运动控制基础：坐标系与变换、刚体运动学、动力学基础、电机与驱动器选型
运动控制系统的设计，本质上是将控制算法与物理执行机构进行深度耦合的过程。任何运动控制任务，无论其复杂度如何，都始于对“物体在哪里、将要到哪里去、需要多大的力/力矩”这三个基本问题的精确描述。本章作为运动控制算法体系的基石，将系统梳理四个核心知识模块：坐标系与齐次变换、刚体运动学建模、动力学基础（含拉格朗日与牛顿-欧拉方法），以及电机与驱动器的工程选型逻辑。这四个模块并非孤立存在，而是构成了从“几何描述”到“物理约束”再到“执行能力”的完整技术链路。理解这一链路的内在逻辑，是后续学习轨迹规划、PID整定、前馈补偿及力控算法的前提。
上图展示了本章四个知识模块之间的递进关系：坐标系与变换提供了描述物体位姿的数学语言；刚体运动学在此基础上研究速度与加速度的映射关系；动力学则进一步引入质量、惯量与力的相互作用；最终，电机与驱动器选型将上述理论需求转化为可实现的物理执行方案。下面我们逐一深入剖析。
2.1 坐标系与齐次变换：运动描述的数学基石
核心原理：在运动控制中，我们通常定义多个坐标系：基座坐标系（世界系）、关节坐标系、工具坐标系（TCP）以及工件坐标系。任意刚体在空间中的位姿（位置与姿态）可以用一个4×4的齐次变换矩阵 T 来描述，其结构为：
T = [ R t ]
[ 0 1 ]其中，R 是3×3旋转矩阵（属于SO(3)群），t 是3×1平移向量。旋转矩阵的列向量表示当前坐标系各轴在参考坐标系中的方向余弦。齐次变换的核心优势在于，它可以将连续的坐标变换（如从基座到关节1，再到关节2……）通过矩阵乘法串联起来：T_base_to_tool = T_1 × T_2 × … × T_n。这为后续运动学求解提供了统一的代数工具。
2.2 刚体运动学：从位置到速度的映射
核心原理：刚体运动学研究的是在不考虑力的前提下，关节空间与笛卡尔空间之间的运动关系。正运动学（FK）通过关节角度计算末端位姿；逆运动学（IK）则相反。对于速度层面，我们引入雅可比矩阵 J(q)，它建立了关节速度 q̇ 与末端空间速度 v（包含线速度与角速度）的线性映射：
[ v_linear ] = J(q) · q̇
[ v_angular ]雅可比矩阵不仅是速度映射的工具，其转置 JT 还用于将末端力/力矩映射为关节力矩（静力传递）。在奇异位形附近，雅可比矩阵条件数急剧增大，导致末端即使很小的速度需求也会引发关节速度的剧烈变化，这是运动规划中必须规避的风险点。
| 运动学类型 | 输入 | 输出 | 典型应用 |
|---|---|---|---|
| 正运动学 (FK) | 关节角度 q | 末端位姿 T | 示教器显示当前TCP位置 |
| 逆运动学 (IK) | 末端位姿 T | 关节角度 q（多解） | 轨迹规划中的点位计算 |
| 微分运动学 | 关节速度 q̇ | 末端速度 v | 视觉伺服、速度前馈 |
| 静力映射 | 末端力 F | 关节力矩 τ | 力控打磨、装配策略 |
2.3 动力学基础：理解力与运动的内在联系
核心原理：动力学揭示了关节力矩与运动状态（位置、速度、加速度）之间的函数关系。对于多轴系统，最通用的表达形式为：
τ = M(q)q̈ + C(q, q̇)q̇ + G(q) + τ_friction其中，M(q) 是惯性矩阵（与位形相关），C(q,q̇)q̇ 包含科氏力和离心力项，G(q) 是重力项，τ_friction 为摩擦力（库仑+粘滞）。在工程实践中，我们常采用两种建模方法：牛顿-欧拉法（基于力/力矩的递推计算，计算效率高，适合实时控制）和拉格朗日法（基于能量标量函数，便于推导解析表达式）。对于高速高动态响应的设备（如半导体固晶机、贴片机），动力学前馈补偿是提升轨迹跟踪精度的关键——仅靠PID反馈无法完全克服惯性力和科氏力的非线性影响。
2.4 电机与驱动器选型：从理论到硬件的落地
核心原理与操作流程：电机选型是连接控制算法与机械本体的桥梁。选型不当将直接导致：扭矩不足（堵转）、惯量不匹配（响应迟钝或震荡）、转速不够（无法达到节拍）。标准选型流程如下：
