第四章 动力学基础：牛顿-欧拉方程、拉格朗日方程、惯性参数辨识与动力学建模方法

运动学描述了“运动是什么”，而动力学回答了“运动为什么发生”。在机器人控制、伺服驱动与精密机械系统设计中，动力学模型是前馈控制、力矩规划、负载观测与振动抑制的理论基石。本章从牛顿-欧拉递推与拉格朗日能量法两条主线出发，深入讲解刚体系统动力学方程的建立过程，并重点讨论惯性参数的辨识方法以及工程中常用的动力学建模流程。理解本章内容后，你将能够为一个多轴运动系统建立可用的动力学模型，并据此设计基于模型的控制算法。

4.1 牛顿-欧拉方程：递推的力量

牛顿-欧拉法基于牛顿第二定律和欧拉方程，从机构运动的几何关系出发，通过“向外递推”计算各连杆的速度、加速度，再通过“向内递推”计算各关节的力与力矩。这种方法物理意义明确，计算效率高，特别适合串联机器人及多轴运动系统的实时控制。

4.1.1 核心原理：外推与内推

牛顿-欧拉递推算法分为两个阶段：向外递推（从基座到末端）和向内递推（从末端到基座）。向外递推利用运动学关系，依次计算每个连杆的角速度、角加速度、线加速度以及质心加速度；向内递推则利用牛顿方程和欧拉方程，计算每个连杆所需的惯性力/力矩以及关节驱动力/力矩。

对于第 i 个连杆，其牛顿方程和欧拉方程可表示为：

牛顿方程：f_i = m_i · a_ci
欧拉方程：n_i = I_i · α_i + ω_i × (I_i · ω_i)

其中，f_i 为作用在连杆质心上的合力，n_i 为合力矩，m_i 为连杆质量，I_i 为惯性张量，a_ci 为质心加速度，α_i 为角加速度，ω_i 为角速度。实际工程中，通常将连杆视为刚体，忽略弹性变形，并假设关节为理想转动副或移动副。

4.1.2 操作流程：从运动学到动力学

1. 运动学初始化：设定基座坐标系的速度、加速度（通常为0），并给定各关节的角度、角速度、角加速度。
2. 向外递推：从关节1到关节n，依次计算连杆 i 的角速度 ω_i、角加速度 α_i、线加速度 a_i 及质心加速度 a_ci。
3. 向内递推：从连杆n到连杆1，计算作用在连杆 i 上的惯性力 F_i 和惯性力矩 N_i，进而求得关节 i 的驱动力矩 τ_i。
4. 加入外力/力矩：若末端执行器与外界环境接触，需在向内递推前将外力/力矩加入末端连杆的力平衡方程。

4.1.3 案例拆解：二连杆机械臂的动力学计算

考虑一个平面二连杆机械臂，连杆1和连杆2的质量分别为 m₁=2kg、m₂=1.5kg，长度均为 L=0.5m，质心位于连杆中点。假设关节1以角加速度 α₁=2rad/s² 运动，关节2保持静止（ω₂=0），忽略摩擦。采用牛顿-欧拉法计算关节1所需的驱动力矩。

分析过程：首先向外递推，计算连杆2质心的加速度；然后向内递推，计算连杆2对关节2的力矩，再累加到关节1。关键计算步骤为：

连杆2质心加速度：a_c2 = a_2 + α₂ × r_c2 + ω₂ × (ω₂ × r_c2)
连杆2惯性力：F_2 = m₂ · a_c2
连杆2惯性力矩：N_2 = I₂ · α₂
关节2力矩：τ₂ = N_2 + r_c2 × F_2
关节1力矩：τ₁ = N_1 + r_c1 × F_1 + τ₂（含连杆2传递的力矩）

代入数值后可得 τ₁ ≈ 4.9 N·m（含重力项）。若忽略重力，则 τ₁ ≈ 1.25 N·m。该案例表明，重力项在低速运动中占主导，而惯性项在高速运动中不可忽略。

4.2 拉格朗日方程：能量视角的优雅

拉格朗日法从系统总能量出发，通过定义拉格朗日函数 L = T - V（T为动能，V为势能），利用变分原理推导动力学方程。该方法不需要考虑内部约束力，对于复杂系统建模更为系统化，尤其适合并联机构、柔性关节等牛顿-欧拉法难以处理的场景。

4.2.1 核心原理：广义坐标与能量函数

对于 n 自由度的运动系统，选取广义坐标 q = [q₁, q₂, ..., qₙ]ᵀ，拉格朗日方程可写为：

d/dt(∂L/∂q̇) - ∂L/∂q = τ

其中，τ 为广义力（关节力矩）。展开后可得标准形式：

M(q)q̈ + C(q,q̇)q̇ + G(q) = τ

M(q) 为惯性矩阵，C(q,q̇) 为科氏力和离心力矩阵，G(q) 为重力项。拉格朗日法的优势在于：只要正确写出系统的动能和势能表达式，就能机械地推导出动力学方程，无需逐杆分析受力。

