3、刚体惯性参数定义：质量、质心位置、惯性张量、惯性参数向量及其物理意义
工业机器人动力学辨识的核心目标，是获得一组能够准确描述机器人各连杆惯性特性的数值参数。这些参数并非随意选取的标量，而是基于经典刚体力学严格定义的物理量。在机器人动力学模型中，每个连杆都被抽象为一个刚性体，其惯性特性由质量、质心位置和惯性张量三个基本要素完整刻画。理解这些参数的定义、物理意义以及它们在动力学方程中的组织方式，是进行参数辨识实验设计、数据采集和参数估计的前提。本章将系统阐述这三个基本要素的数学定义、物理内涵，并引出工程中广泛使用的“惯性参数向量”概念，为后续的最小二乘辨识和激励轨迹设计奠定理论基础。
上图展示了刚体惯性参数体系的整体结构。单个连杆的惯性特性由质量、质心位置和惯性张量三个要素构成，它们共同组合成一个10维的惯性参数向量。下面将逐一展开每个参数的数学定义与物理意义。
3.1 质量：平动惯性的度量
核心原理：质量是物体平动惯性的唯一度量，在牛顿第二定律 F = ma 中，质量决定了在给定外力作用下物体加速度的大小。对于工业机器人连杆，质量直接影响重力项和惯性力项在关节力矩中的贡献。在动力学方程中，质量项通常与加速度和重力加速度耦合出现，例如连杆重力矩 τ_g = m·g·r，其中 r 为质心到关节轴的水平距离。
工程判断方法：在辨识实验中，质量参数通常无法直接称量（因为连杆已装配在机器人上），而是通过激励运动下的力矩响应间接估计。质量的辨识精度受重力项影响最大，因此激励轨迹中应包含充分的低速运动段，使重力项在力矩信号中占据主导地位，从而提高质量参数的辨识信噪比。
| 参数 | 符号 | 单位 | 物理意义 | 在动力学方程中的主要作用 |
|---|---|---|---|---|
| 质量 | m | kg | 连杆平动惯性的度量 | 重力项、惯性力项、科氏力项 |
| 质心位置 | c = [cx, cy, cz]ᵀ | m | 质量分布的中心位置 | 重力矩项、惯性力耦合项 |
| 惯性张量 | I | kg·m² | 转动惯性的完整描述 | 角加速度项、陀螺力矩项 |
3.2 质心位置：质量分布的空间描述
核心原理：质心是刚体质量分布的平均位置，定义为 c = (1/m)∫r dm。在机器人连杆坐标系中，质心位置通常用相对于连杆坐标系原点的矢量 c = [cx, cy, cz]ᵀ 表示。质心位置决定了重力产生的关节力矩，也影响惯性力与重力之间的耦合效应。对于细长连杆，质心通常位于几何中心附近；对于带有电机、减速器等非对称结构的连杆，质心会明显偏离几何中心。
操作流程与辨识要点：质心位置的辨识依赖于重力在不同姿态下产生的力矩变化。具体操作中，让机器人以极低速度（准静态）运动到多个不同姿态，记录各关节力矩，此时力矩主要由重力项贡献：τ = m·g·(c×R·g₀) 的线性化形式。通过多个姿态下的力矩方程联立，即可解出质心坐标。需要注意的是，质心辨识对关节角度传感器的精度敏感，角度误差会直接映射为质心位置误差。
3.3 惯性张量：转动惯性的完整描述
核心原理：惯性张量是一个3×3对称矩阵，描述了刚体绕任意轴旋转时的惯性特性。其对角线元素 Ixx、Iyy、Izz 分别表示绕连杆坐标系三个坐标轴的转动惯量，非对角线元素 Ixy、Ixz、Iyz 称为惯性积，反映了质量分布相对于坐标轴的不对称性。惯性张量矩阵的完整形式为：
I = | Ixx Ixy Ixz |
| Ixy Iyy Iyz |
| Ixz Iyz Izz |由于矩阵对称，独立参数只有6个。惯性张量在动力学方程中主要出现在角加速度项 τ = I·α 和陀螺力矩项 ω×(I·ω) 中。对于高速运动的工业机器人，惯性张量的准确性直接影响动态响应性能的预测精度。
判断方法与辨识难点：惯性张量的辨识需要充分的角加速度激励。与质量、质心辨识不同，惯性张量参数只有在关节存在明显角加速度时才能被有效激发。因此，激励轨迹中必须包含丰富的加速度变化，且各关节的加速度应具有足够的幅值和频率成分。辨识中常见的困难是惯性积参数（Ixy、Ixz、Iyz）的可观测性较弱，需要设计多轴联动、姿态变化剧烈的轨迹才能获得足够的激励。
3.4 惯性参数向量：从物理量到辨识变量的映射
核心原理：将单个连杆的10个独立惯性参数按固定顺序排列，构成惯性参数向量 φᵢ = [m, cx, cy, cz, Ixx, Ixy, Ixz, Iyy, Iyz, Izz]ᵀ ∈ R¹⁰。对于具有n个连杆的机器人，完整参数向量维度为10n。引入参数向量的意义在于：将动力学方程改写为关于参数向量的线性回归形式 τ = Y(q, q̇, q̈)·φ，其中Y为回归矩阵，仅与运动状态（位置、速度、加速度）有关，φ为待辨识的常数参数向量。这一线性形式是应用最小二乘法辨识的基础。
