模型加载基础：文件格式与数据预处理

做运动控制仿真，第一步就是加载模型数据。这一步看似简单，但坑不少。我见过不少新手，模型加载不对，后面全白干。

今天咱们聊聊三种最常见的文件格式：MAT、HDF5、JSON。以及怎么用 Python 把它们读进来，再做好预处理。

三种文件格式，各有各的脾气

先看个对比表，心里有个底：

我个人习惯：小规模模型用 JSON，中等规模用 MAT，大规模仿真数据用 HDF5。你想想看，一个几百兆的 .mat 文件，用 JSON 存？那打开速度能急死人。

MAT 文件加载：scipy.io.loadmat 实战

MAT 文件在运动控制领域太常见了。很多老工程师用 MATLAB 建好模型，导出 .mat 文件给我们做二次开发。

加载代码很简单：

import scipy.io as sio

# 加载 MAT 文件
data = sio.loadmat('robot_model.mat')

# 查看所有变量名
print(data.keys())

# 提取模型参数
mass_matrix = data['M']      # 质量矩阵
coriolis = data['C']         # 科里奥利矩阵
gravity = data['G']          # 重力向量
joint_limits = data['qlim']  # 关节限位

嗯，这里要注意。loadmat 返回的是一个字典，键是变量名，值是 numpy 数组。但有个坑——MATLAB 的索引从 1 开始，Python 从 0 开始。我刚开始做项目时没注意这个，算出来的关节力矩全偏了，排查了整整一下午。

数据预处理：别让脏数据毁了你的仿真

模型加载进来，不等于就能直接用。我遇到过太多次了——模型参数里有 NaN、有单位不一致、有维度对不上。

预处理我一般分三步走：

1. 检查完整性：有没有缺失值？有没有 NaN？
2. 检查一致性：单位对不对？维度匹配吗？
3. 检查合理性：质量矩阵正定吗？关节限位合理吗？

代码示例：

import numpy as np

def preprocess_model(data):
    # 1. 检查 NaN
    for key, val in data.items():
        if isinstance(val, np.ndarray):
            if np.any(np.isnan(val)):
                print(f'警告：{key} 包含 NaN 值')
                # 用 0 填充或插值
                val = np.nan_to_num(val, nan=0.0)
    
    # 2. 检查维度
    M = data['M']  # 期望 6x6
    if M.shape != (6, 6):
        raise ValueError(f'质量矩阵维度错误：{M.shape}，期望 (6, 6)')
    
    # 3. 检查正定性
    eigenvalues = np.linalg.eigvals(M)
    if np.any(eigenvalues <= 0):
        print('警告：质量矩阵非正定，可能包含奇异位形')
    
    return data

HDF5 与 JSON 的加载要点

HDF5 加载用 h5py 库：

import h5py

with h5py.File('simulation_data.h5', 'r') as f:
    # 查看顶层组
    print(list(f.keys()))
    
    # 读取数据集
    joint_trajectory = f['trajectory/joint_positions'][:]
    timestamps = f['trajectory/time'][:]

JSON 加载更直接：

import json

with open('config.json', 'r') as f:
    config = json.load(f)

# 提取参数
dh_params = config['dh_parameters']
gear_ratios = config['gear_ratios']

说白了，JSON 适合存配置参数，HDF5 适合存大规模时序数据。MAT 文件则介于两者之间。

知识体系总览

下面这张图，把本章的核心逻辑串起来了：

从原始文件出发，先判断格式，选对加载方法，再走预处理三步检查。每一步都不能省。