第2章机器人运动学基础

第二章：机器人运动学基础

各位工程师朋友，大家好。今天我们来聊聊机器人运动学。说实话，这章内容是整个轨迹规划的基石。你想想看，要让机器人动起来，首先得知道它现在在哪儿，要去哪儿，怎么去。这就是运动学要解决的问题。

我个人习惯把运动学分成两部分：正运动学和逆运动学。正运动学是已知关节角度，求末端位置；逆运动学正好反过来。听起来简单，但实际项目中坑不少。我曾经在一个焊接项目里，就因为逆运动学求解没处理好，导致机器人差点撞到工件。嗯，咱们慢慢聊。

2.1 空间描述与变换

先说说空间描述。机器人工作在一个三维空间里，我们需要描述物体的位置和姿态。位置好办，三个坐标(x,y,z)就搞定了。但姿态呢？光有位置不够，你还要知道它朝哪个方向。

举个例子。我在调试一个抓取工位时，发现机器人总是抓偏。后来一查，原来是姿态描述出了问题。位置对了，但手爪的方向差了5度，结果就是抓不稳。

空间变换说白了就是坐标系的转换。从一个坐标系到另一个坐标系，需要旋转和平移。旋转可以用旋转矩阵表示，平移就是加个向量。这里我建议你记住一个原则：先旋转，后平移。顺序搞反了，结果就全错了。

核心要点：空间描述 = 位置 + 姿态。位置用向量，姿态用旋转矩阵。变换时注意顺序。

2.2 齐次变换矩阵

齐次变换矩阵是个好东西。它把旋转和平移统一到一个4x4的矩阵里。为什么是4x4？因为3x3的旋转矩阵只能处理旋转，加不上平移。齐次坐标引入了一个额外的维度，让一切变得简单。

齐次变换矩阵的形式是这样的：

| R   t |
| 0   1 |

其中R是3x3旋转矩阵，t是3x1平移向量。最后一行是[0 0 0 1]。

我记得第一次用齐次变换矩阵时，总觉得多了一行一列很别扭。但用久了你会发现，它让连续变换变得特别直观。比如你要从基坐标系到工具坐标系，中间经过几个关节，只需要把每个关节的变换矩阵乘起来就行。

小技巧：矩阵乘法不满足交换律。变换顺序不同，结果天差地别。我建议你在代码里明确标注每个变换的物理意义，避免搞混。

2.3 DH参数法

DH参数法是描述机器人连杆和关节的标准方法。它用四个参数来定义相邻两个坐标系的关系：

a_i-1：连杆长度，沿x_i-1轴从z_i-1到z_i的距离
α_i-1：连杆扭转角，绕x_i-1轴从z_i-1到z_i的角度
d_i：连杆偏距，沿z_i轴从x_i-1到x_i的距离
θ_i：关节角，绕z_i轴从x_i-1到x_i的角度

为什么用DH参数？因为它标准化了。不管你是六轴机器人还是SCARA，都能用同一套方法建模。我在项目中遇到过一个问题：不同厂家的机器人，DH参数定义可能略有差异。有的用标准DH，有的用改进DH。你拿到参数后，一定要先确认是哪种。

注意：标准DH和改进DH的区别在于坐标系附着的位置。标准DH把坐标系放在连杆末端，改进DH放在连杆起始端。搞混了，正运动学算出来就是错的。

下面是一个六轴机器人的DH参数表示例：

关节i	a_i-1 (mm)	α_i-1 (°)	d_i (mm)	θ_i (°)
1	0	0	400	θ₁
2	250	-90	0	θ₂
3	200	0	0	θ₃
4	0	-90	300	θ₄
5	0	90	0	θ₅
6	0	-90	100	θ₆

2.4 正运动学求解

正运动学就是已知关节角度，求末端位姿。说白了，就是把这些DH参数代进去，算出齐次变换矩阵。

具体步骤：

根据DH参数，写出每个关节的变换矩阵 ^i-1T_i
把所有变换矩阵乘起来：⁰T₆ = ⁰T₁ · ¹T₂ · ... · ⁵T₆
从结果矩阵中提取位置和姿态

代码实现很简单，就是矩阵乘法。我习惯用Python的numpy库，几行就搞定：

import numpy as np

def dh_transform(a, alpha, d, theta):
    ct = np.cos(theta)
    st = np.sin(theta)
    ca = np.cos(alpha)
    sa = np.sin(alpha)
    
    T = np.array([
        [ct, -st*ca,  st*sa, a*ct],
        [st,  ct*ca, -ct*sa, a*st],
        [0,   sa,     ca,    d],
        [0,   0,      0,     1]
    ])
    return T

# 计算正运动学
T = np.eye(4)
for i in range(6):
    T = T @ dh_transform(a[i], alpha[i], d[i], theta[i])

正运动学的好处是：结果唯一。给定一组关节角，末端位姿是确定的。这在调试时很有用，你可以手动转动关节，然后验证计算结果。

2.5 逆运动学求解

逆运动学就麻烦多了。已知末端位姿，求关节角度。为什么麻烦？因为解不唯一。同一个末端位置，可能有多种关节角度组合。比如六轴机器人，通常有8组解。

求解方法主要有两种：

解析法：通过几何关系推导出封闭解。速度快，但只适用于特定构型。
数值法：用迭代逼近，比如牛顿-拉夫森法。通用性强，但可能不收敛。

我在实际项目中，优先用解析法。为什么呢？因为稳定。数值法有时候会跳到奇异点附近，导致关节速度爆炸。我曾经在一个码垛项目里，数值法算出来的关节角突然跳变，机器人差点把箱子甩出去。从那以后，我只要能用解析法，绝不用数值法。

经验之谈：逆运动学求解时，一定要考虑关节限位。有些解虽然在数学上成立，但关节角度超出了机械限位，就不能用。我建议你在求解后加一个关节限位检查。

解析法的核心思路是：把末端位姿方程拆解，逐层求解。比如先求第一个关节角，再求第二个，以此类推。每个关节的求解都依赖于前面的结果。

举个例子，对于六轴机器人，通常先求关节1：

# 伪代码示例
# 已知末端位置 (px, py, pz) 和姿态矩阵 R
theta1 = atan2(py, px)  # 关节1的角度

然后根据theta1，再求theta2、theta3。这个过程需要仔细推导，一步错步步错。

注意：逆运动学求解时，要注意奇异位形。比如关节5为0度时，关节4和关节6的轴重合，导致解不唯一。这种情况需要特殊处理。

知识体系总览

下面这张图展示了本章的知识结构，我画了个SVG方便你理解：

好了，这一章的内容就到这里。运动学基础是后续轨迹规划的根基，建议你多动手算几个例子。下一章我们会聊轨迹规划的具体方法，到时候这些知识都会用上。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

第二章：机器人运动学基础

2.1 空间描述与变换

2.2 齐次变换矩阵

2.3 DH参数法

2.4 正运动学求解

2.5 逆运动学求解

知识体系总览