4、执行器误差：电机响应延迟、力矩纹波、摩擦非线性导致的跟踪滞后

好，咱们继续往下聊。前面几章我们把传感器、模型、控制器这些环节都过了一遍。这一章，咱们把目光聚焦到最末端的执行器上——说白了，就是电机和它带动的机械结构。

你想想看，算法算得再好，指令发得再快，如果电机本身反应慢半拍，或者转起来一顿一顿的，那轨迹跟踪精度肯定好不了。我这些年调试机器人，至少有一半的“玄学问题”，最后查来查去，根子都在执行器上。

执行器误差，主要来自三个方面：响应延迟、力矩纹波、摩擦非线性。这三个家伙凑在一起，就会导致一个典型现象——跟踪滞后。今天我们就来聊聊，怎么通过一个简单的阶跃响应实验，把这些动态特性给量化出来。

4.1 执行器误差的三个“元凶”

先简单拆解一下这三个误差源，心里有个底。

• 响应延迟：从你发出指令，到电机真正开始动，中间有个时间差。这个延迟包括通讯延迟、驱动器计算延迟、电流环响应时间等等。我见过最夸张的一次，某个工业机器人光通讯延迟就占了20ms，轨迹跑起来像在“梦游”。
• 力矩纹波：电机在低速运行时，由于齿槽效应、磁链谐波等原因，输出的力矩会周期性波动。你明明给了一个恒定的电流指令，电机转起来却是一抖一抖的。这在精密装配、打磨这类场景里特别要命。
• 摩擦非线性：这个最头疼。静摩擦、库仑摩擦、粘滞摩擦，还有Stribeck效应，它们共同构成了一个高度非线性的阻力特性。尤其是在速度过零的时候，摩擦力会突然跳变，导致轨迹出现“爬行”或者“停顿”。

这三个因素叠加在一起，最终的表现就是：实际轨迹总是落后于期望轨迹，而且这个滞后的量不是固定的，它会随着速度、负载、位置的变化而变化。

4.2 为什么用阶跃响应实验？

量化执行器动态特性，方法有很多。比如扫频法、伪随机序列法。但要说最直观、最快速、最不容易出错的，我个人还是推荐阶跃响应实验。

为什么？

• 简单粗暴：给一个阶跃指令，记录实际响应。不需要复杂的激励信号设计。
• 信息丰富：从阶跃响应曲线里，你可以直接读出延迟时间、上升时间、超调量、稳态误差。这些参数直接对应着执行器的带宽、阻尼、刚度。
• 易于对比：不同工况下（比如空载 vs 满载）做几次阶跃响应，一对比，执行器的性能退化情况一目了然。

我在项目里，每次换新电机或者新驱动器，第一件事就是跑一遍阶跃响应。这就像你买了一辆新车，先踩一脚油门试试动力响应，一个道理。

4.3 阶跃响应实验怎么做？

好，咱们直接上实操。假设你有一个单关节机器人，或者一个直线运动平台。实验步骤如下：

1. 准备阶段：让执行器回到一个安全位置，比如关节角度0度。确保周围没有干涉。
2. 施加阶跃指令：通过控制器，给电机发送一个位置阶跃指令。比如从0度阶跃到10度。注意，阶跃幅度不要太大，避免触发限位或者过流保护。我一般用额定行程的10%~20%。
3. 记录响应：用编码器或者其它位置传感器，以1kHz以上的采样率记录实际位置随时间的变化。
4. 重复实验：在不同负载、不同速度、不同位置下重复上述步骤，至少3次，取平均。

嗯，这里要注意一点：阶跃指令的上升沿要足够陡。如果控制器内部做了斜坡处理，那测出来的延迟就不准了。最好直接给一个跳变的指令值。

4.4 如何从响应曲线中提取参数？

拿到数据之后，画成曲线。你会看到一条典型的“S”形曲线。从这条曲线上，我们可以提取几个关键参数：

参数	定义	对应执行器特性
延迟时间 \(t_d\)	从指令发出到响应达到终值10%的时间	通讯延迟 + 驱动器计算延迟
上升时间 \(t_r\)	响应从10%上升到90%的时间	系统带宽（时间常数）
峰值时间 \(t_p\)	响应达到第一个峰值的时间	系统阻尼比
超调量 \(M_p\)	峰值与稳态值的差，除以稳态值	系统阻尼比（越小阻尼越大）
稳态误差 \(e_{ss}\)	最终稳定值与指令值的差	系统刚度、摩擦力矩

举个例子。我曾经调试一个六轴机器人的大臂关节，发现轨迹跟踪总是滞后。做了一次阶跃响应，发现延迟时间 \(t_d\) 竟然有15ms。后来查出来是驱动器里的滤波参数设得太大了。把滤波时间常数从5ms改到1ms，延迟直接降到了5ms，跟踪精度提升了一大截。

4.5 摩擦非线性的量化

阶跃响应还能帮我们量化摩擦非线性。怎么做？

给一个很小的阶跃指令，比如0.1度。如果电机没有动，说明指令力矩小于静摩擦力矩。然后逐渐增大阶跃幅度，直到电机刚好开始运动。这个临界值，就是静摩擦力矩。

再给一个较大的阶跃，让电机匀速运动。记录稳态时的电流值，换算成力矩。这个力矩减去负载力矩，就是库仑摩擦力矩。

我曾经在一个精密转台上遇到过一个问题：低速时轨迹像“爬行”一样，一顿一顿的。通过上述方法测出静摩擦力矩是额定力矩的8%，远超正常值（一般2%~3%）。拆开一看，是润滑脂老化了。换上新润滑脂，问题解决。

4.6 力矩纹波的观测

力矩纹波在阶跃响应曲线上不太容易直接看出来，因为它通常表现为高频的微小波动。不过，我们可以换个思路：

• 让电机以恒定速度运行（比如1 rad/s）。
• 记录电流反馈值。
• 对电流信号做FFT分析。

如果FFT结果里出现了与电机极对数相关的频率成分，那就是力矩纹波。比如一个8极对电机，转速1 rad/s时，纹波频率大约是 \(8 / (2\pi) \approx 1.27\) Hz。如果这个频率的幅值明显偏高，说明电机本身或者驱动器电流环有问题。

我记得有一次，一个协作机器人在低速运行时噪音特别大。我做了这个实验，发现电流FFT里有一个异常的尖峰。查了半天，发现是驱动器里电流采样电阻的焊点虚焊了。重新焊接后，纹波消失，世界清净了。

4.7 如何用这些参数指导调优？

拿到这些量化参数之后，调优就有方向了：

• 延迟时间 \(t_d\) 过大：检查通讯协议（比如EtherCAT的周期）、驱动器滤波参数、控制器任务优先级。
• 上升时间 \(t_r\) 过长：增大速度环或位置环的比例增益。但要注意，增益过大可能导致超调。
• 超调量 \(M_p\) 过大：增大微分增益，或者引入前馈补偿。
• 稳态误差 \(e_{ss}\) 不为零：检查摩擦力补偿是否准确，或者增大积分增益。
• 力矩纹波明显：考虑陷波滤波器，或者更换更高精度的电机。

说白了，阶跃响应实验就像给执行器做了一次“体检”。体检报告出来了，哪里有问题，就对症下药。

4.8 本章知识体系

为了让你更直观地理解本章的逻辑，我画了一张图。它展示了执行器误差的来源、量化方法以及调优方向之间的关系。