运动学基础概念：正运动学与逆运动学的定义
各位同学，今天我们来聊聊运动学里最核心的两个概念——正运动学和逆运动学。说实话，我刚入行那会儿，也经常把这两个东西搞混。后来做项目做多了，才真正体会到它们各自的脾气秉性。
正运动学是什么？
正运动学，说白了就是「已知关节角度，求末端位姿」。拿Stewart平台来说，你告诉六个电动缸的长度，我就能算出上平台在空间里到底处在什么位置、什么姿态。
用数学语言表达就是：
给定：q = [q₁, q₂, q₃, q₄, q₅, q₆]ᵀ （六个关节变量）
求：x = [x, y, z, α, β, γ]ᵀ （末端位姿）
这个过程，我们写成函数形式：x = f(q)。
正运动学有个特点——解是唯一的。你给一组确定的关节角度，末端位姿就是确定的，没有第二种可能。这一点在串联机器人上尤其明显。
逆运动学是什么？
逆运动学正好反过来——「已知末端位姿，求关节角度」。你想让上平台到达某个位置和姿态，我得算出六个电动缸分别要伸长多少。
给定：x = [x, y, z, α, β, γ]ᵀ
求：q = [q₁, q₂, q₃, q₄, q₅, q₆]ᵀ
写成函数：q = f⁻¹(x)。
这里有个坑——逆运动学的解往往不唯一。同一个末端位姿，可能有多种关节角度的组合都能实现。我在做六轴机械臂项目时就遇到过，同一个点，手臂可以「肘部朝上」也可以「肘部朝下」，两种姿态都能到达。
为什么逆解容易，正解难？
这个问题，很多初学者都会问。我当年也纳闷——正运动学明明解唯一，怎么反而更难？
咱们拿Stewart平台来具体分析。
逆运动学为什么容易？
因为Stewart平台的逆运动学有显式解析解。你想想看，上平台的位姿知道了，六个铰链点的空间坐标就能直接算出来。然后每个电动缸的长度，就是上下两个铰链点之间的欧氏距离。一个勾股定理就搞定了。
伪代码长这样：
function inverse_kinematics(x, y, z, α, β, γ):
for i = 1 to 6:
// 计算上铰链点在全局坐标系下的位置
P_upper_i = R(α,β,γ) * p_upper_i_local + [x,y,z]ᵀ
// 计算缸长
L_i = ||P_upper_i - P_lower_i||
return [L₁, L₂, L₃, L₄, L₅, L₆]
每一步都是确定的，没有迭代，没有近似。这就是为什么逆解容易。
正运动学为什么难？
正运动学就麻烦多了。已知六个缸长，要反推上平台的位姿。这本质上是一个非线性方程组求解问题。
方程组长这样：
||R * p₁ + t - b₁||² = L₁²
||R * p₂ + t - b₂||² = L₂²
...
||R * p₆ + t - b₆||² = L₆²
六个方程，六个未知数（三个位置 + 三个姿态角）。但问题是——这些方程是高度非线性的，旋转矩阵R里全是三角函数，sin、cos嵌套在一起。
我做过一个项目，需要实时解正运动学。当时试了牛顿-拉夫森法，迭代收敛倒是快，但初始值给不好就容易发散。后来改用数值优化方法，才稳定下来。
核心区别总结：
- 逆运动学：有解析解，直接计算，速度快，精度高
- 正运动学：无解析解，需要迭代求解，计算量大，存在收敛问题
雅可比矩阵的物理意义
聊完正逆解，咱们来说说雅可比矩阵。这个东西，很多教材讲得云里雾里。我换个角度，用最直白的话来解释。
雅可比矩阵，就是「关节速度」到「末端速度」的映射关系。
数学上：ẋ = J(q) · q̇
其中：
- ẋ 是末端速度（6维：线速度 + 角速度）
- q̇ 是关节速度（6维：六个缸的伸缩速度）
- J(q) 是6×6的雅可比矩阵
说白了，你给每个电动缸一个伸缩速度，雅可比矩阵就能告诉你上平台会以多快的速度运动。
雅可比矩阵的物理意义，可以从三个层面理解：
| 层面 | 含义 | 实际应用 |
|---|---|---|
| 速度映射 | 关节速度 → 末端速度 | 轨迹规划、速度控制 |
| 力映射 | 末端力 → 关节力矩 | 力控制、阻抗控制 |
| 奇异性分析 | J的行列式是否为零 | 避免奇异位形 |
我记得有一次调试Stewart平台，平台在某个姿态下突然失控抖动。查了半天，发现是雅可比矩阵接近奇异了。行列式值趋近于零，意味着某个方向上平台失去了控制能力。嗯，从那以后，我每次做轨迹规划都会先检查雅可比矩阵的条件数。
实用技巧：
在实际工程中，我们经常用雅可比矩阵的转置来做力控制。因为力与速度是对偶的——τ = Jᵀ · F。你想让末端产生多大的力，通过这个公式就能算出每个关节需要输出多大的力。这个关系在力控焊接、力控打磨中非常常用。
注意：
雅可比矩阵是位姿相关的。同一个Stewart平台，在不同位姿下，雅可比矩阵完全不同。所以千万不要算一次就拿来一直用。我见过有人把雅可比矩阵存成常量，结果平台一动就出问题。
知识体系结构图
下面我用一张SVG图，把本章的核心逻辑串起来。你看完应该能对正逆解和雅可比矩阵的关系有个整体把握。
这张图把正运动学、逆运动学和雅可比矩阵的关系梳理得很清楚。正逆解是位置层面的映射，雅可比矩阵则是速度/力层面的映射。三者构成了运动学分析的完整框架。
我个人习惯，在做Stewart平台控制时，先搞定逆运动学（因为简单可靠），然后用雅可比矩阵做速度规划和力控制。正运动学一般只用在标定和故障诊断时。你想想看，这样分工是不是很合理？
公众号:蓝海资料掘金营，微信deep3321