本科机器人学课程体系 · Craig 骨架 / 路径轨迹与控制扩展
以 Craig 4/e 的 Ch1–Ch13 作为唯一顺序主轴,路径、轨迹与优化单独成层:先讲清路径(几何对象)、轨迹(路径 + 时间律)、优化(在约束下选时间律),再依次进入误差动力学、PID、状态空间、计算力矩、LQR、MPC、鲁棒自适应与力控制。线性代数、力学、反馈控制与数值方法随章补齐。
骨架仍只有一本 Craig 4/e;本科必修不引入 twist / screw / 伴随变换 / 矩阵指数 / 指数积 PoE。现代记号只留在 L10 两个研究生衔接选修模块。
课程结构
50 模块 / 10 层 / 145 学时以 Craig 4/e 的 Ch1–Ch13 为唯一顺序主轴;线性代数、力学、反馈控制与数值方法随章补齐,不单独设章。路径、轨迹与优化各立章,控制从误差动力学展开到闭环综合。
默认先修约定
- 矩阵与正交性:讲旋转矩阵时现场补齐
- 牛顿-欧拉与二阶 ODE:讲动力学时现场补齐
- 传递函数与二阶系统:讲误差动力学时现场补齐
- 数组运算与差分:讲轨迹优化时现场补齐
两层重点展开
- L5 路径与轨迹 7 章:几何路径 → 时间律 → 插值 → 速度剖面 → 姿态 → 优化 → 控制接口
- L6 控制 9 章:误差动力学 → PID → 状态空间 → 计算力矩 → LQR → MPC → 鲁棒自适应 → 力控 → 闭环综合
- 路径、轨迹、优化三个概念分别立章,各给可手算的式子
- M31 在微分约束下讨论可行轨迹,与优化章相接
| 课程安排 | 内容 | 模块 |
|---|---|---|
| 默认先修约定 | 矩阵与正交性、牛顿-欧拉与二阶 ODE、传递函数与二阶系统、数组运算与差分,分别在旋转矩阵、动力学、误差动力学与轨迹优化各章里现场补齐,不单独设章、不计学时。 | — |
| L5 路径与轨迹 · 7 章 | 按「几何路径 → 时间律 → 插值 → 速度剖面 → 姿态与途经点 → 约束下的优化 → 控制接口」展开,把路径、轨迹、优化三个概念分别立章,并给出可手算的式子。 | M22, M23, M45, M46, M47, M48, M49 |
| L6 控制 · 9 章 | 按「误差动力学与稳定性 → PID 工程实现 → 状态空间与极点配置 → 计算力矩 → LQR → MPC → 鲁棒自适应 → 力与阻抗 → 闭环综合」展开,每章都有独立概念、设计量与失效模式。 | M24, M25, M50, M51, M52, M53, M54, M26, M27 |
| 微分约束下的可行轨迹 | M31 在微分约束下讨论可行轨迹与最优性,与 L5 的轨迹优化章相接。 | M31 |
默认先修约定
| 先修 | 在哪里现场补齐 |
|---|---|
| 线性代数 | 矩阵乘法、转置、逆、正交性、行列式;在 L1 讲旋转矩阵时现场补齐,不单独开课。 |
| 力学与 ODE | 牛顿第二定律、力矩、二阶常微分方程;在 L4 牛顿-欧拉递推时现场补齐。 |
| 控制基础 | 传递函数、二阶系统、反馈的直觉;在 L6 误差动力学首章现场补齐。 |
| 编程与数值 | 数组运算、差分、简单线性方程组求解;在轨迹优化章现场补齐。 |
十层模块总表
50 模块 / 145 必修学时编号对应章节,可直接打开单页课件;扩展为 M45–M54,重点展开为 M22–M27 与 M31。
空间描述与变换
Craig Ch2 · 位姿 / 映射 / 算子 / 变换方程 / 姿态参数5 模块 / 15 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M05 | 位置、姿态与位姿的描述 | 3 | — | CRAIG §2.2 | 保留 |
| M06 | 映射:从一个坐标系到另一坐标系 | 3 | M05 | CRAIG §2.3 | 保留 |
| M07 | 算子:平移、旋转与齐次变换 | 3 | M05 | CRAIG §2.4–2.6 | 保留 |
| M08 | 变换方程与坐标链 | 3 | M06, M07 | CRAIG §2.7 | 保留 |
| M09 | 其他姿态描述:欧拉角 / RPY / 四元数 | 3 | M07 | CRAIG §2.8 / App B | 保留 |
操作臂运动学
Craig Ch3–4 · D-H 建系 / 正解 / 逆解5 模块 / 15 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M10 | 连杆、关节与 D-H 建系 | 3 | M08 | CRAIG §3.2–3.4 | 保留 |
| M11 | 正运动学:连杆变换连乘 | 3 | M10 | CRAIG §3.5 | 保留 |
| M12 | 三种空间、标准命名与工具坐标系 | 3 | M11 | CRAIG §3.6–3.9 | 保留 |
| M13 | 逆运动学:解存在性、子空间与解析解 | 3 | M11 | CRAIG §4.2–4.6 / App C | 保留 |
| M14 | 多解选择、重复精度与数值逆解 | 3 | M13 | CRAIG §4.9–4.10 | 保留 |
雅可比:速度与静力
Craig Ch5 · 速度传递 / 奇异性 / 静力4 模块 / 12 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M15 | 时变位姿、刚体线速度与角速度 | 3 | M07 | CRAIG §5.2–5.4 | 保留 |
| M16 | 连杆速度传递与 Jacobian | 3 | M11, M15 | CRAIG §5.5–5.7 | 保留 |
| M17 | 奇异性、可操作度与冗余零空间 | 3 | M16 | CRAIG §5.8 | 保留 |
| M18 | 静力、力域 Jacobian 与笛卡尔变换 | 3 | M16 | CRAIG §5.9–5.11 | 保留 |
操作臂动力学
Craig Ch6 · 牛顿-欧拉 / 拉格朗日 / 仿真3 模块 / 9 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M19 | 加速度、质量分布与牛顿-欧拉方程 | 3 | M15 | CRAIG §6.2–6.4 | 保留 |
| M20 | 牛顿-欧拉递推与封闭形式动力学 | 3 | M19, M16 | CRAIG §6.5–6.8 | 保留 |
| M21 | 拉格朗日方程、笛卡尔动力学与仿真 | 3 | M19, M20 | CRAIG §6.9–6.12 | 保留 |
路径与轨迹
几何路径 → 时间律 → 插值 → 速度剖面 → 约束下的优化 → 控制接口7 模块 / 21 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M22 | 路径与轨迹:几何路径、时间律与参数化 | 3 | M11, M13 | BIAGIOTTI Ch1 / Ch8–9;CRAIG §7.1 引子;CHOSET Ch3 构型空间 | 重写 |
