第一章 运动控制核心概念：坐标系与变换、运动学与动力学基础、PID控制原理、轨迹规划基础

各位工程师朋友，大家好。我是老张，在运动控制这个领域摸爬滚打了十几年。今天咱们开始聊《MATLAB运动控制仿真效率提升实战》这门课。第一章节，我打算把运动控制里最核心的几个概念先捋一遍。你别看这些概念基础，我敢说，很多项目出问题，根子就出在对这些基础概念的理解不够深。

说白了，运动控制就是让机器按照我们想要的方式动起来。但怎么描述“动”？怎么让“动”得精准？怎么规划“动”的路径？这就是本章要解决的核心问题。

本章核心知识体系

坐标系与变换 → 运动学与动力学 → PID控制 → 轨迹规划

这是一个从“描述运动”到“实现运动”的完整链路。

坐标系与变换 运动学与动力学 PID控制原理 轨迹规划基础 描述运动 → 分析运动 → 控制运动 → 规划运动 齐次变换矩阵 正/逆解算 P/I/D参数整定 S曲线/梯形

1.1 坐标系与变换：让机器知道“我在哪”

做运动控制，第一件事就是搞清楚坐标系。你想想看，机器人手臂要抓一个杯子，它得知道杯子在它自己的“世界”里是什么位置。这就涉及到坐标系变换。

我个人习惯把坐标系分成三类：

  • 世界坐标系：固定在地面上的绝对参考系。所有东西的位置最终都要映射到这个坐标系里。
  • 工具坐标系：固定在机器人末端执行器（比如夹爪）上的坐标系。它跟着工具一起动。
  • 用户坐标系：用户自定义的参考系，方便编程用的。比如在工件台面上定义一个坐标系，编程时直接对着这个坐标系操作。

坐标系变换的核心工具是齐次变换矩阵。它长这样：

% 齐次变换矩阵示例（MATLAB）
T = [R, p; 
     0, 1];
% 其中 R 是 3x3 旋转矩阵，p 是 3x1 平移向量

我在项目中遇到过一个问题：一个六轴机器人，每次回零后位置都有微小偏差。查了半天，发现是工具坐标系标定的时候，平移向量算错了0.5毫米。嗯，0.5毫米在视觉上根本看不出来，但在精密装配里，这就是天壤之别。

小技巧：在MATLAB里做坐标系变换，推荐用 tform 或者 se3 对象（Robotics System Toolbox）。别自己手写矩阵乘法，容易出错。

1.2 运动学与动力学基础：机器怎么动？

运动学解决的是“位置、速度、加速度”之间的关系，不考虑力。动力学则要考虑力、力矩和质量。

运动学里有两个核心问题：

  1. 正运动学：已知关节角度，求末端位姿。这个相对简单，就是矩阵连乘。
  2. 逆运动学：已知末端位姿，求关节角度。这个就复杂了，可能有多个解，甚至无解。

我记得刚入行时，做一个SCARA机器人的逆解，直接套用解析法公式，结果算出来一组角度，机器人却撞到了限位。后来才意识到，逆解的多解性必须结合关节限位和工作空间来筛选。

动力学则更贴近物理实际。拉格朗日方程是常用的建模方法：

% 拉格朗日动力学方程形式
% M(q) * q_ddot + C(q, q_dot) * q_dot + G(q) = tau
% 其中 M 是惯性矩阵，C 是科里奥利力，G 是重力项

说白了，动力学就是告诉你：要给多大的力，才能让机器按预定的轨迹动起来。如果你做高速运动控制，动力学模型必须准，否则PID调得再好也白搭。

注意：很多初学者直接用MATLAB的 robotics 工具箱自动生成动力学参数，但实际项目中，摩擦力和柔性关节的影响往往被忽略。我曾经在一个重载机器人项目里，就因为没考虑关节柔性，导致末端抖动一直压不下去。

