运动控制基础：坐标系与变换、运动学正逆解、速度/加速度/加加速度（Jerk）的基本概念

运动控制系统的本质，是在约束条件下将期望的运动轨迹转化为执行机构可跟踪的物理运动。无论是工业机器人、CNC机床、半导体设备还是精密平台，其控制算法的底层都建立在一套共同的数学与物理基础之上：坐标系与变换描述了“在哪里”和“如何描述位置”，运动学正逆解建立了关节空间与笛卡尔空间之间的映射关系，而速度、加速度与加加速度（Jerk）则构成了轨迹规划中运动学约束的核心维度。本章将系统梳理这些基础概念，并重点阐明它们如何在轨迹规划与插补算法中形成闭环逻辑。

2.1 坐标系与空间变换：运动描述的基准框架

2.1.1 核心原理：为什么坐标系是运动控制的第一性问题

任何运动控制任务都必须回答三个问题：“目标在哪里？”、“当前在哪里？”、“如何从当前到达目标？”。这三个问题的答案都依赖于坐标系的定义。在工业机器人中，常见的坐标系包括：基坐标系（固定在机器人底座，是全局参考）、关节坐标系（每个关节角度的独立描述）、工具坐标系（固定在末端执行器上，描述工具的姿态）以及用户坐标系（由操作者自定义的工作区域参考）。坐标系之间的转换关系，决定了控制算法能否正确地将期望的末端运动映射为关节运动。

齐次变换矩阵 T 是描述坐标系间位姿关系的核心数学工具，其形式为：

T = [ R  p ]
    [ 0  1 ]

其中 R 为 3×3 旋转矩阵，p 为 3×1 平移向量。旋转矩阵的列向量表示目标坐标系各轴在参考坐标系中的方向余弦，平移向量表示目标坐标系原点在参考坐标系中的位置。通过矩阵乘法，可以实现坐标系的链式变换：T_base_to_tool = T_base_to_flange × T_flange_to_tool。

2.1.2 判断方法与操作流程：如何选择与构建坐标系

在实际工程中，坐标系的选择直接影响后续运动学求解的复杂度和数值稳定性。以下是坐标系构建的标准流程：

1. 确定基坐标系：通常将基坐标系原点设在机器人安装底面中心，Z轴竖直向上，X轴指向工作空间前方。
2. 定义各关节坐标系：采用 Denavit-Hartenberg（D-H）参数法，每个关节建立独立坐标系，通过四个参数（a, α, d, θ）描述相邻坐标系间的变换。
3. 标定工具坐标系：通过四点法或六点法标定工具中心点（TCP）相对于法兰坐标系的偏移。
4. 验证变换正确性：使用正运动学计算已知关节角下的末端位姿，与实测值对比，误差应小于 0.1mm 或 0.1°。

2.1.3 案例拆解：六轴机器人工具坐标系标定

某焊接机器人更换焊枪后，TCP 位置发生偏移。初始现象：示教点位的焊接位置出现约 5mm 偏差。分析过程：焊枪长度变化导致工具坐标系偏移，但基坐标系和关节坐标系未变。操作步骤：

1. 将机器人移至四个不同姿态，使 TCP 对准同一固定尖点；
2. 记录四组关节角数据；
3. 利用最小二乘法求解 TCP 偏移量；
4. 将结果写入控制器工具坐标系参数。

结果对比：标定后焊接位置偏差降至 0.3mm 以内。复盘经验：工具坐标系标定是设备维护后的必做项，否则轨迹规划中的笛卡尔空间插补将产生系统性误差。

2.2 运动学正逆解：关节空间与笛卡尔空间的桥梁

2.2.1 核心原理：正解与逆解的数学本质

运动学正解（Forward Kinematics, FK）是已知各关节角度，求解末端执行器在笛卡尔空间中的位置和姿态。其数学表达为：T_end = f(q)，其中 q 为关节角向量。正解是唯一的，计算过程为逐关节矩阵连乘。

运动学逆解（Inverse Kinematics, IK）是已知末端位姿，求解满足条件的关节角。其数学表达为：q = f⁻¹(T_end)。逆解通常存在多重解（如六轴机器人可达 8 组解），且可能无解（超出工作空间）或存在奇异位形（雅可比矩阵降秩）。

2.2.2 判断方法与操作流程：逆解的多解选择策略

逆解的多解选择是轨迹规划中的关键决策点。常用策略包括：

操作流程：先排除超出关节限位的解 → 再排除会导致奇异位形的解 → 最后按最短行程或最小能量原则选择最优解。

2.2.3 案例拆解：SCARA 机器人逆解计算

SCARA 机器人具有 4 个自由度（θ1, θ2, d3, θ4），其逆解可解析求解。已知末端位置 (x, y, z) 和姿态角 φ，求解过程：

// 平面两连杆逆解（几何法）
r = sqrt(x² + y²)
cosθ2 = (r² - L1² - L2²) / (2*L1*L2)
θ2 = ±acos(cosθ2)  // 双解（肘上/肘下）
θ1 = atan2(y, x) - atan2(L2*sinθ2, L1 + L2*cosθ2)
d3 = -z  // 垂直方向直接映射
θ4 = φ - θ1 - θ2  // 姿态补偿

