4、标定数学模型：误差模型建立方法（基于DH修正、基于POE、基于旋量理论），雅可比矩阵与误差映射关系
运动学标定的核心任务，是将机器人实际关节角与末端位姿之间的偏差，用一组可辨识的参数误差进行数学描述。误差模型是标定算法的“输入接口”——它决定了哪些误差源可以被观测、如何从测量数据中反解参数，以及补偿后能达到何种精度上限。本章围绕三种主流建模方法（DH修正、POE指数积、旋量理论）展开，并重点剖析雅可比矩阵如何将关节误差映射到末端位姿误差，这是标定方程构建与求解的理论基石。
上图展示了误差模型建立的完整逻辑链：三种建模方法从不同数学视角描述机器人几何误差，最终统一收敛到“误差映射矩阵”这一核心工具上。下面逐一展开每种方法的原理、操作要点与适用边界。
4.1 基于DH修正的误差模型
核心原理：经典DH模型用四个参数（ai, αi, di, θi）描述相邻关节坐标系间的齐次变换。DH修正法在标准DH基础上增加一个绕Y轴的旋转参数βi，用于消除相邻平行关节轴奇异问题。误差模型将每个参数的微小偏差（Δa, Δα, Δd, Δθ, Δβ）视为独立变量，通过一阶泰勒展开建立末端位姿误差与参数误差的线性关系。
操作流程：
- 建立机器人DH参数表，标注名义值；
- 对每个关节引入误差扰动，推导相邻变换矩阵的偏导数；
- 将各关节误差传递矩阵连乘，得到末端位姿误差表达式；
- 提取雅可比矩阵JDH（6×(4n+β)维），建立δT = JDH·δqDH。
4.2 基于POE（指数积）的误差模型
核心原理：POE方法将每个关节的运动描述为旋量坐标ξi的指数映射eξ̂iθi。机器人正运动学表示为：
T(θ) = e^{ξ̂₁θ₁} · e^{ξ̂₂θ₂} · ... · e^{ξ̂ₙθₙ} · T₀误差建模时，将旋量坐标ξi（6维向量）和初始位姿T₀同时视为待辨识参数。由于指数映射是光滑的，POE模型不存在DH方法中的奇异性问题，且对关节类型（旋转/移动）统一处理。
误差映射关系：对上述表达式取变分，可得：
δT · T⁻¹ = Σᵢ (∂(e^{ξ̂ᵢθᵢ})/∂ξᵢ · δξᵢ + e^{ξ̂ᵢθᵢ} · δθᵢ) + δT₀整理后得到6×6n的雅可比矩阵JPOE，其中每个关节贡献6个参数（旋量坐标的6个分量）。
| 对比维度 | DH修正法 | POE法 | 旋量理论法 |
|---|---|---|---|
| 参数数量（6轴） | 24~30 | 36+6 | 36+6 |
| 奇异性处理 | 需加β参数 | 天然无奇异 | 天然无奇异 |
| 建模复杂度 | 低 | 中 | 高 |
| 辨识稳定性 | 中等 | 较好 | 好 |
| 工程应用 | 最广泛 | 逐渐普及 | 学术研究为主 |
4.3 基于旋量理论的误差模型
核心原理：旋量理论将刚体运动统一为李群SE(3)上的元素，运动旋量ξ = (v, ω)∈se(3)。与POE不同，旋量理论更强调从整体上描述机器人结构——将基座到末端的整个运动链视为一系列旋量坐标的复合。误差建模时，不仅考虑关节旋量误差，还考虑基座坐标系误差和工具坐标系误差。
判断方法：当机器人存在以下情况时，优先选择旋量理论：
- 包含闭链结构（如并联机构）；
- 需要同时标定基座和工具坐标系；
- 关节存在柔性变形，需要扩展误差模型。
4.4 雅可比矩阵与误差映射关系
核心原理：无论采用哪种建模方法，最终都归结为求解线性方程组：
δX = J · δq其中δX为末端位姿误差（6维：3个位置+3个姿态），δq为待辨识参数误差（n维），J为6×n的雅可比矩阵。标定过程即通过多次测量（m组位姿）构建超定方程组，求解δq的最优估计。
操作流程：
- 采集末端位姿测量数据（激光跟踪仪/视觉系统）；
- 计算名义位姿与实际位姿之差δXi；
- 组装观测矩阵Jobs = [J₁; J₂; ...; Jm]；
- 求解δq = (JobsᵀJobs)⁻¹JobsᵀδX；
- 更新名义参数，迭代直至收敛。
常见误区：
- 误区一：认为参数越多越好。实际中过多参数导致过拟合，降低泛化能力；
- 误区二：忽略测量噪声的影响。建议使用加权最小二乘，权重与测量不确定度成反比；
- 误区三：一次标定终身使用。机器人磨损、碰撞后需重新标定，建议建立周期性标定制度。