动力学基础：牛顿-欧拉方程、拉格朗日动力学、关节空间与操作空间动力学

各位同学，欢迎来到《力矩模式下的轨迹跟踪实战课程》。我是你们的讲师，一个在机器人控制领域摸爬滚打了十几年的老工程师。

今天咱们聊点硬核的——动力学。说白了，就是研究机器人为什么会动，以及怎么动得漂亮。你想想看，如果连力与运动的关系都搞不清楚，那力矩模式下的轨迹跟踪就是空中楼阁。

我个人习惯把动力学比作机器人的「体能训练」。运动学告诉你手能伸多远，动力学才告诉你需要多大的力气。嗯，这里要注意，很多新手容易把两者搞混。

牛顿-欧拉方程：从单刚体到多连杆

先说说牛顿-欧拉方程。这个方法，说白了就是「力与加速度」的关系。对于单个刚体，我们很熟悉：F = ma，τ = Iα。

但机器人是一串连杆串在一起。每个连杆都受到相邻关节的力和力矩。这时候，我们需要递归地计算。

我在项目中遇到过一个问题：一个六轴机械臂在高速运动时，末端抖动得厉害。后来排查发现，就是牛顿-欧拉递推中，科里奥利力和离心力项没算对。你看，细节决定成败。

牛顿-欧拉法的计算流程通常分两步：

• 正向递推：从基座到末端，计算每个连杆的速度、加速度（包括角速度和角加速度）。
• 反向递推：从末端到基座，计算每个关节的力和力矩。

它的优点是计算效率高，适合实时控制。我建议你在做嵌入式实现时，优先考虑这个方法。

拉格朗日动力学：从能量角度看问题

拉格朗日法，我个人觉得更「优雅」。它不直接分析力，而是从系统的动能和势能出发。

公式很简单：L = T - V，其中T是动能，V是势能。然后通过拉格朗日方程：

d/dt (∂L/∂q̇) - ∂L/∂q = τ

就能得到动力学方程。

你可能会问：这跟牛顿-欧拉法有什么区别？

嗯，拉格朗日法推导起来更系统化，不容易遗漏耦合项。特别是对于复杂的并联机构或柔性关节机器人，拉格朗日法优势明显。

我记得有一次做七自由度冗余机械臂的动力学建模，用牛顿-欧拉法推导到第三个连杆就开始头晕。换成拉格朗日法，虽然计算量大了点，但思路清晰多了。

拉格朗日动力学方程的标准形式是：

M(q)q̈ + C(q, q̇)q̇ + G(q) = τ

其中：

• M(q)：惯性矩阵，跟关节位置有关
• C(q, q̇)：科里奥利力和离心力矩阵
• G(q)：重力项
• τ：关节力矩

关节空间与操作空间动力学

好，接下来是重点中的重点。关节空间和操作空间，这两个概念你必须要分清楚。

关节空间动力学，描述的是关节力矩与关节位置、速度、加速度的关系。就是我们上面写的那个方程。它直接用于关节空间的轨迹跟踪控制。

操作空间动力学，描述的是末端执行器受到的力与末端位姿、速度、加速度的关系。说白了，就是你想让末端按某个轨迹走，需要施加多大的力。

两者通过雅可比矩阵 J(q) 联系起来：

τ = J(q)ᵀ · F

其中 F 是末端力，τ 是关节力矩。

操作空间的动力学方程可以写成：

Λ(x)ẍ + μ(x, ẋ) + p(x) = F

这里 Λ(x) 是操作空间惯性矩阵，μ 是科里奥利项，p 是重力项。

我个人习惯在做力控或阻抗控制时，优先使用操作空间动力学。因为它直观——你直接告诉机器人「末端要往这个方向用力」，而不是去算每个关节该出多少力。

知识体系结构图

下面这张图，是我自己画的。它把本章的知识点串在了一起，你看完应该能有个整体印象。

从这张图你可以看到，牛顿-欧拉法和拉格朗日法都能推导出动力学方程。然后，根据你的控制目标，选择在关节空间还是操作空间进行控制。两者通过雅可比矩阵的转置 J(q)ᵀ 相互转换。

小结

今天的内容，说白了就是三件事：

1. 牛顿-欧拉法：递归计算，适合嵌入式实时实现。我建议你把它作为首选的动力学计算方法。
2. 拉格朗日法：从能量角度建模，适合复杂系统。推导时不容易出错，但计算量稍大。
3. 关节空间 vs 操作空间：关节空间控制关节运动，操作空间控制末端运动。选哪个，看你的应用场景。

嗯，动力学这块内容确实有点硬。但它是力矩模式轨迹跟踪的基石。下一章我们会基于这些方程，开始讲具体的控制策略。到时候你会发现，今天打下的基础，全都能用上。