基于Denavit–Hartenberg分解的串联机械臂逆运动学结构化分析框架

《Mechanism and Machine Theory》：A structured analytical framework for inverse kinematics of serial manipulators based on Denavit–Hartenberg factorization

　　

研究人员提出了一种基于Denavit–Hartenberg（DH）分解和递归右消除的结构化分析框架，用于串联机械臂的逆运动学（IK）求解。该框架通过两条件同轴性测试（平行性和共线条件）自动识别关节结构，将旋转轴分组为复合变量，并依据残差轴数将机械臂分为四类结构（C1–C4）。对于C1–C3类，应用Paden–Kahan（PK）子问题（PK1–PK3）提取封闭解；对于C4类，框架输出结构证书并指导子问题分解。框架统一处理旋转关节和棱柱关节，在7自由度（DOF）Franka Emika Panda、8自由度下肢外骨骼和9自由度冗余臂上验证，平均位置误差达10^–16–10^–17 m，计算时间11–27 μs。与Pinocchio（阻尼最小二乘法）和IKFast（符号生成器）的对比表明，该框架是唯一在所有测试架构上均产生可用解的方法，且无需初始猜测。

**论文解读**

**研究背景与问题**
串联机械臂的运动学建模是机器人学的核心问题，Denavit–Hartenberg（DH）约定提供了标准化的正运动学方法。然而，逆运动学（IK）求解涉及非线性、耦合且常为超越方程，传统方法依赖几何推理（如球形腕解耦）或数值迭代（如Jacobian伪逆），前者需要针对每种构型手动推导，后者存在收敛依赖初始值、接近奇异时精度下降等问题。现有符号生成器（如IKFast）虽能产生封闭解，但限于特定构型（如Pieper条件），且对冗余或非标准结构（如NonSRS）无法生成解。因此，缺乏一个统一的代数框架，能够直接从DH参数出发，自动推导IK解并明确结构可解性。本研究旨在填补这一空白，提出基于DH分解的结构化分析框架。

**研究方法**
研究人员采用以下关键技术方法：
1. **DH分解**：将每个关节变换A_i分解为单变量关节因子F_i(q_i)（旋转关节为R_z(θ_i)，棱柱关节为T_z(d_i)）和常数连杆矩阵B_i，正运动学写为T_0n(q)=∏F_i(q_i)B_i。
2. **递归右消除**：从末端关节向左逐次右乘B_i^–1，将目标位姿T_d逐步简化为T^(k)，同时通过共轭引理（Lemma 1）跟踪旋转轴变换。
3. **两条件同轴性测试**：基于轴方向平行（u?_i×u?_j=0）和共线（(p_i–p_j)×u?_i=0），判断关节组是否可合并为复合变量。
4. **结构分类**：根据残差独立轴数m：C1 (m=1) 用PK1；C2 (m=2，轴相交) 用PK2；C3 (m=2，轴平行非共线) 用PK3；C4 (m≥3) 无全局封闭解，输出结构证书并指导子问题分解。
5. **Paden–Kahan子问题**：PK1（单轴旋转恢复角度）、PK2（双轴相交旋转）、PK3（距离约束）用于提取封闭解。

样本来源：论文未涉及样本队列，但基于公开的Franka Emika Panda、8-DOF外骨骼（来自文献[21]）和9-DOF冗余臂（来自文献[24]）的DH参数进行验证。

**研究结果**
**4.1 7-DOF NonSRS机械臂（Franka Emika Panda）**
通过DH分解和递归消除，得到还原形式T⁽⁰⁾=R_z(q₁)R_y?(q₂)R_z?(q₃)R_–y?(q₄)。同轴性测试显示：轴1和3同轴（形成球形肩部，复合变量q₁₃=q₁+q₃），轴2和4平行但非共线（因偏移a₄和a₇），残差轴数m=6，归类为C4。尽管无全局封闭解，但通过肩部复合变量和腕部偏移（a₄=0.0825 m，a₇=0.088 m）的分解，先提取肘部夹角q₄（余弦定理），再解q₂、q₁、q₁₃，最后用ZYZ分解提取腕部变量q₅、q₆、q₇（q₇作为冗余参数）。最多产生4组解。

