本书重点阐述机器人系统动力学和控制的基本原理，并展示了如何计算和使用分析工具（如matlab、mathematica和maple）来进行机器人系统设计。
无
本书为研究机器人系统的动力学和控制提供了现代、系统、全面的理论背景。书中强调了动力学和控制的基本原理，这些原理可用于各种当代应用中。因此，本书的目标是不仅详细介绍机器人学的原理，而且还提供适用于现实机器人系统的方法论。这些机器人系统包括：经典的工业机械臂、仿人机器人、自主地面车辆、自主航空器、自主航海器、机器人手术助手、太空飞行器和数控铣床。现代机器人系统本质上是复杂的，其动力学表达和控制分析也很复杂。
创作本书的主要动力之一，是展示现代计算和分析工具如何扩展和提高我们解决机器人问题的能力。即使在几年前，现代机器人系统的复杂性也使得除了最简单的例子之外，所有的人工方法都难以实现。常见机器人系统的动力学模型建立曾经过于烦琐，不适合在课堂教学。在过去的几十年里，符号、数值和通用计算引擎的出现与本书所要解决的问题尤为相关。随着MATLAB、Mathematica、Maple等更高层次的计算环境和类似程序的出现，本科生和研究生可以解决的问题范围急剧扩大。这些工具使学生能够把注意力集中在原理和理论上，并把他们从乏味的代数训练中解放出来，因为这些训练事实上分散了对技术基础的注意力。我们认为，最关键是使学生更集中精力于系统地应用基本原理。
本书是作者根据多年来教授动力学、控制和机器人学课程的积累撰写的。这些课程已经在美国的几所顶级大学教授过，同时，授课内容和方法也在不断发展。本书可作为高年级本科生或研究生一年级的动力学、控制和机器人学课程的两个学期教材。为本科生高年级开设的课程可以侧重于应用于机器人系统的运动学和动力学基础。第一学期可主要从第2章、第3章和第4章中的主题来展开，并少许涉及第5章中的内容。第二学期可以重点学习第5章的分析力学和第6章机器人系统的控制理论。特定的高级主题，如第3章和第4章中的N阶递归公式或第7章中基于视觉的控制方法，也可以在第二学期中涉及。
作者试图努力证明，通过使用现代计算和分析工具，机器人系统的各种设计和分析问题都变得更加容易解决。为此，书中包含了大量的例子和问题。许多例子或问题的求解都是利用MATLAB、Simulink或Mathematica，或它们的结合进行的。重要的是，使用本书的学生要认识到，作者并不是在提倡使用某种特定的计算工具，而是在倡导一种共同的理念。对于本书中的几乎每一个问题，计算工具都是可以互换的：学生可以使用自己最熟悉的任何软件包，但理论基础是不可替代的，它是解决任何具体问题的共同语言。
本书的配套资源MATLAB Workbook for DCRS，可以访问华章图书官网http:www. hzbook.com，通过注册并登录个人账号下载。
致谢
感谢William S.Rone对本书内容的审阅和对书中图表的奉献，感谢Jessica G.Gregory对本书的审阅。
机器人
本书是对机器人系统原理和动力学的全面综述，提供了机器人系统的动力学与控制系统且全面的理论。作者作为该领域的著名专家，强调了动力学和控制的基本原理，这些原理可用于当前应用实践中。本书详细介绍了机器人学的规则，并提供了与现实机器人系统相关的方法论。所介绍的机器人系统包括经典的工业机械臂、仿人机器人、机器人手术助手、太空飞行器和数控铣床等。
本书把重点放在基础原理的系统应用上，并展示了MATLAB、Mathematica和Maple等计算和分析工具。书中包含大量的实例和问题及以下内容：
机器人系统的运动学和动力学基础
机器人的分析力学技术
诸如N阶递归公式等先进课题的回顾
机器人系统设计和分析
安德鲁·J. 库迪拉（Andrew J. Kurdila）, 博士, 弗吉尼亚理工大学机械工程系W. Martin Johnson讲席教授。他是Wiley出版社出版的Structural Dynamics：An Introduction to Computer Methods一书的作者。
平哈斯·本-茨维（Pinhas Ben-Tzvi），博士，弗吉尼亚理工大学机械工程系副教授。他专注于机器人学和自主系统、仿生机器人、机电一体化、控制系统、机器人视觉、人机交互、机器学习等的研究。
近年来，随着科学技术的进步，机器人的相关研究在全球范围内发展得如火如荼。从谷歌的无人驾驶汽车到波士顿动力的机器人，从NASA的火星车到汉森机器人技术公司的索菲亚机器人等，无时无刻不吸引着全球媒体的目光。机器人技术是高端智能装备和高新技术的代表，已成为衡量国家科技创新和高端制造水平的重要指标。
