4. 动力学基础

机械臂动力学研究的是关节运动与驱动力/力矩之间的映射关系，是控制器设计、轨迹优化、参数辨识与仿真验证的理论基石。对于六轴串联工业机器人或协作机器人，动力学模型描述了各关节力矩如何随关节角度、角速度、角加速度以及外部负载变化。本章围绕三大核心内容展开：基于力平衡的牛顿-欧拉递推算法、基于能量守恒的拉格朗日方程，以及面向控制工程应用的动力学模型标准形式。理解这三者之间的内在联系与适用边界，是后续进行计算力矩控制、自适应控制或阻抗控制的前提。

4.1 牛顿-欧拉递推算法：从力平衡到实时计算

牛顿-欧拉递推法基于经典力学中的牛顿第二定律（力平衡）和欧拉方程（力矩平衡），通过相邻连杆之间的速度、加速度和力的传递关系，递推求解各关节所需的驱动力矩。该方法将机械臂视为由刚性连杆通过关节连接的开链机构，每个连杆的质心运动遵循牛顿方程，转动遵循欧拉方程。

核心原理：算法分为两个阶段。第一阶段为外推（正向递推），从基座（惯性系）开始，依次计算每个连杆的角速度、角加速度、线加速度以及质心加速度。第二阶段为内推（反向递推），从末端执行器开始，向基座方向计算每个连杆受到的约束力和力矩，最终得到各关节的驱动力矩。外推过程依赖于关节的运动状态（角度、角速度、角加速度），内推过程则依赖于外推得到的惯性力和外力。

操作流程：以六轴串联机器人为例，递推步骤如下：

1. 初始化：设定基座角速度 ω₀=0，角加速度 α₀=0，线加速度 a₀=g（重力加速度，方向竖直向下）。
2. 外推（i=1→n）：根据关节 i 的运动状态，计算连杆 i 的角速度 ωᵢ、角加速度 αᵢ、质心线加速度 a_ci。对于转动关节，角速度传递关系为 ωᵢ = Rᵢᵢ₋₁·ωᵢ₋₁ + q̇ᵢ·ẑᵢ。
3. 内推（i=n→1）：计算连杆 i 的惯性力 Fᵢ = mᵢ·a_ci 和惯性力矩 Nᵢ = Iᵢ·αᵢ + ωᵢ×(Iᵢ·ωᵢ)。然后根据力平衡和力矩平衡，从末端向基座累加约束力和力矩。
4. 关节力矩：τᵢ = zᵢᵀ·(nᵢ)（转动关节），其中 nᵢ 为关节 i 处施加在连杆 i 上的约束力矩。

4.2 拉格朗日方程：基于能量的解析建模

拉格朗日方程从系统总能量出发，通过定义拉格朗日函数 L = K - P（动能减去势能），建立动力学方程。该方法不涉及约束力的显式计算，而是通过广义坐标和广义力的抽象，直接得到关节力矩与运动状态之间的解析关系。

核心原理：对于 n 自由度机械臂，拉格朗日方程形式为：

d/dt(∂L/∂q̇ᵢ) - ∂L/∂qᵢ = τᵢ   (i=1,2,...,n)

其中 qᵢ 为广义坐标（关节角度），q̇ᵢ 为广义速度，τᵢ 为广义力（关节力矩）。动能 K 是关节速度和关节位置的函数，势能 P 通常是关节位置的函数。通过偏微分运算，可以得到包含惯性矩阵、科里奥利/离心力项和重力项的完整动力学方程。

建模步骤：

• 步骤1：建立 D-H 参数表，确定各连杆坐标系之间的齐次变换矩阵。
• 步骤2：计算每个连杆质心的位置、速度和角速度，进而得到系统总动能 K = Σ(½mᵢv_ciᵀv_ci + ½ωᵢᵀIᵢωᵢ)。
• 步骤3：计算系统总势能 P = Σmᵢgᵀp_ci（重力势能）。
• 步骤4：代入拉格朗日方程，进行偏微分和求导运算，整理得到标准形式。

案例拆解：考虑一个二连杆平面机械臂，连杆长度 l₁=l₂=0.5m，质量 m₁=m₂=5kg，质心位于连杆中点。通过拉格朗日方程推导，可以得到惯性矩阵 M(q) 的显式表达式：

M(q) = [m₁l₁²/4 + m₂(l₁² + l₂²/4 + l₁l₂cos(q₂)) + I₁ + I₂,  m₂(l₂²/4 + l₁l₂cos(q₂)/2) + I₂;
        m₂(l₂²/4 + l₁l₂cos(q₂)/2) + I₂,                     m₂l₂²/4 + I₂]

该表达式清晰地展示了惯性耦合项随关节角度 q₂ 的变化规律。当 q₂=0（手臂完全伸展）时，耦合项最大；当 q₂=π（手臂折叠）时，耦合项最小。这一特性对于理解机械臂在不同构型下的动态响应至关重要。

4.3 动力学模型的标准形式与工程意义

无论采用哪种方法推导，机械臂动力学模型最终都可以整理为统一的标准形式：

M(q)q̈ + C(q,q̇)q̇ + G(q) + τ_f(q̇) + τ_ext = τ

其中：M(q) 为 n×n 惯性矩阵（对称正定），C(q,q̇)q̇ 为科里奥利力和离心力项，G(q) 为重力项，τ_f(q̇) 为关节摩擦力矩，τ_ext 为外部负载力矩，τ 为关节驱动力矩。

