1. 课程导入
在工业机器人、协作机器人、医疗机器人和空间机械臂等系统中，控制器通常依据一组名义运动学参数来计算关节角与末端位姿之间的映射关系。然而，真实机械臂在制造、装配、磨损和负载作用下，其实际几何参数与名义参数之间存在偏差。这些偏差会直接表现为末端定位误差，进而影响抓取、装配、焊接、打磨和测量等任务的精度。机械臂运动学参数标定，正是通过测量数据辨识并补偿这些参数偏差，使控制器中的运动学模型更接近真实机械臂的一门工程方法。
一句话定义：机械臂运动学参数标定是利用外部测量或约束信息，辨识机械臂连杆几何参数、关节零位及工具坐标系等运动学参数，并将辨识结果补偿到控制模型中的过程。
一、核心原理：从名义模型到真实模型
机械臂运动学模型通常以D-H参数或改进D-H参数描述，每个连杆包含连杆长度、连杆扭角、关节偏置和关节转角等参数。理想情况下，控制器使用名义参数即可完成正运动学计算。但实际机械臂存在加工公差、装配误差、编码器零位偏差、减速器回差、连杆热变形和末端工具安装误差等因素，导致实际末端位姿与计算位姿不一致。
标定的基本思路是建立误差模型：将末端实际位姿与名义模型计算位姿之差，表示为运动学参数偏差的函数。通过采集多组关节角与对应末端位姿数据，构造超定方程组，再利用最小二乘、Levenberg-Marquardt或极大似然估计等方法求解参数偏差。最后将辨识得到的参数修正值写入控制器或补偿模块，从而降低末端定位误差。
典型标定数据关系：
ΔX = J · Δq
其中：
ΔX：末端位姿误差向量
J ：运动学参数雅可比矩阵
Δq：待辨识的运动学参数偏差向量
工程中通常采集 N 组位姿：
N ≥ 待辨识参数个数 / 每组可提供约束数
以提高辨识鲁棒性。二、工程意义：为什么必须做参数标定
运动学参数标定不是“锦上添花”的科研步骤，而是高精度机器人应用的基础工程环节。其意义主要体现在以下几个方面：
- 提升绝对定位精度：重复定位精度反映机器人回到同一点的能力，绝对定位精度反映机器人到达指令点的能力。标定主要改善绝对定位精度。
- 降低离线编程误差：离线编程依赖模型预测末端位置，模型不准会导致现场反复试教，标定可显著减少修正工作量。
- 保证多机一致性：同一型号多台机器人因装配差异，实际参数不同。标定后可使多机共享同一套程序并保持一致性。
- 支持高精度任务：如航空装配、激光焊接、医疗穿刺、精密打磨等，对末端轨迹和位姿要求远高于普通搬运。
- 延长设备精度寿命：碰撞、磨损或维修后，通过重新标定可恢复精度，避免直接更换昂贵部件。
三、典型应用场景
运动学参数标定广泛应用于需要“模型驱动精度”的场合。下表列出典型场景及其关注点：
| 应用场景 | 主要误差来源 | 标定关注点 |
|---|---|---|
| 汽车白车身焊接 | 工具安装、连杆公差、热变形 | 工具坐标系与绝对定位精度 |
| 航空结构件装配 | 大尺寸空间、多机协同 | 基坐标系与末端位姿一致性 |
| 协作机器人抓取 | 关节零位、减速器回差 | 零位偏差与重复性补偿 |
| 医疗手术机器人 | 工具尖端位置、注册误差 | 工具中心点与安全边界 |
| 激光切割与打磨 | 轨迹偏差、工具磨损 | 轨迹精度与工具姿态 |
| 空间机械臂 | 微重力、热变形、关节柔性 | 在轨辨识与自适应补偿 |
四、整体课程框架与学习路径
本课程围绕“模型—测量—辨识—补偿—验证”的工程闭环展开，共30章。整体框架可概括为五个阶段：
- 基础与建模：运动学基础、D-H参数、误差模型、雅可比矩阵与可辨识性分析。
- 测量与数据采集：激光跟踪仪、视觉测量、球杆仪、接触式测量及数据预处理。
- 参数辨识：最小二乘、非线性优化、鲁棒估计、参数筛选与病态问题处理。
- 补偿与实现：控制器参数修改、离线补偿、实时补偿及工具坐标系标定。
- 验证与工程复盘：精度评价、重复性测试、温度影响、碰撞后重标定与案例复盘。
学习建议：每章都围绕一个可落地的工程问题展开。建议先理解误差来源，再掌握测量与辨识方法，最后关注补偿实现和验证指标。不要只记公式，要建立“误差从哪来、如何测、怎样算、补到哪、如何验”的完整链路。
五、常见误区与工程提醒
初学者容易把“重复定位精度”和“绝对定位精度”混为一谈。重复定位精度高，不代表绝对定位精度高；标定主要解决后者。另一个误区是认为标定一次即可永久有效。实际上，温度变化、碰撞、维修和负载改变都会使参数漂移，需要定期或触发式重标定。
注意：标定不是单纯的数据拟合。若测量数据覆盖的工作空间不足、关节角激励不充分，或测量设备本身精度不够，辨识结果可能看似收敛，实际补偿后精度反而变差。工程中必须同时关注可辨识性、测量不确定度和验证集误差。