3. 速度与静力分析：雅可比矩阵、奇异性与可操作度、静力传递与力控制
各位同学，欢迎来到第三章。前两章我们把运动学正逆解聊透了，位置和姿态都能算清楚。但机器人动起来之后呢？我们不光要知道它在哪儿，还得知道它动得多快，以及用了多大的力。
这一章，我们就来啃这块硬骨头——速度与静力分析。核心工具就是雅可比矩阵。我个人觉得，雅可比是连接运动学与动力学、位置控制与力控制的那座桥。搞不懂它，后面很多高级控制策略都玩不转。
3.1 雅可比矩阵：从关节空间到操作空间的“速度转换器”
先问个问题：你让机器人关节以某个角速度转动，末端执行器在空间里到底跑多快？方向又是什么？
雅可比矩阵就是干这个的。它把关节速度向量 q̇ 映射到末端执行器的空间速度向量 v。
公式很简单：
v = J(q) · q̇其中：
- v ∈ ℝ⁶：末端速度（3个线速度 + 3个角速度）
- q̇ ∈ ℝⁿ：关节速度（n个关节）
- J(q) ∈ ℝ⁶ˣⁿ：雅可比矩阵，它是关节位置 q 的函数
说白了，雅可比矩阵就是一个时变的线性映射。关节位置一变，矩阵里的数值也跟着变。
3.1.1 雅可比矩阵的两种求法
实际工程中，我们通常用两种方法求雅可比：
- 微分法（解析法）：对正运动学方程直接求偏导。适合理论推导，但手算量巨大。
- 矢量积法（几何法）：利用运动学链的几何关系逐列构造。编程实现更方便。
对于旋转关节 i，雅可比矩阵的第 i 列可以这样算：
J_i = [ z_i × (p_e - p_i) ]
[ z_i ]其中：
- z_i：关节 i 的旋转轴方向（在基坐标系下）
- p_i：关节 i 的原点位置
- p_e：末端执行器的位置
上面是线速度部分，下面是角速度部分。你想想看，这个公式其实很直观——关节转动产生的线速度，就是旋转轴与位置差的叉积。
3.2 奇异性与可操作度：避开那些“死点”
雅可比矩阵有个重要性质：它可能不可逆。当机器人处于某些特殊位形时，雅可比矩阵会降秩，这就是奇异位形。
奇异位形下会发生什么？
- 末端在某些方向上失去自由度，动不了
- 关节速度会趋于无穷大，电机可能飞车
- 力控会变得极其敏感，甚至失控
3.2.1 可操作度：量化“灵活程度”
怎么衡量一个位形离奇异点有多远？Yoshikawa 提出了可操作度的概念：
w = √(det(J · Jᵀ))当 w = 0 时，就是奇异位形。w 越大，机器人在该位形下的运动灵活性越好。
我习惯在调试时实时计算可操作度，把它画成一条曲线。一旦 w 低于某个阈值（比如 0.05），就触发减速或路径重规划。
| 可操作度 w | 状态 | 建议操作 |
|---|---|---|
| w > 0.3 | 良好 | 正常运动 |
| 0.05 < w ≤ 0.3 | 接近奇异 | 减速，避免大范围运动 |
| w ≤ 0.05 | 危险 | 立即停止或切换控制模式 |
3.3 静力传递与力控制：雅可比的对偶性
雅可比矩阵还有一个非常漂亮的性质——对偶性。什么意思呢？
速度关系是：v = J · q̇
力/力矩关系是：τ = Jᵀ · F
其中：
- τ：关节力矩向量
- F：末端施加的力/力矩向量（广义力）
你看，速度是从关节到末端，力是从末端到关节。雅可比矩阵的转置，就是静力传递的桥梁。
这个性质在力控制中极其重要。比如你要让末端在某个方向上输出 10N 的力，只需要算出该方向对应的雅可比转置，就能反推出每个关节该给多少力矩。
3.3.1 力控制中的雅可比应用
实际做力控时，我一般分三步走：
- 期望力 → 期望关节力矩：τ_des = Jᵀ · F_des
- 力矩闭环：用关节力矩传感器或观测器做反馈
- 补偿重力与摩擦力：在 τ_des 上叠加补偿项
这里有个坑：雅可比矩阵是位形相关的。如果你在力控过程中机器人位形变化很大，雅可比矩阵必须实时更新。我见过有人用固定位形的雅可比做力控，结果力输出偏差超过 30%。
3.4 本章知识体系总览
下面这张图，把本章的核心逻辑串起来了。你可以把它当作一个思维导图来用。
3.5 本章小结
这一章我们聊了三件事：
- 雅可比矩阵：关节速度与末端速度之间的线性映射，也是力传递的桥梁
- 奇异性与可操作度：雅可比降秩导致的问题，以及如何量化“离奇异有多远”
- 静力传递与力控制：利用雅可比转置，把末端期望力映射到关节力矩
说实话，雅可比矩阵这个概念，刚接触时觉得就是一堆偏导数，挺枯燥的。但当你真正在机器人上跑起来，看到末端速度、关节力矩、奇异点规避这些实际问题都绕不开它时，你就会明白——雅可比是机器人控制的“万能钥匙”。