机器人动力学与控制技术融合了数学、物理、机械、电子和计算机等技术，且涉及的范围非常广泛，从太空中的航天机械臂到深海大洋的无人潜艇，从汽车生产线的喷涂装配到医院里的外科手术机器人等。传统机器人控制技术解决了在结构化工厂环境中机器人应用的难题，但在不确定的非结构、混乱环境中执行复杂的操作任务却无能为力，要解决诸多类似的问题，难以找到一本合适的指导用书。
本书是美国弗吉尼亚理工大学的Andrew J.Kurdila教授和Pinhas Ben-Tzvi教授在机器人动力学及其控制技术方面多年研究和教学工作的经验积累。作者从各类机器人系统的全面性介绍开始，涉及经典的工业机械臂、仿人机器人、自引导车、空间飞行器和数控铣削机床等，基本涵盖了现代机器人研究的热门领域，有助于读者对机器人系统建立系统、直观的理解。所涉机器人系统模型作为统贯全书的研究对象，基于这些经典的机器人系统，作者从运动学分析开始，到动力学模型建立、引入分析力学，最后止于视觉感知与控制，由浅入深地帮助读者对具体系统建立全方位的认识。本书注重理论的严谨阐述，作者在机器人运动学、动力学、机器视觉和控制理论等方向，细致推导，语言精练，并对相关的拓展理论给出了大量高水平参考文献，以帮助读者建立扎实的理论基础。全书在很大程度上反映了国际上机器人系统研究的发展和最新成果，值得读者深入研究与体会。在力求为读者提供最新的、全面的、系统的理论背景以外，还提供了大量与实际相结合的机器人系统应用案例，以及相关MATLAB等数字平台代码，供读者加深理解，并快速将理论应用到实际的机器人系统。本书体现了作者在机器人动力学及其控制技术领域的深厚功底与造诣，结合了生动的讲解与丰富的应用案例，是机器人研究领域的经典之作。
全书共分7章。第1章介绍了机器人系统的组成、机构学基础及典型的机器人结构，并按照不同的方法对机器人进行了分类，同时对机器人动力学与控制问题进行了概述。第2章以线性代数为基础介绍了刚体的运动学，包括基和坐标系、旋转矩阵、角速度和角加速度等。第3章基于第2章中的运动学定理，介绍了机器人系统几何结构与运动学模型的建立，系统地讲述了机器人系统正向运动学、逆向运动学、雅可比矩阵与奇异值分析，并提出了一种递归的正向运动学方法来替代DH方法，这种递归的正向运动学方法为后面的动力学和控制奠定了基础。第4章主要从牛顿欧拉法的角度对机械臂的动力学进行建模分析，介绍了刚体线性动量的计算方式和刚体的角动量以及惯量的计算方式，同时介绍了递归牛顿欧拉方程，给出了算法的伪代码并以实际案例介绍了牛顿欧拉法的使用方法。第5章主要介绍了分析力学中的基本表示方法，如广义坐标、冗余广义坐标、广义力等，并引出分析力学中两个重要的扰动模型，即变分法和虚拟变分法。基于分析力学的原理，提出了哈密顿原理和拉格朗日方程，并应用于推导保守和非保守机器人系统的控制方程。第6章研究机器人系统的控制方法。对控制问题进行了分类，介绍了机器人控制的稳定性分析，并详细讲解了基于动态逆、无源性和反步控制的几类流行控制方法。第7章主要介绍了图像观测在机器人控制系统中的应用，着重于在任务空间中通过观测相机图像推导反馈控制器，并通过实际案例进行分析；还介绍了基于任务空间控制问题和通过雅可比矩阵求解的具体过程，最后解释了利用视觉传感器信息来实现任务空间中的跟踪以及定点控制。
本书内容丰富，反映了机器人学的基础和先进的理论技术，可作为人工智能、自动化专业以及机械电子工程专业本科高年级学生和研究生的教材或参考书，也可供从事机器人方面研究的教师和研究人员学习参考。
本书第1章和第2章由李想和周振宁参与翻译，第3章由张壮壮和杨正涛参与翻译，第4章由孙明镜和苗浩原参与翻译，第5章和第6章由王海力和杨翼奇参与翻译，第7章由姜文俊和梁朝晖参与翻译，何国晗和王怡兆负责全书的整理和译校，全书由曹其新翻译和审校。
由于翻译时间仓促，译校者水平有限，书中肯定存在许多不足之处，热忱欢迎广大读者批评指正。
译者序
前言
第1章 绪论1
1.1 写作目的1
1.2 机器人系统的起源3
1.3 机器人系统的总体结构4
1.4 机械手5
1.4.1 机械手的典型结构6
1.4.2 机械手的分类7
1.4.3 机械手示例9
1.4.4 球形手腕12
1.4.5 关节型机器人13
1.5 移动机器人13
1.5.1 仿人机器人13
1.5.2 自主地面车辆14
1.5.3 无人机15
1.5.4 自主海上航行器15
1.6 机器人动力学与控制问题概述16
1.6.1 正向运动学17
1.6.2 逆向运动学18
1.6.3 正向动力学18
1.6.4 逆向动力学和反馈控制19
1.6.5 机器人车辆的动力学与控制20
1.7 本书主要内容20
1.8 习题21
第2章 运动学基础23
2.1 基和坐标系23
2.1.1 N-元组和M×N阵列24
2.1.2 向量、基和坐标系25
2.2 旋转矩阵31
2.3 旋转矩阵的参数化33
