3. 运动学基础：正运动学与逆运动学概念、DH参数法简介、雅可比矩阵的物理意义
各位同学，今天我们来聊聊运动学。说实话，这是机器人轨迹规划里最绕不开的一块硬骨头。我当年刚入行时，觉得这东西就是一堆矩阵乘法，背下来就行。结果第一次调机械臂，关节角度算出来，末端死活对不上目标点……嗯，从那以后我再也不敢小看运动学了。
运动学说白了，就是研究机器人“动起来”的数学关系。你给关节角度，它告诉你末端在哪儿——这叫正运动学。反过来，你告诉它末端要去哪儿，它反算出关节该转多少——这叫逆运动学。这两个概念，是后续所有轨迹规划的基础。
核心一句话：正运动学是“因→果”，逆运动学是“果→因”。搞反了，机器人就乱动。
3.1 正运动学：从关节空间到工作空间
正运动学，我个人习惯叫它“正向推导”。你给出一组关节角度（比如六轴机器人的θ₁到θ₆），通过一系列坐标变换，算出末端执行器在笛卡尔空间里的位置和姿态。
为什么需要这个？举个例子。你在示教器上手动转动每个关节，机器人末端到底在哪儿？你肉眼看不准。正运动学就是帮你精确算出来的。我在项目里调试视觉抓取时，经常先用正运动学验证一下模型对不对——如果算出来的末端位置和实际差太多，那肯定是DH参数表填错了。
正运动学的数学本质，就是矩阵连乘。每个关节对应一个齐次变换矩阵，把它们乘起来，就得到末端位姿：
T_0_n = T_0_1 * T_1_2 * ... * T_{n-1}_n其中T_0_n就是末端相对于基座的变换矩阵。这个矩阵里，左上角3×3是姿态（旋转矩阵），右上角3×1是位置（平移向量）。
小技巧：我建议初学者先用手算一个2自由度平面臂的正运动学。纸上推一遍，比看十遍书都管用。你想想看，连乘的顺序一旦搞错，末端位置就飞到天边去了。
3.2 逆运动学：从工作空间回到关节空间
逆运动学就麻烦多了。你告诉机器人：“末端给我到(0.5, 0.3, 0.2)这个点，姿态要这样这样。”机器人得自己算出每个关节该转多少度。
为什么说它麻烦？因为逆运动学通常没有唯一解。同一个末端位姿，可能对应好几组关节角度。比如一个六轴机器人，肘部可以朝上也可以朝下，这就是两种构型。我在现场调试时，最怕遇到的就是逆解跳变——上一帧还是肘部朝上，下一帧突然跳到肘部朝下，机器人“嗖”一下甩过去，差点撞到人。
逆运动学的求解方法，大致分两类：
- 解析法：通过几何关系或代数推导，直接写出关节角度的表达式。速度快，但只适用于特定构型（比如后三个关节轴线交于一点的6轴机器人）。
- 数值法：用迭代逼近的方式求解，比如牛顿-拉夫森法。通用性强，但计算慢，而且可能不收敛。
注意：数值法求解逆运动学时，初始值选不好，很容易掉进局部最优。我曾经在项目里遇到过，明明末端就在眼前，逆解却算出一个离谱的关节角度，机器人直接往反方向转。后来我加了多组初始值并行求解，才稳定下来。
3.3 DH参数法：给机器人建立“身份证”
DH参数法，全称Denavit-Hartenberg参数法。说白了，就是给机器人的每个连杆和关节建立一套标准化的坐标系，然后用四个参数来描述它们之间的相对关系。
这四个参数分别是：
| 参数 | 符号 | 物理含义 |
|---|---|---|
| 连杆长度 | a | 相邻两关节轴线之间的公垂线长度 |
| 连杆扭角 | α | 相邻两关节轴线之间的夹角 |
| 关节距离 | d | 沿关节轴线方向，相邻两连杆之间的偏移 |
| 关节角度 | θ | 绕关节轴线旋转的角度（对于旋转关节，这是变量） |
你想想看，有了这四个参数，任何串联机器人——不管它是六轴、七轴还是SCARA——都可以用统一的方法建模。我个人习惯用改进型DH参数（也叫Craig版），因为它在处理树形结构时更直观。
下面是一个标准DH参数表的示例（以常见的六轴工业机器人为例）：
关节 | a (mm) | α (°) | d (mm) | θ (°)
------|----------|---------|----------|--------
1 | 150 | -90 | 400 | θ1
2 | 600 | 0 | 0 | θ2
3 | 120 | -90 | 0 | θ3
4 | 0 | 90 | 600 | θ4
5 | 0 | -90 | 0 | θ5
6 | 0 | 0 | 100 | θ6避坑指南：我曾经因为DH参数表里一个α的正负号搞反了，整整排查了两天。后来我养成了一个习惯——建完模型后，先让机器人动一个关节，看看末端运动方向对不对。如果关节1转动时末端应该画圆弧，结果它直线跑，那肯定是参数错了。
3.4 雅可比矩阵：速度与力的“翻译官”
雅可比矩阵，英文叫Jacobian。很多初学者一看到矩阵就头大，其实它的物理意义非常直观。
雅可比矩阵描述的是：关节空间的速度（每个关节的角速度）与工作空间的速度（末端的线速度和角速度）之间的线性映射关系。
数学上写成：
ẋ = J(q) · q̇其中ẋ是末端的6维速度向量（3个线速度+3个角速度），q̇是关节速度向量，J(q)就是雅可比矩阵。
为什么说它重要？因为轨迹规划里，你不仅要规划位置，还要规划速度。比如你要让末端沿着一条直线匀速运动，那每个关节的速度该怎么分配？这时候就得靠雅可比矩阵来算。
另外，雅可比矩阵还有一个更厉害的应用——力控制。根据虚功原理，关节力矩τ和末端力F之间的关系是：
τ = J(q)ᵀ · F也就是说，你想让末端产生多大的力，可以通过雅可比矩阵的转置，反算出每个关节该输出多大的力矩。我在做力控打磨项目时，就是靠这个公式来调节关节力矩的。
关键点：雅可比矩阵是构型相关的。机器人姿势不同，雅可比矩阵就不同。当机器人接近奇异位形时，雅可比矩阵会变得病态，某些方向上的速度会变得极大——这就是所谓的“奇异点”。
3.5 本章知识体系总览
下面我用一张SVG图，把本章的核心逻辑串起来。你看完这张图，应该能对运动学基础有一个全局的认识。
这张图里，正运动学、逆运动学、雅可比矩阵是三个核心模块，DH参数法是它们共同的建模工具。最下面是应用层——你学完这些，才能去做轨迹规划、速度规划、力控制这些更高级的事情。
我的建议：初学者不要急着啃逆运动学的解析推导。先把手上的机器人DH参数搞清楚，正运动学能算对，再去看逆解。雅可比矩阵可以先理解它的物理意义，具体怎么求，后面用到时再查公式也不迟。
好了，运动学基础就讲到这里。记住，正运动学是地基，逆运动学是桥梁，雅可比矩阵是工具。这三样东西搞明白了，后面的轨迹规划你学起来会轻松很多。
可可精品资料库