{-1} \Delta v \)。同时，重力补偿力矩 \( \tau_g \) 通过雅可比转置计算：\( \tau_g = J^T \cdot G(q) \)，其中 \( G(q) \) 为末端等效重力矢量。若忽略雅可比转置，重力补偿误差可达10-20%，导致接触力波动超过±5N。

3.4 奇异性分析：判别、影响与规避策略

奇异性是指雅可比矩阵 \( J(q) \) 降秩的位形，此时机械臂在某个方向上失去运动能力。奇异位形分为三类：

• 边界奇异：机械臂完全展开或折叠，末端到达工作空间边界。
• 内部奇异：关节轴线重合或共面，常见于腕部（关节4和6轴线重合）或肘部（关节2和3共面）。
• 腕部奇异：腕心位于关节4和6轴线交点，导致末端无法绕某方向旋转。

奇异性的数学判别

对于方阵雅可比（6×6），判别条件为 \( \det(J) = 0 \)。工程中更常用奇异值分解（SVD）：\( J = U \Sigma V^T \)，其中 \( \Sigma \) 的对角元素 \( \sigma_1 \ge \sigma_2 \ge ... \ge \sigma_6 \) 为奇异值。最小奇异值 \( \sigma_{min} \) 越接近零，机械臂越接近奇异。定义可操作度 \( w = \sigma_1 \cdot \sigma_2 \cdot ... \cdot \sigma_6 \)，用于量化奇异裕度。

奇异规避的工程策略

1. 奇异区域检测：实时计算 \( \sigma_{min} \)，当 \( \sigma_{min} < \epsilon \)（如0.01）时触发奇异预警。
2. 阻尼最小二乘法（DLS）：在奇异附近用 \( J^T (JJ^T + \lambda^2 I)^{-1} \) 替代 \( J^{-1} \)，以牺牲精度换取关节速度有限。
3. 奇异分离与降速：将末端速度分解为奇异方向和非奇异方向，对奇异方向分量进行低通滤波或限幅。
4. 路径重规划：在离线规划阶段，通过调整路径点或姿态过渡方式避开奇异区域。

案例拆解：六轴机器人穿越腕部奇异

某涂胶机器人执行空间圆弧轨迹时，路径中段恰好经过腕部奇异位形（关节4和6轴线重合）。初始现象：当末端接近奇异点时，关节4和6的速度指令急剧增大，从正常的30°/s飙升至800°/s，触发驱动器过速报警。

分析过程：通过SVD分解发现，在奇异点附近 \( \sigma_{min} \) 从0.15降至0.002，雅可比条件数 \( \sigma_{max}/\sigma_{min} \) 超过5000。进一步检查轨迹，发现路径点的姿态欧拉角变化在奇异方向上的分量过大。

解决步骤：

1. 在轨迹规划器中增加奇异检测模块，计算每个插补点的 \( \sigma_{min} \)。
2. 当 \( \sigma_{min} < 0.02 \) 时，将末端速度在奇异方向的分量按比例衰减（从100%线性降至20%）。
3. 同时将关节速度指令通过二阶低通滤波器（截止频率20Hz）平滑。
4. 调整路径姿态过渡方式，使腕部在奇异点附近提前旋转，避免轴线完全重合。

结果对比：优化后，关节4峰值速度降至120°/s，涂胶轨迹精度从±2mm提升至±0.5mm，无过速报警。复盘经验：奇异规避不能仅依赖实时算法，更应在离线规划阶段通过调整路径点分布和姿态插补方式从源头避免奇异。

3.5 常见误区与总结复盘

在运动学学习与工程应用中，以下误区值得特别注意：

• 误区一：认为正运动学结果一定准确。实际上，DH参数标定误差（尤其是 \( a \) 和 \( d \)）会导致末端定位误差累积，需通过激光跟踪仪或视觉系统进行参数辨识。
• 误区二：逆运动学只求一组解。忽略多解性可能导致关节角跳变，应始终基于“最小关节变化”原则选解。
• 误区三：将雅可比矩阵视为常数。雅可比随位形变化，在高速运动时若未实时更新，速度前馈会失真。
• 误区四：奇异规避只靠DLS。DLS会引入轨迹偏差，在精密装配场景中应优先采用路径重规划。