1. MK2机械臂项目概述
EEZYbotARM MK2是一款开源的三自由度桌面级机械臂，因其结构简单、成本低廉而成为机器人学入门的理想实验平台。这个看起来萌萌的机械臂，实际上包含了机器人学中最核心的运动学、动力学和控制原理。我在实验室花了三个月时间，从零开始完成了它的建模、轨迹规划和控制器设计全流程，期间踩过的坑和收获的经验值得系统梳理。
三自由度机械臂虽然结构简单，但完整实现其运动控制需要跨越四道技术关卡：首先是基于D-H参数法的运动学建模，这是所有后续工作的基础；其次是轨迹规划算法实现，让机械臂能平滑移动；然后是动力学建模，考虑质量、惯性等物理因素；最后是控制器设计，确保系统稳定运行。这个项目最实用的价值在于，它浓缩了工业机器人开发的完整流程，所有方法论都可以扩展应用到更复杂的六轴机械臂上。
2. 机械臂运动学建模
2.1 D-H参数表建立
机械臂运动学的本质是建立关节空间与笛卡尔空间的映射关系。对于MK2这类串联机械臂，Denavit-Hartenberg（D-H）参数法是最常用的建模方法。MK2的三个旋转关节分别对应底座旋转、肩部俯仰和肘部俯仰运动，其D-H参数表如下：
matlab复制% D-H参数表 [alpha a theta d]
L(1) = Link('d', 103.5, 'a', 0, 'alpha', pi/2);
L(2) = Link('d', 0, 'a', 105, 'alpha', 0);
L(3) = Link('d', 0, 'a', 155, 'alpha', 0);
robot = SerialLink(L, 'name', 'MK2');
这里每个Link对象包含四个关键参数：
alpha：连杆扭转角，决定z轴的旋转关系a：连杆长度，沿x轴的距离theta：关节角度（变量）d：连杆偏移，沿z轴的距离
特别要注意的是第一个关节的alpha=pi/2，这是因为底座关节的z轴与第二个关节的z轴呈90度夹角。参数表中的103.5mm、105mm和155mm分别对应机械臂的底座高度、上臂长度和前臂长度，这些物理尺寸需要精确测量。
2.2 正运动学计算
正运动学解决"给定关节角度，求末端位姿"的问题。使用Robotics Toolbox的fkine方法可以轻松计算：
matlab复制T = robot.fkine([pi/6 pi/4 0]); % 输入三个关节角度
disp(T.T) % 输出4x4齐次变换矩阵
齐次变换矩阵T包含了旋转和平移信息，其最后一列的前三个元素就是末端执行器在基坐标系下的(x,y,z)位置。在实际调试时，我习惯用plot方法可视化验证：
matlab复制robot.plot([pi/6 pi/4 0]);
这个可视化功能能快速验证模型是否正确——如果机械臂姿态明显不符合物理结构，说明D-H参数设置有误。
2.3 逆运动学求解
逆运动学是正运动学的逆过程，解决"给定末端位姿，求关节角度"的问题。对于三自由度机械臂，当末端执行器的姿态不重要时（即只关心位置），可以使用简化方法：
matlab复制T = transl(200, 50, 100); % 目标位置
q_sol = robot.ikine(T, 'mask', [1 1 1 0 0 0]);
mask参数[1 1 1 0 0 0]表示只考虑x、y、z三个平移自由度，忽略旋转自由度。逆解计算时需要注意：
- 多解问题：同一位置可能对应多组关节角度，需要通过关节限位筛选合理解
- 奇异点问题：当机械臂完全伸直时，雅可比矩阵秩亏损，会导致数值不稳定
- 无解情况：目标位置超出工作空间时无解
我在实践中发现，对于MK2这类非球形腕结构的机械臂，在肩关节附近容易出现奇异点，解决方案是引入阻尼最小二乘法：
matlab复制q_sol = robot.ikine(T, 'mask', [1 1 1 0 0 0], 'ilimit', 1000, 'tol', 1e-6);
3. 轨迹规划实现
3.1 关节空间轨迹规划
让机械臂平滑运动的关键是轨迹规划。五次多项式插值法能保证位置、速度和加速度的连续性，避免机械冲击：
matlab复制t = linspace(0, 5, 100); % 5秒轨迹
q_start = [0 0 0]; % 起始角度
q_end = [pi/2 pi/4 pi/6]; % 目标角度
[q, qd, qdd] = jtraj(q_start, q_end, t); % 生成轨迹
jtraj函数自动生成时间最优的轨迹，但实际应用中需要注意：
- 关节速度限制：MK2的舵机最大转速约60RPM，需检查qd是否超限
- 加速度突变：虽然理论连续，但实际电机响应可能有滞后
- 轨迹过冲：在起点和终点附近添加停顿可减少振动
3.2 笛卡尔空间轨迹规划
