利用 Robotics Toolbox 进行机械臂运动学分析（二）：建立运动学模型

NEU_MEMS

已于 2025-03-21 10:22:36 修改

阅读量2k

点赞数 49

分类专栏： MATLAB 机械臂文章标签：机械臂 MATLAB 运动学

于 2025-03-20 17:32:58 首次发布

本文链接：https://blog.csdn.net/qq_58709895/article/details/146399061

版权

MATLAB 同时被 2 个专栏收录

6 篇文章

订阅专栏

机械臂

6 篇文章

订阅专栏

机械臂运动学建模与分析是机器人学研究中的核心内容，它决定了机械臂如何在三维空间中进行精确运动，并实现特定任务。通过建立数学模型，我们可以描述机械臂的关节位置、姿态和末端执行器的运动方式，这对于路径规划、轨迹优化和运动控制至关重要。运动学分析主要包括正运动学（已知关节参数求末端位姿）和逆运动学（已知末端位姿求关节参数），它们广泛应用于工业自动化、医疗手术机器人、智能制造和服务机器人等领域。此外，运动学建模还是动力学分析、力控制和机器学习优化算法的基础，影响着机器人精度、稳定性及安全性。因此，深入理解机械臂的运动学模型，不仅能提高系统的控制精度，还能优化其工作效率和适应复杂环境的能力。

图1 机械臂运动学建模示意图

1.机械臂的位姿描述

在机械臂的运动学建模中，位姿（Pose）是指机械臂末端执行器在三维空间中的位置（Position）和方位（Orientation）。为了让机械臂按照预期的方式运动，我们需要采用数学模型来描述其位姿，以便进行轨迹规划、运动分析和控制算法设计。

设想一个工业机械臂，它的末端执行器（如焊接枪、夹爪等）需要到达指定的工作点，并保持正确的方向。例如，在装配生产线上，机械臂不仅需要准确定位某个零件（位置），还需要确保以正确的角度进行焊接（方向）。如果不能精确描述这些状态，就无法进行精准控制，可能导致产品缺陷或设备损坏。因此，合理地建立位姿数学模型是实现精确控制的关键。

为了描述位姿，我们通常采用三种方法：

位置描述：用笛卡尔坐标系（x,y,z）描述位置。

方位描述：用方向余弦矩阵（旋转矩阵）描述旋转方向。

位姿综合描述：用齐次变换矩阵同时描述位置和方向。

接下来，我们依次介绍这些方法

1.1 机械臂的位置描述

机械臂的位置描述用于表征其末端执行器在空间中的绝对位置。最常见的方法是使用笛卡尔坐标系（Cartesian Coordinate System），即通过 (x, y, z) 三个变量来描述机械臂末端相对于参考坐标系的空间位置。

在三维空间中，笛卡尔坐标系由三个互相垂直的坐标轴（X、Y、Z）组成：

X 轴：通常表示水平方向前后移动。
Y 轴：通常表示水平方向左右移动。
Z 轴：通常表示垂直方向的上下移动。

在机器人控制中，我们通常定义一个基坐标系（Base Frame），所有机械臂的运动都相对于该坐标系进行描述。例如，在工业机器人中，基坐标系通常固定在机器人底座上，而末端执行器的位置可以表示为：

$p= \begin{bmatrix} x \\ y \\ z \end{bmatrix}$

图2 位置表示

1.2 机械臂的方位描述

在实际应用中，机械臂不仅需要到达某个位置，还需要以正确的角度进行操作。例如，在焊接任务中，焊枪的角度对焊接质量影响很大。为了精确描述机械臂的旋转状态，我们引入方向余弦矩阵（Rotation Matrix, RRR）。

方向余弦矩阵的定义

方向余弦矩阵是一个 3×3 的正交矩阵，用于表示一个坐标系相对于另一个坐标系的旋转关系：

$R= \begin{bmatrix} r_{11} & r_{12} & r_{13} \\ r_{21} & r_{22} & r_{23} \\ r_{31} & r_{32} & r_{33} \end{bmatrix}$

其中：

第一列 （r11,r21,r31）：新坐标系的 X 轴 在原坐标系中的方向（单位向量）。
第二列 （r12,r22,r32）：新坐标系的 Y 轴 在原坐标系中的方向（单位向量）。
第三列 （r13,r23,r33）：新坐标系的 Z 轴 在原坐标系中的方向（单位向量）。

换句话说，每一列都是旋转后的坐标轴在原坐标系中的投影，确保了矩阵的几何直观性。

除了方向余弦矩阵，还有两种常见的方法描述机械臂的旋转状态：

（1）欧拉角（Euler Angles）

由 三个角度参数 描述旋转，通常依次绕不同坐标轴进行旋转（如 Z-Y-X 旋转）。
形式类似于 (α,β,γ)，其中：
- α ：绕 Z 轴的旋转角度。
- β ：绕 Y 轴的旋转角度。
- γ：绕 X 轴的旋转角度。
优点：计算直观，参数少。
缺点：存在“万向锁”问题（某些角度下会丢失一个自由度）。

