企业官网建设流程全解析

简介：本资源是一套面向机器人控制初学者与高校自动化/机电专业学生的MATLAB实践代码包，聚焦二关节机械臂的PD阻抗控制原理实现与工程验证。通过完整动力学建模（含前向运动学、逆动力学）、PD控制器设计、虚拟阻抗环境构建及闭环仿真，帮助学习者深入理解机器人控制中误差反馈、刚度-阻尼调节、力/位置混合控制等核心概念。压缩包共12个文件（449KB），含4个核心MATLAB函数（.m）实现系统建模、参考轨迹生成、控制器计算与结果可视化，1个Simulink模型（.mdl）支持交互仿真，5张关键仿真图（.jpg）直观展示末端轨迹、位置跟踪、控制力矩及力响应效果，另配PDF与DOCX双版本程序详解文档，逐行注释关键公式、变量物理意义与调试要点。目前已有103人学习下载，结构清晰、注释详尽、即开即跑，是掌握机器人经典控制方法不可多得的入门级实操范例。 做机械臂控制绕不开柔顺这个话题，而PD阻抗控制又是柔顺控制里门槛最低、最容易落地验证的一类方案。这篇文章我把一套二关节机械臂PD阻抗控制的MATLAB仿真源码完整梳理出来，代码里的注释写得很细，从模型矩阵到控制律每一行都讲清楚，适合正在做机器人控制课设、研究生入门，或者工作中需要快速验证控制算法的朋友参考。内容上我会先把模型公式和控制原理拆开讲明白，再给完整可运行源码，最后聊聊我在调试过程中踩过的几个坑。

先说清楚这套仿真解决了什么问题：给定一条关节空间期望轨迹，让二关节机械臂在PD阻抗控制律下跟踪这条轨迹，同时在仿真中人为加入外部力矩扰动，观察系统对外力的柔顺响应。换句话说，它既能展示常规的位置跟踪能力，也能展示阻抗控制“遇到外力不硬顶、撤掉外力后恢复”的核心特性。项目只需要MATLAB环境，不需要Simulink，全部用脚本和函数实现，改起来非常方便。

1. 项目整体思路与核心原理拆解

1.1 这个项目到底做了什么

整个项目围绕一个平面二关节机械臂展开。机械臂有两个旋转关节，一个在肩部，一个在肘部，运动范围限制在平面内。我选择二关节而不是单关节，是因为二关节已经能体现绝大多数机械臂动力学特征：惯性矩阵随构型变化、存在科氏力和离心力、重力项与关节角度强相关。如果只拿单关节做，很多动力学耦合问题根本暴露不出来，这样的源码参考价值会大打折扣。

仿真流程是这样组织的：先定义机械臂的物理参数和质量分布，再定义期望轨迹函数，然后把控制律和动力学方程一起写进状态方程函数，交给MATLAB的ode45做数值积分，最后把关节角度、速度、误差和控制力矩画出来。整个过程没有引入复杂的实时环境，也不需要特殊的工具箱，纯手写函数，非常便于理解内部机制。

控制方案上，我采用的是“计算力矩+PD阻抗”结构。所谓计算力矩，是指控制器内部用机械臂模型前馈掉惯量、科氏力和重力；所谓PD阻抗，是指在关节空间对跟踪误差施加比例和微分增益，形成一个等效的弹簧阻尼系统。两者合在一起之后，闭环误差动力学是一个标准的二阶系统，用户可以通过调节Kp和Kd来直接设定机械臂对外表现出的“刚度”和“阻尼”。

1.2 为什么选择PD阻抗控制

机械臂在工业场景里传统上以位置控制为主，要求的是“指哪打哪”，控制器非常硬。但一旦机械臂需要与人协作、与环境接触、或者在未知空间里探索，纯位置控制就出问题了：位置误差稍有偏差就会产生很大的接触力，轻则损坏工件，重则伤人。于是柔顺控制出现，其中阻抗控制是影响最深的一类思路。

阻抗控制的核心思想很直白，就是不让机械臂末端硬邦邦地跟踪位置，而是给机械臂设定一个目标动态特性。这个动态特性用质量-弹簧-阻尼系统来描述：当外部有力作用时，机械臂会像被弹簧拉着一样偏离期望位置，而不是硬顶回去；外部力撤销后，机械臂又会像阻尼系统回稳一样逐渐回到期望位置。这样的交互方式对人和环境都友好很多。

