常用力控算法原理解析对比

力控算法的本质是回答一个问题：如何让机器人末端表现出期望的“力-运动”关系，本文按照控制架构和柔顺性的来源，将主流方法分为七大类：直接力控、阻抗控制、导纳控制、力/位混合、ILC、MPC、被动柔顺。

一、直接力控（显式力控）

原理：将力传感器信号直接输入力矩环，力误差经过控制器（如 PID）直接产生关节力矩指令。

实现方式：

• 力传感器 → PID → 关节力矩指令（CST 模式）
• 控制回路全部在上位机
• 关节位置完全不闭环，位置由力的积分自然决定

优点：

• 结构最简单直观
• 响应速度快（没有位置环的刚度限制）
• 可以实现真正的恒力源

缺点：

• 在刚性接触环境下极易不稳定（釉面就是刚性环境）
• 自由空间中无法定位（没有接触力时力误差为常数，电机会持续加速）
• 需要精确的力矩环和重力补偿

适用场景：

• 打磨、抛光时保持恒压力
• 柔顺环境（如软材料）中的力跟随
• 力传感器的动态响应快、驱动器力矩环精度高的场合
• 在清洁中不推荐：釉面刚性太强，直接力控在接触瞬间极易振荡，需要极高带宽的力环和精确的动力学补偿，工程风险太大。

二、阻抗控制

原理：测量位置误差，产生力指令，机器人表现得像虚拟的弹簧-阻尼-质量系统。

实现方式：

• 笛卡尔空间：末端位姿误差 → 虚拟力 → 雅可比转置映射到关节力矩 → CST 模式
• 关节空间：每个关节独立执行 PD 控制（就是 MIT 模式）

优点：

• 物理上极其稳定（真实弹簧阻尼系统是天然稳定的）
• 在自由空间有位置跟踪能力（弹簧自然回到目标位置）
• 接触时柔顺，不接触时精确
• 不需要力传感器（在关节空间实现时）

缺点：

• 力控制的精度受位置测量精度和刚度参数影响，无法精确设定接触力
• 笛卡尔空间阻抗需要全动力学模型和力矩环
• 接触力的调节是间接的：通过调节目标位置和刚度来实现，不够直观
• 在高刚性环境下，力对位置误差极其敏感（1mm 位置误差可能产生 10N 力变化）

适用场景：

• 协作机器人关节层柔顺（如拖动示教）
• 未知/软环境中的安全交互
• 需要全身柔顺而非精确力控的任务
• 四足机器人、外骨骼
• 在清洁中关节空间阻抗（MIT 模式）作为底层执行层已经使用，但笛卡尔空间阻抗控制不适合用来实现精确的恒力贴合，因为力控制精度依赖于位置精度和刚度设定的准确性，无法精确解耦法向力。

三、导纳控制

原理：测量力误差，产生位置/速度修正，机器人表现得像虚拟的顺从者，根据外力大小决定移动多少。

实现方式：

• 力传感器 → 导纳计算 → 位置修正量 ΔX
• 参考轨迹 + ΔX → 逆运动学 → 关节位置指令（CSP 模式）
• 内环是位置环，外环是力环

优点：

• 内环位置环的高刚度，使得在刚性环境下也很容易保持稳定
• 接触力的控制是直接的（直接设定 F_des）
• 可以使用工业级位置接口伺服，无需力矩环
• 调试简单，参数物理意义清晰
• 在刚性环境下比阻抗控制更稳定

缺点：

• 在自由空间中如果不做处理，会因无接触力而漂移（需要状态机管理）
• 接触瞬间的冲击无法完全消除（位置环带宽有限）
• 对力传感器精度和滤波要求较高
• 带宽受限于位置内环

适用场景：

• 高刚性环境下的精确力控（釉面贴合
• 需要直接设定接触力的任务（打磨、压装、擦拭）
• 工业机器人上做力控（位置接口型机器人）
• 环境刚度远大于期望交互刚度时
• 在清洁中是最优解，因为釉面刚性极高，导纳控制天然适合这种软控制器+硬环境的组合。末端有力传感器，关节有位置模式，完全匹配。

