2. 运动学与动力学约束：速度、加速度、加加速度（Jerk）限制，驱动力矩约束

各位同学，咱们今天聊点实在的。上一章我们讲了轨迹规划的目标——时间最优。但光有目标不行，你得知道机器人到底能跑多快、多猛。说白了，就是给机器人套上“紧箍咒”。这些“紧箍咒”，就是运动学和动力学约束。

我个人习惯，在设计轨迹之前，先把约束条件列清楚。就像开车，你知道了目的地，还得知道路况、限速、发动机扭矩，才能规划出一条又快又安全的路线。机器人也一样。

2.1 运动学约束：速度、加速度、加加速度

运动学约束，说白了就是机器人“能不能动”以及“动得多快”的物理限制。它不涉及力，只关心位置、速度、加速度这些几何量。

2.1.1 速度限制

每个关节电机都有额定转速。你让电机转太快，轻则丢步，重则烧坏。我在项目中遇到过，一个六轴机器人，第六关节（手腕）转速上限是 180°/s。有一次调试，我为了赶节拍，把速度设到了 200°/s，结果运行了半小时，电机直接过热报警。

所以，速度限制是硬约束。通常表示为：

|q̇_i(t)| ≤ v_max_i

其中 q̇_i 是第 i 个关节的速度，v_max_i 是它的上限。注意，不同关节的限速可能不同，手腕关节通常比基座关节慢。

2.1.2 加速度限制

加速度限制，其实是限制“力的变化率”。加速度太大，意味着惯性力大，机器人结构会承受冲击。更重要的是，加速度突变会导致轨迹不平滑，影响加工精度。

我记得有一次做焊接轨迹，加速度限制设得太松，结果焊枪在拐角处剧烈抖动，焊缝质量一塌糊涂。后来我把加速度上限砍了一半，问题就解决了。

加速度约束：

|q̈_i(t)| ≤ a_max_i

2.1.3 加加速度（Jerk）限制

加加速度，就是加速度的变化率。这个参数很多人忽略，但我觉得它特别重要。你想想看，如果加速度突然从 0 跳到最大值，虽然加速度本身没超限，但那个“跳变”会让机器人产生冲击振动。

加加速度限制，说白了就是让加速度“平滑地”变化。它直接影响轨迹的柔顺性。我做过一个精密装配项目，要求末端执行器在接触工件时速度为零，但加速度不能突变。这时候，加加速度限制就派上用场了。

加加速度约束：

|q̇̈_i(t)| ≤ j_max_i

嗯，这里要注意：加加速度的单位是 rad/s³ 或 m/s³。它不像速度和加速度那么直观，但实际效果非常明显。

2.2 动力学约束：驱动力矩限制

运动学约束只关心“能不能动”，动力学约束则关心“能不能推动”。驱动力矩限制，就是电机能输出的最大扭矩。

为什么需要动力学约束？因为同样的加速度，负载重的时候需要的力矩更大。你想想看，空载时加速度可以设到 5 m/s²，但抓着一个 10kg 的工件，可能 2 m/s² 就到电机极限了。

驱动力矩约束通常表示为：

|τ_i(t)| ≤ τ_max_i

其中 τ_i 是第 i 个关节的实际驱动力矩，τ_max_i 是电机额定力矩。

但这里有个坑：实际驱动力矩不仅取决于加速度，还取决于重力、科里奥利力、摩擦力等。所以，动力学约束必须结合机器人动力学模型来计算。

我曾经犯过一个错误：只考虑了加速度限制，没算力矩。结果轨迹规划出来，仿真跑得挺好，一上实际机器人，电机直接过载报警。后来我老老实实把动力学模型加进去，才算解决了问题。

2.3 约束之间的耦合关系

这些约束不是孤立的。它们之间相互影响，甚至相互矛盾。我画了一张图，帮你理清关系：

从图中可以看出，运动学约束和动力学约束是相互耦合的。比如，加速度限制会影响力矩需求，而力矩限制反过来又限制了加速度的取值。所以，在时间最优轨迹规划中，我们通常需要同时考虑这两类约束，找到它们的交集。

2.4 实际应用中的处理策略

在实际项目中，我一般按以下步骤处理约束：

1. 先列清单：把每个关节的速度、加速度、加加速度、力矩上限都列出来。不同关节可能不同，别偷懒。
2. 再建模型：建立机器人的动力学模型，至少要知道质量、惯量、重心位置。没有模型，力矩约束就是空谈。
3. 然后归一化：把不同量纲的约束归一化到同一个尺度，方便比较。比如，把速度、加速度、力矩都转化为“百分比”形式。
4. 最后取交集：在轨迹规划的每个时刻，检查所有约束是否满足。不满足就调整轨迹参数（比如降低速度、延长时间）。

2.5 一个简单的约束检查示例

下面是一个伪代码示例，展示如何在轨迹规划中检查约束：

function check_constraints(q, qd, qdd, tau, params):
    # q: 位置, qd: 速度, qdd: 加速度, tau: 力矩
    # params: 包含各关节的限值
    
    for i in range(num_joints):
        # 检查速度
        if abs(qd[i]) > params.v_max[i]:
            return False, "速度超限"
        
        # 检查加速度
        if abs(qdd[i]) > params.a_max[i]:
            return False, "加速度超限"
        
        # 检查加加速度（需要历史数据）
        if abs(jerk[i]) > params.j_max[i]:
            return False, "加加速度超限"
        
        # 检查力矩
        if abs(tau[i]) > params.tau_max[i]:
            return False, "力矩超限"
    
    return True, "约束满足"

这个函数虽然简单，但它是时间最优轨迹规划的核心检查器。每次迭代都要调用它，确保轨迹不越界。

2.6 总结

好了，这一章的内容就这些。总结一下：

• 运动学约束：速度、加速度、加加速度，限制的是“几何运动能力”。
• 动力学约束：驱动力矩，限制的是“力输出能力”。
• 两者耦合：必须同时满足，取交集作为可行域。
• 实际处理：列清单、建模型、归一化、取交集，留余量。

下一章，我们会把这些约束应用到具体的时间最优轨迹规划算法中。到时候你会发现，约束条件越清晰，算法设计越简单。嗯，今天就到这里。

---