4. 前馈控制技术：速度前馈与加速度前馈
做龙门机器人控制这么多年，我越来越觉得——反馈控制是底线，前馈控制才是上限。
什么意思呢？
反馈控制就像你开车时盯着后视镜调整方向。你看到偏了再打方向盘，总归是慢半拍。前馈控制呢？是你提前看到弯道，提前打方向。车还没到弯心，你的动作已经到位了。
说白了，前馈就是「预判」。在龙门机器人这种高速高精度的场景下，没有前馈，你很难把跟随误差压到理想水平。
4.1 速度前馈与加速度前馈的原理
先讲原理，不绕弯子。
龙门机器人的运动控制，本质上是在解决一个「力与运动」的关系。你给电机一个电流，电机产生力矩，力矩驱动负载运动。但问题是——负载有惯性，有摩擦力，有各种扰动。
反馈控制器（比如PID）看到误差才动作。误差越大，输出越大。但如果你只靠反馈，你会发现一个现象：速度越快，跟随误差越大。
为什么会这样？
因为反馈天生滞后。它必须等到误差出现才能响应。而前馈不一样，它直接根据你期望的运动轨迹，提前计算出需要施加的力。
速度前馈：根据目标速度，提前给一个与速度成正比的补偿量。主要克服的是粘性摩擦和反电动势。
加速度前馈：根据目标加速度，提前给一个与加速度成正比的补偿量。主要克服的是惯性力。
我打个比方你就明白了。
你推一个很重的箱子。如果你等箱子开始动了再加力，那起步一定很慢。但如果你提前预估好需要多大的力，在推的一瞬间就使上劲——箱子起步就快，而且平稳。
速度前馈就是那个「预估的力」，加速度前馈就是那个「起步的爆发力」。
核心公式（简化版）：
前馈输出 = Kvff × 目标速度 + Kaff × 目标加速度
其中：
- Kvff：速度前馈增益
- Kaff：加速度前馈增益
4.2 前馈补偿量的标定方法
标定，说白了就是找到合适的Kvff和Kaff。
这步做不好，前馈不但没效果，反而可能帮倒忙。我见过太多人把前馈增益调得过大，结果系统震荡得一塌糊涂。
我个人习惯用「两步法」来标定：
- 先标加速度前馈
- 再标速度前馈
为什么是这个顺序？
因为加速度前馈影响的是动态响应，速度前馈影响的是稳态跟随。先搞定动态，再优化稳态，逻辑上更顺。
第一步：标定加速度前馈
操作步骤：
- 让机器人跑一段梯形速度曲线（加速-匀速-减速）
- 将速度前馈设为0
- 逐渐增大加速度前馈增益，观察加速段和减速段的跟随误差
- 理想的加速度前馈，应该让加速段和减速段的误差峰值基本对称且最小
我曾经在一个双驱龙门项目上，加速度前馈标定花了整整两天。为什么？因为两个轴的惯量不一样，标出来的Kaff也不一样。后来我干脆写了个自动扫参脚本，让机器自己跑，自己记录误差曲线。
小技巧：
标定加速度前馈时，建议用S型速度曲线而不是梯形曲线。S型曲线的加速度变化更平滑，不容易激发机械谐振，标出来的参数更准。
第二步：标定速度前馈
操作步骤：
- 保持刚才标好的加速度前馈不变
- 让机器人跑一段匀速运动
- 逐渐增大速度前馈增益，观察匀速段的跟随误差
- 理想的速度前馈，应该让匀速段的误差趋近于0
这里有个坑，我得提醒你。
注意：
速度前馈增益不要调得太大。调太大，系统对速度指令的噪声会非常敏感。你想想看，速度指令上有一点毛刺，经过前馈放大后直接变成电流波动——电机就开始抖了。
我一般把速度前馈控制在0.8~1.2之间，超过1.5就要小心了。
4.3 前馈与反馈的协同工作
前馈和反馈不是二选一的关系，而是搭档关系。
前馈负责「大头」——把已知的、可预测的力提前补偿掉。反馈负责「小头」——把模型误差、摩擦力变化、外部扰动这些不确定因素吃掉。
你可以这样理解：
- 前馈：开环补偿，基于模型，响应快，无延迟
- 反馈：闭环修正，基于误差，响应慢，但能消除稳态误差
两者配合得好，效果是1+1>2。
我画了一张图，帮你理清这个逻辑：
从图上你能看到：目标轨迹同时送给前馈和反馈。前馈直接算出一个补偿量，反馈根据误差算出一个修正量，两者相加后送给被控对象。
这样做的优势很明显：
- 前馈承担了大部分的控制任务，反馈只需要处理「残差」
- 反馈的增益可以适当降低，系统更稳定
- 整体跟随精度大幅提升
我做过一个对比测试：只用PID反馈，跟随误差大约0.5mm；加上前馈后，误差直接降到0.05mm以内。十倍以上的提升。
实战建议：
前馈和反馈的权重分配，我一般遵循「三七原则」——前馈承担70%的控制力，反馈承担30%。当然这个比例不是固定的，要根据你的机械刚性和负载特性来调。
如果机械刚性差，前馈比例要降低，否则容易激振。如果机械刚性很好，前馈比例可以提到80%以上。
4.4 常见问题与避坑
最后聊几个我踩过的坑。
坑一：前馈参数和反馈参数互相打架
我曾经在一个项目上，前馈和反馈都调得很大。结果系统响应快是快了，但一遇到微小扰动就震荡。后来发现是前馈和反馈在「抢功劳」——前馈已经补偿了大部分，反馈还在拼命修正，两者叠加导致过冲。
解决办法：先调好前馈，再调反馈。前馈调好后，反馈的P增益可以适当降低。
坑二：加速度前馈导致末端抖动
龙门机器人如果结构刚性不够，加速度前馈太大时，加减速瞬间会产生明显的抖动。这是因为加速度突变激发了机械谐振。
解决办法：用S型速度曲线平滑加速度变化，或者在前馈路径上加一个低通滤波器。
坑三：速度前馈在低速时效果不明显
低速运行时，摩擦力占主导，而摩擦力是非线性的。速度前馈是线性补偿，对非线性摩擦力效果有限。
解决办法：低速段可以引入摩擦力前馈模型（比如Stribeck模型），或者干脆在低速时降低速度前馈权重，让反馈来处理。
嗯，前馈控制这块内容不少，但核心就一句话：用已知的模型，提前做补偿。你模型建得越准，前馈效果越好。你标定做得越细，系统跑得越稳。
下次调试龙门机器人时，试试先把前馈调好，再动反馈。你会发现，原来那些让你头疼的跟随误差，其实没那么难搞定。
公众号:蓝海资料掘金营，微信deep3321