操作流程：在实际辨识中，并非所有10个参数都能独立辨识。由于机器人运动学结构的约束，某些参数会以线性组合的形式出现在动力学方程中，导致回归矩阵Y秩亏。此时需要引入“最小惯性参数集”的概念，通过符号消元或数值方法将不可辨识的参数组合合并，得到一组维数更小的基参数。例如，对于六自由度串联机器人，完整参数为60个，但最小惯性参数集通常只有30~40个。
| 参数类别 | 符号 | 独立参数个数 | 辨识激励要求 | 典型可观测性 |
|---|---|---|---|---|
| 质量 | m | 1 | 低速、多姿态 | 高 |
| 质心位置 | cx, cy, cz | 3 | 准静态、大范围姿态变化 | 中高 |
| 惯性张量对角线 | Ixx, Iyy, Izz | 3 | 高加速度、多轴联动 | 中 |
| 惯性积 | Ixy, Ixz, Iyz | 3 | 复杂空间轨迹、强耦合运动 | 低 |
3.5 案例拆解：六轴机器人连杆2的惯性参数辨识准备
场景背景：某六轴工业机器人（负载6kg，臂展1.4m）需要建立高精度动力学模型用于前馈力矩补偿。以第二连杆（大臂）为对象，该连杆包含电机、减速器、内部线缆等非对称结构，其质心明显偏离几何中心。已知连杆2的质量约为12.5kg（含电机定子），几何尺寸为长0.45m、宽0.18m、高0.15m。
初始目标与约束：需要辨识连杆2的完整10个惯性参数，但受限于关节2和关节3的运动范围（关节2：-45°~+135°，关节3：-90°~+90°），且关节2的最大角加速度为3.5 rad/s²。这些约束限制了可用的激励轨迹设计空间。
分析判断过程：首先，根据运动学分析，连杆2的质心位置cx（沿连杆方向）对关节2和关节3的重力矩均有显著影响，可观测性高；而cy（垂直于连杆平面方向）仅对关节3的重力矩有影响，可观测性中等；cz（沿关节2轴线方向）几乎不产生重力矩，可观测性极低。惯性张量中，Izz（绕关节2轴线）对关节2的角加速度项贡献大，可观测性高；Ixx和Iyy主要影响关节3的动态，可观测性中等；惯性积Ixy、Ixz、Iyz在平面运动为主的激励下几乎不可观测。
实际操作步骤：
- 设计激励轨迹：采用傅里叶级数轨迹，基频0.1Hz，包含5次谐波，关节2和关节3同时激励，幅值分别取60°和45°，保证加速度峰值达到3.0 rad/s²。
- 数据采集：以1kHz采样率记录关节角度、力矩指令和实际力矩反馈，同步采集关节速度（由编码器差分获得）。
- 数据预处理：对角度信号进行零相位低通滤波（截止频率15Hz），计算速度和加速度；对力矩信号进行同样的滤波处理以对齐相位。
- 构建回归方程：根据动力学模型计算回归矩阵Y(q, q̇, q̈)，将力矩方程写为 τ = Y·φ 的形式。
- 参数估计：采用加权最小二乘法，权重矩阵根据力矩测量噪声方差设定。由于cz和部分惯性积可观测性差，先进行可观测性分析，将不可辨识参数合并或固定为设计值。
结果对比与复盘：辨识结果显示，质量m的估计值为12.8kg（与CAD模型误差2.4%），质心cx为0.21m（误差1.5%），cy为0.03m（误差8%），cz无法可靠辨识，固定为0。惯性张量中Izz辨识精度较高（误差3%），Ixx和Iyy误差约10%，惯性积参数误差超过30%，最终选择将惯性积合并为组合参数。复盘发现，cy误差较大的原因是关节3的运动范围有限，导致重力矩变化幅度不足；惯性积辨识失败则是因为激励轨迹中缺乏绕x轴和y轴的充分旋转运动。
3.6 常见误区与工程要点
- 误区一：认为所有10个参数都能独立辨识。实际上，由于机器人运动学约束，部分参数只能以线性组合形式出现，强行辨识会导致回归矩阵病态。
- 误区二：忽略惯性张量的对称性。有些初学者将惯性张量当作9个独立参数处理，导致辨识结果不满足对称性约束，产生物理上不可能的数值。
- 误区三：将质心位置与几何中心混淆。对于含电机、减速器的连杆，质心可能偏离几何中心数厘米，必须通过辨识获得。
- 误区四：在辨识质量时使用高速运动数据。高速运动下惯性力和科氏力占主导，重力项占比降低，导致质量参数辨识精度下降。
工程要点总结：惯性参数向量是连接物理世界与数学模型的桥梁。质量、质心、惯性张量分别从平动、重力矩、转动三个维度刻画连杆的惯性行为。在辨识实践中，应根据参数的可观测性差异设计分层辨识策略：先低速辨识质量和质心，再高速辨识惯性张量；对于不可辨识参数，采用参数合并或CAD先验值。最终获得的参数向量将直接用于动力学前馈控制、负载辨识和轨迹优化等上层应用。