3. 开发环境搭建：Python环境配置、NumPy/SciPy安装、Matplotlib可视化库、Jupyter Notebook使用

说实话，我见过太多工程师在算法上花了大把时间，最后却栽在环境配置上。明明代码逻辑没问题，一跑就报错，查半天发现是库版本冲突。嗯，咱们先把地基打牢。

这一章，我带你一步步搭好运动控制开发环境。你想想看，后面30章都要在这个环境里跑，现在花半小时搞定，后面省心无数。

3.1 Python环境配置

我个人习惯用 Python 3.8 到 3.11 之间的版本。为什么？因为NumPy和SciPy在这些版本上最稳定。我在项目中遇到过用Python 3.12跑旧版SciPy直接崩溃的情况，后来老老实实降级了。

3.1.1 安装Python

去官网下载安装包，记得勾选「Add Python to PATH」。这一步很多人会忘，我刚开始也吃过这个亏。

操作系统	推荐版本	安装方式
Windows	Python 3.10	官网exe安装包
macOS	Python 3.11	Homebrew / 官网pkg
Linux (Ubuntu)	Python 3.10	apt install python3.10

3.1.2 虚拟环境

我强烈建议每个项目用独立的虚拟环境。为什么？因为不同项目依赖的库版本可能打架。我曾经同时维护两个运动控制项目，一个用NumPy 1.21，一个用1.24，没有虚拟环境的话，你想想看会多崩溃。

# 创建虚拟环境
python -m venv motion_control_env

# 激活（Windows）
motion_control_env\Scripts\activate

# 激活（macOS/Linux）
source motion_control_env/bin/activate

激活后，终端前面会出现 (motion_control_env) 字样。看到这个，你就知道环境对了。

3.2 NumPy/SciPy安装

这两个库是运动控制计算的基石。NumPy处理矩阵运算，SciPy提供信号处理和优化算法。说白了，没有它们，咱们后面那些PID调参、轨迹规划全得手算。

3.2.1 安装命令

确保虚拟环境已激活，然后执行：

pip install numpy scipy

如果你在国内，建议加个镜像源，速度能快10倍：

pip install numpy scipy -i https://pypi.tuna.tsinghua.edu.cn/simple

3.2.2 验证安装

装完后，进Python交互环境验证一下：

python
>>> import numpy as np
>>> import scipy as sp
>>> print(np.__version__)
>>> print(sp.__version__)

如果没报错，说明装好了。我习惯顺便跑个简单计算，确认性能没问题：

>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.linalg.inv(a)
>>> print(b)
[[-2.   1. ]
 [ 1.5 -0.5]]

3.3 Matplotlib可视化库

做运动控制，数据可视化太重要了。你调PID参数时，光看数字根本看不出问题，画个曲线图一眼就明白。Matplotlib就是干这个的。

3.3.1 安装

pip install matplotlib

3.3.2 快速上手

咱们画一个简单的正弦波，感受一下：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title('正弦波 - 运动控制基础信号')
plt.xlabel('时间 (s)')
plt.ylabel('幅值')
plt.grid(True)
plt.show()

这段代码会弹出一个窗口，显示一条正弦曲线。你可能会问，这和运动控制有什么关系？关系大了——电机的位置轨迹、速度曲线、加速度曲线，本质上都是这种波形。

3.4 Jupyter Notebook使用

我个人觉得，Jupyter Notebook是运动控制调试的神器。为什么？因为你可以边写代码边看结果，调参数、看曲线、改逻辑，全在一个界面里完成。

3.4.1 安装与启动

pip install jupyter
jupyter notebook

执行后，浏览器会自动打开一个页面，显示文件目录。点「New」→「Python 3」就能新建一个Notebook。

3.4.2 基本操作

操作	快捷键	说明
运行当前单元格	Shift + Enter	运行并跳到下一个
插入代码单元格	B	在当前下方插入
插入Markdown单元格	M	用于写注释和公式
删除单元格	DD	连续按两次D

3.4.3 运动控制调试实战示例

咱们来模拟一个电机加速过程，看看实际效果：

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

# 模拟电机从0加速到1000 rpm
time = np.linspace(0, 5, 500)
speed = 1000 * (1 - np.exp(-time))  # 一阶响应

plt.figure(figsize=(10, 4))
plt.plot(time, speed, 'b-', linewidth=2)
plt.title('电机加速曲线模拟')
plt.xlabel('时间 (s)')
plt.ylabel('转速 (rpm)')
plt.grid(True, alpha=0.3)
plt.show()

运行后，你会看到一条平滑的加速曲线。这就是典型的运动控制响应。你可以试着改改参数，看看曲线怎么变——这就是调试的乐趣。

3.5 知识体系总览

下面这张图，把咱们这一章的核心内容串起来了。你可以把它当作环境搭建的路线图：

3.6 避坑指南

最后，分享几个我踩过的坑：

• 路径带中文：我曾经把项目放在「桌面/运动控制项目」里，结果NumPy读取文件时报编码错误。后来所有路径都用英文，再没出过问题。
• pip版本太旧：有时候装库报错，不是库的问题，是pip太老了。先升级 pip install --upgrade pip 再装别的。
• Jupyter内核挂了：如果Notebook突然不能运行代码，别慌。点「Kernel」→「Restart & Clear Output」重启内核就行。

环境搭好了，后面咱们就能专心搞运动控制算法了。你想想看，后面那些电机控制、轨迹规划、PID整定，全都要在这个环境里跑起来。现在花点时间把基础打牢，值。