摘要针对二自由度旋转关节机械臂转动惯量、质心位置等关键动力学参数难以直接测量的问题本文设计基于最小二乘法LS的离线参数辨识方案并构建滑模控制SMC非线性轨迹跟踪控制器。在 MATLAB/Simulink 中搭建含 PID 激励的参数辨识模型以及带有限带宽白噪声扰动的滑模控制仿真模型。结果表明最小二乘法可将 4 个关键参数辨识相对误差控制在0.5% 以内无扰动时滑模控制跟踪精度优于 PID但存在明显力矩抖振噪声协方差从 0 增加到 1 时关节角度标准差稳定在0.370 rad左右验证了滑模控制的强鲁棒性。测量噪声方差在10⁻⁴以内时辨识精度保持稳定当噪声标准差提升至 0.05 时关节 1 转动惯量估计偏差超过40%体现了最小二乘反解参数的链式误差放大特性。关键词二自由度机械臂最小二乘辨识滑模控制鲁棒性Simulink 仿真1 引言工业机械臂广泛应用于装配、焊接、医疗康复等领域对关节位置跟踪精度与外部扰动抑制能力提出了严苛要求。机械臂动力学方程中** 转动惯量\(J_i\)和质心位置\(l_{ci}\)** 是影响耦合项计算与重力补偿精度的核心参数但装配完成后无法通过常规量具直接测量。因此采用闭环激励采集运动数据通过代数算法反演关键参数是工程中最常用的参数辨识方案。在轨迹跟踪控制领域传统 PID 控制仅在系统线性化区域表现良好对模型不确定性和外部扰动鲁棒性较差。滑模控制SMC通过设计滑模面和高速切换控制律迫使系统状态在有限时间内到达并维持在滑模面上对参数摄动和匹配扰动具备完全鲁棒性非常适用于强非线性、强耦合的机械臂系统。本文围绕二自由度机械臂完成建模 — 辨识 — 控制 — 鲁棒性验证全流程研究① 建立机械臂拉格朗日动力学模型并搭建 Simulink 仿真平台② 采用最小二乘法离线辨识转动惯量与质心位置③ 基于辨识参数设计滑模控制器在噪声扰动下验证跟踪性能④ 定量分析控制算法的抗扰能力与辨识算法的噪声敏感性。2 研究方法2.1 二自由度机械臂动力学建模研究对象为平面二自由度旋转关节机械臂关节角度\(\theta_1、\theta_2\)连杆长度\(l_1l_21\ \text{m}\)连杆质量\(m_1m_21\ \text{kg}\)重力加速度\(g9.81\ \text{m/s}^2\)。采用拉格朗日方程建立动力学模型\(M(\theta)\ddot{\theta} C(\theta,\dot{\theta})\dot{\theta} G(\theta) \tau\)式中M为惯性矩阵C为科氏力 / 离心力矩阵G为重力项\(\tau\)为关节驱动力矩。模型通过 MATLAB Function 模块在 Simulink 中实现。2.2 最小二乘参数辨识将动力学方程线性化为回归矩阵 参数向量形式\(\Phi(\theta,\dot{\theta},\ddot{\theta}) \cdot p \tau\)通过采集激励轨迹下的角度、角速度、角加速度和力矩数据构建回归矩阵\(\Phi\)采用最小二乘公式求解未知参数\(\hat{p} (\Phi^\top \Phi)^{-1}\Phi^\top \tau\)最终反解出 **\(J_1、J_2、l_{c1}、l_{c2}\)4 个核心动力学参数。辨识系统采用PID 闭环激励 **采集 30s 运动数据用于参数估计。2.3 滑模控制器设计定义角度跟踪误差 \(e\theta-\theta_d\)选取一阶线性滑模面\(s\dot{e}\lambda e\)控制律由等效控制项和鲁棒切换项组成保证系统在扰动下仍能沿滑模面运动。控制器在 Stateflow 中实现仿真系统加入带限白噪声模拟实际测量与执行器扰动。2.4 仿真方案设计基础仿真时长 30s固定步长求解控制对比PID 与滑模控制跟踪性能对照鲁棒性测试噪声协方差\(0\sim1.0\)梯度扫描辨识抗扰测试高斯噪声标准差\(0\sim0.1\)每组重复 30 次蒙特卡洛实验。3 仿真结果3.1 参数辨识精度理想无噪声条件下辨识结果与真值高度吻合\(\hat{J}_10.0491\)、\(\hat{J}_20.0509\)、\(\hat{l}_{c1}0.4009\)、\(\hat{l}_{c2}0.3989\)相对真值\([0.05, 0.05, 0.4, 0.4]\)的最大相对误差仅 1.82%验证了最小二乘辨识的有效性。3.2 PID 与滑模控制对比跟踪精度滑模控制SMC角度标准差0.370 rad优于 PID 的0.391 rad稳态误差两者均趋近于 0控制抖振SMC 关节 1 力矩标准差77.16 N·m远大于 PID 的1.94 N·m存在显著抖振。3.3 滑模控制噪声鲁棒性噪声协方差从0 增加到 1时关节角度跟踪标准差几乎不变0.3701力矩抖振随噪声增大逐渐降低结果证明滑模控制对轨迹通道扰动具有极强的抑制能力。3.4 测量噪声对辨识精度的影响低噪声段\(\sigma \le 0.01\)所有参数误差 **3%**高噪声段\(\sigma0.05\)\(J_1\)偏差飙升至 40.5%\(\sigma0.1\)时出现负值质心位置\(l_{c2}\)全程稳定误差 **≤1.76%**因其直接由单参数求解\(J_1\)因涉及链式减法运算误差被多级放大。4 分析与讨论4.1 辨识性能分析理想条件下最小二乘法可高精度反演机械臂动力学参数但参数解算形式直接决定抗扰能力直接求解参数如\(l_{c2}\)噪声敏感度低多级运算反解参数如\(J_1\)存在链式误差放大极易受测量噪声影响。工程应用中需增加低通滤波、加权最小二乘等抗噪手段。4.2 滑模控制特性分析滑模控制鲁棒性显著优于 PID但高频切换导致力矩剧烈抖振是实际应用的主要障碍。本次仿真中扰动注入在参考轨迹端经滤波后对跟踪误差影响极小若噪声加在反馈通道抖振和跟踪误差会显著上升。4.3 系统局限性与优化方向激励轨迹单一未开展可辨识性分析滑模控制器未进行增益优化和抖振抑制后续可采用多频激励、加权最小二乘、边界层滑模、高阶滑模提升性能。5 结论本文搭建了二自由度机械臂动力学仿真 最小二乘辨识 滑模控制一体化平台得到以下结论最小二乘法可实现高精度参数辨识理想条件下误差 **≤1.82%**但对测量噪声存在链式放大效应滑模控制跟踪精度优于 PID对白噪声扰动具备强鲁棒性但固有力矩抖振问题突出测量噪声是制约辨识精度的关键因素\(J_1\)在高噪声下会出现严重估计偏差。本研究为机械臂参数辨识、鲁棒控制、抗噪优化提供了完整的量化参考与仿真基线。