3、关节空间力矩控制：PD+重力补偿控制、计算力矩法、鲁棒控制基础

各位同学，今天我们来聊聊关节空间的力矩控制。说实话，力矩控制是机器人控制里最「物理」的一种方式——你直接跟电机说「你给我出多大力」，而不是「你转到哪个位置」。这两种思路的差别，就像你让一个人「把杯子拿稳」和「把手臂绷紧」的区别。

我个人习惯把力矩控制分成三个层次：简单补偿型、精确模型型、对抗不确定型。今天我们就按这个顺序来。

3.1 PD+重力补偿控制

先从一个最直观的场景说起。你想想看，一个六轴机械臂悬在半空，如果关节电机不给力矩，它会怎么样？——掉下来。因为重力一直在拉着它。

所以最简单的力矩控制，就是先算出一个「抵消重力」的力矩，然后在这个基础上做PD控制。公式长这样：

τ = G(q) + Kp * (q_d - q) + Kd * (dq_d - dq)

这里 G(q) 就是重力补偿项。Kp和Kd是PD增益，负责把关节拉到目标位置。

我在项目中遇到过一个问题：有些同学把Kp调得特别大，觉得这样跟踪快。结果呢？机械臂抖得像筛糠一样。为什么？因为重力补偿项本身就有误差——你算的G(q)是基于模型参数的，但实际连杆质量、质心位置总有偏差。Kp一大，这点误差就被放大了。

PD+重力补偿的优点是简单、可靠。缺点也很明显——它本质上还是个位置控制，只是加了前馈。如果你想做柔顺控制、力跟踪，它就不够用了。

3.2 计算力矩法

好，接下来我们上一个台阶。计算力矩法（Computed Torque Control）是力矩控制里的「标准答案」之一。它的思路很漂亮：

既然机器人的动力学方程是：

M(q) * ddq + C(q, dq) * dq + G(q) = τ

那我能不能直接「反解」出需要的力矩？比如我想要一个期望的加速度 ddq_des，那我直接算：

τ = M(q) * ddq_des + C(q, dq) * dq + G(q)

这不就完了吗？——嗯，理论上是的。但实际中我们通常把 ddq_des 设计成PD形式：

ddq_des = ddq_d + Kv * (dq_d - dq) + Kp * (q_d - q)

代入后得到完整的控制律：

τ = M(q) * [ddq_d + Kv * e_dot + Kp * e] + C(q, dq) * dq + G(q)

其中 e = q_d - q，e_dot = dq_d - dq。

我记得第一次在仿真里跑通计算力矩法时，那个跟踪精度让我吃了一惊——位置误差直接收敛到0.001弧度以内。但别高兴太早，这玩意对模型精度要求极高。

所以我的建议是：如果你有准确的动力学模型（比如通过参数辨识得到的），计算力矩法效果非常好。但如果模型很粗糙，不如用PD+重力补偿来得稳。

3.3 鲁棒控制基础

说到模型不准确，那就不得不提鲁棒控制了。鲁棒控制说白了就是——「我知道我的模型不准，但我还是想控制好」。

在力矩控制里，最经典的鲁棒方法就是给计算力矩法加一个「补偿项」。比如：

τ = M_hat(q) * [ddq_d + Kv * e_dot + Kp * e] + C_hat * dq + G_hat + τ_robust

这里的 M_hat、C_hat、G_hat 是名义模型（不准确的模型），τ_robust 就是用来对抗模型误差的。

常见的鲁棒项设计有几种：

• 滑模控制：τ_robust = K * sign(s)，其中s是滑模面。简单粗暴，但会有抖振。
• 自适应边界层：用饱和函数代替符号函数，减少抖振。
• 扰动观测器：把模型误差和外部扰动一起估计出来，然后补偿掉。

我个人比较喜欢扰动观测器的方法。为什么呢？因为它更「优雅」——你不是硬抗误差，而是先估计它，再消除它。

下面我用一张图来总结这三种方法的关系：

最后说一句，这三种方法不是互斥的。我在实际项目中经常这样搭配：

• 用PD+重力补偿做日常的点位运动，简单够用
• 需要高速高精度轨迹跟踪时切换到计算力矩法
• 如果发现模型参数变了（比如换了末端工具），就打开鲁棒补偿

嗯，关节空间的力矩控制就讲到这里。记住一个原则：控制器的复杂度，应该和模型的不确定性成反比。模型越准，控制器可以越简单直接；模型越差，越需要鲁棒手段来兜底。