4、关键性能指标：扭矩、转速、精度、分辨率、响应时间、刚度、惯量匹配等

多轴机器人运动执行器的硬件架构设计，本质上是在一系列相互制约的性能指标之间寻找最优平衡。扭矩、转速、精度、分辨率、响应时间、刚度与惯量匹配，这七项指标构成了评估执行器（电机+减速器+编码器+驱动器）性能的完整坐标系。它们并非孤立存在，而是通过动力学方程、控制带宽和机械谐振相互耦合。例如，提高减速比可以增大扭矩，但会降低转速并增加惯量失配风险；提升编码器分辨率可以改善精度，但若机械刚度不足，高分辨率反而会放大振动噪声。本章将逐一拆解这些指标的定义、测量方法、工程权衡及常见误区，帮助学习者建立从“选型参数”到“系统行为”的完整认知。

4.1 扭矩与转速：执行器的动力边界

核心原理

扭矩（Torque）是执行器克服负载阻力、实现加速和维持运动的能力，分为连续扭矩（可长期运行）、峰值扭矩（短时过载，通常为连续值的1.5~3倍）和堵转扭矩（转速为零时的最大输出）。转速（Speed）则决定了机器人的末端线速度和工作节拍。两者共同构成电机的“功率包络线”——在额定转速以下，输出扭矩恒定；超过额定转速后，进入恒功率区，扭矩随转速升高而下降。减速器的引入改变了这一曲线：减速比 n 使输出扭矩放大 n 倍，但输出转速降低 n 倍，同时转动惯量按 n² 折算到电机侧。

判断方法与选型流程

1. 计算负载需求：根据末端负载质量、臂长、运动轨迹（梯形/三角形速度曲线），计算各关节所需的最大扭矩和最高转速。
2. 绘制工况点：在扭矩-转速坐标系中标注所有工况点（加速、匀速、减速、保持），确定最严苛的连续工况和峰值工况。
3. 选择电机与减速器组合：确保连续工况点落在电机连续工作区内，峰值工况点落在峰值工作区内，并留出15%~20%安全裕量。
4. 校核热平衡：计算等效均方根扭矩（RMS Torque），确保其低于连续扭矩额定值。

案例拆解：六轴机器人J3关节选型

某六轴工业机器人J3关节（小臂旋转）需在0.8s内完成90°摆动，负载惯量折算到输出端为0.35 kg·m²。初始选型采用200W伺服电机（额定扭矩0.64 N·m，峰值1.9 N·m）配1:10行星减速器。实测发现：加速阶段扭矩需求达2.2 N·m（输出端），超过减速器输出能力（0.64×10=6.4 N·m，看似足够），但电机侧峰值扭矩需求为2.2/10=0.22 N·m，远低于电机峰值——问题出在惯量匹配而非扭矩不足。将减速比调整为1:8后，电机侧惯量比从12:1降至7.5:1，加速性能提升22%，且电机温升降低8°C。复盘结论：选型时不能只看扭矩绝对值，必须同时校核惯量比和RMS扭矩。

4.2 精度与分辨率：定位能力的量化

核心原理

精度（Accuracy）指实际位置与指令位置的偏差，包含重复定位精度（同一指令多次到达的离散度）和绝对定位精度（实际位置与理论位置的偏差）。分辨率（Resolution）是执行器能检测到的最小位置变化，由编码器位数和减速比共同决定：分辨率 = 360° / (编码器线数 × 4倍频 × 减速比)。精度与分辨率是“木桶关系”——高分辨率是获得高精度的必要条件，但若机械间隙、热变形、控制误差过大，高分辨率也无法转化为高精度。

测量与标定方法

• 重复定位精度测量：以300mm/s速度运行至目标点，往返20次，记录位置偏差的标准差（通常取±3σ）。
• 绝对精度标定：使用激光跟踪仪测量末端实际位置，与理论值对比，建立误差补偿表（通常每轴取20~30个标定点）。
• 分辨率验证：发送最小增量指令（如0.001mm），观察编码器反馈是否发生跳变。

实战场景：精密装配机器人的精度分配

某3C电子装配机器人要求末端重复定位精度±0.02mm，绝对精度±0.05mm。系统采用17位绝对值编码器（分辨率0.0027°），配合谐波减速器（减速比50:1），关节分辨率达0.000054°。但实测重复定位精度仅±0.035mm，超差75%。排查发现：谐波减速器的柔轮变形导致回差约1弧分（0.0167°），折算到末端为0.028mm。解决方案：①更换高精度谐波减速器（回差<0.5弧分）；②增加末端视觉定位补偿。最终重复定位精度提升至±0.018mm。此案例说明：分辨率只是“理论下限”，实际精度受机械回差、弹性变形、热漂移等物理因素限制。

