4. 工作空间分析：可达空间、灵巧空间、奇异位形
做Delta机器人抓取，你第一个要搞清楚的问题是什么？
不是速度，不是精度，而是——你的机器人到底能伸到哪儿去。
我见过不少工程师，一上来就调PID参数，调得满头大汗。结果装到产线上才发现，有个抓取点机器人死活够不着。嗯，这就是没做工作空间分析的后果。
核心观点：工作空间分析是参数整定的前置条件。你不搞清楚机器人能去哪儿，后面所有优化都是白搭。
4.1 可达空间：机器人能碰到的所有点
可达空间，说白了就是机器人末端能到达的所有位置的集合。对于Delta机器人来说，这个空间形状像个倒扣的碗——或者说，像个截头圆锥。
我在项目中遇到过一件事。有个客户说他们的Delta机器人抓不到靠近边缘的物料。我过去一看，好家伙，他们把机器人的安装高度抬高了5厘米。就这么5厘米，工作空间的下边界往上缩了一大截，边缘区域直接没了。
Delta机器人的可达空间受三个因素影响：
- 主动臂长度：决定了水平方向能伸多远
- 从动臂长度：影响垂直方向的活动范围
- 基座半径与动平台半径：决定了内圈的死区大小
你想想看，主动臂越长，水平范围越大。但代价是什么？刚度下降，末端抖动变严重。这是个典型的trade-off。
计算可达空间，我习惯用蒙特卡洛法。随机生成关节角度，算末端位置，然后画点云。代码很简单：
import numpy as np
import matplotlib.pyplot as plt
# Delta机器人参数
L1 = 0.3 # 主动臂长度
L2 = 0.6 # 从动臂长度
R_base = 0.2 # 基座半径
R_platform = 0.05 # 动平台半径
# 蒙特卡洛采样
points = []
for _ in range(10000):
theta = np.random.uniform(-30, 30, 3) # 三个主动臂角度
# 正运动学求解
x, y, z = delta_forward_kinematics(theta, L1, L2, R_base, R_platform)
if z > 0: # 只保留有效解
points.append([x, y, z])
points = np.array(points)
# 绘制点云
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(points[:,0], points[:,1], points[:,2], s=1)
plt.show()我的习惯：采样点数不要少于5000个。太少的话，边界区域会漏掉。我曾经用2000个点，结果有个角落的奇异点没发现，调试时机器人直接飞了。
4.2 灵巧空间：能摆出任意姿态的区域
可达空间和灵巧空间有什么区别？
举个例子。你的手能碰到天花板上的灯泡——这是可达。但如果你只能用一个手指尖去碰，手腕转不过来——这就不是灵巧。
灵巧空间，指的是机器人末端能以任意姿态到达的区域。对于Delta机器人，灵巧空间通常比可达空间小一圈。
为什么会这样？因为Delta机器人的并联结构限制了末端的姿态能力。靠近工作空间边界时，关节会接近极限位置，姿态灵活性急剧下降。
我建议你用条件数来量化灵巧性。条件数越接近1，灵巧性越好。条件数大于10的区域，基本可以认为失去了灵巧能力。
| 条件数范围 | 灵巧性评价 | 实际意义 |
|---|---|---|
| 1 ~ 3 | 优秀 | 任意姿态可达，适合精密抓取 |
| 3 ~ 10 | 一般 | 部分姿态受限，需谨慎规划 |
| > 10 | 差 | 接近奇异，不建议在此区域工作 |
我曾经调试一个高速分拣项目，要求机器人在工作空间边缘抓取。我一看条件数，好家伙，边缘区域条件数都到15了。我跟客户说，要么缩小工作范围，要么换大一号的机器人。最后他们选了前者，省了不少麻烦。
4.3 奇异位形：机器人的「死穴」
奇异位形，是每个Delta机器人工程师的噩梦。
什么叫奇异？就是机器人在这个位形下，失去了某个方向的运动能力。你给电机发指令，末端纹丝不动。或者更糟——末端突然加速，直接撞机。
Delta机器人有三种常见的奇异位形：
- 边界奇异：发生在工作空间边界，主动臂和从动臂拉成一条直线
- 内部奇异：发生在工作空间内部，两条从动臂平行
- 驱动奇异：三个主动臂共面，动平台失去垂直运动能力
警告：内部奇异是最危险的。因为它发生在工作空间内部，你根本想不到机器人会在这里出问题。我曾经有一次调试，机器人跑到中间位置突然卡住，电机嗡嗡响。检查了半天才发现是内部奇异。从那以后，我每次做轨迹规划都会先跑一遍奇异检测。
检测奇异的方法很简单——算雅可比矩阵的行列式。行列式为零，就是奇异点。
def check_singularity(theta, L1, L2, R_base, R_platform):
"""
检测Delta机器人是否处于奇异位形
返回：True表示奇异，False表示正常
"""
J = compute_jacobian(theta, L1, L2, R_base, R_platform)
det = np.linalg.det(J)
if abs(det) < 1e-6:
return True # 奇异
else:
return False # 正常实际项目中，我不会等到行列式完全为零才报警。我会设一个阈值，比如行列式绝对值小于0.01就触发警告。留点安全余量，总比撞机好。
4.4 工作空间分析的工程意义
说了这么多理论，到底有什么用？
我总结三条：
- 选型阶段：根据物料分布范围，确定Delta机器人的尺寸参数
- 布局阶段：确定机器人的安装高度和位置，让工作空间覆盖所有抓取点
- 调试阶段：避开奇异区域，在灵巧空间内规划轨迹
你想想看，如果连工作空间都没搞清楚，后面调速度、调精度有什么意义？
避坑指南：我曾经有个项目，客户要求抓取范围是直径800mm的圆盘。我选了主动臂350mm的Delta机器人，算下来可达空间直径刚好800mm。结果装上去发现，边缘区域条件数太大，根本没法稳定抓取。最后换了主动臂400mm的型号，才解决问题。所以我的建议是——留20%的余量。理论可达空间，实际只用80%。
4.5 本章知识体系
下面这张图，是我梳理的工作空间分析的核心逻辑：
这张图把三个空间的关系讲清楚了。可达空间是基础，灵巧空间是核心工作区，奇异位形是禁区。三者共同决定了Delta机器人的实际工作能力。
好了，工作空间分析就讲到这里。记住一句话：先搞清楚机器人能去哪儿，再谈怎么让它去。这是参数整定的第一步，也是最重要的一步。
公众号:蓝海资料掘金营，微信deep3321