| M23 | 关节空间插值:多项式、边界条件与连续性阶次 | 3 | M22 | CRAIG §7.2–7.3;BIAGIOTTI Ch2.1 多项式轨迹 | 重写 |
| M45 | 时间缩放与速度剖面:梯形、双 S 与 jerk 限 | 3 | M23 | BIAGIOTTI Ch3.2–3.4(梯形 / 双 S / 多梯形同步);BIAGIOTTI Ch5 轨迹的运算(时间缩放);CRAIG | 新增 |
| M46 | 笛卡尔空间路径与姿态插值 | 3 | M22, M09 | CRAIG §7.4–7.5 / App B;BIAGIOTTI Ch8 多维轨迹与几何路径 / App C 姿态表示 | 新增 |
| M47 | 途经点、分段连续与样条 | 3 | M23, M46 | BIAGIOTTI Ch4 多点轨迹(插值 / 三次样条 / B 样条 / 轨迹优化滤波器);BIAGIOTTI App B B 样条、NU | 新增 |
| M48 | 轨迹优化:目标、约束与最优时间参数化 | 3 | M45, M47, M21 | BIAGIOTTI Ch4.6 最优轨迹的非线性滤波器 / Ch6 轨迹与执行器约束;TOPP:Bobrow 1985、Shin & McK | 新增 |
| M49 | 从几何路径到轨迹:时间律与控制接口 | 3 | M48 | BIAGIOTTI Ch9 从几何路径到轨迹;CHOSET Ch11 轨迹规划(路径 → 时间律);CRAIG Ch7 综合 / Ch9 前 | 新增 |
控制:从误差动力学到闭环
稳定性 / PID / 状态空间 / 计算力矩 / LQR / MPC / 鲁棒 / 力控9 模块 / 27 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M24 | 反馈控制与误差动力学:稳定性与稳态误差 | 3 | M19, M22 | CRAIG Ch9 线性控制;OGATA《Modern Control Engineering》二阶系统;MIT Underactuated | 重写 |
| M25 | 关节 PID:整定、离散实现与工程约束 | 3 | M24 | CRAIG Ch9;ÅSTRÖM & HÄGGLUND《PID Controllers》;SICILIANO §5.1–5.2 | 重写 |
| M26 | 力控制:混合位置 / 力、阻抗与导纳 | 3 | M51, M18 | CRAIG Ch11 力控制;HOGAN 阻抗控制原始论文;SICILIANO Ch7 力与阻抗控制 | 重写 |
| M27 | 控制综合实验:轨迹 → 控制器 → 闭环 | 3 | M49, M25, M51, M53, M26 | CRAIG Ch7 + Ch9–11 综合 / Ch12–13 实现;MIT OCW 2.12 实验;SICILIANO 控制实验章节 | 重写 |
| M50 | 状态空间、线性化与极点配置 | 3 | M25, M21 | OGATA《Modern Control Engineering》状态空间与极点配置;CRAIG §9.5–9.7 线性化模型;MIT Un | 新增 |
| M51 | 模型前馈与计算力矩控制 | 3 | M50, M21 | CRAIG Ch10 非线性控制;SICILIANO §5.2 计算力矩;CORKE Ch9 动力学控制 | 新增 |
| M52 | LQR 与最优控制入门 | 3 | M50 | MIT Underactuated Ch8 LQR;ANDERSON & MOORE《Optimal Control》;BERTSEKAS《 | 新增 |
| M53 | 模型预测控制与约束处理 | 3 | M52, M48 | RAWLINGS & MAYNE《Model Predictive Control: Theory and Design》;MIT Unde | 新增 |
| M54 | 鲁棒、自适应控制与扰动观测 | 3 | M51 | CRAIG §10.6–10.8 自适应与鲁棒;SLOTINE & LI《Applied Nonlinear Control》;SICILI | 新增 |
运动规划
Choset Ch2–7 · 构型空间 / 势函数 / 采样 / 微分约束4 模块 / 12 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M28 | 构型空间、自由空间与 Bug 算法 | 3 | M12 | CHOSET Ch2–3 | 保留 |
| M29 | 势函数、路线图与单元分解 | 3 | M28 | CHOSET Ch4–6 | 保留 |
| M30 | 采样规划 PRM / RRT 与图搜索 | 3 | M29 | CHOSET Ch7 | 保留 |
| M31 | 非完整约束、微分约束与可行轨迹 | 3 | M30, M21 | CHOSET Ch11–12 非完整与欠驱动规划;LAVALLE Ch13–14 微分约束;BIAGIOTTI Ch9 从几何路径到轨迹 | 重写 |
移动机器人与状态估计
AMR / Choset · 轮式运动学 / 里程计 / 滤波 / SLAM6 模块 / 18 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M32 | 轮式机构与移动机器人运动学 | 3 | M06, M28 | AMR Ch2–3 | 保留 |
| M33 | 传感器、里程计与误差传播 | 3 | M32 | AMR Ch4 | 保留 |
| M34 | 概率基础与离散 / 贝叶斯滤波 | 3 | M33 | CHOSET Ch9 / App I | 保留 |
| M35 | 卡尔曼滤波 / EKF / 粒子滤波 | 3 | M34 | CHOSET Ch8 | 保留 |
| M36 | 定位、地图表示与占据栅格 | 3 | M35, M32 | AMR Ch5 | 保留 |
| M37 | SLAM 入门、导航与探索 | 3 | M36, M30 | CORKE Ch5–6 | 保留 |
感知、机构与系统集成
Craig Ch8, Ch12–13 · 机构 / 视觉 / 抓取 / 编程 / 综合5 模块 / 16 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M38 | 机构设计、驱动、传动与传感 | 3 | M20, M27 | CRAIG Ch8 | 保留 |
| M39 | 相机模型、标定与三维位姿估计 | 3 | M33, M06 | CORKE Ch10–11, Ch13 | 保留 |
| M40 | 抓取:接触、摩擦锥与形/力封闭 | 3 | M18, M26 | CRAIG Ch11 延伸 | 保留 |
| M41 | 机器人编程、离线编程与仿真 | 3 | M27, M23 | CRAIG Ch12–13 | 保留 |
| M42 | 综合实验:感知 → 规划 → 控制闭环 | 4 | M37, M39, M40, M41 | CRAIG 全书综合 / Ch12–13 | 保留 |
选修 · 现代记号衔接