**4.2 8-DOF混合关节下肢外骨骼**
DH参数将大腿和小腿长度重新分配至a_i列以消除退化。消除后得到T⁽⁰⁾=R_z(q₁)R_–y?(q₂+q₃+q₄)。同轴性测试显示：轴2、3、4平行但非共线（因偏移l₂、l₃），形成有效屈曲角q_234eff；轴6和8同轴。残差轴数m≥3，C4。棱柱关节q₅作为自然分割边界，先隔离q₅（从平移部分提取），再将基座段视为C2类（两轴相交于原点），用PK1提取q₁和q_234eff，然后通过平面几何解q₂、q₃、q₄，最后用ZYZ分解提取踝部变量q₆、q₇（q₈作为冗余参数）。

**4.3 9-DOF混合R/P冗余机械臂**
DH参数修正后，消除得到T⁽⁰⁾=R_z(q₁)R_–y?(q₂)R_–z?(q₃)R_y?(q₄)。同轴性测试显示所有四个残差轴均因横向偏移a_i而非共线，C4。两个棱柱关节q₅和q₈作为结构边界，分割为腕部组（q₉、q₇、q₆，用ZYZ分解）、臂部组（q₁–q₄，将q₁作为冗余参数，通过平面几何解q₂、q₃、q₄）。

**5 数值验证与比较**
蒙特卡洛模拟（N=3000）显示：框架在三个机械臂上的平均位置误差分别为9.40×10^–17 m、1.45×10^–16 m、1.84×10^–16 m，计算时间11–27 μs，确定性且达到双精度精度。与Pinocchio（阻尼最小二乘法）比较：Pinocchio在7-DOF Panda上从三个种子均未收敛（陷入局部极小），在8-DOF和9-DOF上收敛但需52–484次迭代，且仅返回单个解；而框架通过冗余参数化揭示完整解族。与IKFast比较：IKFast因三个构型均为C4类，符号生成失败，未产生可用的求解器。

**6 讨论**
框架与现有方法（文献[17]、[21]、[24]）对比：对于Panda，框架将手动几何推导自动化；对于外骨骼和9-DOF臂，首次提供封闭解策略。结构分类可预测符号生成器（IKFast）的失败和数值求解器（Pinocchio）的收敛风险。局限性包括：仅适用于开链串联机构；C4类需分解为子问题或参数化；奇异时atan2参数同时为零导致变量不确定；DH参数精度影响分类准确性。

**7 结论**
研究人员从理论发展和数值验证得出以下结论：
1. **统一代数过程**：框架统一处理旋转和棱柱关节，通过共轭规则（Lemma 1）确保旋转轴从末端到基座的完全可追溯性，为任何串联链提供一致的数学基础。
2. **自动结构诊断**：两条件同轴性测试（Proposition 2）提供了区分可合并关节变量与横向偏移的精确数学边界，自动生成结构证书（C1–C4），在提取前即指示运动链的可解性。
3. **数学精确性与效率**：在7、8、9-DOF机械臂上的数值模拟确认该方法达到机器精度（平均误差量级10^–16 m，见表9），计算时间低于30 μs，证明代数提取在双精度算术中是精确解，有效消除了Jacobian迭代求解器的随机方差和延迟。
4. **可靠性与鲁棒性**：通过提供解析解，框架消除了对用户初始猜测的依赖，并避免了迭代方法陷入局部极小或接近奇异时发散的问题。这使得框架成为实时控制中计算可预测性和可靠性至关重要的迭代数值求解器的补充替代方案。
5. **超越现有求解器的验证覆盖**：与两个参考基线——Pinocchio（迭代数值求解器）和IKFast（符号生成器）——的比较研究表明，在所评估的三个方法中，本框架是唯一在案例集所有架构上均产生可用解的方法（5.3节，表12）。Pinocchio在7-DOF Panda上从所有测试种子均未收敛，IKFast在三个C4类架构上均符号终止而未生成求解器。因此，本框架将解析IK的操作边界扩展到现有符号和数值方法单独失效的领域，同时在较低复杂性类别中保持与封闭解数学等价性。重要的是，该框架通过将解析可解性从全局封闭表达式扩展为结构化解析分解，重新定义了“解析可解性”的概念。这确保了即使是超冗余机械臂或具有非常规关节偏移（NonSRS）的机械臂，也能在研究和工业实践中得到系统处理。三个求解器的比较进一步提出了一种互补的部署模型：本框架产生的结构证书可作为预诊断，为每个机械臂构型选择最合适的求解器，而框架自身的解析提取作为C4类链的默认方法，因为该类链中符号生成和未修改的数值迭代均不可靠。所提出的方法为自动推导解析IK求解器奠定了严格基础，弥合了抽象李群理论与实际DH实现之间的差距。