第二章 动力学模型入门：牛顿-欧拉方程、拉格朗日动力学、关节空间与任务空间动力学

各位同学，欢迎来到力矩控制策略训练营的第二站。

说实话，动力学模型是很多工程师的拦路虎。我刚入行那会儿，也觉得这东西太抽象，不就是让机器人动起来吗？搞那么复杂干嘛。直到有一次，我在调试一个六轴协作臂的拖动示教功能时，机器人突然在奇异点附近剧烈抖动，差点把末端夹爪甩飞出去。嗯，从那以后，我老老实实把动力学补上了。

今天这一章，我们不讲虚的。直接上干货：牛顿-欧拉方程、拉格朗日动力学，以及关节空间和任务空间到底怎么用。

2.1 为什么需要动力学模型？

运动学只告诉你「关节转多少度，末端到哪」。动力学告诉你「关节需要多大扭矩，才能让末端以期望的加速度运动」。说白了，力矩控制的核心就是动力学逆问题：给定期望的运动轨迹，计算出每个关节该出多少力。

我个人习惯把动力学模型比作「机器人的身体感知」。没有它，你只能靠PID硬扛，遇到高速运动或重负载，系统很容易失稳。

2.2 牛顿-欧拉方程：最直观的动力学方法

牛顿-欧拉法，说白了就是「受力分析」。把机器人拆成一个个连杆，每个连杆都做一遍牛顿第二定律和欧拉方程。

牛顿方程（平动部分）：

F = m * a

其中 F 是作用在连杆质心上的合力，m 是连杆质量，a 是质心加速度。

欧拉方程（转动部分）：

τ = I * α + ω × (I * ω)

τ 是作用在连杆上的合力矩，I 是惯性张量，α 是角加速度，ω 是角速度。注意那个叉乘项，它代表陀螺效应——高速旋转时，这个项会变得非常大。

我在项目中遇到过一个问题：一个SCARA机器人在高速拾取时，末端总是有微小振动。排查了半天，发现是欧拉方程里的陀螺项被忽略了。加上之后，振动立刻消失。所以，千万别偷懒。

牛顿-欧拉递推算法：

实际工程中，我们不会手动去解每个连杆的方程。而是用递推算法：

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

这个算法计算量小，适合实时控制。我建议你在嵌入式控制器上优先用这个。

2.3 拉格朗日动力学：从能量角度看问题

拉格朗日法跟牛顿-欧拉法完全不同。它不看力，看能量。

拉格朗日函数 L 定义为：

L = T - U

其中 T 是系统总动能，U 是系统总势能。

然后代入拉格朗日方程：

d/dt (∂L/∂q̇) - ∂L/∂q = τ

q 是广义坐标（关节角度），q̇ 是广义速度，τ 是广义力（关节扭矩）。

你想想看，这个方程的好处是什么？它自动消除了内部约束力。你只需要写出系统的动能和势能，然后求偏导就行。对于自由度较少的机器人（比如2-3轴），拉格朗日法非常简洁。

但缺点也很明显：随着自由度增加，表达式会爆炸式增长。我见过一个六轴机器人的拉格朗日方程，写满了三页A4纸。所以，实际工程中，自由度超过4个，我一般推荐用牛顿-欧拉法。

M(q) * q̈ + C(q, q̇) * q̇ + G(q) = τ

2.4 关节空间与任务空间动力学

搞清楚了动力学方程的形式，接下来要回答一个问题：我们在哪个空间里控制？

关节空间动力学：

直接以关节角度 q 为变量。方程就是上面那个标准形式。控制目标：让每个关节跟踪期望的角度轨迹。

• 优点：模型简单，计算量小
• 缺点：末端执行器的运动不直观，需要逆运动学转换

任务空间动力学：

以末端执行器的位姿 x 为变量。动力学方程变为：

Λ(x) * ẍ + μ(x, ẋ) + p(x) = F

Λ 是任务空间惯性矩阵，μ 是任务空间速度相关项，p 是重力项，F 是末端广义力。

我个人习惯在任务空间做阻抗控制。为什么呢？因为你可以直接设定末端的刚度、阻尼，让机器人像弹簧一样响应外力。这在人机协作场景下特别好用。

但任务空间动力学有个坑：当机器人接近奇异位形时，Λ 矩阵会变得病态，很小的末端力就会导致关节扭矩爆炸。我曾经在调试一个打磨机器人时，就因为这个原因烧坏过一个驱动器。所以，一定要加奇异点规避。

τ = J^T * F
ẋ = J * q̇

2.5 知识体系总览

下面这张图，是我自己总结的动力学模型知识框架。你可以把它当作本章的「地图」。

2.6 实战建议

学完这一章，你可能会问：我到底该用哪种方法？

我的建议是：

• 做实时控制（1kHz以上）： 用牛顿-欧拉递推法，计算效率最高
• 做仿真或离线规划： 用拉格朗日法，推导清晰，便于分析
• 做人机协作或力控： 用任务空间动力学，控制更直观

好了，这一章就到这里。动力学模型是力矩控制的「内功心法」，练好了，后面的各种控制策略才能发挥威力。下一章我们开始讲具体的力矩控制算法，到时候会大量用到今天的内容。