📚 课程目录第4章动力学基础

动力学基础：牛顿-欧拉法、拉格朗日法、足端力分配

各位同学，欢迎来到动力学这一章。说实话，很多做四足机器人的朋友，一开始都把精力放在运动学上——毕竟能走起来就挺有成就感了。但做到后面你会发现，真正决定机器人能不能在碎石路、斜坡、草地上站稳的，是动力学。

动力学说白了就是研究「力与运动的关系」。你给电机发多大的扭矩，腿会怎么动？地面会给腿多大的反作用力？这些力怎么分配才能让机身不翻？嗯，这就是本章要聊的核心。

  本章核心脉络：
  牛顿-欧拉法（力的平衡）→ 拉格朗日法（能量的视角）→ 足端力分配（落地实操）

1. 牛顿-欧拉法：从受力出发

这个方法最直观。牛顿第二定律 F = ma，加上旋转的欧拉方程 τ = I·α + ω × Iω，把机身和每条腿当成刚体，列平衡方程。

我个人习惯把四足机器人拆成两部分来算：

机身（躯干）：受重力、四条腿通过髋关节传递的力、力矩。
每条腿：受髋关节力、地面反作用力、各关节驱动力矩。

从足端开始，由下往上递推。先算足端与地面的接触力，然后算小腿、大腿，最后算到机身。这个过程叫「逆动力学」——已知运动轨迹，反推需要多大的关节力矩。

我的经验： 牛顿-欧拉法在单腿支撑相特别好用。我曾经在调试一条腿的摆动轨迹时，用这个方法快速定位到是膝关节力矩饱和导致抬腿高度不够。如果你只需要算某一条腿的力矩，用牛顿-欧拉法最快。

2. 拉格朗日法：从能量出发

拉格朗日法走的是另一条路。它不直接列力平衡，而是算系统的动能 T 和势能 V，然后构造拉格朗日量 L = T - V，再代入拉格朗日方程：

d/dt(∂L/∂q̇) - ∂L/∂q = τ

这里的 q 是广义坐标，比如关节角度。τ 是对应的广义力，也就是关节力矩。

你想想看，当机器人有 12 个关节（每条腿 3 个），再加上机身 6 个自由度，总共 18 个自由度。用牛顿-欧拉法列方程，光是画受力图就能画到崩溃。但拉格朗日法只需要写出能量表达式，然后求偏导——虽然计算量也不小，但至少不容易漏项。

对比项	牛顿-欧拉法	拉格朗日法
核心思想	力与力矩平衡	能量守恒与变分
建模对象	每个刚体单独分析	整个系统统一建模
约束处理	需要显式写出约束力	自然包含完整约束
计算效率	递推形式，适合实时	矩阵形式，适合离线
我的推荐场景	单腿控制、力矩前馈	全身动力学、仿真验证

注意： 拉格朗日法推导出的质量矩阵 M(q) 是正定对称的，但如果你在代码里直接求逆，当机器人处于奇异位形时，M(q) 会接近奇异。我曾经在仿真里遇到过数值爆炸，后来加了阻尼项才稳住。

3. 足端力分配：让四条腿协同工作

好，现在我们已经知道每条腿需要多大的关节力矩了。但还有一个关键问题：四条腿同时着地时，地面反作用力怎么分？

机身受到重力、惯性力、外力（比如被人推一把）。这些力需要由四条腿的足端力来平衡。但足端力有 3 个方向分量（Fx, Fy, Fz），四条腿就是 12 个未知数，而机身只有 6 个平衡方程（3 个力 + 3 个力矩）。

说白了，这是一个欠定问题——解不唯一。我们需要加一些优化目标来找到「最好」的那组力。

常用的分配策略

伪逆法：最小化足端力的二范数。计算快，但可能违反摩擦锥约束。
QP 优化（二次规划）：把摩擦锥、关节力矩限幅写成不等式约束，求解带约束的最小二乘问题。这是目前主流方案。
加权分配：给支撑腿更大的权重，摆动腿权重设为零。我在实际项目中常用这个思路做简化。

  摩擦锥约束：
  足端与地面之间的切向力不能超过法向力乘以摩擦系数。写成公式就是：
  √(Fx² + Fy²) ≤ μ · Fz
  如果不加这个约束，优化出来的力可能让足端打滑——我在水泥地上吃过这个亏，机器人原地转圈，足端在地上滑得吱吱响。

一个简单的分配流程

输入：机身期望加速度 a_des, 角加速度 α_des
     各足端位置 p_i, 接触状态 c_i (0或1)

1. 计算机身所需的合力 F_body = m·(a_des - g)
2. 计算机身所需的合力矩 τ_body = I·α_des
3. 构造等式约束：
   Σ(c_i · f_i) = F_body
   Σ(c_i · p_i × f_i) = τ_body
4. 构造不等式约束（摩擦锥、力限幅）
5. 求解 QP 得到最优足端力 f_i*
6. 通过雅可比矩阵将 f_i* 映射为关节力矩 τ_joint

避坑指南： 我曾经在足端力分配里忘了考虑摆动腿的惯性力补偿，结果摆动腿落地瞬间冲击力特别大，机身直接弹起来了。后来我在分配前先算一遍摆动腿的「虚拟力」，加到等式约束的右侧，才把这个问题解决。

4. 三种方法怎么选？

我个人的建议是这样的：

做实时控制（嵌入式）：用牛顿-欧拉法的递推形式，计算量小，适合在 STM32 或主控芯片上跑。
做离线仿真或轨迹优化：用拉格朗日法，推导一次，后面直接调用质量矩阵和科氏力项。
做足端力分配：QP 优化是首选，但如果算力有限，伪逆法加摩擦锥投影也能凑合。