MR 概念导读,不计必修学时2 模块 / 4 学时| 编号 | 章节 | 学时 | 先修 | 章节依据 | 状态 |
|---|---|---|---|---|---|
| M43 | twist / wrench 与伴随变换(概念导读) | 2 | M15, M18 | MR §3.2.2 / §3.3.2 / §3.4(选修) | 保留 选修 |
| M44 | 指数积 PoE 与 URDF(概念导读) | 2 | M11, M43 | MR Ch4 / App C.5(选修) | 保留 选修 |
扩展章节详解
17 章 · 点击展开每章都写足:为什么独立成章、概念辨析、核心关系式、方法步骤、工程例子、教材依据与自测。这是「拆成足够章节来写」的正文。
L5 · 路径与轨迹
M22 路径与轨迹:几何路径、时间律与参数化
3 学时先修 M11, M13概念台 timelaw
为什么独立成章
把「轨迹」直接等同于三次多项式,容易分不清几何对象与运动对象;本章先把两个对象分开,后面所有插值、速度剖面与优化才有共同语言。
学习结果
能说出路径与轨迹的区别,写出链式求导关系,并把「任务 → 路径 → 时间律 → 控制」三层接口画出来。
概念辨析
- 路径 path:构型空间中的几何点集 q(s),s ∈ [0,1] 是无量纲路径参数;与时间无关,不含速度、不含驱动信息。
- 轨迹 trajectory:q(t) = q(s(t)):在同一条几何路径上附加一条时间律 s(t);同一路径对应无穷多条轨迹。
- 时间律 time law:单调不减的 s(t),决定「何时走到路径的哪一点」;ṡ 是路径速率,不是某个关节的速度。
- 链式求导:ḋq = q′(s)·ṡ,q̈ = q″(s)·ṡ² + q′(s)·s̈;加速度并不沿路径切线,这一项正是后面力矩约束的来源。
- 三层接口:路径规划层给几何、轨迹规划层给时间律、控制层给关节力矩;三层各自优化的对象不同,不能互相替代。
核心关系式
路径与轨迹的定义式;ṡ = 0 表示在路径上停住,不允许倒退。
把几何导数 q′、q″ 与时间导数 ṡ、s̈ 分开,是 TOPP 的起点。
遍历整条路径的总时间;最短时间问题就是让 ṡ(s) 在每一点尽量大。
方法 / 步骤
- 先给几何路径,再给时间律;不要一上来就写 q(t) 的多项式。
- 把「平滑」拆成两件不同的事:路径几何连续(C¹/C²)与运动学连续(v / a / jerk 受限)。
- 用弧长参数化统一不同速度下的同一条路径。
- 检查 ṡ ≥ 0;在路径曲率大的地方,ṡ 必须下降,否则违反加速度或力矩约束。
工程例子
焊接直线焊缝:几何路径是一条空间直线且保持不变,只改时间律就能改变焊接速度与热输入;路径相同、轨迹不同,机器人走过的点一样,但速度、加速度与驱动力矩完全不同。
章节依据
BIAGIOTTI Ch1 / Ch8–9;CRAIG §7.1 引子;CHOSET Ch3 构型空间
其他参照
SICILIANO §4.1 轨迹规划引论;LAVALLE Ch4 C-space
自测
- 同一条路径的两条不同时间律,位置点集是否相同?速度、加速度呢?
- 为什么 q̈ 里会有 q″(s)ṡ² 这一项?它沿路径的哪个方向?
M23 关节空间插值:多项式、边界条件与连续性阶次
3 学时先修 M22概念台 timelaw
为什么独立成章
把「背三次 / 五次公式」提升为「按连续性需求定阶次」,并让学生看到提高阶次的代价。
学习结果
能按给定边界条件数目选择多项式阶次,解出系数,并判断过冲、峰值速度与多轴同步问题。
概念辨析
- 归一化时间:τ = t/T ∈ [0,1];把时长 T 从插值形状里分离出来,便于之后单独做时间缩放。
- 边界条件与阶次:三次多项式 4 个系数对应起止位置 + 速度;五次 6 个系数再加起止加速度;七次 8 个再加起止 jerk。
- 连续性阶次:C⁰ 位置连续、C¹ 速度连续、C² 加速度连续、C³ jerk 连续;加速度跳变会激起结构振动。
- 系数求解:把边界条件写成关于 a₀…aₙ 的线性方程组(Vandermonde 型),解出闭式系数。
- 阶次的代价:阶次越高越容易出现过冲与振荡;单轴最优不等于多轴同步,各轴位移不同却要共用同一个 T。
核心关系式
n 由独立边界条件数减 1 决定,不是随便选的。
五次多项式的最小 jerk 形状;速度、加速度在两端都为零。
把峰值直接与 T 挂钩,说明「缩短 T」会按平方放大加速度需求。
方法 / 步骤
- 数边界条件 → 定阶次 → 解线性方程 → 复核 q̇、q̈ 峰值是否超限。
- 多轴按最慢轴统一 T,再逐轴检查 v / a 限。
- 需要 C³ 连续时才用七次;否则优先五次,避免不必要的过冲。
工程例子
6 轴搬运:若每个关节各自取「最短 T」,六个轴会在不同时刻到位,末端走出一条与设计不同的路径;必须统一 T,再复核每个关节的峰值加速度。
章节依据
CRAIG §7.2–7.3;BIAGIOTTI Ch2.1 多项式轨迹
其他参照
CORKE Ch3 时变位姿;SICILIANO §4.2 关节空间轨迹
自测
- 给定起止位置、速度、加速度共 6 个条件,为什么必须用五次而不是三次?
- T 减半时峰值加速度变为几倍?为什么多轴不能直接各取最短时间?
M45 时间缩放与速度剖面:梯形、双 S 与 jerk 限
3 学时先修 M23概念台 timelaw
为什么独立成章
时间律本身可以独立设计与整体缩放,不需要改几何路径;这是「在约束下调整运动」的第一个可手算例子。
学习结果
会由位移与 v/a/j 限判断梯形还是三角形剖面,能写出时间缩放对峰值的影响,并解释双 S 的 7 段结构。
概念辨析
- 梯形速度剖面:恒加速 → 匀速 → 恒减速三段;加速度在段间跳变,jerk 理论上无穷大。
- 双 S 剖面:限制 jerk 后加速度线性升降,形成 7 段;冲击与残余振动显著降低。
- 时间缩放:q̃(t) = q(t/λ):把一条已成形的轨迹整体放慢 λ 倍,路径完全不变。
- 缩放的幂次:峰值速度按 λ⁻¹、加速度按 λ⁻²、jerk 按 λ⁻³ 下降;这是最省事的约束满足手段。
- 多轴同步:所有关节共用同一个 λ,末端路径才不会被扭曲;瓶颈轴决定 λ 的下限。
核心关系式
时间缩放对三阶导数的不同衰减速度。
速度剖面设计本身就是一个小的约束优化问题。
由最紧的约束决定统一放慢倍数。
方法 / 步骤
- 先判断位移是否够长以达到 v_max:不够则是三角形剖面,没有匀速段。
- 把已知轨迹代入三个峰值不等式,取最大者作为 λ。
- 在线时间缩放只改 s(t),不重跑路径规划,适合实时避障降速。
- 需要抑制振动时改用双 S,代价是段数与计算量增加。
工程例子
高速贴片机:把已规划轨迹整体放慢 20%(λ = 1.2),峰值加速度降为 1/1.44 ≈ 0.69,立刻满足驱动限幅,几何路径一个点都不用改。
章节依据
BIAGIOTTI Ch3.2–3.4(梯形 / 双 S / 多梯形同步);BIAGIOTTI Ch5 轨迹的运算(时间缩放);CRAIG §7.3
其他参照
Kroger & Wahl 在线轨迹缩放;SICILIANO §4.2.3
自测
- λ = 1.2 时峰值加速度变为原来的多少?为什么 jerk 降得更多?
