1. 误差溯源：轨迹跟踪误差的数学定义与物理意义

做机器人控制这些年，我见过太多人一上来就调PID参数。调了半天，轨迹还是歪的。为什么？因为你根本没搞清楚误差从哪来的。

今天我们就来聊聊误差的源头。说白了，就是搞清楚一个问题：机器人为什么没走在我想要的轨迹上？

1.1 轨迹跟踪误差的数学定义

先给个最直观的定义。你想想看，机器人实际走的位置和你想让它走的位置，这两者之间的差距，就是轨迹跟踪误差。

数学上，我们通常这样定义：

e(t) = q_d(t) - q(t)

其中：

• q_d(t) — 期望轨迹（你规划好的路径）
• q(t) — 实际轨迹（传感器测出来的位置）
• e(t) — 跟踪误差向量

但这里有个坑。我在项目中遇到过，很多人只盯着位置误差看。其实速度误差、加速度误差同样重要。尤其是高速运动时，位置误差看着不大，但速度误差可能已经爆炸了。

1.2 误差的物理意义

误差不只是数字。它背后有物理含义。

嗯，这里要注意。位置误差是表面现象，速度误差和加速度误差才是深层原因。我调试过一个六轴机器人，位置误差始终在1mm以内，但末端抖动得厉害。后来一查，是速度误差导致的共振。

1.3 从运动学模型偏差说起

运动学模型偏差，说白了就是你的数学公式和真实机器人对不上。

为什么会这样？

• 几何参数误差： 连杆长度、关节偏置，这些参数在图纸上是精确的，但实际加工装配总有公差。我记得有一次，一个协作机器人的DH参数标定差了0.5mm，结果末端轨迹误差直接到了5mm。
• 关节柔性： 减速器、联轴器不是绝对刚性的。你让关节转10度，它可能只转了9.8度。这种柔性在重载时尤其明显。
• 编码器分辨率： 位置反馈的精度受限于编码器。你想想看，一个17位编码器，分辨率大约是0.0027度。听起来很高？但在大臂长臂展下，末端误差可能放大到毫米级。

1.4 动力学扰动：误差的隐形杀手

运动学模型偏差是静态的，动力学扰动是动态的。后者更难对付。

常见的动力学扰动包括：

1. 惯性力： 机器人加速减速时，各关节之间会相互耦合。你控制关节1，关节2的惯性力会反作用于关节1。这就是所谓的"科里奥利力"和"离心力"。
2. 摩擦力： 关节处的摩擦力是非线性的。静摩擦、库仑摩擦、粘滞摩擦，每种特性都不一样。我曾经调试一个SCARA机器人，低速时总是出现"爬行"现象，就是静摩擦在作怪。
3. 重力： 对于垂直关节，重力始终存在。如果你不做重力补偿，机器人抬臂和落臂时的误差会完全不同。
4. 外部负载： 抓取工件后，负载变化了。动力学模型没更新，误差自然就来了。

1.5 建立误差分析的底层逻辑

讲了这么多，我们来梳理一下底层逻辑。我个人习惯用一张图来理解误差的来源：

从这张图可以看得很清楚。误差不是单一原因造成的。它来自两个方向：

• 运动学层面： 你的模型和真实机器人之间的"静态偏差"
• 动力学层面： 运动过程中各种力带来的"动态扰动"

我个人的分析习惯是：先排除运动学偏差，再处理动力学扰动。因为运动学误差是系统性的，标定一次就能解决。而动力学扰动是时变的，需要在线补偿。

嗯，这一章的内容就到这里。记住：搞清误差来源，比盲目调参重要一百倍。下一章我们会聊怎么把这些误差量化分析，然后对症下药。

可可精品资料库