1.3 PID控制原理：最经典的闭环控制

PID控制，你肯定不陌生。比例、积分、微分三个环节，各有各的脾气。

环节 作用 调大后的影响
P（比例） 快速响应误差 响应变快，但可能超调
I（积分） 消除稳态误差 稳态精度提高，但可能振荡
D（微分） 抑制超调，预测趋势 稳定性提高，但对噪声敏感

为什么PID在运动控制里这么常用？因为它简单、有效、鲁棒性强。你不需要精确的数学模型，调好三个参数就能干活。

但这里有个坑——积分饱和。我曾经做一个伺服电机的位置控制，启动时误差很大，积分项一直累积，等到误差变小了，积分项还在那“赖着不走”，结果超调得一塌糊涂。后来加了抗积分饱和（Anti-windup）才解决。

% 一个简单的PID实现（带抗积分饱和）
function u = pid_controller(e, dt, Kp, Ki, Kd, u_max)
    persistent integral prev_error
    if isempty(integral)
        integral = 0;
        prev_error = 0;
    end
    
    % 比例项
    P = Kp * e;
    
    % 积分项（带饱和限制）
    integral = integral + Ki * e * dt;
    integral = max(min(integral, u_max), -u_max);
    I = integral;
    
    % 微分项
    D = Kd * (e - prev_error) / dt;
    
    % 总输出
    u = P + I + D;
    u = max(min(u, u_max), -u_max);
    
    prev_error = e;
end

实战建议：调PID时，先调P，让系统有响应但不振荡；再加D，抑制超调；最后加I，消除静差。别一上来三个参数一起调，你会疯的。

1.4 轨迹规划基础：让运动更平滑

轨迹规划，说白了就是给机器人设计一条“路”，让它走得又快又稳。常见的轨迹有：

  • 梯形速度曲线：加速-匀速-减速。简单，但加速度有突变，容易引起冲击。
  • S形速度曲线：加加速度连续。运动更平滑，适合精密应用。
  • 多项式插值：用多项式拟合位置-时间曲线。灵活，但高阶多项式容易振荡。

我个人在项目中用得最多的是S形曲线。为什么？因为梯形曲线在加减速切换点有加速度突变，机器会“咯噔”一下。做搬运还好，做焊接或者涂胶，那个“咯噔”就是质量缺陷。

% 一个简单的S形速度曲线生成（MATLAB）
function [pos, vel, acc] = s_curve(t, t_acc, t_const, t_dec, v_max, a_max)
    % t: 当前时间
    % t_acc: 加速段时间
    % t_const: 匀速段时间
    % t_dec: 减速段时间
    % v_max: 最大速度
    % a_max: 最大加速度
    
    if t <= t_acc
        % 加速段
        vel = 0.5 * a_max * t^2 / t_acc;
        acc = a_max * t / t_acc;
    elseif t <= t_acc + t_const
        % 匀速段
        vel = v_max;
        acc = 0;
    elseif t <= t_acc + t_const + t_dec
        % 减速段
        t_rel = t - t_acc - t_const;
        vel = v_max - 0.5 * a_max * t_rel^2 / t_dec;
        acc = -a_max * t_rel / t_dec;
    else
        vel = 0;
        acc = 0;
    end
    
    pos = vel * t;  % 简化积分，实际需用数值积分
end

注意：轨迹规划时，一定要考虑电机和驱动器的实际能力。我曾经见过一个案例，规划的加速度超过了电机最大扭矩，结果电机直接堵转报警。嗯，这种低级错误，犯一次就记住了。

本章小结

这一章我们聊了运动控制的四个核心概念：坐标系与变换、运动学与动力学、PID控制、轨迹规划。它们环环相扣，缺一不可。

坐标系变换是“眼睛”，让机器知道目标在哪；运动学与动力学是“身体”，描述机器怎么动；PID是“大脑”，控制机器精准执行；轨迹规划是“路径”，让运动平滑高效。

下一章，我们会把这些概念落地到MATLAB里，用代码实现一个完整的运动控制仿真。到时候，我会手把手带你搭建仿真环境，把今天讲的理论变成能跑的代码。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →