4. 几何误差源分析

机器人末端位姿误差并非由单一因素造成，而是多个几何误差源在运动学链上逐级传递、叠加与放大的结果。要建立可补偿的误差模型，首先必须把“误差从哪来、以什么形式进入运动学、对末端造成多大影响”这三件事拆开分析。本节围绕四类最典型、工程中出现频率最高的几何误差源展开：连杆长度误差、关节零位误差、轴间平行度与垂直度误差、减速比误差，并给出它们的建模方式、影响特征与辨识思路。

一、核心原理：误差如何进入运动学模型

以标准DH参数为例，相邻连杆之间的变换由四个参数决定：连杆长度 a、连杆扭角 α、关节偏置 d、关节转角 θ。理想模型中这些参数为常数，而真实机器人中它们都存在偏差：

理想变换:  T_i = Rot_z(θ_i) · Trans_z(d_i) · Trans_x(a_i) · Rot_x(α_i)
实际变换:  T_i' = Rot_z(θ_i + Δθ_i) · Trans_z(d_i + Δd_i)
                · Trans_x(a_i + Δa_i) · Rot_x(α_i + Δα_i)

其中 Δθ 对应关节零位误差，Δa、Δd 对应连杆长度与偏置误差，Δα 对应轴间平行度/垂直度误差。减速比误差则不以参数偏差形式出现，而是使关节实际转角与编码器读数之间产生比例偏差：θ_real = k · θ_cmd，k 偏离 1 的部分即为减速比误差。四类误差的共同点是：它们都通过雅可比矩阵 J 映射到末端位姿误差 ΔX ≈ J · Δq，但映射路径和敏感方向完全不同。

二、四类误差源的特征与影响对比

下表从误差形式、主要影响方向、典型量级和辨识难度四个维度对四类误差源进行对比，便于在标定前判断优先级。

从表中可以看出，连杆长度误差和关节零位误差是“一阶主项”，通常在标定中优先辨识；轴间平行度/垂直度误差影响姿态，对六维精度要求高的场景不可忽略；减速比误差量级虽小，但在大关节转角下会累积成显著的角度偏差，且容易与零位误差混淆。

三、误差传递与敏感方向：一张图看清链路

下图以串联六轴机器人为例，展示四类几何误差源如何从基座到末端逐级进入运动学链，并最终汇聚为末端位姿误差。图中同时标出了各误差源的主要作用环节和敏感方向，帮助建立“误差源—关节—末端”的对应关系。

四、案例场景：同一台机器人，不同误差源的表现差异

某六轴工业机器人在重复定位精度良好（±0.05 mm）的情况下，绝对定位精度却只有 ±1.2 mm。通过激光跟踪仪采集 50 组位姿数据并进行参数辨识，得到如下误差分布：

• 连杆长度误差：J2 与 J3 之间的 a2 偏差 +0.42 mm，a3 偏差 −0.31 mm，是位置误差的主要贡献项，占总位置误差约 55%。
• 关节零位误差：J2 零位偏差 +0.18°，J3 零位偏差 −0.12°，在臂展 1.2 m 处产生约 0.38 mm 的位置偏差，占总误差约 30%。
• 轴间垂直度误差：J2 与 J3 轴线垂直度偏差 0.06°，主要造成末端姿态偏差约 0.05°，位置影响较小。
• 减速比误差：J1 减速比偏差 3×10⁻⁴，在 180° 运动范围内累积约 0.054° 的角度误差，单独看很小，但与零位误差耦合后难以分离。

该案例说明：绝对精度差的主因往往集中在少数几个参数上，标定时应优先辨识敏感度高、量级大的误差项，而不是盲目追求“全参数辨识”。

五、常见误区与复盘

误区一：把重复定位精度等同于绝对定位精度。重复定位精度反映的是同一指令下多次到达的一致性，主要由机械间隙和伺服重复性决定；绝对定位精度反映的是指令位姿与真实位姿的偏差，主要由几何参数误差决定。两者成因不同，不能互相替代。

误区二：认为减速比误差可以忽略。减速比误差虽然量级小，但它与关节转角成正比，在大范围运动时累积效应明显。更麻烦的是，它与关节零位误差在数学形式上高度耦合——零位误差是常数偏置，减速比误差是比例项，两者在单关节小范围运动时几乎无法区分，必须通过大范围、多姿态激励才能分离。

误区三：只关注位置误差，忽略姿态误差。轴间平行度与垂直度误差对位置的影响通常较小，但对姿态的影响不可忽略。对于需要精确控制工具姿态的应用（如打磨、装配、激光加工），姿态误差往往比位置误差更致命。

复盘要点：几何误差源分析应形成“误差源清单—敏感度排序—辨识优先级—补偿策略”的闭环。连杆长度误差和关节零位误差作为一阶主项优先处理；轴间平行度/垂直度误差在姿态精度要求高时纳入模型；减速比误差在大范围运动场景下必须单独辨识，避免与零位误差混淆。

误差源分析检查清单：
[ ] 是否已列出所有几何参数及其名义值？
[ ] 是否已完成敏感度分析并排序？
[ ] 连杆长度误差是否已通过多位置测量辨识？
[ ] 关节零位误差是否已与减速比误差解耦？
[ ] 轴间平行度/垂直度误差是否已通过姿态测量激励？
[ ] 补偿模型是否已在验证集上评估残差？

只有把误差源分析清楚，后续的运动学标定与补偿才有明确的目标和可验证的基准。四类误差源的建模方式、辨识条件和补偿手段各不相同，工程中应根据机器人构型、精度指标和应用场景，有选择地纳入标定模型，而不是一味追求参数数量。