摩擦模型：让关节听话的必修课

做机器人控制这些年，我踩过最大的坑，就是摩擦。你想想看，明明给电机发了个指令，结果关节纹丝不动，或者动起来一顿一顿的。嗯，这就是摩擦在捣鬼。今天咱们就把摩擦模型掰开揉碎讲清楚。

摩擦到底是个啥？

说白了，摩擦就是两个接触面之间阻碍相对运动的力。在机器人关节里，它无处不在——减速器齿轮之间、电机轴承里、甚至密封圈上都有。我刚开始做项目时，总觉得摩擦是个小问题，结果低速跟踪时误差大得离谱。

摩擦主要分这么几类：

• 库仑摩擦：跟速度方向相反，大小恒定。就像你推一个箱子，推之前得克服一个固定的力。
• 粘性摩擦：跟速度成正比。速度越快，阻力越大。好比在蜂蜜里搅动，越快越费劲。
• Stribeck效应：低速时摩擦反而更大。这个最坑人，也是低速抖动的元凶。
• 静摩擦：静止时需要的力，比动摩擦还大。

库仑摩擦 + 粘性摩擦：最基础的组合

这是工程上最常用的简化模型。公式长这样：

τ_f = τ_c * sign(ω) + b * ω

其中：

• τ_f 是摩擦力矩
• τ_c 是库仑摩擦系数
• ω 是关节角速度
• b 是粘性摩擦系数
• sign(ω) 是符号函数，ω>0时取1，ω<0时取-1

这个模型简单好用，但有个致命问题——它假设速度为零时摩擦力为零。实际上呢？静止时摩擦力是τ_c的好几倍。我有个项目，用这个模型做前馈补偿，结果低速时关节一直在微振，后来才发现是静摩擦没处理好。

Stribeck效应：低速抖动的罪魁祸首

Stribeck效应描述的是这样一个现象：当关节从静止开始运动时，摩擦力先下降再上升。为什么会这样？因为低速时润滑油膜还没建立起来，金属直接接触，摩擦很大。速度上来后油膜形成，摩擦反而变小。

这个效应在精密定位中特别要命。我记得调试一个六轴机器人时，末端执行器在低速跟踪圆弧轨迹，结果走出来的轨迹像锯齿一样。查了半天，就是Stribeck效应在作怪。

Stribeck模型的数学表达：

τ_f(ω) = [τ_c + (τ_s - τ_c) * exp(-(ω/ω_s)^2)] * sign(ω) + b * ω

其中τ_s是静摩擦力，ω_s是Stribeck速度阈值。这个模型比库仑+粘性复杂一些，但能更真实地反映低速行为。

LuGre模型：动态摩擦的终极方案

前面说的都是静态模型，但实际摩擦是有记忆效应的。LuGre模型引入了鬃毛(bristle)的概念——想象两个接触面之间有很多微小鬃毛，它们像弹簧一样变形，产生摩擦力。

LuGre模型的状态方程：

dz/dt = ω - σ0 * |ω| * z / g(ω)
g(ω) = τ_c + (τ_s - τ_c) * exp(-(ω/ω_s)^2)
τ_f = σ0 * z + σ1 * dz/dt + b * ω

其中：

• z 是鬃毛的平均变形量（内部状态）
• σ0 是鬃毛刚度
• σ1 是阻尼系数
• g(ω) 描述Stribeck效应

这个模型能模拟出摩擦的滞后现象、预滑动位移等复杂行为。但代价是参数多，辨识起来比较麻烦。我个人习惯，只有在做高精度力控时才会用LuGre模型，一般场合用Stribeck模型就够了。

摩擦对低速控制的影响

低速控制是摩擦问题最集中的地方。我总结了几种典型现象：

现象	原因	后果
爬行现象	静摩擦大于驱动力，停→动→停循环	低速时关节一顿一顿
极限环振荡	摩擦导致系统出现自激振荡	定位精度差，末端抖动
稳态误差	摩擦消耗了部分驱动力	位置跟踪有静差

摩擦参数辨识实战

说了这么多理论，咱们来点实际的。怎么辨识摩擦参数？我常用的方法是：

1. 恒速实验：让关节以不同速度匀速运动，记录力矩和速度数据
2. 数据拟合：用最小二乘法拟合Stribeck曲线
3. 验证：用正弦轨迹验证辨识结果

下面是一个简单的Python代码示例，演示如何拟合Stribeck模型：

import numpy as np
from scipy.optimize import curve_fit

def stribeck_model(omega, tau_c, tau_s, omega_s, b):
    """Stribeck摩擦模型"""
    sign = np.sign(omega)
    return (tau_c + (tau_s - tau_c) * np.exp(-(omega/omega_s)**2)) * sign + b * omega

# 假设我们采集了速度和力矩数据
omega_data = np.array([0.01, 0.05, 0.1, 0.2, 0.5, 1.0, 2.0])
tau_data = np.array([2.1, 1.8, 1.6, 1.7, 2.0, 2.5, 3.5])

# 参数初始猜测
p0 = [1.5, 2.5, 0.1, 0.5]

# 拟合
popt, pcov = curve_fit(stribeck_model, omega_data, tau_data, p0)

print(f"库仑摩擦: {popt[0]:.3f} Nm")
print(f"静摩擦: {popt[1]:.3f} Nm")
print(f"Stribeck速度: {popt[2]:.3f} rad/s")
print(f"粘性摩擦: {popt[3]:.3f} Nm·s/rad")

知识体系总览

下面这张图展示了本章的知识结构，帮你理清思路：

这张图把摩擦模型的分类、影响和辨识方法串起来了。你可以看到，静态模型和动态模型是两条主线，而它们最终都指向同一个目标——让关节听话。

好了，关于摩擦模型就讲到这里。记住，摩擦是低速控制的头号敌人，但只要你理解了它的特性，就能找到应对方法。下次调试时遇到低速抖动，先别急着调PID参数，检查一下摩擦补偿是不是到位了。

---

可可精品资料库