PD控制恰好就是阻抗控制在关节空间的一种直接实现方式。比例项对应弹簧项，微分项对应阻尼项。如果控制器里再补偿掉重力等模型项，理想情况下关节角误差方程就是M_de_ddot + Kde_dot + Kp*e = 0，这就是一个标准的二阶阻抗关系。所以“PD阻抗控制”这个叫法没有毛病，它不是两个东西拼接，而是同一个控制律从两个角度去理解：一个角度是经典PID位置控制，另一个角度是阻抗行为塑造。

1.3 控制方案的整体框架

整套方案的信号流可以概括为：期望轨迹生成器输出q_des、qd_des、qdd_des，送入阻抗控制器；控制器结合机械臂当前状态q和qd，计算出参考加速度a，再乘上惯性矩阵并加上C*dq和G得到控制力矩tau；这个tau作用到机械臂动力学方程上，再加上外部扰动tau_ext，得到真实的关节加速度qdd；qdd积分两次得到新的状态，进入下一轮循环。

这里最关键的一点是参考加速度a的构造方式。a取的是期望加速度qdd_des加上误差修正项，修正项包括比例误差和微分误差，并且由期望惯量矩阵Md来缩放。写成公式就是a = qdd_des + Md^{-1}(Kdedot + Kpe)。控制力矩则取tau = Ma + Cdq + G。这样设计的好处是，在模型完全精确的前提下，机械臂真实加速度就等于参考加速度，闭环误差方程变成e_ddot + Md^{-1}Kdedot + Md^{-1}Kpe = 0，阻抗的动态特性完全由参数Md、Kp、Kd决定，和机械臂本身参数无关。这就叫阻抗成型。

2. 二关节机械臂动力学模型推导与关键矩阵意义

2.1 平面2R机械臂的M、C、G矩阵

二关节机械臂的动力学方程是标准形式：M(q)*qdd + C(q,dq)*dq + G(q) = tau。M是惯量矩阵，C是科氏力和离心力矩阵，G是重力项，tau是关节驱动力矩。写代码前必须先把这三个矩阵的解析表达式拿准，否则控制器和仿真模型不一致，算法再漂亮也算不出来。

惯量矩阵M是一个2x2对称矩阵，它的元素依赖于当前关节角度，尤其是q2。M11是第一个关节轴上的总等效惯量，M12和M21是两关节之间的耦合惯量，M22是第二个关节的惯量。这个矩阵不是常数，机械臂构型变化时惯性感知会明显不同，这也是为什么不能用简单线性系统去套机械臂的原因。

科氏力矩阵C的写法比较讲究。物理上它代表运动时产生的速度和速度耦合项，比如关节2转动时会对关节1产生一个交互力矩。C矩阵的表达式并不唯一，但是必须保证M_dot - 2C是斜对称矩阵这个结构性质，这个性质在很多控制律稳定性证明里都会用到。我代码里采用的是经典配置，h = -m2l1r2sin(q2)，C = [hdq2, h*(dq1+dq2); -h*dq1, 0]，这个写法是教科书版本，稳定性分析最友好。

重力项G的物理意义是各关节在重力场中维持当前姿态所需的力矩。G(1)包含连杆1自身重力矩加上连杆2对关节1的重力矩，G(2)是连杆2对关节2的重力矩，都依赖cos(q1)和cos(q1+q2)。正因为重力项是角度强函数，仿真里有重力前馈和没重力前馈的结果会差很多，这一点后面我会专门讲。

2.2 two_link_matrices函数实现细节

模型矩阵我单独写在two_link_matrices.m文件里，这样做的好处是main.m、robot_dynamics.m都能调用，避免重复复制公式，也方便以后换成三关节或者SCARA机械臂时只改这一个文件。

代码里我加了一个小优化：r1和r2表示质心到关节轴线的距离，I1和I2是绕质心的转动惯量。为了让模型更直观，我直接让质心在连杆中点，转动惯量按细杆绕质心的公式m*l^2/12计算。实际机械臂的质心和惯量一般从CAD模型或辨识实验获取，换成真实机械臂时，只需要把这三个参数替换掉即可，控制律一行都不用改。

