机器人运动学基础：坐标变换、齐次变换矩阵、正运动学与逆运动学、雅可比矩阵

各位工程师朋友，大家好。今天我们来聊聊机器人运动学。说实话，这玩意儿是力控装配的根基。你想想看，如果连机器人的手在哪儿、怎么动都搞不清楚，那力控就无从谈起。

我个人习惯把运动学比作「机器人的骨架」。它不关心力有多大、扭矩有多强，只关心位置、姿态和运动关系。嗯，咱们一步步来。

坐标变换：从哪儿到哪儿

先问个问题：机器人基座和它的末端，坐标系一样吗？当然不一样。每个关节、每个连杆都有自己的坐标系。坐标变换，说白了就是解决「从一个坐标系看另一个坐标系」的问题。

我记得刚入行时，有个项目需要把视觉系统检测到的工件位置传给机器人。视觉坐标系和机器人基坐标系差了十万八千里。我当时硬是手算了一个旋转加平移矩阵，折腾了一下午。后来发现，其实就是一个简单的齐次变换矩阵的事。

坐标变换分两种：

• 平移变换：坐标系原点移动，方向不变
• 旋转变换：坐标系方向改变，原点不变

实际中，往往是平移加旋转的组合。你想想看，机器人末端执行器既要移动到某个点，又要调整姿态去抓取，这不就是平移+旋转吗？

齐次变换矩阵：4×4的魔法

为什么是4×4？3×3的旋转矩阵加上3×1的平移向量，不就能描述了吗？嗯，问题在于：旋转是乘法，平移是加法，混在一起不好算。齐次变换矩阵把平移也塞进矩阵里，统一成乘法运算。

它的形式长这样：

| R   t |
| 0   1 |

其中R是3×3旋转矩阵，t是3×1平移向量。最后一行是[0 0 0 1]。

我在项目中遇到过一件事：有个同事写代码时忘了加最后一行，结果矩阵乘法算出来全是错的。机器人直接往天上窜。嗯，这种低级错误，咱们得避免。

正运动学：已知关节角度，求末端位姿

正运动学，说白了就是「我知道每个关节转了多少度，求出手在哪儿」。这是最直观的。你给机器人发指令：关节1转30度，关节2转45度...然后机器人就知道末端执行器在空间中的位置和姿态。

常用的方法是DH参数法（Denavit-Hartenberg）。每个关节用四个参数描述：

• 连杆长度a
• 连杆扭角α
• 关节距离d
• 关节转角θ

把这些参数代入标准公式，就能得到每个关节的齐次变换矩阵。然后连乘起来，就是末端位姿。

我曾经调试过一个六轴机器人，正运动学算出来末端位置总是差几毫米。查了半天，发现是DH参数表里一个连杆长度写错了。所以啊，参数表一定要反复核对。

逆运动学：已知末端位姿，求关节角度

逆运动学就难多了。你告诉机器人「把手放到这个位置，朝向那个方向」，机器人得自己算出每个关节该转多少度。

为什么难？因为：

• 解可能不唯一（多个关节组合能达到同一位姿）
• 解可能不存在（目标位姿超出工作空间）
• 解可能不连续（微小变化导致关节角度突变）

我记得有个装配项目，要求机器人把零件插入一个很深的孔里。逆运动学算出来一组解，但实际运动时关节会撞到工件。后来我换了另一组解，问题就解决了。所以，逆运动学通常需要做「最优解选择」。

常用的求解方法：

• 解析法：适用于特定构型的机器人（如PUMA 560），速度快
• 数值法：通用性强，但迭代慢，可能不收敛

我个人习惯：能用解析法就用解析法。实在不行，再用数值法兜底。

雅可比矩阵：速度与力的桥梁

雅可比矩阵，是运动学里最核心的概念之一。它描述了关节速度与末端速度之间的关系：

v = J(q) * q_dot

其中v是末端速度（线速度+角速度），q_dot是关节速度，J是雅可比矩阵。

为什么说它是「力控」的关键？因为力与力矩的关系，正好是雅可比矩阵的转置：

τ = J^T * F

τ是关节力矩，F是末端力。你想想看，力控装配中，我们要控制末端接触力，就得通过雅可比矩阵把力映射到关节空间去。

我在做精密装配时，经常需要计算雅可比矩阵的逆。但要注意，雅可比矩阵在某些位姿下会奇异（行列式为0），这时候逆矩阵不存在。机器人会失去某个方向的运动能力。嗯，这就是所谓的「奇异位形」。

知识体系总览

下面这张图，是我自己整理的本章知识结构。你可以把它当作一个「地图」来用。

这张图里，四个模块层层递进。坐标变换和齐次变换矩阵是基础工具，正/逆运动学是核心计算，雅可比矩阵则是连接运动与力的桥梁。做力控装配时，这几个环节缺一不可。

好了，运动学基础就聊到这儿。记住：这些公式和矩阵，不是写在纸上的理论，而是你写代码、调参数时天天要用的工具。多动手算一算，多跑跑仿真，自然就熟了。

---