- 为什么「整体放慢」虽然安全却常常不是最快的方案?
M46 笛卡尔空间路径与姿态插值
3 学时先修 M22, M09概念台 rotation
为什么独立成章
任务空间的几何路径与关节空间插值并不等价,姿态插值更不能对欧拉角做线性插值;这一章处理「沿什么形状走、朝什么方向」。
学习结果
会写出直线 / 圆弧路径的参数式,用单位四元数 SLERP 做最短路径姿态插值,并说明逐点逆解的计算代价与奇异风险。
概念辨析
- 任务空间路径:x(t) = x₀ + s(t)(x₁ − x₀) 为空间直线;圆弧与样条路径可同样用参数 s 描述。
- 两空间不等价:任务空间走直线,各关节一般不是直线;需在轨迹层逐点求逆运动学,计算量随点数增长。
- 姿态插值陷阱:欧拉角线性插值会出现万向节退化、非最短路径与角速度不均;RPY 同样不适合直接插值。
- SLERP:单位四元数球面线性插值:沿四维单位球面的大圆走,角速度恒定且路径最短。
- 位置 / 姿态同步:位置用 s_p(t)、姿态用 s_R(t),两者共用一条时间律才能保持末端轨迹的时间一致性。
核心关系式
任务空间直线路径,s(t) 仍是时间律。
单位四元数 SLERP;全程只用三角函数,不引入矩阵指数(本科约束)。
任务空间速度要经 Jacobian 映射到关节空间,奇异附近会失效。
方法 / 步骤
- 位置与姿态分别写参数式,但共用时间律 s(t)。
- 姿态优先用四元数 SLERP,并对 Q 与 −Q 取同一物理姿态的短弧。
- 逐点逆解要预先检查奇异与关节限位;必要时退回关节空间插值。
- 在途经点处安排减速或混成,避免速度方向突变。
工程例子
弧焊 / 涂胶:末端必须沿工件表面直线匀速移动,同时焊枪姿态沿曲面连续转动;若对欧拉角做线性插值,中途会出现姿态抖动甚至翻转。
章节依据
CRAIG §7.4–7.5 / App B;BIAGIOTTI Ch8 多维轨迹与几何路径 / App C 姿态表示
其他参照
CORKE Ch2 位置与姿态;SICILIANO §4.2.2 任务空间轨迹
自测
- 为什么四元数 Q 与 −Q 表示同一姿态?插值时为什么要先判断点积符号?
- 任务空间直线路径下,各关节角是否也随时间线性变化?
M47 途经点、分段连续与样条
3 学时先修 M23, M46概念台 fit
为什么独立成章
真实任务有几十个途经点;把它们串起来需要连续性方程与样条,而不只是「把曲线弄平滑」。
学习结果
能区分逐点停、不过点混成、经过点连续三种处理方式,写出三次样条的连续性方程,说明 B 样条的局部支撑性。
概念辨析
- 三种途经点处理:逐点停(每点速度为零,最慢)/ 不过点混成(在附近转弯)/ 经过点连续(穿过全部点且 C² 连续)。
- 分段多项式:每段一个低阶多项式,段与段之间用位置、速度、加速度连续条件拼接。
- 三次样条:C² 连续导出关于节点二阶导的三对角线性系统,可一次解出全部段系数。
- B 样条 / Bézier:基函数局部支撑:改动一个控制点只影响邻近几段;凸包性便于做限位检查。
- 节点时刻:给各途经点分配 t_i 本身就是一个设计量;等间隔常导致速度峰值不均。
核心关系式
位置 / 一阶 / 二阶导数连续:三次样条的拼接条件。
B 样条:路径是控制点的加权和,Nᵢ,ₖ 只在局部非零。
平滑样条:拟合误差与曲率惩罚的折中,λ 就是「有多在乎平滑」。
方法 / 步骤
- 先决定途经点是「必须穿过」还是「附近通过」,再选拼接方式。
- 用连续性方程组装三对角系统并解出各段系数。
- 按几何曲率分配节点时刻,而不是简单等间隔。
- 用 B 样条做局部修改,避免牵一发动全身;用凸包性预检关节限位。
工程例子
喷涂 / 打磨:工艺给出 60 个途经点。逐点停会让节拍翻倍;三次样条一次穿过所有点且加速度连续;若某一段曲率过大,改用 B 样条只调整邻近控制点即可。
章节依据
BIAGIOTTI Ch4 多点轨迹(插值 / 三次样条 / B 样条 / 轨迹优化滤波器);BIAGIOTTI App B B 样条、NURBS 与 Bézier
其他参照
CRAIG §7.6 途经点;de Boor《A Practical Guide to Splines》
自测
- 三次样条为什么是三对角系统?局部支撑性为什么能减少修改代价?
- 把平滑权重 λ 调到很大,轨迹会更接近还是更偏离途经点?
M48 轨迹优化:目标、约束与最优时间参数化
3 学时先修 M45, M47, M21概念台 topp
为什么独立成章
「优化」必须独立成章:把「整体放慢一点」升级为「在约束下求最快时间律」,并给出可手算的凸化思路与经典算法脉络。
学习结果
能写出 TOPP 的优化问题,解释为什么用 ṡ² 作变量可把约束线性化,并说清数值积分 / 凸优化 / TOPP-RA 三类方法的差别。
概念辨析
- 优化三要素:决策变量(时间律 ṡ(s) 或 s̈)、目标(T / 能量 / jerk)、约束(v、a、j、力矩 τ、关节限位、接触力)。
- 力矩约束的来源:τ = A(s)s̈ + B(s)ṡ² + C(s):由 L4 的动力学沿给定路径代入得到,把关节力矩限 |τ| ≤ τ̄ 变成对 (ṡ², s̈) 的线性不等式。
- 凸化技巧:令 b(s) = ṡ²,则 db/ds = 2s̈;约束对 (b, a) 是线性的,目标 T = ∫ ds/√b 可离散成凸 / LP 问题。
- 相平面与切换点:在 (s, ṡ) 平面上存在速度极限曲线;最优解呈「最大加速 → 最大减速」的 bang-bang 结构,难点是找切换点(动态奇异点)。
- 算法脉络:1985 Bobrow / Shin & McKay 数值积分(切换点难);Verscheure & Hauser 2009 凸优化;Pham 2018 TOPP-RA 用可达性分析 + 线性规划,无需找奇异点、成功率 100%。
- 其他目标:Shiller 时间-能量折中;Kyriakopoulos & Saridis、Piazzi & Visioli 最小 jerk;通用凸目标可在凸优化框架里直接替换。
核心关系式
最短时间目标;起止一般要求停住。
动力学约束沿路径的线性形式(L4 的结果在这里被用上)。
线性不等式:网格离散后每格求 b 的可达区间,前向 / 后向传递即得最优时间律。
方法 / 步骤
- 固定几何路径 q(s) → 沿路径离散 s → 每格写出 v / a / τ 约束 → 求 b 的可达上界。
- 前向传递得到最大可达速度,后向传递保证末端能停下来。
- 把结果与「整体时间缩放」对比:TOPP 只在瓶颈段降速,其余段保持满速。
- 换目标(最小能量 / 最小 jerk)时只改目标函数,约束结构保持不变。
工程例子
6R 搬运同一条路径:整体时间缩放要放慢 30% 才让 3 号轴力矩不超限;TOPP 只在两段高曲率处降速,总节拍只增加约 8%。
章节依据
BIAGIOTTI Ch4.6 最优轨迹的非线性滤波器 / Ch6 轨迹与执行器约束;TOPP:Bobrow 1985、Shin & McKay 1985、Verscheure & Hauser 2009、Pham 2018 TOPP-RA;MIT Underactuated Ch10 轨迹优化
其他参照
LAVALLE Ch14 微分约束下的规划;BOYD & VANDENBERGHE《Convex Optimization》凸约束与 QP
自测
- 为什么把 ṡ²(而不是 ṡ)当作变量能让约束变线性?