4.3 响应时间与刚度：动态性能的双引擎

核心原理

响应时间（Response Time）描述执行器从接收指令到达到目标状态（位置/速度/扭矩）的时间，由电气时间常数（电流环）、机械时间常数（速度环）和位置环带宽共同决定。刚度（Stiffness）则抵抗外力引起的变形，分为传动刚度（减速器、联轴器）、结构刚度（臂杆、轴承座）和伺服刚度（控制环路等效刚度）。两者通过二阶系统模型耦合：ω_n = √(K_eff / J_eff)，其中ω_n为机械谐振频率，K_eff为等效刚度，J_eff为等效惯量。若刚度不足或惯量过大，谐振频率降低，限制控制带宽，导致响应变慢。

调优操作流程

1. 测量频率响应：使用扫频信号激励执行器，绘制伯德图，识别谐振峰和相位滞后。
2. 调整惯量比：若惯量比>10，优先通过改变减速比或增加飞轮来降低比值。
3. 提高刚度：检查联轴器是否松动、减速器预紧是否合适、结构件是否存在薄弱环节。
4. 整定控制参数：先调电流环（PI），再调速度环（PI），最后调位置环（P或PID），每级带宽相差3~5倍。

案例拆解：SCARA机器人末端抖动问题

某SCARA机器人Z轴在高速插补时出现0.3mm振幅的末端抖动，频率约12Hz。初步判断为机械谐振。通过激光测振仪确认谐振峰在11.8Hz，对应刚度-惯量模型计算值（K_eff=2.1×10⁴ N·m/rad，J_eff=3.8 kg·m²）吻合。处理步骤：①将Z轴减速比从1:5改为1:4，惯量比从14:1降至8:1，谐振频率升至15.2Hz；②在速度环中加入二阶低通滤波器（截止频率20Hz），抑制残余谐振；③重新整定位置环增益，从30 1/s提升至45 1/s。最终抖动降至0.05mm，节拍提升12%。

4.4 惯量匹配：稳定性的基石

核心原理

惯量匹配（Inertia Matching）指负载惯量折算到电机轴后，与电机转子惯量的比值。该比值直接影响系统的动态响应和稳定性：比值过大，系统响应迟钝、易振荡；比值过小，电机功率浪费、选型不经济。理想比值因应用而异：高精度定位（如半导体设备）建议1~3，通用工业机器人建议3~8，高速搬运（如并联机器人）可放宽至10~15。惯量比的计算公式为：R = (J_load × n²) / J_motor，其中n为减速比。

判断与优化方法

实战场景：协作机器人关节模组设计

某7轴协作机器人关节模组，电机转子惯量0.045 kg·cm²，负载侧（含下一关节及末端）惯量折算后为0.52 kg·cm²，初始减速比1:6，惯量比R=0.52×36/0.045=416，严重超标。重新设计：①将减速比调整为1:4，R=0.52×16/0.045=185，仍过高；②更换为低惯量空心杯电机（转子惯量0.028 kg·cm²），R=0.52×16/0.028=297；③最终采用双电机驱动方案，每个电机分担一半负载，R=0.26×16/0.028=148。虽然仍未达到理想区间，但通过增加控制算法中的陷波滤波器（Notch Filter）和加速度前馈，实际运行稳定。此案例表明：在空间和重量受限的协作机器人中，惯量比可能无法达到理想值，需通过先进控制算法补偿。

4.5 指标间的权衡与系统级优化

核心原理

七项指标构成一个多目标优化问题：提高扭矩需要更大电机或更高减速比，但会牺牲转速和惯量匹配；提升精度需要更高分辨率编码器，但会增加成本并可能引入噪声；加快响应需要提高刚度，但过度刚化会降低柔顺性和安全性。系统级优化应遵循“木桶原理”——先识别瓶颈指标，再针对性调整。

综合权衡决策框架

• 明确应用优先级：焊接机器人重扭矩和刚度，装配机器人重精度和响应，搬运机器人重速度和惯量匹配。
• 建立仿真模型：使用多体动力学软件（如ADAMS、Simpack）建立执行器模型，输入实际工况，观察各指标表现。
• 原型验证：制作样机，实测扭矩-转速曲线、频率响应、定位精度，与仿真对比。
• 迭代优化：每次只调整一个参数，记录其对所有指标的影响，形成帕累托前沿。

案例拆解：Delta并联机器人执行器优化

某Delta机器人用于食品分拣，要求节拍120次/分钟，定位精度±0.5mm。初始方案：2kW伺服电机（额定扭矩6.4N·m，转子惯量1.2kg·cm²）配1:5减速器，末端负载2kg。实测发现：①节拍达标但末端振动明显（加速度峰值达8g）；②定位精度仅±0.8mm，超差。分析：惯量比R=2×25/1.2=41.7，远超推荐值。优化方案：①更换为1.5kW低惯量电机（转子惯量0.8kg·cm²），R=2×25/0.8=62.5，反而更差；②将减速比改为1:3，R=2×9/0.8=22.5，仍偏高；③最终采用直驱方案（无减速器），R=2/0.8=2.5，但需增大电机扭矩至12N·m。权衡后选择1.8kW直驱力矩电机，配合高分辨率编码器（23位），最终节拍提升至135次/分钟，精度±0.3mm，振动降至3g。复盘：直驱方案虽然成本增加30%，但消除了减速器的齿隙和弹性变形，综合性能最优。