各矩阵的物理意义与性质：

矩阵/向量	物理意义	关键性质	工程影响
M(q)	惯性矩阵，反映质量分布	对称正定，M(q)=M(q)ᵀ	决定系统固有频率和加速度响应
C(q,q̇)	科里奥利/离心力矩阵	Ṁ-2C 为反对称矩阵（若选取合适）	高速运动时产生显著耦合效应
G(q)	重力力矩向量	仅与关节位置有关	低速时占主导，需前馈补偿
τ_f(q̇)	摩擦力矩（库仑+粘滞）	与速度方向相关，非线性	低速时影响定位精度
τ_ext	外部力矩（负载/碰撞）	可通过观测器估计	力控/阻抗控制的基础

标准形式的工程价值：该形式为控制器设计提供了统一接口。计算力矩控制律 τ = M(q)(q̈_d + K_d·ė + K_p·e) + C(q,q̇)q̇ + G(q) 直接利用标准形式进行逆动力学补偿，将非线性系统线性化为二阶误差动态。在轨迹规划阶段，标准形式可用于前馈力矩计算，提高跟踪精度。在参数辨识中，标准形式可线性化为 Y(q,q̇,q̈)·θ = τ，其中 Y 为回归矩阵，θ 为惯性参数向量，通过最小二乘法辨识。

4.4 实战场景：六轴机器人动力学参数辨识与验证

背景与约束：某协作机器人厂商需要为其六轴机械臂建立精确的动力学模型，用于实现高精度力控和自适应前馈补偿。机器人额定负载 5kg，关节 1-3 为大型谐波减速器，关节 4-6 为小型行星减速器。控制周期 1kHz，要求模型计算时间不超过 0.2ms。

初始现象与目标：在高速轨迹跟踪测试中，关节 2 和关节 3 的跟踪误差达到 ±0.8°，超出规格书要求的 ±0.2°。初步分析认为动力学模型不准确，尤其是惯性参数和摩擦力参数存在较大偏差。目标是通过系统辨识获得高精度模型，将跟踪误差降低至 ±0.15°以内。

关键输入数据与参数：

• D-H 参数表：各连杆长度、偏置、扭转角（由 CAD 模型提供，精度 ±0.1mm）。
• 连杆质量与质心位置：通过三维建模软件估算，初始误差约 5%-10%。
• 关节摩擦力：采用 Stribeck 模型，需辨识静摩擦、库仑摩擦、粘滞系数和 Stribeck 速度。
• 激励轨迹：采用有限傅里叶级数轨迹，频率范围 0.1-5Hz，幅值根据关节限位和速度限制设计。

分析判断过程：首先，利用拉格朗日方法在 MATLAB Symbolic 中推导标准形式，得到惯性矩阵 M(q) 的符号表达式。然后，将模型线性化为 Y(q,q̇,q̈)·θ = τ，其中 θ 包含 10 个标准惯性参数（质量、质心位置、惯性张量元素）和 6 组摩擦参数。采用加权最小二乘法进行参数估计，权重根据各关节力矩传感器噪声水平设定。激励轨迹持续 30 秒，采样率 1kHz，共 30000 组数据点。

实际操作步骤：

1. 数据采集：在机器人空载状态下，执行激励轨迹，同步采集各关节角度（编码器）、角速度（差分或观测器）、力矩（关节力矩传感器）。
2. 数据预处理：对力矩信号进行低通滤波（截止频率 20Hz），去除高频噪声；对角度信号进行平滑处理，避免差分放大噪声。
3. 参数辨识：使用 MATLAB System Identification Toolbox 或自编最小二乘程序，求解 θ = (YᵀWY)⁻¹YᵀWτ，其中 W 为权重矩阵。
4. 模型验证：设计验证轨迹（不同于激励轨迹），对比模型预测力矩与实际测量力矩，计算拟合度 R²。
5. 迭代优化：若拟合度低于 90%，检查是否存在参数耦合或激励不充分，调整激励轨迹频率成分或幅值后重新辨识。

结果对比：辨识后模型预测力矩与实际力矩的拟合度从初始的 78% 提升至 95.3%。在相同高速轨迹下，关节 2 跟踪误差从 ±0.8° 降至 ±0.12°，关节 3 从 ±0.6° 降至 ±0.10°。同时，重力补偿精度提升，在静态保持时关节力矩波动减小 40%。

风险与代价：参数辨识过程耗时约 2 个工作日，需要专业设备和软件支持。激励轨迹的设计需谨慎，避免激发机械共振（本案例中关节 2 的谐振频率约 12Hz，激励频率上限设为 5Hz 以避开）。此外，辨识得到的参数仅适用于特定负载条件，负载变化时需重新辨识或采用在线自适应算法。

复盘经验：动力学模型精度提升的关键在于：① 准确的 D-H 参数和连杆几何数据；② 合理的激励轨迹设计，确保所有参数被充分激发；③ 摩擦力模型的正确选择——本案例中 Stribeck 模型比简单库仑+粘滞模型拟合度提升约 8%；④ 数据预处理的质量直接影响辨识结果，滤波截止频率的选择需权衡噪声抑制与信号保真。