3、运动学模型基础：两轮差速模型、阿克曼转向模型、运动学方程推导、模型参数辨识简介

各位好，我是你们这节课程的讲师。咱们今天聊点硬核的——运动学模型。说白了，就是研究机器人怎么动起来的数学描述。你想想看，要让一个轮子上的家伙听话地沿着路径走，你总得知道它怎么转弯、怎么加速吧？这就是运动学模型要干的事。

我个人习惯把运动学模型比作「机器人的腿脚说明书」。没有它，你写的控制算法就像蒙着眼睛开车。我在项目中遇到过不少新手，上来就调PID参数，结果车在原地打转——因为根本没搞清楚模型长什么样。嗯，咱们今天就把这事掰扯清楚。

两轮差速模型，说白了就是靠两个独立驱动的轮子转速差来实现转向。最常见的应用就是扫地机器人、AGV小车。结构简单，成本低，室内导航的标配。

核心思想：左右轮速度不同，车体就会绕着一个瞬时旋转中心（ICR）转动。

咱们直接上公式。设左轮速度为 v_L，右轮速度为 v_R，轮距（两轮中心距离）为 L。那么车体中心的速度 v 和角速度 ω 为：

v = (v_R + v_L) / 2
ω = (v_R - v_L) / L

这里有个关键点：当 v_R = v_L 时，ω = 0，车直线行驶；当 v_R = -v_L 时，车原地旋转。 我在调试一个仓储机器人时，就遇到过左右轮编码器零漂不一致，导致直线走偏的问题。后来加了个零速校准，才搞定。

避坑指南：我曾经在项目里直接用理想模型算轨迹，结果发现实际路径偏差很大。后来排查发现，轮子打滑、地面摩擦系数变化都会影响模型精度。所以，差速模型只适用于低速、高摩擦场景。高速时一定要考虑滑移。

阿克曼转向模型，就是咱们汽车上用的那种。前轮转向，后轮驱动。它的特点是：转弯时，内外侧前轮的转向角不同，保证所有车轮绕同一个圆心转动。

为什么这么设计？你想想看，如果左右前轮转角一样，转弯时内侧轮会侧滑，轮胎磨损严重。阿克曼几何就是为了解决这个问题。

设前轮转角为 δ（通常指内侧轮转角），轴距为 L_wb，那么转弯半径 R 为：

R = L_wb / tan(δ)

注意，这里的 δ 是等效转角。实际应用中，左右轮转角关系为：

cot(δ_left) - cot(δ_right) = L_wb / L_track

其中 L_track 是轮距。这个公式我建议你记下来，做车辆控制时经常用到。

个人经验：我在做无人车项目时，发现阿克曼模型在低速时很准，但高速时由于轮胎侧偏特性，实际转弯半径会比理论值大10%-20%。这时候就需要引入动力学修正了。不过那是后话，咱们先把运动学基础打牢。

有了模型，咱们得把运动学方程写出来。这是控制算法的基础。我习惯用状态空间法来推导。

对于两轮差速模型：

设车体位姿为 [x, y, θ]^T，其中 θ 是航向角。那么运动学方程为：

ẋ = v * cos(θ)
ẏ = v * sin(θ)
θ̇ = ω

把 v 和 ω 用左右轮速度表示：

ẋ = (v_R + v_L)/2 * cos(θ)
ẏ = (v_R + v_L)/2 * sin(θ)
θ̇ = (v_R - v_L) / L

对于阿克曼模型：

设后轴中心为参考点，前轮转角为 δ，后轮速度为 v：

ẋ = v * cos(θ)
ẏ = v * sin(θ)
θ̇ = v * tan(δ) / L_wb

这里要注意，阿克曼模型的角速度与速度 v 成正比，而差速模型与速度差成正比。这是两者本质区别。

重要提醒：运动学方程是连续时间模型。实际控制中，我们需要离散化。离散化步长一般取控制周期的1/10到1/5。我见过有人直接用欧拉法离散，结果高频震荡。建议用四阶龙格库塔法，精度高很多。

模型建好了，参数怎么来？总不能靠猜吧。参数辨识就是干这个的。

需要辨识的参数：

辨识方法：

举个例子，辨识轮距 L：让机器人原地旋转360度，记录左右轮编码器数据。理论上，旋转角度 Δθ = (Δs_R - Δs_L) / L。通过多次实验，用最小二乘法拟合出 L。

我的习惯：参数辨识至少做3组实验，取平均值。而且要在不同负载、不同地面条件下测试。我曾经只做了一组实验就上线，结果换了个地面，模型直接失效。嗯，吃一堑长一智。

下面这张图，是我自己画的运动学模型知识框架。你可以把它当作本章的「地图」。

这张图把本章的核心内容串起来了。你看，两轮差速和阿克曼是两种基础模型，它们各自有对应的运动学方程。而参数辨识，就是给这些方程配上准确的数值。三者缺一不可。

好了，运动学模型的基础就讲到这里。记住，模型是控制的上限，算法只是逼近这个上限。把模型搞透，后面的路径跟踪才能游刃有余。

课后思考：如果你做一个室内送餐机器人，你会选差速模型还是阿克曼模型？为什么？想清楚这个问题，你对运动学模型的理解就更深一层。

可可精品资料库