需要提一下的是，我在M矩阵里写了完整的表达式：M11 = I1 + I2 + m1r1^2 + m2(l1^2 + r2^2 + 2l1r2cos(q2))。这个2l1r2cos(q2)项就是两关节耦合的根源。如果拿掉它，就变成了两个独立单摆模型，那仿真就失去意义了。实际调试时我还会特意输出一下M矩阵在各个构型下的数值，确认它始终正定对称，这也是判断模型写没写错的一个有效手段。

2.3 为什么控制器里必须有重力前馈

很多新手做PD控制仿真时，直接在关节上施加tau = Kpe + Kdedot，觉得效果还行。这是因为仿真初始位置和期望位置离得近，或者期望轨迹变化缓慢，重力被PD的积分或者较大的比例增益硬抗住了。但这种做法有隐患，最直接的表现是存在稳态误差，甚至机械臂在低速大负载场景下会直接坠落。

我在这套代码里把C*dq和G都放进控制力矩里，实现的是前馈补偿。就算只有PD项加重力前馈，轨迹跟踪的稳态误差也是零，因为重力项在控制律里被精确抵消了。你可能觉得“既然模型精确才能抵消，那模型不准怎么办”，这个问题真实存在，工业上会再叠加上自适应、扰动观测器或者学习项来处理。但作为学习阻抗控制的起点，先把模型已知的理想情况吃透，再往非理想情况扩，路径更稳。

3. PD阻抗控制器设计

3.1 控制律的深入拆解

控制器核心就在robot_dynamics.m里的几行代码。第一步取期望轨迹和实际状态的误差：e = q_des - q，edot = qd_des - qd。第二步构造参考加速度a = qdd_des + Md \ (Kdedot + Kpe)。这里用左除而不是求逆，数值稳定性更好。第三步算控制力矩tau = Ma + Cqd + G。

猛一看这就是计算力矩控制，但关键在Md参数上。如果我让Md等于单位阵，那么a = qdd_des + Kdedot + Kpe，这就是教科书版PD+前馈。如果我让Md取其他值，a里对误差修正的等效增益就变成Md^{-1}*Kp，而不是Kp本身。所以期望惯量其实在调节“同样位置误差下，关节能产生多大修正加速度”，它改变了整个闭环系统的质量感。真实阻抗控制里，期望惯量一般会取得比真实惯量小一些，让机械臂在被推动时感觉更轻。

我在这套参数里把Md设成了diag([2 2])，单位是kg*m^2，Kp是diag([160 120])，Kd是diag([25.3 21.9])。你可以算一下两个关节通道的等效阻尼比，大概在0.7左右，既有一定的快速性又不会明显超调。这个参数组合不是随手填的，是我调了几轮之后觉得跟踪误差和扰动恢复速度都比较均衡，详细推导放在3.2节。

3.2 期望惯量、刚度、阻尼参数如何整定

阻抗控制的参数整定，核心是搞明白每个参数影响什么。Kp决定接触刚度，Kp越大，机械臂对外力越“硬”，位置恢复能力越强；Kd决定接触阻尼，Kd越大，能量耗散越快，振荡衰减越快，但Kd过大会让控制反应迟钝；Md则决定机械臂表现出的等效惯量，Md越小，机械臂在外力下越容易被推动，柔顺感越强。

参数整定有个基础方法，先把Md固定，比如都取1，然后按二阶系统设计Kp和Kd。期望闭环自然频率w_n = sqrt(Kp/Md)，阻尼比zeta = Kd/(2sqrt(MdKp))。如果你希望系统像临界阻尼一样不振荡，就取Kd = 2sqrt(MdKp)。拿第1关节举例，Kp取160，Md取2，则w_n = sqrt(80)约8.94 rad/s，响应速度还算可以；如果取Kd = 2sqrt(2160)约35.8就是临界阻尼，但实际我取25.3，阻尼比约0.707，响应更快一点，会带一点轻微超调，这在轨迹跟踪里通常可以接受。

实际调整顺序我建议是：先把Md定下来，再用w_n确定Kp，最后用阻尼比确定Kd。仿真里观察误差曲线，如果振荡明显就增大Kd，如果恢复太慢就增大Kp，如果对外力太硬就调小Kp或者增大Md。这个顺序比盲目乱调高效得多。

3.3 在代码中加入外部扰动来验证阻抗特性

如果只做轨迹跟踪仿真，PD阻抗控制和普通PD控制看起来没区别，完全体现不出阻抗的柔顺特点。所以我特意在仿真到第4秒到第6秒之间，给关节2施加了一个大小为3N*m的外部力矩扰动。你想象一下，相当于有人在第4秒开始推了机械臂一下，持续2秒后松开。

