运动学基础：位置、速度、加速度、加加速度（Jerk）与坐标系变换

运动学是轨迹规划与插补控制的基石。无论是工业机器人、CNC机床还是移动平台，其运动指令最终都要落实到“在什么时刻到达什么位置、以多快的速度通过、加速度如何变化”这些基本物理量上。本章将系统梳理位置、速度、加速度与加加速度（Jerk）的数学定义及其物理意义，厘清关节空间与笛卡尔空间之间的变换关系，并简要介绍正逆运动学的基本框架。这些概念将贯穿后续所有插补算法与轨迹平滑策略的设计。

2.1 运动状态量的数学定义与物理意义

核心原理：从位置到加加速度的微分链

在运动控制系统中，我们通常用时间函数来描述运动状态。设关节位置为 \( q(t) \)，则速度、加速度和加加速度依次为其一阶、二阶和三阶导数。加加速度（Jerk）是描述加速度变化率的物理量，它直接决定了运动过程中的冲击程度。对于精密运动平台，过大的加加速度会引起机械振动、结构共振甚至工件表面质量劣化。在轨迹规划中，对加加速度进行约束是保证运动平稳性的关键手段。

各状态量的工程意义与单位

判断方法与操作流程：如何确定合理的Jerk上限

1. 机械约束分析：根据设备的结构刚度和固有频率，估算允许的最大加加速度。通常建议加加速度产生的激励频率避开结构共振频率的1.5倍以上。
2. 驱动器能力评估：检查伺服驱动器或步进驱动器的电流环带宽和最大输出电流变化率，确保加加速度对应的力矩变化率在驱动器能力范围内。
3. 工艺要求分解：对于涂胶、焊接等工艺，加加速度过大会导致轨迹偏差；对于点对点搬运，可适当放宽Jerk限制以提升效率。
4. 仿真验证：在离线仿真环境中，以梯形或S形速度规划为基础，逐步增大Jerk值，观察末端振动幅值和跟随误差的变化。

案例拆解：S形速度规划中的Jerk约束

假设某直线运动轴需要从静止加速到 600 mm/s，行程 300 mm。若采用梯形速度规划（加速度恒定），则加速度突变会产生无限大的加加速度，实际系统中表现为明显的振动和噪声。改用S形速度规划后，设定最大加速度 \( a_{max} = 1500 \text{ mm/s}^2 \)，最大加加速度 \( j_{max} = 6000 \text{ mm/s}^3 \)。通过计算，加速阶段耗时约 0.4s，其中加加速段和减加速段各 0.25s。实际运行中，末端振动幅值从梯形规划的 ±0.15mm 降低至 ±0.03mm，跟随误差峰值从 0.8mm 降至 0.2mm。代价是加速时间增加了约 15%，但对于精密装配场景，这一代价是值得的。

常见误区与总结

• 误区一：只限制加速度而不限制加加速度。这会导致加速度曲线出现台阶状突变，依然会激励机械共振。
• 误区二：将加加速度设为固定值而不考虑速度大小。实际上，在高速段允许的加加速度应适当降低，以减小动态冲击。
• 误区三：忽略加加速度对伺服跟踪误差的影响。高加加速度要求伺服系统具有更高的速度环带宽，否则会增大跟踪滞后。

2.2 坐标系变换：关节空间与笛卡尔空间

核心原理：两种描述方式的本质区别

关节空间以各关节的独立变量（旋转角或平移量）来描述机器人位形，其维度等于关节数量。笛卡尔空间（任务空间）以末端执行器在三维空间中的位置和姿态来描述，通常为6维（3个位置分量+3个姿态分量）。轨迹规划既可以在关节空间进行，也可以在笛卡尔空间进行，两者各有优劣。关节空间规划简单、计算量小，但无法直接控制末端轨迹形状；笛卡尔空间规划直观、便于约束末端路径，但需要实时进行逆运动学求解，计算复杂度高。

坐标变换的数学表达

设关节变量为 \( \mathbf{q} = [q_1, q_2, \ldots, q_n]^T \)，末端位姿为 \( \mathbf{X} = [x, y, z, \alpha, \beta, \gamma]^T \)。正向运动学映射为 \( \mathbf{X} = f(\mathbf{q}) \)，逆向运动学为 \( \mathbf{q} = f^{-1}(\mathbf{X}) \)。在速度层面，两者通过雅可比矩阵 \( \mathbf{J}(\mathbf{q}) \) 关联：\( \dot{\mathbf{X}} = \mathbf{J}(\mathbf{q}) \dot{\mathbf{q}} \)。加速度和加加速度的变换则需引入雅可比矩阵的时间导数，表达式为：

加速度变换:  X'' = J(q)·q'' + J'(q)·q'
加加速度变换: X''' = J(q)·q''' + 2J'(q)·q'' + J''(q)·q'

其中 \( \mathbf{J}'(q) \) 和 \( \mathbf{J}''(q) \) 的计算较为复杂，通常通过数值微分或解析求导获得。

操作流程：笛卡尔空间轨迹规划的步骤

1. 路径定义：在笛卡尔空间中定义期望的末端路径，如直线、圆弧或样条曲线。
2. 时间参数化：沿路径进行速度规划，确定每个时刻的期望位置 \( \mathbf{X}(t) \)。
3. 逆运动学求解：在每个插补周期内，将 \( \mathbf{X}(t) \) 映射为关节角 \( \mathbf{q}(t) \)。
4. 奇异点检测：检查雅可比矩阵是否接近奇异，若接近则需调整路径或速度。
5. 关节限位校验：确保求解出的关节角在机械限位范围内。

案例拆解：六轴机器人直线插补

某六轴机器人需要从点A(300, 0, 400) 直线运动到点B(300, 200, 300)，单位mm，姿态保持不变。若直接在关节空间进行线性插补，末端实际路径会是一条弧线，无法满足工艺要求。因此采用笛卡尔空间直线插补：首先将直线路径离散为N个插补点，每个插补周期计算期望的末端位置；然后通过逆运动学求解各关节角。实际测试中，当插补周期为1ms时，末端路径偏差小于0.05mm，满足装配精度要求。但发现当路径经过奇异点附近时，关节5的速度峰值达到正常值的3倍，通过调整路径偏移量（将路径向远离奇异点方向平移5mm）后，关节速度恢复正常。

常见误区与总结

• 误区一：认为关节空间规划无法保证末端轨迹精度。实际上，对于点对点运动（PTP），关节空间规划完全够用；只有需要精确路径（如焊接、切割）时才必须使用笛卡尔空间规划。
• 误区二：忽略雅可比矩阵的奇异性。在笛卡尔空间规划中，必须实时监测雅可比矩阵的条件数，条件数过大时需及时调整。
• 误区三：将关节空间的加速度限制直接映射到笛卡尔空间。由于雅可比矩阵的耦合作用，关节加速度受限并不等于末端加速度受限，反之亦然。

2.3 正逆运动学简介

核心原理：从关节到末端与从末端到关节

正向运动学（FK）是已知各关节变量，求解末端执行器的位置和姿态。其数学基础是齐次变换矩阵的连乘：\( \mathbf{T}_{base}^{tool} = \mathbf{T}_1 \cdot \mathbf{T}_2 \cdots \mathbf{T}_n \)。逆向运动学（IK）则是已知末端位姿，求解满足条件的关节变量。IK问题通常具有多解性、奇异性和求解复杂性，是机器人运动控制中的核心难点之一。

正逆运动学的求解方法对比

操作流程：IK求解的工程实现步骤

1. 结构分析：判断机器人是否满足Pieper准则（相邻三轴交于一点或平行），若满足则优先采用解析法。
2. 解析解推导：对于6轴机器人，通常可分解为位置解和姿态解，先求前3轴位置，再求后3轴姿态。
3. 多解选择：根据关节限位和运动连续性，从多组解中选择最优解（通常选择与当前关节角最接近的解）。
4. 数值迭代：对于不满足解析条件的构型，采用牛顿-拉夫森迭代或阻尼最小二乘法求解。
5. 实时性优化：在插补周期内，以上一周期解为初值进行少量迭代，保证实时性。

案例拆解：SCARA机器人的IK求解

SCARA机器人具有3个旋转关节（R-R-R）和1个移动关节（Z轴），其平面位置解耦。设末端在XY平面的位置为 \( (x, y) \)，大臂长 \( L_1 = 300\text{mm} \)，小臂长 \( L_2 = 200\text{mm} \)。根据余弦定理，可求得关节2的角度：\( \cos\theta_2 = \frac{x^2 + y^2 - L_1^2 - L_2^2}{2L_1L_2} \)。由于 \( \cos\theta_2 \) 存在两个解（肘上/肘下），需根据实际装配方向选择。关节1的角度为 \( \theta_1 = \text{atan2}(y, x) - \text{atan2}(L_2\sin\theta_2, L_1 + L_2\cos\theta_2) \)。实际应用中，通过判断 \( \theta_2 \) 的正负来选择“右手系”或“左手系”构型，确保运动连续。

常见误区与总结

• 误区一：认为IK解总是存在。实际上，当目标点超出工作空间时，IK无解，必须在规划前进行可达性检查。
• 误区二：忽略多解切换时的关节突变。在连续轨迹运动中，若IK解在相邻插补周期发生跳变，会导致关节速度突变，必须通过解跟踪算法保证连续性。
• 误区三：将FK和IK割裂看待。在轨迹规划中，FK用于验证IK结果的正确性，两者应配合使用。