4. 运动学基础：空间坐标系与变换
各位同学，大家好。我是老张，在工业机器人这行摸爬滚打了十几年。今天咱们聊运动学基础，这是并联机器人的“内功心法”。说白了，你控制机器人动，总得知道它现在在哪儿，要去哪儿，怎么去。这就是正解、逆解和雅可比矩阵要干的事。
我个人习惯，讲运动学前，先搞定坐标系。坐标系乱了，后面全白搭。
4.1 空间坐标系与齐次变换
想象一下，你站在车间里，指着机器人说：“往东走一米，再往上抬半米。”这个“东”和“上”，就是你的参考系。在机器人世界里，我们常用两种坐标系：世界坐标系（固定在基座上）和工具坐标系（固定在末端抓手上）。
从一个坐标系到另一个坐标系，怎么换算？用齐次变换矩阵。它长这样：
| R t |
| 0 1 |
其中R是3x3旋转矩阵，t是3x1平移向量。我刚开始做项目时，总觉得这玩意儿就是数学游戏。直到有一次，现场机器人抓不准零件，查了三天，最后发现是工具坐标系标定偏了0.5毫米。嗯，从那以后，我再也不敢小看这个矩阵了。
核心要点：齐次变换矩阵把旋转和平移打包在一起，一次运算搞定坐标变换。并联机器人里，每条支链的末端位姿，都要通过这个矩阵统一到同一个参考系下。
4.2 并联机器人正运动学求解
正运动学，就是“已知关节角度，求末端位姿”。听起来简单？对串联机器人确实简单，但对并联机器人，这是个头疼的问题。
为什么？因为并联机器人有多条闭环支链。你给每个电机一个角度，末端位置是这些支链共同约束的结果。求解这个约束方程组，往往需要解高次非线性方程。
我记得在开发Delta机器人时，正解问题让我熬了好几个通宵。常用的方法有：
- 数值法：牛顿-拉夫森迭代，收敛快，但需要好的初值
- 解析法：针对特定构型推导封闭解，速度快，但通用性差
- 几何法：利用空间几何关系直接求解，直观但复杂
实际项目中，我建议先用数值法快速验证，再根据具体构型优化成解析法。你想想看，产线上每秒要跑几十次运动学，解析法能省下不少计算时间。
实战技巧：正解时，如果迭代不收敛，先检查各支链长度是否满足三角形不等式。我曾经遇到过，图纸上支链长度标错了，导致正解永远无解。这种低级错误，排查起来最费时间。
4.3 并联机器人逆运动学求解
逆运动学，就是“已知末端位姿，求关节角度”。这是控制的核心——你告诉机器人“去抓那个点”，它得算出每个电机转多少度。
并联机器人的逆解，比正解简单得多。为什么？因为每条支链是独立的。给定末端位置，每条支链的长度或角度可以单独算出来。以Delta机器人为例：
- 已知末端在空间中的坐标(x, y, z)
- 对每条支链，建立从基座到末端的向量链
- 利用几何关系，解出主动臂的角度
这里有个坑要注意：逆解通常有多个解（比如“肘上”和“肘下”两种姿态）。你需要根据机器人的实际工作空间，选择合理的那个解。我习惯在控制器里预置一个“姿态选择逻辑”，避免解跳变导致机器人突然“抽风”。
// 伪代码示例：Delta机器人逆解
function inverseKinematics(x, y, z):
for each leg i:
// 计算从基座到末端的向量
L = sqrt(x^2 + y^2 + (z - H)^2)
// 利用余弦定理求主动臂角度
theta_i = acos((L^2 + a^2 - b^2) / (2 * L * a))
// 选择合理解（通常取较小的角度）
if theta_i > pi/2:
theta_i = pi - theta_i
return [theta_1, theta_2, theta_3]
注意：逆解时一定要做工作空间边界检查。如果目标点超出了机器人的可达范围，强行求解会导致电机过载或机构损坏。我在调试时，都会在逆解函数里加一个返回值标志，告诉上层“这个点能不能到”。
4.4 雅可比矩阵与奇异性分析
雅可比矩阵，说白了就是“关节速度到末端速度的映射”。它长这样：
v = J * q_dot
其中v是末端速度，q_dot是关节速度。雅可比矩阵还隐含了力/力矩的关系：
tau = J^T * F
tau是关节力矩，F是末端力。这个关系在力控制中特别有用。
但雅可比矩阵最让人头疼的是奇异性。当矩阵的行列式为零时，机器人就“卡住”了——某个方向动不了，或者某个关节速度需要无穷大。为什么会这样？因为机构的几何构型导致自由度丢失。
我在项目中遇到过最典型的奇异位形：Delta机器人在工作空间中心正上方时，三条支链完全对称，雅可比矩阵的秩会降低。这时候如果让机器人沿垂直方向快速运动，电机会瞬间过载。
避坑指南：我曾经在高速分拣线上遇到过奇异点导致电机烧毁的事故。从那以后，我在轨迹规划里强制加了一个“奇异回避”模块——实时计算雅可比矩阵的条件数，一旦接近奇异，就自动减速或绕行。
分析奇异性的常用方法：
- 计算雅可比矩阵的行列式，找零点
- 分析机构的运动学约束，找几何奇异
- 用条件数评估“接近奇异”的程度
嗯，这里要注意：并联机器人的雅可比矩阵通常比串联机器人复杂，因为它包含了多条支链的约束。我建议用符号计算工具（比如SymPy）先推导出解析表达式，再转成C代码。手算容易出错，别问我怎么知道的。
知识体系总览
下面这张图，是我自己总结的运动学知识框架。你可以把它当作学习路线图：
这张图把运动学拆成了三层：底层是坐标系基础，中间是正逆解，顶层是雅可比和奇异性。每个模块之间都有依赖关系。我个人建议，学习顺序就按这个图从上往下走，别跳步。
公众号:蓝海资料掘金营，微信deep3321