三、虚拟弹簧-质量-阻尼系统：导纳控制器的物理类比与参数设计

各位工程师朋友，咱们今天聊点实在的。

导纳控制听起来高大上，但说白了，它就是个“虚拟的弹簧-质量-阻尼系统”。你想想看，机器人末端跟环境接触时，我们希望它表现得像什么？像一块海绵，而不是一堵墙。这块“海绵”的软硬、惯性、阻尼特性，就是靠我们设计的虚拟参数来决定的。

3.1 为什么是弹簧-质量-阻尼？

我个人习惯把导纳控制器想象成一个物理模型。你看下图，这就是它的核心逻辑：

这个图就是导纳控制器的灵魂。外力 F_ext 作用在虚拟质量上，弹簧和阻尼决定它怎么动。公式很简单：M·Δẍ + B·Δẋ + K·Δx = F_ext。你设计这三个参数，就是在设计机器人的“性格”。

3.2 三个参数，三种性格

咱们一个一个拆开看。

3.2.1 虚拟质量 M

M 决定惯性。M 越大，机器人越“迟钝”，外力推它，它慢慢悠悠才动。M 越小，反应越灵敏。

我在项目中遇到过：打磨抛光时，M 设太小，机器人跟着外力乱颤，表面纹路像狗啃的。后来把 M 调大两倍，稳了。但注意，M 太大也不行，响应太慢，跟不上轨迹。

3.2.2 虚拟阻尼 B

B 决定能量耗散。说白了就是“刹车”。B 越大，运动越“黏”，外力撤掉后很快停下来。B 太小，会震荡。

你想想看：推一个装满水的推车，松手后它很快停住——这就是大阻尼。推一个空车，它滑出去老远——小阻尼。

3.2.3 虚拟刚度 K

K 决定位置恢复力。K 越大，机器人越“硬”，外力推它，它偏一点点就拼命往回拉。K 越小，越“软”。

这里有个关键点：K 不能设为零。为什么？因为 K=0 时，系统变成纯积分，外力持续作用会无限漂移。嗯，这里要注意。

3.3 参数设计的实战公式

别光讲理论，咱们来点干货。我一般按以下步骤设计参数：

1. 先定刚度 K：根据任务需要的最大位置偏差 Δx_max 和预期最大外力 F_max，K = F_max / Δx_max。比如装配时允许偏差 1mm，最大力 10N，K=10/0.001=10000 N/m。
2. 再定阻尼比 ζ：一般取 0.7~1.0（临界阻尼或略欠阻尼）。ζ=0.7 时响应快且无超调。
3. 计算 B 和 M：B = 2·ζ·√(M·K)。这里 M 需要你根据系统带宽来选。

3.4 参数整定流程

我总结了一套“三步走”的调参方法：

步骤	操作	观察现象	调整策略
1	固定 M，调 K	接触力是否过冲	K 过大→力震荡；K 过小→位置漂移
2	固定 K，调 B	撤力后是否回弹	B 过小→来回震荡；B 过大→响应迟钝
3	微调 M	启动/停止是否平滑	M 过大→启动慢；M 过小→冲击感强

实际调试时，我习惯先用仿真跑一遍。下面给个 Python 示例，你可以直接跑：

import numpy as np
import matplotlib.pyplot as plt

# 导纳控制器仿真
M = 1.0    # 虚拟质量
B = 20.0   # 虚拟阻尼
K = 100.0  # 虚拟刚度
dt = 0.001 # 采样时间

x = 0.0    # 位置
v = 0.0    # 速度
a = 0.0    # 加速度

# 外力输入：阶跃力 10N
F_ext = 10.0

time = np.arange(0, 2, dt)
pos = []

for t in time:
    # 导纳方程：a = (F_ext - B*v - K*x) / M
    a = (F_ext - B*v - K*x) / M
    v += a * dt
    x += v * dt
    pos.append(x)

plt.plot(time, pos)
plt.xlabel('时间 (s)')
plt.ylabel('位置 (m)')
plt.title('导纳控制器阶跃响应')
plt.grid(True)
plt.show()

跑一下这个代码，你会看到位置从 0 慢慢上升到稳态值 F_ext/K = 0.1m。这就是导纳控制器的“柔顺”表现。

3.5 参数设计的物理约束

最后说几个硬约束：

• 采样频率限制：你的控制周期 T 必须小于系统自然周期的一半。即 T < π·√(M/K)。否则会发散。
• 执行器饱和：加速度 a 不能超过电机最大加速度。M 太小会导致加速度过大，电机跟不上。
• 稳定性边界：B 必须大于 2·√(M·K) 的 0.5 倍，否则系统欠阻尼震荡。

好了，关于虚拟弹簧-质量-阻尼系统，核心就是这些。记住：参数不是算出来的，是调出来的。理论给你方向，实践给你答案。