（2）四元数（Quaternions）

使用 四个参数 (q0,q1,q2,q3)表示旋转。
计算高效，避免了欧拉角的万向锁问题。
在计算机视觉、机器人路径规划、计算机图形学中广泛应用。

这两种方法都可以通过数学变化利用方向余弦矩阵进行表示。

1.3 机械臂的位姿描述

在机械臂的运动分析中，我们需要同时描述位置和方向，因此引入齐次变换矩阵（Homogeneous Transformation Matrix），它是一个 4×4 的矩阵，能够完整表达机械臂的位姿：

$T= \begin{bmatrix} R & p \\ 0 & 1 \end{bmatrix}= \begin{bmatrix} r_{11} & r_{12} & r_{13} & x \\ r_{21} & r_{22} & r_{23} & y \\ r_{31} & r_{32} & r_{33} & z \\ 0 & 0 & 0 & 1 \end{bmatrix}$

齐次变换矩阵的作用

统一描述位置和方位，使运动学计算更加简洁。
用于坐标变换，例如从基坐标系转换到关节坐标系。
适用于多关节机械臂，可以通过矩阵乘法计算多个关节的复合变换

2.机械臂的坐标变换

在机械臂的运动学建模中，坐标系的转换是至关重要的。为了描述机械臂在不同位置和方向下的状态，我们通常需要进行坐标变换（Coordinate Transformation）。常见的坐标变换包括平移变换、旋转变换和齐次坐标变换，它们用于描述机械臂各个关节之间的位置和方向关系。

2.1 平移坐标变换

平移变换（Translation）用于描述坐标系沿某个方向的移动，而不改变其旋转方向。例如，假设一个点在原坐标系中的位置为 P(x,y,z)，如果该坐标系沿 X、Y、Z 轴分别平移 dx,dy,dz，则变换后的点 P′坐标为：

$P^{\prime}= \begin{bmatrix} x^{\prime} \\ y^{\prime} \\ z^{\prime} \end{bmatrix}= \begin{bmatrix} x+d_x \\ y+d_y \\ z+d_z \end{bmatrix}$

为了用矩阵描述这一变换，我们可以定义平移矩阵（Translation Matrix）：

$T(d_x,d_y,d_z)= \begin{bmatrix} 1 & 0 & 0 & d_x \\ 0 & 1 & 0 & d_y \\ 0 & 0 & 1 & d_z \\ 0 & 0 & 0 & 1 \end{bmatrix}$

如果一个点在齐次坐标中的表示为 P=[x,y,z,1]T，则经过平移后的新坐标可以通过矩阵乘法得到：

$P^{\prime}=T(d_x,d_y,d_z)\cdot P$

2.2 旋转坐标变换

旋转变换（Rotation）用于描述坐标系围绕某一固定轴旋转的情况。常见的旋转变换包括绕 X 轴、Y 轴、Z 轴 的旋转，分别由旋转矩阵 Rx(θ)、Ry(θ)、Rz(θ) 来描述。

（1）绕 X 轴旋转 θ：绕 X 轴旋转角度 θ 的旋转矩阵为：

$R_x(\theta)= \begin{bmatrix} 1 & 0 & 0 \\ 0 & \cos\theta & -\sin\theta \\ 0 & \sin\theta & \cos\theta \end{bmatrix}$

（2）绕 Y 轴旋转 θ：绕 Y 轴旋转角度 θ 的旋转矩阵为：

$R_y(\theta)= \begin{bmatrix} \cos\theta & 0 & \sin\theta \\ 0 & 1 & 0 \\ -\sin\theta & 0 & \cos\theta \end{bmatrix}$

（3）绕 Z 轴旋转 θ：绕 Z 轴旋转角度 θ 的旋转矩阵为：

$R_z(\theta)= \begin{bmatrix} \cos\theta & -\sin\theta & 0 \\ \sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{bmatrix}$

任意轴的旋转可以通过组合多个基本旋转矩阵实现，例如，先绕 X 轴旋转，再绕 Y 轴旋转，最后绕 Z 轴旋转：

$R=R_z(\gamma)R_y(\beta)R_x(\alpha)$

2.3 齐次坐标变换

在机械臂的运动学建模中，我们通常需要同时处理旋转和平移，因此引入齐次坐标变换矩阵（Homogeneous Transformation Matrix）。该矩阵将旋转矩阵 R 和平移向量 p 结合在一起，形成一个 4×4 矩阵：