- 计算负载惯量：将直线运动质量、旋转体惯量折算到电机轴上（J_load = J_mech / n²，n为减速比）。
- 确定峰值扭矩：根据最恶劣工况（如急加速、碰撞检测）计算所需最大扭矩，并留取1.5~2倍安全系数。
- 校核热定额扭矩：根据运动周期（Duty Cycle）计算RMS扭矩，确保不超过电机的连续额定扭矩。
- 惯量匹配校验：负载惯量与电机转子惯量之比建议控制在1~10之间（伺服系统推荐≤5）。比值过大，系统频响降低，且容易激发机械谐振。
- 驱动器电流与电压校验：峰值电流需满足电机瞬时加速需求；母线电压需保证在反电动势（EMF）叠加阻抗压降后，仍能提供足够的电流变化率。
2.5 案例拆解：SCARA机器人关节选型与动力学前馈调试
背景与约束：某3C电子装配线需要一台SCARA机器人完成PCB板的插件任务。要求：末端负载2kg（含夹爪），循环节拍1.2秒（含移动+定位），重复定位精度±0.02mm。机械结构采用两旋转关节（J1、J2）+ 一垂直升降轴（Z）。
初始现象与目标：初版选型时，J1关节电机选用400W伺服（额定扭矩1.27Nm，转子惯量0.27kg·cm²），减速比50:1。在样机调试中发现：当运行高速门型轨迹时，J1轴出现明显的“跟随滞后”，且末端在拐角处有约0.5mm的过冲，无法满足精度要求。
关键数据分析：通过示波器抓取J1轴电流波形与位置误差曲线，发现加速段电流已触及驱动器限幅（峰值电流12A），且位置误差峰值达到0.3mm。进一步计算负载惯量：J1臂长300mm，质量约3kg（含电机座），折算到电机轴的负载惯量约为0.85kg·cm²。惯量比 = 0.85 / 0.27 ≈ 3.15，虽然小于5，但考虑到减速比50:1带来的反射惯量放大效应，实际系统在高速下的等效惯量比动态变化较大。
分析判断过程：问题根源并非单纯扭矩不足，而是惯量比偏大导致的速度环增益无法提高，进而产生跟踪滞后。同时，动力学前馈未启用，导致J1在加减速阶段需要完全依赖反馈环来纠正误差。
实际操作步骤：
- 第一步：将J1电机升级为750W（转子惯量0.85kg·cm²），惯量比降至1.0，速度环增益可提升约40%。
- 第二步：在控制器中启用“动力学前馈”功能，输入辨识后的J1/J2质量与质心参数，并设置重力补偿项（针对Z轴）。
- 第三步：针对拐角过冲，在轨迹规划中增加“拐角平滑”参数（Blending Radius），将路径过渡由直角改为圆弧过渡，降低加速度突变。
- 第四步：重新整定速度环与位置环增益，并利用“陷波滤波器”抑制因机械共振引起的啸叫（频率约85Hz）。
结果对比：升级后，J1轴峰值电流由12A降至8.5A，位置误差峰值由0.3mm降至0.04mm，循环节拍由1.4秒缩短至1.15秒，满足产线节拍要求。驱动器温度由78℃降至61℃，可靠性显著提升。
风险与代价：电机升级带来了约800元的成本增加，且电机安装尺寸变化导致J1臂结构需重新开模。复盘经验：在选型初期应使用“动态仿真软件”模拟实际门型轨迹，而非仅按静态扭矩计算。同时，动力学前馈参数的准确性高度依赖摩擦模型，建议在设备批量生产前完成一次完整的参数辨识。
2.6 常见误区与总结复盘
在运动控制基础模块中，工程师常陷入以下误区：
- 误区一：混淆坐标系原点。例如将工件坐标系原点设置在夹具边缘，导致所有点位偏移。解决：建立严格的坐标系管理规范，并在程序中强制使用“工具坐标系校验”功能。
- 误区二：忽略雅可比矩阵的奇异性。在奇异位形附近，逆运动学求解会出现数值不稳定。解决：在规划层检测条件数，并自动调整路径避开奇异区域。
- 误区三：动力学前馈“一刀切”。对于低速高精度设备（如光刻机），重力补偿是主要矛盾；对于高速轻载设备（如并联机器人），惯性前馈更为关键。需根据设备特性选择前馈项。
- 误区四：电机选型只看功率。功率是扭矩与转速的乘积，但不同工况对扭矩和转速的需求差异巨大。必须分别校核峰值扭矩、RMS扭矩和最大转速。