第三章：关节空间力矩控制——PD控制、重力补偿、前馈控制与摩擦补偿

各位同学，欢迎来到力矩控制实战的核心章节。说实话，关节空间的力矩控制，是机器人从“位置跟随”走向“力觉交互”的必经之路。我个人习惯把这一章叫做“驯服关节的肌肉记忆”——你不仅要让它动，还要让它知道用多大的力气动。

今天我们要啃下四个硬骨头：PD控制、重力补偿、前馈控制，以及摩擦补偿模型（库仑+粘滞）。别怕，我会用项目里踩过的坑，帮你把这些概念串起来。

PD控制，说白了就是比例-微分控制。在关节空间里，我们控制的是力矩，而不是位置。但目标位置还是要给的，对吧？

公式很简单：

τ_pd = Kp * (q_d - q) + Kd * (q̇_d - q̇)

这里 q_d 是期望关节角度，q 是实际角度。Kp 是刚度，Kd 是阻尼。

我个人的经验是：调Kp和Kd，就像调弹簧和阻尼器。Kp太大，关节会抖得像筛糠；Kd太大，关节又像泡在蜂蜜里，反应迟钝。

💡 调参小技巧： 先让Kp从0慢慢往上加，直到关节出现轻微震荡。然后加Kd，直到震荡消失。这个临界点，就是你的“黄金参数”。

我在项目里遇到过一个问题：空载时PD参数调得挺好，一装上负载，关节就开始尖叫。后来发现，是Kp太大，负载惯量变化后系统失稳了。嗯，这时候就需要重力补偿来帮忙。

你想想看，一个六轴机械臂，光自重就有几十公斤。如果不做重力补偿，关节电机要一直出力托着胳膊，别说控制精度了，电机先烧了。

重力补偿的核心，就是根据当前关节角度，计算出重力产生的力矩，然后把它加到指令里：

τ_g = G(q)

这里的 G(q) 是从机器人动力学模型里算出来的。通常我们使用牛顿-欧拉法或者拉格朗日法推导。

  ⚠️ 重要提醒： 重力补偿的精度，直接取决于你的动力学模型准不准。连杆质量、质心位置，哪怕差个5%，补偿效果都会大打折扣。

我曾经在一个协作机器人项目上，因为质心参数标定偏差，导致重力补偿后关节还有0.5Nm的残余力矩。结果就是，机器人“飘”在那里，轻轻一碰就晃。后来重新做了参数辨识，才搞定。

PD控制有个毛病——它总是“事后诸葛亮”。误差出来了，它才去纠正。对于高速运动，这会导致明显的跟踪滞后。

前馈控制就是来解决这个问题的。它根据期望的加速度和速度，提前计算出需要的力矩：

τ_ff = M(q) * q̈_d + C(q, q̇) * q̇_d

其中 M(q) 是惯量矩阵，C(q, q̇) 是科里奥利力和离心力项。

说白了，前馈就是“我知道你要加速，我先给你把力加上”。这样PD控制器只需要处理模型误差和扰动，负担小很多。

🚨 避坑指南： 前馈控制依赖模型精度。如果你的动力学模型不准，前馈反而会引入干扰。我曾经见过一个案例，前馈力矩算出来比实际需要大了一倍，结果机器人运动时像喝醉了酒一样左右摇摆。

我的建议是：先只加PD和重力补偿，跑顺了再逐步加入前馈。前馈系数可以从0.5倍开始，慢慢往上调。

摩擦，是力矩控制里最让人头疼的非线性因素。你给一个很小的力矩，关节可能纹丝不动——这就是静摩擦（库仑摩擦）在作怪。动起来之后，又会有粘滞摩擦拖后腿。

经典的摩擦模型长这样：

τ_f = f_c * sign(q̇) + f_v * q̇

实际代码实现时，为了避免 sign() 在零速附近抖动，我通常会加一个死区：

if abs(q̇) < threshold:
    τ_f = 0
else:
    τ_f = f_c * sign(q̇) + f_v * q̇

🔧 工程经验： 摩擦参数怎么测？让关节以不同速度匀速运动，记录稳态力矩，然后做线性拟合。斜率就是f_v，截距就是f_c。我一般会测正反两个方向，取平均值。

记得有一次，我在调试一个精密装配任务。机器人每次接近目标位置时都会“卡”一下，然后突然冲过头。查了半天，发现是摩擦补偿没做好——低速时库仑摩擦补偿过大，导致力矩跳变。后来把死区阈值从0.01 rad/s调到0.005 rad/s，问题就解决了。

好了，现在我们把四个部分拼起来：

τ_d = τ_pd + τ_g + τ_ff + τ_f

也就是：

τ_d = Kp*(q_d - q) + Kd*(q̇_d - q̇) + G(q) + M(q)*q̈_d + C(q,q̇)*q̇_d + f_c*sign(q̇) + f_v*q̇

看着挺长，但每个部分各司其职：

  🎯 核心要点： 力矩控制的精髓在于“补偿”。PD处理误差，重力补偿处理静态负载，前馈处理动态负载，摩擦补偿处理非线性。四者缺一不可，但也要注意不要过度补偿。

最后说一句心里话：力矩控制调参，没有银弹。每个关节、每个负载、每个工况，都需要你亲手去试。但只要你理解了这四个模块的原理和相互作用，调试起来就有方向了。

好了，这一章的内容就到这里。记住，纸上得来终觉浅，绝知此事要躬行。去你的机器人上试试吧。

可可精品资料库