Lerobot机械臂装配调试与运动控制优化实践

1. 项目背景与核心挑战

Lerobot机械臂作为一款开源的桌面级机械臂平台，近年来在教育和研究领域获得了不少关注。我最近花了三周时间完整搭建了一套Lerobot系统，过程中遇到了不少"坑"，有些问题在官方文档中并没有详细说明。这篇文章就来分享那些让我熬到凌晨三点的关键问题，以及最终找到的解决方案。

这套机械臂最吸引我的地方在于其模块化设计——采用谐波减速器+步进电机的组合，重复定位精度能达到±0.1mm，而整机成本控制在3000元以内。但正是这种高性价比的设计方案，也带来了一些独特的装配和调试挑战。从机械组装、电路连接到运动控制算法调试，每个环节都有需要注意的技术细节。

2. 机械装配关键问题解析

2.1 谐波减速器的预紧力调整

谐波减速器是Lerobot的核心传动部件，其装配质量直接影响机械臂的定位精度和寿命。官方提供的装配手册只简单提到"需要适当预紧"，但没给出具体量化标准。经过多次试验，我总结出以下经验：

1. 预紧力测试方法：在减速器输出端安装百分表，手动旋转输入端，观察轴向窜动量。理想值应控制在0.05mm以内。

2. 预紧力调整步骤：

   • 先用手拧紧固定螺钉至50%扭矩
   • 用扭力扳手分三次递增拧紧（最终扭矩参考值：M4螺钉1.2N·m）
   • 每增加一次扭矩后都要检查轴向窜动

注意：过度预紧会导致减速器发热严重，实测温升超过60°C时必须立即松解

2.2 关节零位标定误差问题

Lerobot采用增量式编码器，每次上电都需要进行零位标定。原厂提供的磁编码器安装方式存在以下问题：

我改进后的标定流程：

1. 机械限位触发光电开关
2. 以5%速度反向运动直到开关释放
3. 记录此时编码器值作为零位基准
   实测表明，这种方法将重复定位误差降低到了±0.03°以内。

3. 电气系统调试要点

3.1 步进电机丢步问题排查

在高速运动测试时（>60rpm），第三轴频繁出现位置丢失现象。通过示波器抓取驱动信号，发现是以下综合因素导致：

1. 电流环参数不当：

   • 原厂默认值：Iq=1.2A
   • 优化后值：Iq=1.8A（需配合散热处理）

2. 电源电压跌落：

   • 高速时测得母线电压从24V跌至19V
   • 解决方案：在电源端增加3300μF电解电容

3. 加速度参数不合理：

   python复制# 原参数
   max_accel = 3000  # rad/s²
   
   # 修正后
   max_accel = 1800  # 降低40%加速度
   

3.2 CAN总线通信优化

Lerobot采用CAN总线连接各关节控制器，当六轴同时运动时会出现通信延迟。通过Wireshark抓包分析，发现主要瓶颈在：

1. 报文ID分配冲突
2. 默认500kbps波特率不足
3. 控制器处理优先级设置不当

优化后的通信配置：

c复制// CAN初始化参数
hcan.Init.Prescaler = 3;  // 1Mbps
hcan.Init.Mode = CAN_MODE_NORMAL;
hcan.FilterConfig.FilterScale = CAN_FILTERSCALE_32BIT;

同时修改了报文ID分配策略，将关键的运动控制指令设为最高优先级（ID=0x01）。

4. 运动控制算法实践

4.1 逆运动学求解优化

Lerobot的官方逆解算法在某些奇异位姿下会出现解算失败。我改用了基于几何法的求解策略，核心思路：

1. 建立腕部中心点(WRCP)坐标系
2. 先求解前三个关节角度（位置级逆解）
3. 再用旋转矩阵求解后三个关节（姿态级逆解）

关键代码段：

python复制def inverse_kinematics(T_target):
    # 位置级求解
    theta1 = atan2(py, px)
    R = sqrt(px**2 + py**2) - d1
    D = (pz - a1)**2 + R**2
    theta3 = acos((D - a2**2 - a3**2)/(2*a2*a3)) 
    
    # 姿态级求解
    R06 = T_target[0:3,0:3]
    # ...后续计算省略...

4.2 轨迹规划中的速度前瞻

在进行连续路径运动时，发现拐角处有明显抖动。通过增加速度前瞻算法解决了这个问题：

1. 建立50个点的路径缓冲区
2. 根据曲率约束动态调整速度
3. 采用S型加减速曲线

参数调优经验：

• 前瞻点数：50-100点（对应50-100ms）
• 最大向心加速度：0.5m/s²
• 加加速度限制：5m/s³

5. 系统集成与校准

5.1 手眼标定精度提升

使用传统的Tsai-Lenz方法进行手眼标定时，误差始终在2mm以上。改进方案：

1. 采集更多样化的标定板位姿（至少15组）
2. 加入径向畸变校正
3. 采用Levenberg-Marquardt优化算法

标定步骤优化：

1. 机械臂带动标定板做多角度运动
2. 同时采集关节角度和相机图像
3. 离线解算AX=XB方程

5.2 负载动力学参数辨识

为了提升带载运动精度，进行了动力学参数辨识实验：

1. 设计激励轨迹：

   • 包含所有关节的自由度激励
   • 频宽覆盖0.1-5Hz
   • 持续时间≥300s

2. 采集数据：

   • 关节位置（编码器）
   • 电流反馈（驱动器）
   • 外部力矩（六维力传感器）

3. 使用最小二乘法求解惯性参数：

   matlab复制% 动力学模型
   Y = W*Phi
   % 参数估计
   Phi_hat = pinv(W)*Y
   

6. 实测性能与优化建议

经过上述改进后，机械臂的综合性能指标对比如下：

给后来者的三点建议：

1. 机械装配阶段要特别关注谐波减速器的预紧力
2. 电气调试时务必用示波器监测驱动信号质量
3. 运动控制算法建议从简单的PTP运动开始验证

这套系统目前已经稳定运行了200+小时，期间进行了超过5000次重复定位测试。最大的体会是：机械臂调试是个系统工程，电气、机械、算法任何一个环节的疏漏都会影响整体性能。下次如果再搭建类似系统，我会优先考虑采购预组装好的关节模组，虽然成本会高一些，但能节省大量调试时间。