关节空间力矩控制：PD+前馈控制、计算力矩法、鲁棒控制

说实话，力矩控制这个话题，很多做机器人的人一听就头大。我刚开始接触的时候也一样，总觉得位置控制多简单啊，给个位置指令，PID一调，完事。但后来做实际项目才发现——位置控制在空载时还行，一旦末端带负载，或者需要跟环境接触，那问题就全来了。

关节空间的力矩控制，说白了就是让电机输出我们想要的力矩，而不是死磕位置。你想想看，如果机器人要跟人协作，或者要拧螺丝、抛光表面，硬邦邦的位置控制根本不行。这时候，力矩控制才是王道。

1. PD + 前馈控制：工程界的万金油

先聊聊最简单的方案。PD+前馈，我愿称之为「性价比之王」。为什么这么说？因为它的实现成本最低，但效果往往出奇的好。

基本的控制律长这样：

τ = Kp * (q_d - q) + Kd * (dq_d - dq) + τ_ff

其中 τ_ff 就是前馈项。前馈项里放什么？我个人的习惯是，至少把重力项放进去。为什么呢？因为六轴机械臂每个关节都要克服重力，尤其是肩关节和肘关节，重力矩占比很大。如果你只用PD硬扛，那Kp得调得很大，系统就容易抖。

前馈的摩擦力模型：

τ_friction = f_c * sign(dq) + f_v * dq

这里 f_c 是库仑摩擦系数，f_v 是粘滞摩擦系数。我曾经在一个项目中，光靠重力前馈就把轨迹跟踪误差从5度降到了0.5度。你想想看，这效果多明显。

2. 计算力矩法：理论上的完美方案

计算力矩法，听起来高大上，其实核心思想很简单——把非线性系统变成线性系统。

六轴机械臂的动力学方程是：

M(q) * q_ddot + C(q, dq) * dq + G(q) = τ

M是惯性矩阵，C是科里奥利矩阵，G是重力向量。这个方程是非线性的，耦合的，很难直接控制。

计算力矩法的思路是：我直接让控制器输出：

τ = M(q) * u + C(q, dq) * dq + G(q)

其中 u 是新的控制输入。代入动力学方程后，你会发现系统变成了：

q_ddot = u

完美！一个双积分系统。然后你只需要用PD控制 u 就行了：

u = Kp * (q_d - q) + Kd * (dq_d - dq)

嗯，这里要注意——理论很完美，但实际中模型不可能完全准确。M(q) 的辨识误差、C矩阵的简化、摩擦力的不确定性，都会让这个「线性化」打折扣。

计算力矩法的优点很明显——轨迹跟踪精度高，尤其是高速运动时。缺点也很明显——依赖精确的动力学模型。如果你的机器人负载变化大，或者关节有较大的摩擦力，那效果就会打折扣。

3. 鲁棒控制：对付不确定性的利器

说到鲁棒控制，我第一个想到的就是滑模控制（Sliding Mode Control, SMC）。这玩意儿在学术界很火，在工业界嘛...嗯，用的人相对少一些，但确实有它的用武之地。

滑模控制的核心思想是：设计一个滑模面 s = 0，然后让系统状态不管从哪出发，都能被「拽」到这个面上，然后沿着面滑到目标点。

典型的滑模控制律：

τ = M(q) * q_ddot_d + C(q, dq) * dq + G(q) - K * sign(s)

其中 s = e_dot + λ * e，e = q - q_d。K 是切换增益，sign(s) 是符号函数。

这里有个问题——符号函数会导致抖振（chattering）。你想想看，电机一直在高频切换方向，那声音听着都心疼。我见过一个实验室的机器人，滑模控制跑起来，整个台子都在抖。

除了滑模控制，还有自适应鲁棒控制（ARC）。这个方法结合了自适应控制和鲁棒控制的优点——自适应部分处理参数不确定性，鲁棒部分处理未建模动态和外部扰动。

我个人觉得，如果你对动力学模型比较有信心，计算力矩法就够了。如果模型不准，或者负载变化大，那鲁棒控制是更好的选择。当然，也可以把两者结合起来——用计算力矩法做基础，再加一个鲁棒补偿项。

三种方法的对比

方法	优点	缺点	适用场景
PD+前馈	实现简单，调试方便，工程成熟	高速性能一般，依赖前馈精度	大多数工业场景，尤其是低速/中速
计算力矩法	理论完备，高速跟踪精度高	依赖精确模型，鲁棒性一般	模型已知、负载稳定的场景
鲁棒控制	抗干扰强，对模型误差不敏感	可能有抖振，调试参数多	负载变化大、环境不确定的场景

我的选择建议

如果你问我，实际项目中到底用哪个？我的回答是：从最简单的开始。

先试试PD+重力前馈。如果效果不满意，再考虑加摩擦力前馈和科里奥利前馈。如果还不够，再上计算力矩法。鲁棒控制可以作为最后的「保险」——当模型不确定性太大时，用它来兜底。

我曾经在一个打磨机器人项目里，一开始用了计算力矩法，结果因为砂轮磨损导致负载变化，跟踪误差越来越大。后来改成了PD+前馈 + 一个简单的鲁棒补偿项，反而稳定多了。有时候，简单就是美。