4.2.2 操作流程：从能量到方程

1. 定义广义坐标：选择独立的关节变量作为广义坐标。
2. 计算动能 T：每个连杆的动能 = 平动动能 + 转动动能，即 T_i = ½m_i·v_ci² + ½ω_iᵀ·I_i·ω_i。
3. 计算势能 V：通常为重力势能，V = Σ m_i·g·h_i。
4. 构造拉格朗日函数：L = T - V。
5. 代入拉格朗日方程：对每个广义坐标求偏导，整理成标准矩阵形式。

4.2.3 案例拆解：单摆与弹簧负载系统

考虑一个旋转关节驱动的单摆系统，摆杆质量 m、长度 L，关节处有刚度 K 的弹簧。取广义坐标 q = θ（摆角），则：

动能 T = ½·m·(L·θ̇)² + ½·I·θ̇²
势能 V = m·g·L·(1-cosθ) + ½·K·θ²
拉格朗日方程：d/dt(∂L/∂θ̇) - ∂L/∂θ = τ
展开得：(mL² + I)·θ̈ + m·g·L·sinθ + K·θ = τ

该方程清晰地展示了惯性项、重力项和弹性项的贡献。若在控制中忽略弹簧项 K·θ，系统在低速时会出现稳态误差，且可能激发谐振。

4.3 惯性参数辨识：让模型贴近现实

理论推导的动力学方程中包含质量、质心位置、惯性张量等参数，这些参数往往无法从CAD模型精确获得（如电机转子惯量、电缆拖链的附加质量、负载变化等）。惯性参数辨识通过实验数据估计这些参数，是动力学模型落地应用的关键步骤。

4.3.1 核心原理：最小参数集与线性回归

动力学方程关于惯性参数是线性的，可改写为：

τ = Y(q, q̇, q̈) · π

其中，Y 为回归矩阵（由运动学变量组成），π 为惯性参数向量。由于部分参数对关节力矩无独立影响，可通过重组得到最小参数集 π_min，其维度远小于原始参数数量。例如，六轴工业机器人的最小惯性参数通常为30~40个，而原始参数可达60个以上。

4.3.2 操作流程：激励-采集-估计

4.3.3 案例拆解：SCARA机器人负载辨识

某SCARA机器人在更换末端执行器后，原有动力学模型失效。采用以下步骤进行负载辨识：

• 激励轨迹：设计5阶傅里叶级数轨迹，基频0.1Hz，周期10s，幅值覆盖各关节±60°范围，确保加速度峰值达1.5g。
• 数据采集：以2kHz采样率记录关节位置和电流环力矩指令，采集10个周期数据。
• 预处理：对位置信号进行零相位低通滤波（截止频率20Hz），采用中心差分计算速度，再对速度滤波后差分得加速度。
• 参数估计：构建回归矩阵Y，使用加权最小二乘（权重与力矩幅值成反比），估计出负载质量m=3.2kg、质心偏移r=[0.02, 0.05, 0.01]m、惯性张量I_zz=0.045kg·m²。
• 验证：用另一条验证轨迹测试，预测力矩与实际力矩的RMS误差从辨识前的18%降至3.5%。

4.4 动力学建模方法：从理论到工程实践

在实际工程项目中，动力学建模并非单纯的理论推导，而是需要根据应用场景、精度要求和计算资源选择合适的方法。本节总结三种主流建模路径，并给出选型建议。

4.4.1 三种建模路径对比

4.4.2 混合建模实战：六轴机器人动力学模型修正

某六轴工业机器人用于精密装配，要求轨迹跟踪误差小于0.5mm。初始CAD模型计算的理论力矩与实际力矩偏差达25%。采用混合建模流程：

1. 结构辨识：利用拉格朗日法推导动力学方程结构，确定M、C、G矩阵的符号表达式。
2. 参数辨识：设计激励轨迹，辨识最小参数集，获得修正后的惯性参数。
3. 摩擦建模：在关节低速段（<10rpm）进行匀速扫描，拟合Stribeck摩擦模型：τ_f = τ_c·sign(q̇) + b·q̇ + τ_s·exp(-|q̇|/v_s)。
4. 模型验证：在典型装配轨迹（含频繁启停）下，前馈力矩与实际力矩的RMS误差降至2.8%，跟踪误差从1.2mm降至0.3mm。

4.4.3 常见误区与复盘

• 误区一：认为CAD模型参数足够精确。实际上，电机转子惯量、减速器惯量、电缆拖链的附加惯量往往占关节总惯量的30%~50%，必须通过辨识获得。
• 误区二：忽略关节柔性。对于谐波减速器或长传动链，需引入关节刚度模型，否则高速运动时会出现谐振。
• 误区三：激励轨迹幅值过大。过大的加速度会激发非线性摩擦和柔性模态，反而降低辨识精度。建议加速度峰值不超过系统额定值的70%。
• 误区四：只辨识不验证。参数辨识后必须用独立于辨识数据的轨迹进行验证，防止过拟合。

动力学建模是连接运动学与控制算法的桥梁。掌握牛顿-欧拉法和拉格朗日法的本质区别与适用场景，理解惯性参数辨识的实验设计要点，并能够根据工程需求选择合适的建模路径，是每一位运动控制工程师的核心能力。在实际项目中，建议采用“理论结构+实验辨识”的混合建模策略，并建立模型验证与更新机制，使动力学模型在整个设备生命周期内保持有效。