在阻抗控制下，机械臂的响应应该是：扰动出现瞬间关节2会偏离期望轨迹，偏离量近似等于扰动除以刚度参数，而不是被强行拉回原位；扰动持续期间机械臂维持在这个偏离状态附近，表现出“让开”而不是“硬顶”；扰动撤掉后，机械臂在阻尼作用下逐步回到期望轨迹。这个动态过程就是阻抗行为最直观的验证。代码里实现很简单，就是在动力学方程右侧加上tau_ext，if语句判断时间窗口就行。

4. 完整源码与运行结果

4.1 main.m完整源码

下面是主程序完整代码，注释我已经写得比较细，直接复制到MATLAB里就能跑。

%% main.m —— 二关节机械臂PD阻抗控制仿真入口 % 功能：实现关节空间PD阻抗控制，输出轨迹跟踪曲线和力矩曲线 % 运行：直接运行本文件，依赖 robot_dynamics.m 和 two_link_matrices.m % 作者：xxx % 时间：2025 clear; clc; close all; %% 1. 机械臂模型参数（平面2R机械臂） params.l1 = 1.0; % 连杆1长度 [m] params.l2 = 1.0; % 连杆2长度 [m] params.m1 = 2.0; % 连杆1质量 [kg] params.m2 = 1.5; % 连杆2质量 [kg] params.r1 = params.l1 / 2; % 连杆1质心位置 [m] params.r2 = params.l2 / 2; % 连杆2质心位置 [m] params.I1 = params.m1 * params.l1^2 / 12; % 连杆1绕质心惯量 [kg*m^2] params.I2 = params.m2 * params.l2^2 / 12; % 连杆2绕质心惯量 [kg*m^2] params.g = 9.81; % 重力加速度 [m/s^2] %% 2. PD阻抗控制器参数 Md = diag([2 2]); % 期望惯量矩阵，kg*m^2 Kp = diag([160 120]); % 期望刚度矩阵，N*m/rad Kd = diag([25.3 21.9]); % 期望阻尼矩阵，N*m*s/rad %% 3. 期望轨迹（关节空间） q_des_fun = @(t) [0.8*sin(0.8*t); 1.2*cos(0.6*t)]; qd_des_fun = @(t) [0.64*cos(0.8*t); -0.72*sin(0.6*t)]; qdd_des_fun = @(t) [-0.512*sin(0.8*t); -0.432*cos(0.6*t)]; %% 4. 初始状态与仿真时长 x0 = [q_des_fun(0); qd_des_fun(0)]; % [q1; q2; qd1; qd2] tspan = [0 10]; % 仿真时间 [s] %% 5. 调用ode45求解 odeopt = odeset('RelTol', 1e-6, 'AbsTol', 1e-8); [t, X] = ode45(@(t,x) robot_dynamics(t, x, params, q_des_fun, qd_des_fun, qdd_des_fun, Md, Kp, Kd), ... tspan, x0, odeopt); %% 6. 整理仿真结果 q = X(:, 1:2); % 关节角度 qd = X(:, 3:4); % 关节速度 % 计算期望轨迹，用于画图 q_des = zeros(length(t), 2); qd_des = zeros(length(t), 2); for k = 1:length(t) q_des(k, :) = q_des_fun(t(k))'; qd_des(k, :) = qd_des_fun(t(k))'; end % 重新计算控制力矩，用于画图 tau_log = zeros(length(t), 2); for k = 1:length(t) q_k = q(k, :)'; qd_k = qd(k, :)'; [M_k, C_k, G_k] = two_link_matrices(q_k, qd_k, params); e_k = q_des(k, :)' - q_k; edot_k = qd_des(k, :)' - qd_k; a_k = qdd_des_fun(t(k)) + Md \ (Kd*edot_k + Kp*e_k); tau_log(k, :) = (M_k*a_k + C_k*qd_k + G_k)'; end %% 7. 绘图 figure('Color', 'w', 'Position', [100 100 1100 750]); subplot(3,2,1); plot(t, q(:,1), 'b-', 'LineWidth', 1.5); hold on; plot(t, q_des(:,1), 'r--', 'LineWidth', 1.2); xlabel('t/s'); ylabel('q1/rad'); title('关节1角度跟踪'); legend('实际', '期望', 'Location', 'best'); grid on; subplot(3,2,2); plot(t, q(:,2), 'b-', 'LineWidth', 1.5); hold on; plot(t, q_des(:,2), 'r--', 'LineWidth', 1.2); xlabel('t/s'); ylabel('q2/rad'); title('关节2角度跟踪'); legend('实际', '期望', 'Location', 'best'); grid on; subplot(3,2,3); plot(t, q(:,1)-q_des(:,1), 'LineWidth', 1.5); xlabel('t/s'); ylabel('误差/rad'); title('关节1跟踪误差'); grid on; subplot(3,2,4); plot(t, q(:,2)-q_des(:,2), 'LineWidth', 1.5); xlabel('t/s'); ylabel('误差/rad'); title('关节2跟踪误差'); grid on; subplot(3,2,5); plot(t, tau_log(:,1), 'LineWidth', 1.5); xlabel('t/s'); ylabel('tau1/N*m'); title('关节1控制力矩'); grid on; subplot(3,2,6); plot(t, tau_log(:,2), 'LineWidth', 1.5); xlabel('t/s'); ylabel('tau2/N*m'); title('关节2控制力矩'); grid on; sgtitle('二关节机械臂PD阻抗控制仿真结果');