四、力/位混合控制

原理：将任务空间分解为两个子空间：

• 约束方向（法向）：力控制
• 自由方向（切向）：位置控制

其中 S 是选择矩阵，决定哪些方向力控、哪些方向位置控。

实现方式：

• 法向：导纳或直接力控 → 控制法向力
• 切向：纯位置跟踪 → 沿曲面移动
• 两个方向的指令合并后映射到关节力矩

优点：

• 理论上最优雅：接触方向控力，运动方向控位
• 物理语义清晰，与任务需求完美对应
• 在需要同时精确跟踪路径和保持接触力的任务中表现最优

缺点：

• 需要精确知道曲面法向来构造选择矩阵 S
• 如果法向估计不准，力控和位控会互相干扰
• 实现复杂度高，需要全动力学模型
• 在曲面曲率变化大的地方，选择矩阵需要实时更新

适用场景：

• 已知几何形状的打磨、去毛刺
• 轴孔装配（法向对中力控，轴向位置控）
• 曲面跟踪清洁（如果你能准确获得法向信息）
• 在清洁中的评估，配合视觉前馈或触觉法向估计，这是理论上最优的方案。但实现复杂度高于纯导纳控制，且法向估计误差可能引入不稳定。当前阶段导纳控制已能实现类似效果（因为导纳输出的修正本身就是沿法向的）。

五、迭代学习控制

原理：利用重复任务的历史误差记录，逐步修正下一次执行时的指令，实现越做越好。

实现方式：

• 第 k 次执行时记录全程力误差
• 离线计算修正量，更新参考轨迹
• 第 k+1 次使用修正后的轨迹

优点：

• 不需要精确模型，通过重复试验逐步优化
• 可以补偿难以建模的系统性误差（如曲面形状偏差）
• 在重复性任务中可将误差收敛到接近零

缺点：

• 只适用于严格重复的任务
• 需要多次执行才能收敛
• 对外界干扰敏感（如果环境变化，学习结果失效）
• 收敛速度和稳定性受学习增益影响

适用场景：

• 固定工件的重复加工
• 注塑机合模力控制
• 同一重复清洁，在清洁中可选。如果面向的是固定场所的固定设备清洁，可以通过多次清洁学习出最佳轨迹，但如果是随机入户清洁不同马桶，ILC 不适用。

六、模型预测力控

原理：利用动力学模型对未来几个控制周期进行预测，通过优化找到最优控制输入。

实现方式：

• 需要完整的机械臂动力学模型 + 环境接触模型
• 预测未来 N 步的力响应
• 求解优化问题得到最优力矩/位置指令

优点：

• 可以显式处理约束（力限幅、位置限幅）
• 能够提前预测曲面变化并做出响应
• 控制性能最优（理论上）

缺点：

• 计算量大，不适合高速控制周期
• 需要精确的环境刚度模型（釉面刚度难以精确获取）
• 参数多、调试极其复杂
• 需要专业控制工程团队

适用场景：

• 高价值任务，值得投入大量建模和调参成本
• 需要处理复杂约束的力控任务
• 学术研究和高端工业应用
• 在清洁中的不需要，实现 MPC 需要数月工程量，导纳控制+前馈已能解决 95% 的问题。

七、被动柔顺控制

原理：不是通过算法，而是通过机械结构实现柔顺。在末端安装弹簧、气囊、软垫等物理柔顺元件。

实现方式：

• 在清洁头和机械臂之间增加弹性连接
• 接触力通过弹簧压缩量自然决定
• 不需要力传感器，不需要力控算法

优点：

• 极其简单，不需要任何算法
• 机械上天然稳定，不可能振荡
• 对高频扰动有极好的吸收能力
• 成本极低

缺点：

• 柔顺特性固定，无法根据任务调整
• 力与位移的关系由弹簧刚度决定，无法精确控制力值
• 不能实时改变期望力
• 在退出时需要额外的脱开机构

适用场景：

• 低成本产品，对力精度要求不高的场景
• 作为主动力控的物理安全层
• 需要吸收高频冲击的场合
• 在清洁中推荐作为补充，在清洁模组和工具座之间加一个弹性元件（如软弹簧或硅胶垫），可以吸收接触瞬间的高频冲击、作为导纳控制失效时的被动安全层、让清洁头更自然地贴服曲面，这是“主动力控+被动柔顺”的黄金组合。

八、总结对比表

九、推荐组合

按照硬件（MIT模式关节 + 末端六维力传感器 + 低速清洁任务）：

【核心】导纳控制（一阶纯阻尼，法向恒力）
   ↓
【执行】MIT模式（高刚度虚拟位置环 + 重力/摩擦前馈）
   ↓
【补充】被动柔顺（机械弹性层，吸收高频冲击）
   ↓
【未来可选】力/位混合控制（配合视觉法向估计）

• 每一层都简单可靠
• 各层之间的分工清晰
• 任何一层失效，其他层仍能保证安全
• 不需要专业控制工程师也能调好