运动控制数学基础：坐标系与变换

各位同学，大家好。我是你们这门课的老朋友。今天咱们聊点硬核的——运动控制的数学基础。说实话，我刚开始做运动控制那会儿，也觉得这些数学工具挺枯燥的。但后来在项目里摔过几次跟头，才明白这些基础不牢，后面写代码、调参数都会心里没底。

这一章，咱们就踏踏实实地把坐标系、变换、刚体运动学和动力学这些地基打牢。你想想看，一个机器人要动起来，首先得知道自己在哪、要去哪、怎么去。这些问题的答案，全藏在这些数学公式里。

2.1 坐标系与空间描述

我个人习惯，把坐标系想象成一把尺子。你站在不同的位置，用不同的尺子量同一个东西，读数肯定不一样。运动控制里，我们最常用的就是笛卡尔坐标系（直角坐标系）。

一个三维空间中的点，用 (x, y, z) 就能唯一确定。但光有位置还不够，物体还有朝向。比如一个螺丝刀，它不光在某个位置，它还指着某个方向。这就引出了「位姿」的概念——位置 + 姿态。

描述姿态，我们常用的有三种方式：

• 旋转矩阵：最直观，9个元素，但冗余，计算量大。
• 欧拉角：3个角度，直观但容易遇到「万向锁」。
• 四元数：4个参数，无奇点，插值平滑，我强烈推荐。

2.2 齐次坐标与变换矩阵

说白了，齐次坐标就是给三维坐标加了一个维度，变成 (x, y, z, 1)。为什么要这么干？因为这样就能用一个 4x4 的矩阵，同时表示旋转和平移了。

你想想看，如果不用齐次坐标，你要先旋转再平移，得写两个式子。用了齐次坐标，一个矩阵乘法搞定。这在串联多个变换时，优势特别明显。

// 齐次变换矩阵示例（绕Z轴旋转θ，再平移(dx, dy, dz)）
T = | cosθ  -sinθ  0  dx |
    | sinθ   cosθ  0  dy |
    | 0      0     1  dz |
    | 0      0     0  1  |

嗯，这里要注意：变换矩阵的乘法不满足交换律。先旋转再平移，和先平移再旋转，结果完全不同。我在调试一个六轴机械臂时，就因为这个顺序搞反了，导致末端执行器偏了十几厘米，找了半天bug。

2.3 欧拉角与四元数

欧拉角用三个角度（比如滚转、俯仰、偏航）来描述旋转。直观是直观，但有个致命问题——万向锁。当两个旋转轴重合时，就会丢失一个自由度。

四元数就不一样了。它用四个数 (w, x, y, z) 来描述旋转，本质上是绕一个单位向量旋转某个角度。它没有奇点，而且插值非常平滑。

2.4 刚体运动学基础

刚体，就是受力不变形的理想物体。刚体运动学，研究的是位置、速度、加速度之间的关系，不考虑力。

核心公式其实就几个：

• 位置：p(t) = p0 + ∫v(t) dt
• 速度：v(t) = v0 + ∫a(t) dt
• 加速度：a(t) = dv/dt

但在运动控制里，我们更关心的是「正解」和「逆解」。正解：已知关节角度，求末端位姿。逆解：已知末端位姿，求关节角度。逆解通常更难，因为可能有多个解，甚至无解。

我记得做第一个SCARA机器人项目时，逆解算出来8组解，得根据关节限位和避障条件选最优的那组。那时候我才真正理解，数学公式只是第一步，工程实现才是大头。

2.5 动力学基础

动力学，说白了就是「力与运动的关系」。核心是牛顿第二定律 F = ma，但在旋转运动里，变成了 τ = Iα（力矩 = 转动惯量 × 角加速度）。

刚体动力学方程一般写成：

M(q) * q̈ + C(q, q̇) * q̇ + G(q) = τ

其中：

• M(q) 是惯性矩阵
• C(q, q̇) 是科里奥利力和离心力项
• G(q) 是重力项
• τ 是驱动力矩

这个方程看着复杂，但实际做控制时，我们通常不会直接解它，而是用一些简化模型或者辨识方法。比如在做PID控制时，重力补偿就是单独算的。

2.6 本章知识体系总览

下面这张图，是我自己梳理的本章知识结构。你把它印在脑子里，后面学起来会轻松很多。

从这张图你能看到，坐标系与变换是基础中的基础。没有它，运动学和动力学都无从谈起。而运动学解决「怎么动」的问题，动力学解决「为什么这么动」的问题。三者结合起来，才能设计出真正好用的运动控制算法。

---

公众号:蓝海资料掘金营，微信deep3321