$T= \begin{bmatrix} R & p \\ 0 & 1 \end{bmatrix}= \begin{bmatrix} r_{11} & r_{12} & r_{13} & d_x \\ r_{21} & r_{22} & r_{23} & d_y \\ r_{31} & r_{32} & r_{33} & d_z \\ 0 & 0 & 0 & 1 \end{bmatrix}$

其中：

RRR 是 3×3 的旋转矩阵，表示坐标系的旋转。
p=(dx,dy,dz)T 是 3×1 的平移向量，表示坐标系的位移。
第四行始终为 (0,0,0,1)，用于维持矩阵的齐次性，以便进行矩阵乘法计算。

齐次变换的性质：

1. 变换矩阵 T 可以进行矩阵乘法级联，用于描述多个坐标变换：

$T_0^n=T_0^1\cdot T_1^2\cdot T_2^3\cdots T_{n-1}^n$

2. 逆变换可以通过矩阵求逆计算：

$T^{-1}= \begin{bmatrix} R^T & -R^Tp \\ 0 & 1 \end{bmatrix}$

3.D-H方法介绍

本节我们将详细介绍 D-H 方法的理论基础、D-H 参量的定义、D-H 变换矩阵的推导，并举例说明如何使用 D-H 方法描述机械臂的运动学模型。

3.1 D-H方法的起源

Denavit-Hartenberg（D-H）方法是由 Jacques Denavit 和 Richard S. Hartenberg 在 1955 年提出的，用于系统化地描述 机器人连杆坐标变换。这两位学者的研究最初是为了 统一机械系统的运动描述，后来 D-H 方法成为了机器人运动学领域的标准方法，并广泛用于机械臂的建模。

在机器人学的发展过程中，建立机器人运动模型的方式较为繁杂，每个机械臂的坐标设定方法都不尽相同，使得不同机器人系统的运动学描述难以标准化。D-H 方法的提出，为串联机械臂提供了一种通用且高效的数学建模方式，使得不同机械臂的建模可以遵循同样的原则，从而大大简化了机器人系统的运动学分析过程。

在机器人运动学中，Denavit-Hartenberg（D-H）参数法是一种标准化的方法，用于描述机械臂的连杆坐标变换。D-H 方法通过四个标准参数（连杆长度、连杆偏距、连杆扭转角和关节角）将机械臂的每个关节和连杆联系起来，使得建立机械臂的数学模型变得更加系统化和统一。

3.2 D-H 方法的核心思想

D-H 方法的核心思想是：

给每个关节定义一个局部坐标系，这样可以将机械臂的运动分解成多个相对的关节坐标变换。
每个坐标系之间的变换通过 4 个标准参数描述，从而可以建立一套标准化的建模方法。

一个典型的机械臂由多个刚性连杆（Link）和关节（Joint）组成，D-H 方法通过在每个连杆上定义坐标系，并利用一组标准参数来描述相邻坐标系之间的相对变换。

3.3 D-H 参数的定义

D-H 方法使用以下四个参数来唯一确定两个相邻坐标系之间的变换：

连杆长度（Link Length， $a_{i}$ ）：即连杆 i 的长度，表示坐标系 i−1 的 X 轴到坐标系 i 的 X 轴的距离，沿 $X_{i-1}$ 轴测量。
连杆偏距（Link Offset， $d_{i}$ ）：即关节 i 的偏距，表示坐标系 i 的原点沿 $Z_{i-1}$ 轴相对于坐标系 i−1 的移动距离，沿 $Z_{i-1}$ 轴测量。
连杆扭转角（Twist Angle， $\alpha_{i}$ ）：即相邻连杆之间的扭转角，表示坐标系 i−1 的 X 轴旋转到坐标系 i 的 X 轴所需的旋转角度，绕 $Z_{i-1}$ 轴测量。
关节角（Joint Angle， $\theta_{i}$ ）：即关节 iii 的转角，表示坐标系 i−1 的 Z 轴旋转到坐标系 i 的 Z 轴所需的旋转角度，绕 $Z_{i-1}$ 轴测量。

图3 相邻连杆参数介绍图

3.4 D-H 坐标系设定规则

为了能够正确使用 D-H 方法，我们在建立机械臂坐标系时需要遵循以下 D-H 设定规则：

$Z_i$ 轴沿着关节的旋转轴方向：
- 如果是旋转关节（Revolute Joint），则 $Z_i$ 轴沿着该关节的旋转轴方向。
- 如果是移动关节（Prismatic Joint），则 $Z_i$ 轴沿着该关节的移动方向。
$X_i$ 轴指向下一个关节：
- $X_i$ 轴应垂直于当前关节的 $Z_i$ 轴和下一轴 $Z_{i+1}$ ，并指向下一个关节。
$Y_i$ 轴按照右手定则确定：
- 右手定则：大拇指指向 $X_i$ 轴方向，四指指向 $Y_i$ 轴方向，中指指向 $Z_i$ 轴方向。