2.3.1 单轴旋转34
2.3.2 旋转矩阵的级联36
2.3.3 欧拉角37
2.3.4 轴角度参数化42
2.4 位置、速度和加速度44
2.5 角速度和角加速度49
2.5.1 角速度49
2.5.2 角加速度53
2.6 运动学理论53
2.6.1 角速度的加法53
2.6.2 相对速度55
2.6.3 相对加速度56
2.6.4 常见坐标系58
2.7 习题60
2.7.1 关于N-元组和M×N数组的习题60
2.7.2 关于向量、基和坐标系的习题61
2.7.3 关于旋转矩阵的习题62
2.7.4 关于位置、速度和加速度的习题65
2.7.5 关于角速度的习题65
2.7.6 关于运动学理论的习题66
2.7.7 关于相对速度和加速度的习题66
2.7.8 关于常见坐标系的习题68
第3章 机器人系统运动学69
3.1 齐次变换与刚体运动69
3.2 理想关节73
3.2.1 移动关节74
3.2.2 转动关节74
3.2.3 其他理想关节75
3.3 Denavit-Hartenberg约定77
3.3.1 DH约定中的运动链与编号77
3.3.2 DH约定中坐标系的定义78
3.3.3 DH约定中的齐次变换78
3.3.4 DH步骤80
3.3.5 DH约定中的角速度与速度84
3.4 正向运动学的递归O(N)公式87
3.4.1 速度和角速度的递归计算89
3.4.2 效率和计算成本91
3.4.3 加速度和角加速度的递归计算94
3.5 逆向运动学104
3.5.1 可解性104
3.5.2 解析法106
3.5.3 优化方法115
3.5.4 逆速度运动学119
3.6 习题120
3.6.1 关于齐次变换的习题120
3.6.2 关于理想关节及约束的习题121
3.6.3 关于DH约定的习题122
3.6.4 关于运动链角速度和速度的习题122
3.6.5 关于逆向运动学的习题125
第4章 牛顿欧拉方程126
4.1 刚体的线性动量126
4.2 刚体的角动量129
4.2.1 基本原理129
4.2.2 角动量和惯性133
4.2.3 惯性矩阵的计算136
4.3 牛顿欧拉方程146
4.4 刚体的欧拉方程149
4.5 机械系统的运动方程150
4.5.1 总体方法150
4.5.2 受力图151
4.6 控制方程的结构：牛顿欧拉方程164
4.6.1 微分代数方程164
4.6.2 常微分方程166
4.7 递归牛顿欧拉方程167
4.8 运动方程的递归推导173
4.9 习题175
4.9.1 关于线性动量的习题175
4.9.2 关于质心的习题177
4.9.3 关于惯性矩阵的习题179
4.9.4 关于角动量的习题180
4.9.5 关于牛顿欧拉方程的习题181
第5章 分析力学182
5.1 哈密顿原理182
5.1.1 广义坐标182
5.1.2 泛函与变分法183
5.1.3 保守系统的哈密顿原理186
5.1.4 刚体的动能191
5.2 保守系统的拉格朗日方程194
5.3 哈密顿扩展原理196
5.4 用于机器人系统的拉格朗日方程207
5.4.1 自然系统207
5.4.2 拉格朗日方程和D-H约定210
5.5 约束系统212
5.6 习题215
5.6.1 关于哈密顿原理的习题215
5.6.2 关于拉格朗日方程的习题217
5.6.3 关于哈密顿扩展原理的习题217
5.6.4 关于约束系统的习题221
第6章 机器人系统的控制222
6.1 控制问题的结构222
6.1.1 定点和跟踪反馈控制问题223
6.1.2 开环和闭环控制223
6.1.3 线性与非线性控制223
6.2 稳定性理论的基础224
6.3 先进稳定性理论技术229
6.4 李雅普诺夫直接方法230
6.5 不变性原则232
6.6 动态逆或计算力矩方法236
6.7 近似动态逆和模糊性243
6.8 基于无源性的控制器253
6.9 执行器模型256
6.9.1 电动机256
6.9.2 线性执行器260
6.10 积分反步控制和执行器的动力学263
6.11 习题265
6.11.1 关于重力补偿和PD定点控制的习题265
6.11.2 关于计算力矩法跟踪控制的习题268
6.11.3 关于基于无源性跟踪控制的习题269
第7章 基于图像的机器人系统控制271
7.1 相机测量几何271
7.1.1 透视投影和针孔相机模型271
7.1.2 像素坐标和CCD相机273
7.1.3 相互作用矩阵274
7.2 基于图像的视觉伺服控制277
7.2.1 控制综合和闭环方程277
7.2.2 初始条件计算279
7.3 任务空间控制289
7.4 任务空间与视觉控制293
7.5 习题301
附录A305
参考文献318
