机器人的运动学研究"如何运动"，动力学研究"为何这样运动"。如果把机器人控制比作驾驶一辆车，运动学告诉我们方向盘转多少度车轮会怎么动，动力学则告诉我们踩多少油门才能驱动这个转向动作。两者共同构成了机器人运动控制的理论基础。

一、DH参数法：运动学建模的通用语言

Denavit-Hartenberg参数法是描述串联机器人连杆-关节几何关系的标准方法。它的价值在于将复杂的空间几何关系压缩为每个关节仅需四个参数的简洁描述：

• ai−1ai−1​（连杆长度）：沿 Xi−1Xi−1​ 轴，从 Zi−1Zi−1​ 到 ZiZi​ 的距离

• αi−1αi−1​（连杆扭转）：绕 Xi−1Xi−1​ 轴，从 Zi−1Zi−1​ 到 ZiZi​ 的角度

• didi​（连杆偏距）：沿 ZiZi​ 轴，从 Xi−1Xi−1​ 到 XiXi​ 的距离

• θiθi​（关节角）：绕 ZiZi​ 轴，从 Xi−1Xi−1​ 到 XiXi​ 的角度

这组参数的意义在于：无论机器人的构型有多复杂，只要按顺序列出每个关节的这四个参数，整个系统的几何关系就被唯一确定了。

1.1 Standard DH 与 Modified DH

DH参数存在两种约定，区别在于坐标系固连的位置和变换顺序：

Standard DH中，坐标系 {i} 固连在连杆 i 的远端（靠近 i+1 关节），变换顺序为绕 Xi−1Xi−1​ 转 αi−1αi−1​ → 沿 Xi−1Xi−1​ 移 ai−1ai−1​ → 绕 ZiZi​ 转 θiθi​ → 沿 ZiZi​ 移 didi​。

Modified DH中，坐标系 {i} 固连在连杆 i 的近端（靠近 i-1 关节），更符合日常直觉，变换顺序为绕 XiXi​ 转 αiαi​ → 沿 XiXi​ 移 aiai​ → 绕 Zi−1Zi−1​ 转 θiθi​ → 沿 Zi−1Zi−1​ 移 didi​。

两种约定数学上等价，但混用会导致严重错误。现实中，Modified DH更常见——UR机器人、KUKA等厂商的官方文档大多采用此约定。建议在项目中统一使用Modified DH，并在技术文档中明确标注。

二、Pieper准则：6轴机械臂逆运动学的解析解

逆运动学问题是：已知末端位姿，求各关节角度。对于6自由度串联机械臂，这通常是一个没有解析解的非线性方程组，只能通过数值迭代求解。但Pieper准则给出了一个重要的例外条件。

2.1 准则内容

Pieper准则指出：如果6轴机械臂的后三个关节轴相交于一点，则逆运动学存在解析解。

这一条件的工程意义极其深远——绝大多数工业6轴机械臂都采用这种设计（俗称"球腕"结构），正是因为有了Pieper准则，它们才能在微秒级完成IK计算，满足实时控制的需求。

2.2 解析解求解的基本思路

以典型的"后三轴交于一点"构型为例，求解过程分为三步：

第一步是位置与姿态的解耦。由于第4、5、6关节轴交于一点（称为腕心），末端的位置由前3个关节决定，后3个关节只影响姿态。这一解耦是关键。

第二步是求解前3个关节。根据腕心位置，用几何法或代数法求出 θ1,θ2,θ3θ1​,θ2​,θ3​。这一步通常存在多组解——比如 θ1θ1​ 可能有 θ1θ1​ 和 θ1+πθ1​+π 两种"肘部向上/向下"的选择。

第三步是求解后3个关节。已知前3个关节后，末端姿态中剩余的部分由后3个关节构成一个球关节，可用欧拉角或四元数方法求解 θ4,θ5,θ6θ4​,θ5​,θ6​。

2.3 解析解 vs 数值解

解析解的计算速度远快于数值迭代——微秒级 vs 毫秒级。在1kHz甚至更高频率的实时控制中，这个差距是决定性的。Pieper准则正是工业机械臂普遍采用球腕结构的原因——它保证了控制周期的可实现性。