- TOPP 与整体时间缩放相比,为什么通常更快?两者改变的东西有什么不同?
M49 从几何路径到轨迹:时间律与控制接口
3 学时先修 M48概念台 chain
为什么独立成章
把 L5 的输出明确成控制层能消费的数据契约,并解释在线重规划为何常常只改时间律。
学习结果
能列出轨迹层交给控制层的 q_d、q̇_d、q̈_d 与前馈量,说明可行性检查与在线时间重参数化。
概念辨析
- 轨迹层输出:每个控制周期给出 q_d(t)、q̇_d(t)、q̈_d(t),而不只是位置点列。
- 前馈接口:控制层用 M(q_d)q̈_d + h(q_d, q̇_d) 做模型前馈;轨迹层不给加速度,前馈就无从算起。
- 可行性检查:下发前逐点检查关节限位、速度 / 加速度 / 力矩限、Jacobian 条件数与奇异裕度。
- 在线时间重参数化:遇到动态障碍或人靠近时,只改 s(t)(降速 / 暂停 / 恢复),几何路径保持不变。
- 频率契约:轨迹插补周期、控制器采样周期、重规划周期三者量级不同,混用会导致指令跳变。
核心关系式
轨迹层 → 控制层的前馈量,来自 L4 动力学模型。
跟踪误差;控制器只负责把实际轨迹拉回给定轨迹。
在线时间重参数化:只换时钟,不换路径。
方法 / 步骤
- 路径规划 → 轨迹优化 → 可行性检查 → 插补下发 → 控制闭环,逐层明确输入输出。
- 把不可行点定位到具体约束,回退到 M48 重解时间律,而不是直接削掉路径点。
- 需要避障时优先尝试时间重参数化;只有几何本身不安全才调用 L7 重新规划路径。
工程例子
协作臂与人共享工作区:人靠近时不下发新路径,只把 s(t) 在对应区间压慢甚至暂停;人离开后按同一路径恢复原时间律,控制层完全不用切换控制器。
章节依据
BIAGIOTTI Ch9 从几何路径到轨迹;CHOSET Ch11 轨迹规划(路径 → 时间律);CRAIG Ch7 综合 / Ch9 前导
其他参照
SICILIANO §4.3 轨迹跟踪;Kroger & Wahl 在线时间缩放
自测
- 为什么控制层需要 q̈_d 而不只是 q_d?
- 在线重参数化与重新规划路径,分别在什么情况下该用哪一个?
L6 · 控制:从误差动力学到闭环
M24 反馈控制与误差动力学:稳定性与稳态误差
3 学时先修 M19, M22概念台 response
为什么独立成章
原来把 Ch9 压成一节「PID 与解耦」;先补上稳定性语言,后面所有控制器才有共同的评价尺度。
学习结果
能写出闭环误差动力学,用 ζ、ω_n 解释超调与调节时间,并用 Lyapunov 函数说明为什么 PD 稳定。
概念辨析
- 误差动力学:把控制律代入机器人动力学,得到关于 e 的微分方程;控制器设计就是给它配 K_p、K_v。
- 二阶闭环:ë + K_v ė + K_p e = 0;ζ = K_v/(2√K_p)、ω_n = √K_p 直接决定超调与调节时间。
- 稳定性:渐近稳定指 e → 0;用 V = ½(ė² + K_p e²) 与 V̇ = −K_v ė² ≤ 0 做能量论证。
- 稳态误差:重力、摩擦等常值扰动使纯 PD 留下稳态误差;积分项消除它但带来饱和风险。
- 独立关节假设:各轴独立控制隐含「耦合可忽略」;高速或大负载时该假设失效,引出 M51。
核心关系式
把控制律代入单位惯量模型得到二阶误差方程。
由增益反推闭环的阻尼与自然频率。
Lyapunov 直观:闭环能量单调下降。
方法 / 步骤
- 先按期望 ω_n 定 K_p,再按 ζ ≈ 1 定 K_v,避免盲目试凑。
- 用阶跃响应核对超调与调节时间,再检查控制量是否饱和。
- 有常值扰动时才加积分,并同时设计抗饱和。
工程例子
搬运臂保持水平:重力矩是常值扰动,纯 PD 会留下一个固定角度偏差;加重力补偿前馈或积分项后偏差消失,但积分量在长时间堵转时可能累积到饱和。
章节依据
CRAIG Ch9 线性控制;OGATA《Modern Control Engineering》二阶系统;MIT Underactuated Ch9 Lyapunov
其他参照
FRANKLIN《Feedback Control of Dynamic Systems》;SICILIANO §5.1 独立关节控制
自测
- K_p 增大 4 倍时 ω_n 与 ζ 各怎么变?
- 为什么 V̇ ≤ 0 还不足以直接断言渐近稳定?工程上靠什么补足?
M25 关节 PID:整定、离散实现与工程约束
3 学时先修 M24概念台 system
为什么独立成章
连续域写对不等于能跑;这一章把采样、噪声、饱和、摩擦这些真正决定成败的实现问题单列。
学习结果
会写离散 PID、说明采样周期与带宽的关系,并给出抗积分饱和与微分滤波的实现要点。
概念辨析
- 离散化:ZOH 下把积分写成 T_s Σe、微分写成差分;采样周期直接改变等效增益与稳定边界。
- 微分噪声:纯差分放大编码器量化噪声,需要对微分项加低通;滤波又会引入相位滞后。
- 积分饱和:执行器限幅时积分继续累积,退饱和后产生大超调;需 clamping 或 back-calculation。
- 重力与摩擦补偿:把 ĝ(q) 作为前馈加进 τ,让反馈只需处理误差;可显著减小稳态误差与积分负担。
- 整定流程:先 K_p 定刚度与带宽 → K_d 定阻尼 → 最后少量 K_i 消稳态误差 → 全行程复核饱和。
核心关系式
离散 PID + 重力前馈;每一项都有对应的工程失效模式。
采样周期与闭环带宽的经验约束。
抗积分饱和的基本写法。
方法 / 步骤
- 按连续域设计 → 选采样频率 → 离散化 → 加微分滤波 → 加抗饱和。
- 在仿真里注入编码器量化噪声与执行器限幅,再回到增益。
- 先做重力前馈,再决定是否需要积分。
工程例子
同样的 K_p、K_d 在 1 kHz 下稳定,在 100 Hz 下出现明显振荡;微分项用原始差分还会把编码器量化噪声放大成高频力矩抖动。
章节依据
CRAIG Ch9;ÅSTRÖM & HÄGGLUND《PID Controllers》;SICILIANO §5.1–5.2
其他参照
MIT OCW 2.12 实现层;CORKE Ch9 控制实现
自测
- 采样周期加倍时,离散微分的等效增益会怎样变化?
- 执行器已饱和时继续累加积分项,退饱和后会发生什么?
M50 状态空间、线性化与极点配置
3 学时先修 M25, M21概念台 response
为什么独立成章
从「调两个增益」过渡到「按模型设计闭环」,为 LQR、MPC 与自适应控制提供共同语言。
学习结果
会把非线性动力学在工作点线性化,写出状态方程,用状态反馈配置极点,并说明能控性判据。
概念辨析
- 状态方程:ẋ = Ax + Bu, y = Cx;把 n 个二阶方程写成一阶向量系统。
- 工作点线性化:在 (x₀,u₀) 处取 Jacobian:A = ∂f/∂x, B = ∂f/∂u;只在邻域有效。
- 能控 / 能观:能控矩阵 [B AB … Aⁿ⁻¹B] 满秩;决定「能否用 u 把状态摆到任意位置」。
- 状态反馈:u = −Kx 使闭环 A−BK 的特征值落在期望位置;PD 是它的一个特例。
- 分离原理:状态不可全测时用观测器估计 x̂,控制器与观测器可分别设计(概念层)。
核心关系式
线性化后的标准形式,是 LQR / MPC 的起点。
极点配置:选 K 使闭环特征值为期望值。
能控性秩判据。
方法 / 步骤
- 选工作点 → 求 Jacobian → 检查能控性 → 按期望极点求 K → 回到非线性模型验证。
- 把 PD 增益翻译成状态反馈,看清「调增益」与「配极点」的等价关系。
- 状态不全可测时补观测器,注意观测器带宽与噪声的折中。
工程例子
倒立摆 / 平衡臂在竖直工作点附近线性化后可用状态反馈稳定;但摆角偏离 30° 以上时线性化失效,必须换增益调度或非线性控制(引出 M54)。
章节依据
OGATA《Modern Control Engineering》状态空间与极点配置;CRAIG §9.5–9.7 线性化模型;MIT Underactuated Ch8 前导
其他参照
SICILIANO §5.3;FRANKLIN 状态空间设计
自测
- 为什么线性化只在工作点邻域有效?工程上怎么检查已经越界?
- PD 控制等价于哪种状态反馈?
M51 模型前馈与计算力矩控制
3 学时先修 M50, M21概念台 response
为什么独立成章
把 L4 的动力学真正用进控制器:这是「轨迹层输出 q̈_d」的兑现处,也是 Craig Ch10 的核心。
学习结果
能写出计算力矩控制律,说明它如何把耦合非线性系统化为解耦二阶系统,并分析模型误差的后果。
概念辨析
- 动力学前馈:τ_ff = M(q_d)q̈_d + h(q_d,q̇_d):按期望轨迹预先算出所需力矩,反馈只补误差。
- 反馈线性化:用名义模型抵消非线性项,闭环变成 ë + K_v ė + K_p e = 0 的解耦形式。
- 模型误差:M̂ ≠ M、摩擦未建模时抵消不干净,闭环残留 Δ 项;误差越大越接近纯 PD。
- 与独立关节控制的对比:低速时耦合可忽略,PID 够用;高速大加速度时惯性耦合与科氏项显著。
- 实现代价:每个控制周期要算 M(q) 与 h(q,q̇);采样频率受计算量约束,且依赖参数辨识质量。
核心关系式
计算力矩控制律(Craig Ch10 的标准形式)。
名义模型精确时,非线性被完全抵消。
模型误差以扰动形式回到误差方程,引出 M54。
方法 / 步骤
- 获取或辨识 M、h → 由轨迹层取 q̈_d → 每周期算力矩 → 叠加 PD 反馈。
- 在仿真里人为改动负载质量,观察跟踪误差随模型误差增大。
- 与纯 PID 在低速 / 高速两组轨迹下做受控对比,量化差异。
工程例子
同一条高速抓取轨迹:独立关节 PID 在加减速段出现明显相位滞后;计算力矩把惯性耦合预先补掉,误差下降一个量级;但把负载质量设错 30% 后优势明显缩小。
章节依据
CRAIG Ch10 非线性控制;SICILIANO §5.2 计算力矩;CORKE Ch9 动力学控制
其他参照
MIT Manipulation Ch? 模型前馈;KHALIL《Modeling, Identification and Control of Robots》
自测
- 计算力矩为什么需要轨迹层提供 q̈_d?
- 把负载质量估错时,闭环误差方程里多出来的是什么?
M52 LQR 与最优控制入门
3 学时先修 M50概念台 response
为什么独立成章
把「增益怎么选」从试凑变成有目标函数的优化,与 L5 的轨迹优化形成呼应。
学习结果
会写出二次型代价与 Riccati 方程,说明 Q / R 的权衡含义,以及 LQR 与极点配置的差别。
概念辨析
- 二次型代价:J = ∫(xᵀQx + uᵀRu)dt:Q 惩罚状态偏差,R 惩罚控制能量。
- 权重设计:Q 大 → 跟得紧但费能量、易饱和;R 大 → 省力但响应慢;权重是可解释的设计量。
- Riccati 方程:解出 P 后 K = R⁻¹BᵀP,最优反馈是状态线性反馈。
- 与极点配置对比:极点配置指定闭环位置;LQR 由权重自动折中,天然带稳定裕度。
- 时域与离散化:无限时域定常增益、有限时域时变增益;数字实现用离散 LQR(DARE)。
核心关系式
线性二次调节的目标函数。
连续时间代数 Riccati 方程。
最优反馈增益;结构与极点配置相同,但 K 由权重决定。
方法 / 步骤
- 建立线性化模型 → 选 Q / R → 解 Riccati → 得到 K → 在非线性模型上验证。
- 用 Q / R 扫描画出「误差 RMS vs 控制能量」的折中曲线。
- 把 LQR 看作无约束、无限时域的特例,为 M53 的 MPC 铺垫。
工程例子
平衡控制:把 Q 的位置权重提高 10 倍,偏差减半但电机电流峰值接近饱和;调大 R 后动作变柔,能耗下降但恢复时间变长。
章节依据
MIT Underactuated Ch8 LQR;ANDERSON & MOORE《Optimal Control》;BERTSEKAS《Dynamic Programming and Optimal Control》
其他参照
OGATA 最优控制章;BOYD 凸优化(QP / Riccati 背景)
自测
- 把 R 增大,闭环响应速度与能耗分别怎么变?
- LQR 为什么不能像 MPC 那样直接处理关节限位约束?
M53 模型预测控制与约束处理
3 学时先修 M52, M48概念台 response
为什么独立成章
控制层里真正把「约束」写进优化问题的章节;与 L5 的 TOPP 是同一套思想在不同时间尺度上的应用。
学习结果
会写出滚动时域 QP,说明约束激活时的行为与重规划频率的代价,并比较 MPC / LQR / PID。
概念辨析
- 滚动时域:每周期在有限预测区间 N 内解一次优化,只执行第一个控制量,下一周期重解。
- 预测模型与约束:x_{k+1} = Ax_k + Bu_k;输入限幅、状态限位、关节角与速度约束直接写成不等式。
- QP 求解:二次目标 + 线性约束 = 二次规划;约束未激活时解退化为 LQR。
- 软约束与松弛:硬约束无解时引入松弛变量与惩罚,保证求解器总能给出指令。
- 与轨迹层的关系:以 M49 下发的 q_d(t) 为参考序列;MPC 与 TOPP 都在解「带约束的优化」,只是一个离线给时间律、一个在线给力矩。
核心关系式
有限时域二次目标。
预测模型 + 输入 / 状态约束。
滚动时域的闭环本质。
方法 / 步骤
- 选预测时域 N 与采样周期 → 建立约束集 → 每周期解 QP → 只下发 u₀。
- 用约束激活实验观察 MPC 如何提前减速,而不是撞上限位再纠正。
- 把 N 调大并测量单周期求解时间,找到实时性边界。
工程例子
关节接近机械限位时,LQR 仍按线性律给出力矩直到撞限;MPC 在几步之前就看到约束并提前调整,代价是每周期多一次 QP 求解。
章节依据
RAWLINGS & MAYNE《Model Predictive Control: Theory and Design》;MIT Underactuated Ch10 轨迹优化;SICILIANO 预测控制章节
其他参照
BOYD《Convex Optimization》QP;LAVALLE Ch14 微分约束
自测
- 约束没有被激活时,MPC 的解与 LQR 有什么关系?
- 预测时域 N 增大带来什么收益、什么代价?
M54 鲁棒、自适应控制与扰动观测
3 学时先修 M51概念台 learn
为什么独立成章
模型永远不精确;这一章给出三类应对手段,并说明它们各自愿意付出什么代价。
学习结果
能写出 Slotine-Li 自适应律的回归矩阵形式,说明扰动观测器、滑模与增益调度的适用场景。
概念辨析
- 不确定性来源:负载变化、摩擦与死区、背隙、柔性与未建模动态、参数辨识误差。
- 扰动观测器 DOB:把模型误差与外部扰动合并成一个等效扰动,用低通估计并前馈补偿。
- 自适应控制:把动力学写成对参数线性的形式 τ = Y(q,q̇,q̇_r,q̈_r)θ;在线更新 θ̂。
- 滑模变量与 Lyapunov:s = ė + Λe;用 V = ½sᵀMs + ½θ̃ᵀΓ⁻¹θ̃ 证明收敛;符号函数带来抖振。
- 鲁棒与增益调度:不追求参数收敛,用高增益 / 边界层保证有界误差;或按工作点切换增益。
核心关系式
Slotine-Li 自适应控制律。
参数自适应律,由 Lyapunov 稳定性导出。
收敛性论证的骨架。
方法 / 步骤
- 判断不确定性是常值参数还是快变扰动:前者用自适应,后者用 DOB。
- 把动力学整理成对参数线性的回归形式 Yθ,这是自适应能用的前提。
- 滑模实现时用边界层 / 连续近似抑制抖振。
工程例子
同一条抓取轨迹先夹 0.5 kg 再夹 5 kg:计算力矩的固定模型在重载下出现明显稳态滞后;自适应律在几个周期内把负载参数收敛,误差回到轻载水平。
章节依据
CRAIG §10.6–10.8 自适应与鲁棒;SLOTINE & LI《Applied Nonlinear Control》;SICILIANO §5.4 自适应与鲁棒控制
其他参照
KHALIL 参数辨识;MIT Underactuated Ch9 Lyapunov
自测
- 自适应控制为什么要求动力学对参数线性?
- 常值负载变化与高频扰动,分别更适合哪一类补偿?
M26 力控制:混合位置 / 力、阻抗与导纳
3 学时先修 M51, M18概念台 force
为什么独立成章
把原「力控制」一节展开成有结构的一章:先分方向,再定目标动力学,最后处理接触稳定性与实现。
学习结果
会写选择矩阵 S 的力 / 位分解、目标阻抗方程,并说明阻抗与导纳在因果性上的差别。
概念辨析
- 约束坐标系:按接触几何建立 {c}:某些方向需要控位置,另一些方向必须控力。
- 选择矩阵:S 与 I−S 把任务空间拆成力控子空间与位置控子空间,两套控制律并行。
- 目标阻抗:让末端表现成质量-阻尼-弹簧:F = M_d Δẍ + B_d Δẋ + K_d Δx,而不是刚性定位。
- 阻抗 vs 导纳:阻抗控制输入位移出力(适合轻柔环境);导纳控制输入力给位移(适合刚性环境);选错会因因果性失稳。
- 接触与过渡:自由空间 → 接触瞬间存在冲击;需限速、柔顺增益或过渡段。力传感器噪声与滤波同样影响稳定性。
核心关系式
目标阻抗:把接触行为写成期望的二阶动力学。
任务空间力到关节力矩的映射(L3 静力 Jacobian 在这里被用上)。
混合位置 / 力控制的选择矩阵分解。
方法 / 步骤
- 按任务确定约束方向 → 构造 S → 分别设计位置环与力环 → 选阻抗或导纳实现。
- 从高阻尼、低刚度起步调柔顺参数,逐步降低阻尼直到接触稳定。
- 在接触前后安排过渡段,避免自由空间高速撞上刚性表面。
工程例子
擦玻璃 / 装配插销:位置控制会把微小几何误差变成巨大接触力;把法向设为力控、切向设为位置控后,末端能顺应表面,既不脱离也不顶死。
章节依据
CRAIG Ch11 力控制;HOGAN 阻抗控制原始论文;SICILIANO Ch7 力与阻抗控制
其他参照
MIT Manipulation 接触与力控;CORKE Ch9 力控实现
自测
- 为什么不能在同一方向上既严格控位置又严格控力?
- 面对刚性墙面时,阻抗控制与导纳控制哪个更容易稳定?
M27 控制综合实验:轨迹 → 控制器 → 闭环
3 学时先修 M49, M25, M51, M53, M26概念台 chain
为什么独立成章
把 L5 与 L6 接成一个可测量的闭环,并让几种控制器在同一条轨迹上做受控对比。
学习结果
能列出全链路数据流与评价指标,说明采样、延迟、饱和如何影响稳定性,并给出 sim-to-real 的差距清单。
概念辨析
- 全链路:路径 → 时间律 → q_d/q̇_d/q̈_d → 前馈 + 反馈 → 执行器限幅 → 机器人 → 传感 → 误差。
- 时滞与饱和:采样、计算、通信延迟降低相位裕度;限幅让「设计好的控制律」在峰值处失效。
- 评价指标:最大 / RMS 跟踪误差、超调、调节时间、闭环带宽、控制能量、约束违反次数。
- 受控对比:同一条轨迹下依次跑 PID、计算力矩、LQR、MPC,只改控制器,其余条件不变。
- sim-to-real:摩擦、柔性、齿隙、参数误差、传感噪声、时钟抖动;仿真最优不等于实机最优。
核心关系式
跟踪误差与均方指标。
前馈 / 反馈合成与执行器饱和。
总时滞的三个来源,直接吃掉稳定裕度。
方法 / 步骤
- 固定轨迹与模型,逐个控制器跑,记录同一组指标。
- 单独扫描采样周期与延迟,找出稳定边界。
- 把仿真里被忽略的摩擦、噪声、限幅逐项加回,比较指标退化。
工程例子
同一段 2 秒高速点到点轨迹:PID 的 RMS 误差最大、计算力矩最小、MPC 在接近关节限位时主动减速因而误差略大但零约束违反;加入 5 ms 通信延迟后四者超调都明显增大。
章节依据
CRAIG Ch7 + Ch9–11 综合 / Ch12–13 实现;MIT OCW 2.12 实验;SICILIANO 控制实验章节
其他参照
CORKE Ch9 仿真对比;ENGINE (ROS 2 / CoppeliaSim) 实验平台
自测
- 为什么对比不同控制器时必须固定同一条轨迹?
- 仿真里加了哪一类非理想因素后,计算力矩的优势下降最快?
L7 · 运动规划
M31 非完整约束、微分约束与可行轨迹
3 学时先修 M30, M21概念台 vehicle
为什么独立成章
「路径平滑」只是连续性后处理,不能保证运动可执行;本章把它换成约束下的可行轨迹问题,并与 L5 的轨迹优化相接。
学习结果
能区分完整 / 非完整约束,写出 Pfaffian 约束与可行速度锥,说明为什么平滑一条路径不等于让它可执行。
概念辨析
- 完整 vs 非完整:完整约束可积分成构型空间的几何限制;非完整约束限制的是速度,不能积分成位置约束。
- Pfaffian 约束:A(q)q̇ = 0;允许的速度构成分布 / 零空间,规划必须在这个子空间里取方向。
- 可行轨迹:除了几何无碰撞,还要满足速度 / 加速度 / 力矩与执行器动力学约束;「平滑」只改善连续性,不能保证动力学可行。
- 与轨迹优化的接口:L7 给几何路径,L5 的 M48 在同一路径上求可行且最优的时间律;两层分工明确。
- 典型例子:差速车不能横移、汽车最小转弯半径、机械臂关节力矩限;都是约束而非「曲线不好看」。
核心关系式
非完整约束下的可行速度集合。
微分约束的一般形式,规划与最优控制共用。
把「让轨迹可执行」写成带约束的优化,而不是后处理平滑。
方法 / 步骤
- 先列出所有约束,再判断哪些是几何层、哪些是速度 / 动力学层。
- 用可行速度锥筛选采样方向,而不是先采样再平滑。
- 把几何路径交给 M48 求时间律,并把不可行点反馈回规划层。
工程例子
差速车规划出一条漂亮的横向平移曲线,几何上无碰撞,但车辆没有横移自由度;把它做再多糖的平滑也无法执行,必须在采样阶段就限制在可行速度锥内。
章节依据
CHOSET Ch11–12 非完整与欠驱动规划;LAVALLE Ch13–14 微分约束;BIAGIOTTI Ch9 从几何路径到轨迹
其他参照
AMR Ch3 轮式运动学约束;MIT Underactuated Ch10 轨迹优化
自测
- 为什么对非完整系统「先规划再平滑」常常无效?
- L7 的几何路径与 L5 的时间律分别负责满足哪一类约束?
层级地图与先修 DAG
50 / 50 可拓扑排序深色圆点为路径、轨迹与控制章节,浅色圆点为其余模块;先修关系构成一张有向无环图,可据此排出合法课表。
补充教材与文献
4 组| 编号 | 教材 / 文献 | 章节与用途 | 出处 |
|---|---|---|---|
| BIAGIOTTI | Trajectory Planning for Automatic Machines and Robots L. Biagiotti, C. Melchiorri | Ch1 轨迹规划引论 / Ch2 基元轨迹解析式(三次、五次、七次多项式)/ Ch3 基本轨迹组合(梯形、双 S、多梯形同步、分段多项式)/ Ch4 多点轨迹(插值、三次样条、B 样条、最优轨迹的非线性滤波器)/ Ch5 轨迹的运算(时间缩放、几何缩放)/ Ch6 轨迹与执行器约束 / Ch7 轨迹的动力学与频谱分析 / Ch8 多维轨迹与几何路径规划 / Ch9 从几何路径到轨迹 / App B 路径 / 轨迹 / 时间律 / 速度剖面 / 样条 / 优化全线的经典结构 | Springer 2008;中译本电子工业出版社 2022。商业教材 |
| TOPP | 时间最优路径参数化(TOPP)经典脉络 Bobrow & Dubowsky / Shin & McKay / Pfeiffer & Johanni / Slotine & Yang / Verscheure & Hauser / Pham | 1985 Bobrow、Shin & McKay:数值积分 + 极大值原理,bang-bang 加减速结构、切换点难求;Verscheure & Hauser 2009:以 ṡ² 为变量把问题化为凸优化;Pham 2018 TOPP-RA:网格 + 可达性分析 + 线性规划,无需找动态奇异点。另有 Shiller 时间-能量目标、Kyriakopoulos & Saridis / Piazzi & 「优化的概念」的文献依据:目标、约束、凸化、算法演进 | 公开论文与作者预印本 |
| OPTCTRL | 最优控制与预测控制经典教材 Anderson & Moore / Rawlings & Mayne / Boyd & Vandenberghe / MIT Underactuated | MIT Underactuated Ch8 LQR、Ch9 Lyapunov、Ch10 轨迹优化;Anderson & Moore 最优控制(Riccati);Rawlings & Mayne 模型预测控制(滚动时域 / QP);Boyd & Vandenberghe《Convex Optimization》凸约束与 QP 概念(作者提供免费 PDF)。 LQR、MPC、轨迹优化三章的算法依据 | MIT OCW / 作者公开电子版;商业教材只用结论 |
| CTRLCLASSIC | 控制工程经典教材与原创论文 Ogata / Åström & Hägglund / Slotine & Li / Hogan / Siciliano | Ogata《Modern Control Engineering》状态空间与极点配置;Åström & Hägglund《PID Controllers》整定与抗饱和;Slotine & Li 自适应机器人控制(回归矩阵 Y / 滑模变量 s / 自适应律);Hogan 阻抗控制原始论文;Siciliano《Robotics: Modelling, Planning and Control》Ch5 控制 9 章的工程实现与稳定性依据 | 商业教材,只用章节定位与公开结论 |