4.2 robot_dynamics.m完整源码

这是ode45的核心函数，机械臂真实动力学、控制律、外部扰动全部集成在这里。

%% robot_dynamics.m —— 二关节机械臂状态方程与控制律 % 输入: % t : 当前时间 % x : 状态向量 [q1; q2; qd1; qd2] % params: 机械臂参数结构体 % q_des_fun, qd_des_fun, qdd_des_fun: 期望轨迹函数句柄 % Md, Kp, Kd: 阻抗参数矩阵 % 输出: % dx : 状态导数 [qd1; qd2; qdd1; qdd2] function dx = robot_dynamics(t, x, params, q_des_fun, qd_des_fun, qdd_des_fun, Md, Kp, Kd) % 拆解状态向量 q = x(1:2); % 当前关节角 qd = x(3:4); % 当前关节角速度 % 1. 计算机械臂模型矩阵 M, C, G [M, C, G] = two_link_matrices(q, qd, params); % 2. 计算期望轨迹在当前时刻的值 q_des = q_des_fun(t); qd_des = qd_des_fun(t); qdd_des = qdd_des_fun(t); % 3. PD阻抗控制律 e = q_des - q; % 位置误差 edot = qd_des - qd; % 速度误差 a = qdd_des + Md \ (Kd*edot + Kp*e); % 参考加速度 tau = M*a + C*qd + G; % 控制力矩（计算力矩形式） % 4. 外部扰动（用于验证阻抗柔顺性） tau_ext = [0; 0]; if t >= 4 && t <= 6 tau_ext(2) = 3.0; % 4~6s 在关节2施加 3N*m 力矩扰动 end % 5. 机械臂真实动力学 % M*qdd + C*qd + G = tau + tau_ext % 因此 qdd = M \ (tau - C*qd - G + tau_ext) % 由于控制器里用了 tau = M*a + C*qd + G， % 代入后 qdd = a + M \ tau_ext，说明外部扰动会直接反映到加速度上 qdd = M \ (tau - C*qd - G + tau_ext); % 返回状态导数 dx = [qd; qdd]; end

4.3 two_link_matrices.m完整源码

%% two_link_matrices.m —— 二关节机械臂模型矩阵计算 % 输入: % q : 关节角 [q1; q2] % dq : 关节角速度 [dq1; dq2] % params: 机械臂参数结构体 % 输出: % M : 惯性矩阵 2x2 % C : 科氏力/离心力矩阵 2x2 % G : 重力向量 2x1 function [M, C, G] = two_link_matrices(q, dq, params) % 从状态和参数中取出所需变量 q1 = q(1); q2 = q(2); dq1 = dq(1); dq2 = dq(2); l1 = params.l1; l2 = params.l2; m1 = params.m1; m2 = params.m2; r1 = params.r1; r2 = params.r2; I1 = params.I1; I2 = params.I2; g = params.g; % 惯性矩阵 M(q) % 注意 M12 = M21，矩阵对称且正定 M11 = I1 + I2 + m1*r1^2 + m2*(l1^2 + r2^2 + 2*l1*r2*cos(q2)); M12 = I2 + m2*(r2^2 + l1*r2*cos(q2)); M21 = M12; M22 = I2 + m2*r2^2; M = [M11 M12; M21 M22]; % 科氏力/离心力矩阵 C(q, dq) % 这里采用经典形式，满足 M_dot - 2C 斜对称性质 h = -m2*l1*r2*sin(q2); C = [h*dq2, h*(dq1+dq2); -h*dq1, 0]; % 重力向量 G(q) G = [(m1*r1 + m2*l1)*g*cos(q1) + m2*r2*g*cos(q1+q2); m2*r2*g*cos(q1+q2)]; end