3.5 D-H 变换矩阵

为了描述相邻连杆之间的变换，D-H 方法定义了一个 标准 D-H 变换矩阵，用于描述从坐标系 i−1 变换到坐标系 i 的关系：

$T_i^{i-1}= \begin{bmatrix} \cos\theta_i & -\sin\theta_i\cos\alpha_i & \sin\theta_i\sin\alpha_i & a_i\cos\theta_i \\ \sin\theta_i & \cos\theta_i\cos\alpha_i & -\cos\theta_i\sin\alpha_i & a_i\sin\theta_i \\ 0 & \sin\alpha_i & \cos\alpha_i & d_i \\ 0 & 0 & 0 & 1 \end{bmatrix}$

矩阵分解说明：

第一列：描述沿 X 轴方向的旋转和平移。
第二列：描述绕 Z 轴旋转后的投影关系。
第三列：描述绕 Z 轴旋转后相对 X 轴的变化。
第四列：描述沿 X 轴和 Z 轴的平移关系。

3.6 D-H方法的改良版本

尽管标准 D-H 方法（Denavit-Hartenberg Parameterization）已经被广泛应用，但它在某些情况下存在一定的局限性，例如坐标系设置的不唯一性、某些特殊结构的描述不够直观等。为了解决这些问题，研究人员对 D-H 方法进行了一些改进，其中 修正 D-H 方法（Modified D-H, MDH） 是最常用的一种。

1. 修正 D-H 方法（Modified D-H, MDH）

修正 D-H 方法（MDH）是由 Craig 在 1986 年的《Introduction to Robotics: Mechanics & Control》一书中提出的。它的核心思想是在标准 D-H 方法的基础上进行优化，使其在计算和分析时更加直观。

改进点

改变坐标轴的设定方式：
在标准 D-H 方法中，坐标系的 Z 轴 仍然与前一坐标系的 Z 轴 对齐，而 MDH 方法则直接沿着 当前关节轴 设定坐标系。
变换顺序不同：
- 标准 D-H 变换顺序是 绕 $Z_{i-1}$ 轴旋转 $\theta_i$ → 沿 $Z_{i-1}$ 轴平移 $d_i$ → 沿 $X_i$ 轴平移 $a_i$ → 绕 $X_i$ 轴旋转 $\alpha_i$ 。
- 修正 D-H 变换顺序是 沿 $X_{i-1}$ 轴平移 $a_i$ → 绕 $X_{i-1}$ 轴旋转 $\alpha_i$ → 沿 $Z_i$ 轴平移 $d_i$ → 绕 $Z_i$ 轴旋转 $\theta_i$ 。

修正 D-H 方法下，相邻关节的齐次变换矩阵变为：

$T_i^{i-1}= \begin{bmatrix} \cos\theta_i & -\sin\theta_i & 0 & a_i \\ \sin\theta_i\cos\alpha_i & \cos\theta_i\cos\alpha_i & -\sin\alpha_i & -d_i\sin\alpha_i \\ \sin\theta_i\sin\alpha_i & \cos\theta_i\sin\alpha_i & \cos\alpha_i & d_i\cos\alpha_i \\ 0 & 0 & 0 & 1 \end{bmatrix}$

✔ 优点：

坐标轴的设定更直观，计算更简洁。
适用于一些复杂结构（如多自由度机器人）。
更加符合某些机器人软件（如 ROS）的建模方式。

✖ 缺点：

仍然不能很好地适用于并联机器人。
变换矩阵的顺序不同，可能导致一些计算不直观。

2. 其他改进方法

除了 MDH 方法外，还有一些其他的改进方式，例如：

Product of Exponentials (PoE) 方法：
采用李群和李代数的数学工具，利用指数坐标形式来表示机器人连杆和关节之间的关系，适用于更广泛的机器人结构。
Unit Dual Quaternion（双四元数）方法：
通过四元数来描述空间旋转和平移，减少了矩阵运算中的数值误差，提高计算精度，尤其适用于高自由度的机器人。

标准 D-H 方法已经非常成熟，适用于大多数串联机械臂。然而，在某些情况下，使用修正 D-H 方法（MDH）或其他数学工具（如 PoE、四元数）可能会带来更大的灵活性和计算精度。在 MATLAB 的 Robotics Toolbox 中，D-H 方法仍然是最常用的建模方式，因此理解它的基本概念至关重要！

部分内容参考文章 液压凿岩机器人机械臂轨迹规划及跟踪控制研究_覃艳明。

接下来会根据实例对机械臂运动学建模进行讲解。