2. 机器人动力学模型：牛顿-欧拉方程、拉格朗日方程、惯性矩阵、科里奥利力与离心力

好，咱们今天聊聊机器人动力学。说白了，就是研究机器人为什么会动，以及怎么动起来的。

你想想看，一个六轴机械臂，你给它一个力矩指令，它到底会怎么运动？这背后就是动力学模型在起作用。我个人习惯把动力学看作是「力与运动之间的翻译官」。

2.1 牛顿-欧拉方程：从单刚体到多连杆

牛顿-欧拉方程，这个名字听起来挺唬人。其实它就是把牛顿第二定律（F=ma）和欧拉方程（τ=Iα）搬到了机器人身上。

我在项目中遇到过一个问题：一个六轴机器人末端负载变化时，前三个关节的力矩波动特别大。后来排查发现，就是牛顿-欧拉递推算法里，惯性参数没更新。

牛顿-欧拉法分为两步：

• 正向递推：从基座到末端，计算每个连杆的速度、加速度
• 反向递推：从末端到基座，计算每个关节的力和力矩

嗯，这里要注意：正向递推用的是运动学，反向递推才真正用到动力学。很多新手容易搞反。

// 伪代码：牛顿-欧拉递推
// 正向递推：计算速度和加速度
for i = 1 to n:
    ω_i = ω_{i-1} + q̇_i * z_i
    α_i = α_{i-1} + q̈_i * z_i + ω_{i-1} × (q̇_i * z_i)
    a_i = a_{i-1} + α_i × r_i + ω_i × (ω_i × r_i)

// 反向递推：计算力和力矩
for i = n down to 1:
    F_i = m_i * a_i
    τ_i = I_i * α_i + ω_i × (I_i * ω_i)
    f_i = F_i + f_{i+1}
    n_i = τ_i + n_{i+1} + r_i × f_i

2.2 拉格朗日方程：能量视角的优雅解法

拉格朗日方程，说白了就是从能量角度来建模。你不需要关心每个连杆的受力细节，只需要知道系统的动能和势能。

公式长这样：

L = T - V   (拉格朗日量 = 动能 - 势能)

τ = d/dt(∂L/∂q̇) - ∂L/∂q

我个人更喜欢拉格朗日法，尤其是在做多自由度机器人时。为什么？因为它自动处理了约束力，你只需要关注广义坐标。

我曾经用拉格朗日法推导过一个SCARA机器人的动力学模型。当时花了三天时间手算，结果发现和仿真结果对不上。后来查了半天，原来是科里奥利项漏掉了。

2.3 惯性矩阵：机器人的「质量」

惯性矩阵 M(q)，说白了就是机器人的「等效质量」。但它不是常数，而是随关节位置变化的。

你想想看：当机械臂完全伸直时，末端惯性最大；当它蜷缩起来时，末端惯性最小。这就是惯性矩阵在起作用。

关节位置	末端惯性	物理意义
完全伸直	最大	所有连杆质量都贡献到末端
完全蜷缩	最小	质量集中在基座附近
中间位置	变化	取决于关节角度组合

惯性矩阵有几个重要性质：

• 对称正定：M(q) = M(q)^T > 0
• 随关节位置变化：M = M(q)
• 对角线元素是各关节的等效惯量

2.4 科里奥利力与离心力：看不见的「捣蛋鬼」

科里奥利力和离心力，说白了就是「虚拟力」。它们不是真实存在的力，而是因为你在旋转坐标系下观察运动而产生的「错觉」。

科里奥利力：当两个关节同时运动时，一个关节的运动会影响另一个关节。比如你挥动高尔夫球杆，手腕的转动会影响手臂的摆动。

离心力：当关节旋转时，连杆有「甩出去」的趋势。就像你坐旋转木马，感觉被往外推一样。

公式形式：

C(q, q̇) = 科里奥利矩阵 × q̇

其中 C(q, q̇) 满足：
- C(q, q̇) 是 q̇ 的线性函数
- C(q, 0) = 0（静止时没有科里奥利力）
- Ṁ(q) - 2C(q, q̇) 是反对称矩阵（重要性质！）

我记得有一次做高速抓取任务，机器人跑到2m/s时突然抖动。排查了三天，最后发现是科里奥利力补偿没做好。加上补偿后，稳如老狗。

2.5 完整动力学方程

把上面所有东西拼起来，就得到了完整的机器人动力学方程：

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

其中：
- M(q)：惯性矩阵
- C(q, q̇)：科里奥利和离心力矩阵
- G(q)：重力项
- F(q̇)：摩擦力项（库仑摩擦+粘滞摩擦）
- τ：关节驱动力矩

这个方程，就是机器人力矩控制的「圣经」。你所有的力控算法，最终都要回归到这个方程上。

2.6 知识体系总览

下面这张图，帮你理清本章的知识脉络：

这张图展示了动力学模型的四个核心组成部分。它们不是孤立的，而是相互关联的。在实际应用中，你往往需要同时考虑它们。

好了，这一章的内容就到这里。记住：动力学模型是力矩控制的基石。理解它，你才能驾驭它。