4.4 仿真结果怎么解读

运行完代码后，你会看到六张图。前两张是关节角跟踪，红虚线是期望轨迹，蓝实线是实际轨迹。正常情况下两条线几乎重合，但在第4秒到第6秒之间，第二张图蓝色线会有一个明显的小“鼓包”，这就是外部扰动导致关节2偏离期望轨迹，然后再逐渐回到红虚线上，这个“鼓包再回落”的过程就是阻抗柔顺性的直接体现。

第三张和第四张是跟踪误差图，最能说明问题。仿真前4秒误差基本维持在很小的量级，说明跟踪性能是好的。第4秒开始，关节2误差曲线上出现一个尖峰，这个尖峰的高度由扰动大小和系统刚度共同决定，扰动是3N*m，关节2通道等效刚度Kp(2,2)=120，所以稳态偏离量大概在0.025弧度左右，也就是约1.4度，这和仿真曲线吻合。扰动结束后误差曲线以阻尼振荡的方式快速回到零。

第五张和第六张是控制力矩图，你会看到力矩在第4秒到第6秒之间也出现变化。这是因为控制器在“主动抵抗”扰动，同时还要维持跟踪，所以力矩会有一个调整过程。这个力矩波动幅度是评估执行器需求的重要指标，如果你换到真实机械臂上，这个数值一定要控制在驱动器允许范围以内。

4.5 改哪些地方可以快速迁移到自己的项目

很多读者拿源码过来不是为了跑着玩，而是想改一改用到自己的课题或者项目里。我列几个最常见的改动点。

换期望轨迹最方便，只需要改main.m里的三个匿名函数。比如你想让机械臂跟踪阶跃信号，就把q_des_fun改成@(t)[pi/6; pi/4]，注意初始状态x0也要改成对应的角度，不然一开始误差过大，轨迹会有一段剧烈调整；想跟踪五次多项式轨迹，就写一个函数返回位置、速度、加速度三个值。

换扰动方式也很方便，想模拟碰撞接触就把robot_dynamics.m里的tau_ext改成和位置相关的力模型，比如弹簧接触力。想模拟持续负载就在时间窗口外加一个常值。需要特别说明的是，如果扰动过大或者刚度过高，仿真时间步长可能要减小，否则数值积分容易出现高频振荡。你可以在odeset里把RelTol再调小一个数量级试试。

想扩展成三关节或者SCARA结构，核心工作是把two_link_matrices.m扩展成3x3的M矩阵和对应的C、G向量。控制律代码不用换，但参数整定要重新做，因为三关节的耦合会比二关节复杂很多。

5. 调参、踩坑与扩展建议

5.1 常见问题与排查思路

仿真代码能跑通之后，很多人会去改参数，改着改着就出问题了。我这里把实际调试中常见的几个问题整理成了一张表，方便对照排查。

排查这类问题有一个通用思路：先关掉外部扰动，把纯轨迹跟踪调好，再打开扰动验证柔顺性。如果纯跟踪都不好，说明模型或控制器基础有问题，不要急着调阻抗参数。

5.2 调Kp/Kd的实操顺序

我调试这套代码时不是一次性把参数调到位的，而是分了三步。

第一步把Md固定为diag([1 1])，Kp设为diag([100 100])，Kd设为diag([20 20])，先跑通，观察基本跟踪效果。第二步根据误差曲线的振荡情况调Kd。如果误差曲线像弹簧一样来回弹，说明阻尼不够，我会先把Kd加倍看趋势。第三步根据稳态误差和恢复速度调Kp。如果轨迹跟踪总是慢半拍，误差曲线在快速段偏大，就

本文还有配套的精品资源，点击获取