三、雅可比矩阵：速度传递与奇异性

雅可比矩阵 J(θ)J(θ) 建立了关节空间速度 θ˙θ˙ 与任务空间速度 X˙X˙ 之间的线性映射：

X˙=J(θ)⋅θ˙X˙=J(θ)⋅θ˙

它揭示了关节运动如何合成末端速度，是理解机器人运动极限和奇异性的关键工具。

3.1 雅可比矩阵的两种构造方式

向量积法更为直观：对于旋转关节，第 i 个关节对末端线速度的贡献是 zi−1×(p−pi−1)zi−1​×(p−pi−1​)，对角速度的贡献是 zi−1zi−1​。依次计算每个关节的贡献，拼接成完整的雅可比矩阵。

微分法则从正运动学方程 X=f(θ)X=f(θ) 对时间求导直接得到。这种方法推导更程式化，但表达式往往更加冗长。

3.2 奇异性的本质

当 det⁡(J)=0det(J)=0 时，机器人处于奇异位形。这带来的工程后果是具体的：

• 自由度丢失：末端在某些方向上无法运动——你推不动它。

• 关节速度发散：若要在奇异方向产生运动，所需关节速度趋于无穷大——电机会饱和甚至损坏。

• 控制失稳：基于雅可比逆矩阵的控制算法在奇异点附近数值不稳定，表现为剧烈抖动。

工程实践：通过奇异值分解（SVD） 监测雅可比矩阵的最小奇异值，当其低于阈值时切换到阻尼最小二乘法（DLS） 或奇异鲁棒逆，避免直接求逆导致的数值爆炸。

四、拉格朗日方程：动力学建模的程式化方法

如果说运动学研究"能怎么动"，动力学则研究"需要多大力和力矩才能这么动"。拉格朗日方法是多自由度机器人动力学建模最系统的工具。

4.1 拉格朗日方程

对于具有 n 个自由度的机械系统，拉格朗日方程为：

ddt(∂L∂q˙i)−∂L∂qi=Qi,i=1,2,...,ndtd​(∂q˙​i​∂L​)−∂qi​∂L​=Qi​,i=1,2,...,n

其中 L=T−VL=T−V 是拉格朗日量——动能减去势能，qiqi​ 是广义坐标，QiQi​ 是广义力。

这个方程的美妙之处在于：你不需要费力分析每个连杆上的约束力和内力，只需要写出系统的动能和势能，然后套公式即可得到完整的动力学方程。

4.2 建模流程

建模流程分为四个步骤：

第一步是定义广义坐标。通常选择关节角度 q=[q1,q2,...,qn]Tq=[q1​,q2​,...,qn​]T。

第二步是计算各连杆的动能。每个连杆的动能包括平动动能 12mvTv21​mvTv 和转动动能 12ωTIω21​ωTIω。总动能是各连杆动能之和。

第三步是计算系统势能。通常仅考虑重力势能 V=∑migTpiV=∑mi​gTpi​。

第四步是代入拉格朗日方程，整理得到形如：

M(q)q¨+C(q,q˙)q˙+G(q)=τM(q)q¨​+C(q,q˙​)q˙​+G(q)=τ

的标准形式，其中 M(q)M(q) 是惯性矩阵（对称正定），C(q,q˙)C(q,q˙​) 是科里奥利力与向心力矩阵，G(q)G(q) 是重力项，ττ 是关节驱动力矩。

4.3 两种方法的工程取舍

拉格朗日法推导系统、适合符号计算和理论分析，但计算量较大。牛顿-欧拉法则计算高效（O(n)O(n) 复杂度），适合实时数值计算，但推导过程中需要处理各连杆之间的约束力和内力。

在实际工程中，拉格朗日法用于离线动力学分析和控制器设计，而实时控制中则采用牛顿-欧拉法的递推形式（如RNEA算法）进行在线计算。

写在最后

运动学与动力学共同构成了机器人"如何动"的理论框架。从DH参数表的建立，到IK解析解的求解，再到雅可比矩阵的速度传递和拉格朗日方程的动力学建模——每一步都直接决定了机器人能否在真实物理世界中精确、稳定地运动。

但你可能已经注意到一个关键问题：当机器人的自由度多于任务所需的维度时，这些方程会出现无穷多组解。这正是冗余自由度带来的挑战，也是下一篇文章要深入探讨的主题——DOF的本质、Grübler公式的计算方法，以及从移动平台到人形机器人，DOF差异如何从根本上决定了控制策略的选择。