实际场景：某贴片机使用 SCARA 机器人，在连续贴装过程中，若每次逆解都选择肘上解，则关节 2 的运动范围较小，速度平稳；若交替选择肘上/肘下解，则关节 2 需要频繁跨越奇异点，导致振动和跟踪误差。复盘结论：应在轨迹规划阶段固定解类型，避免插补过程中解跳变。

2.3 速度、加速度与加加速度（Jerk）：运动平滑性的三重约束

2.3.1 核心原理：从运动学到动力学约束的延伸

在轨迹规划中，速度（v）、加速度（a）和加加速度（j）构成了对运动曲线的逐级微分约束：

• 速度：决定运动效率，受限于电机额定转速和机械结构允许的最大线速度/角速度。
• 加速度：决定启停阶段的动态响应，受限于电机最大转矩、减速机承受能力和负载惯性。
• 加加速度（Jerk）：加速度的变化率，直接关联机械振动激励。高 Jerk 会激发结构共振模态，导致轮廓误差和噪声。

三者关系为：v(t) = ∫a(t)dt，a(t) = ∫j(t)dt。在离散插补周期 T 内，各阶导数的变化量必须满足：Δv ≤ a_max × T，Δa ≤ j_max × T。

2.3.2 判断方法与操作流程：如何确定 Jerk 限值

Jerk 限值的确定不能仅凭经验，应通过以下流程：

1. 模态测试：对机械结构进行锤击试验或扫频分析，获取一阶共振频率 f₁。
2. 经验公式：Jerk 上限建议满足 j_max ≤ (2πf₁)² × A_allow，其中 A_allow 为允许的振动幅值（通常取 0.1mm 以内）。
3. 伺服带宽校验：确保 Jerk 激励频率低于速度环带宽的 1/3，避免激励出控制延迟引起的振荡。
4. 实测调优：在典型轨迹上逐步增大 Jerk，观察振动传感器信号，找到临界值后留 20% 余量。

2.3.3 案例拆解：S 曲线规划中的 Jerk 约束

某高速贴片机 X 轴行程 500mm，最大速度 2m/s，加速度 20m/s²。初始采用梯形速度规划，实测末端振动加速度达 3g，贴装精度 ±0.05mm 无法保证。分析：梯形规划的加速度阶跃产生无限大 Jerk，激励了 45Hz 的结构共振。

改进方案：采用 S 曲线规划，设定 Jerk 上限为 2000m/s³。规划过程：

// S曲线七段式参数计算
v_max = 2.0 m/s
a_max = 20 m/s²
j_max = 2000 m/s³

// 加速段时间
t_acc = a_max / j_max = 0.01s
// 加速段位移
s_acc = j_max * t_acc³ / 6 + v0 * t_acc = 0.001m
// 判断是否达到最大速度
s_need = 2 * s_acc + v_max * (v_max/a_max) = 0.2m < 0.5m → 可达最大速度

结果对比：采用 S 曲线后，末端振动降至 0.8g，贴装精度提升至 ±0.02mm。代价是单次运动时间从 0.28s 增加至 0.31s（约 10% 效率损失）。复盘经验：在高速高精场景，Jerk 约束是必须显式建模的，不能仅靠加速度约束。

2.4 常见误区与总结复盘

2.4.1 误区一：忽视坐标系变换的累积误差

在长行程龙门机构中，双驱同步控制需要将两个电机的位置统一到同一个坐标系下。若仅使用各自编码器反馈而不做坐标系变换补偿，会因机械安装偏差（如导轨不平行）导致累积误差。正确做法是建立从基坐标系到各电机坐标系的变换矩阵，并在插补前进行坐标统一。

2.4.2 误区二：逆解选择只看最短行程

最短关节行程策略在连续轨迹中可能导致关节速度突变。例如，六轴机器人从 A 点到 B 点，若两组逆解分别对应关节 1 转 10° 和 350°，虽然 10° 行程短，但若当前关节 1 在 355°，则实际需要转 15°（反向），而 350° 解只需转 5°。正确做法是考虑当前关节角位置，计算实际最小增量。

2.4.3 误区三：Jerk 设置越小越好

过小的 Jerk 会显著延长运动时间，降低生产效率。某案例中，将 Jerk 从 5000 降至 500 m/s³，振动确实降低，但节拍时间从 1.2s 延长至 2.1s，产能下降 43%。正确策略是：在满足振动指标的前提下，尽可能提高 Jerk，并通过陷波滤波器抑制残余共振。

2.4.4 总结：基础概念对轨迹规划的实际影响

本章所建立的坐标系、运动学与运动学约束概念，是后续轨迹规划算法（梯形/S 曲线/样条插补）的数学基础。在实际工程中，这三者并非孤立存在：坐标系变换为运动学求解提供参考框架，运动学正逆解将规划结果映射到执行机构，而速度/加速度/Jerk 约束则贯穿于规划与插补的每一个周期。只有将三者统一在同一个算法框架中，才能实现高精度、高动态、低振动的运动控制。