对于需要末端走直线的情况，可以先用ctraj生成笛卡尔空间轨迹，再转换为关节空间：
matlab复制T_start = robot.fkine(q_start);
T_end = robot.fkine(q_end);
Tc = ctraj(T_start, T_end, length(t)); % 笛卡尔轨迹
for i = 1:length(t)
q(i,:) = robot.ikine(Tc(:,:,i), 'mask', [1 1 1 0 0 0]);
end
这种方法虽然能保证末端直线运动，但计算量较大，且可能因奇异点导致中断。我的经验是：对精度要求不高时用关节空间规划，需要精确路径时再用笛卡尔空间规划。
4. 动力学建模与分析
4.1 拉格朗日动力学方程
机械臂动力学描述力矩与运动的关系，对于控制设计至关重要。使用Robotics Toolbox的rne函数可以自动计算所需力矩：
matlab复制tau = robot.rne(q, qd, qdd); % 计算关节力矩
这个函数背后是拉格朗日方程：
$$
\tau = M(q)\ddot{q} + C(q,\dot{q})\dot{q} + G(q)
$$
其中：
- $M(q)$：惯性矩阵
- $C(q,\dot{q})$：科里奥利力和向心力项
- $G(q)$：重力项
实际使用中最大的坑是单位问题：MATLAB默认使用kg和m，而MK2的尺寸是mm级，需要统一单位制：
matlab复制robot.links(1).m = 0.1; % kg
robot.links(1).r = [50 0 0]; % mm
robot.links(1).I = [1000 0 0; 0 1000 0; 0 0 1000]; % kg·mm²
4.2 动力学仿真分析
在Simulink中搭建动力学模型时，需要特别注意：
- 电机模型：加入转矩饱和限制（MK2的SG90舵机最大转矩约1.5kg·cm）
- 摩擦模型：加入库伦和粘性摩擦项，否则仿真结果过于理想
- 采样时间：建议≤1ms，否则数值积分误差明显
通过比较仿真和实际运动，我发现动力学模型中摩擦参数的准确性对预测结果影响很大，需要通过实验反复校准。
5. 控制器设计与实现
5.1 前馈+PD复合控制
单纯PD控制在机械臂动力学系统中表现不佳，前馈补偿能显著提升性能：
matlab复制% 前馈计算
tau_ff = robot.rne(q_desired, qd_desired, qdd_desired);
% PD反馈
tau_pd = Kp*(q_desired - q_actual) + Kd*(qd_desired - qd_actual);
% 总控制量
tau_total = tau_ff + tau_pd;
调参经验：
- 先调前馈增益（80%-100%）
- 再调D参数抑制振荡
- 最后调P参数减小稳态误差
- 各关节独立调试，避免耦合影响
5.2 三种控制器对比
在相同轨迹任务下测试三种控制器：
| 控制器类型 | 最大误差(rad) | 稳态误差(rad) | 抗干扰性 |
|---|---|---|---|
| 纯PD控制 | 0.15 | 0.02 | 差 |
| 前馈控制 | 0.08 | 0.005 | 中 |
| 前馈+PD | 0.05 | 0.001 | 好 |
实测表明，复合控制器的跟踪性能最优，特别是在高速运动时。但前馈控制对模型精度依赖较高，当负载变化时需要在线更新动力学参数。
6. 工程实践中的经验总结
6.1 常见问题排查
-
奇异点问题：当机械臂接近完全伸直状态时，尝试以下方案：
- 限制工作空间避开奇异区域
- 使用阻尼最小二乘逆解算法
- 在轨迹规划中增加中间点
-
轨迹抖动问题：
- 检查加速度是否连续
- 在Simulink中加入加速度限制模块
- 增加轨迹时间或降低最大速度
-
控制发散问题：
- 检查力矩输出是否超过电机上限
- 确认动力学参数单位一致性
- 逐步增大PD增益，避免激进调参
6.2 性能优化技巧
-
实时性优化：
- 预计算逆运动学表
- 使用C-MEX S函数替代MATLAB Function模块
- 减少Simulink模型中的代数环
-
精度提升方法：
- 在末端添加摄像头视觉反馈
- 使用卡尔曼滤波融合多传感器数据
- 定期校准关节零位
-
扩展性设计：
- 模块化代码结构，便于增加新自由度
- 预留ROS接口，方便升级到物理实验
- 设计参数配置文件，避免硬编码
这个项目让我深刻体会到理论到实践的鸿沟——教科书上的公式要变成稳定运行的系统，需要大量的工程调优和经验积累。最实用的建议是：在仿真阶段就尽可能考虑实际物理限制（如电机饱和、摩擦、延迟等），这样转移到实体机械臂时会顺利很多。完整代码和Simulink模型我已经整理成模块化的工具箱，欢迎交流使用心得。