MATLAB机器人工具箱使用教程：DH建模、正逆解、轨迹规划与动力学

简介：这份文档资料面向使用MATLAB进行机器人建模与控制的初学者及工程技术人员，围绕Robotics Toolbox在MATLAB 2020a搭配v10.4环境下的常用命令展开，可解决工具箱版本差异导致的命令不兼容、入门无从下手等问题。内容涵盖二维与三维位姿描述（SE2、transl2、rotx/roty/rotz、trplot与tranimate动画）、基于DH参数的Link关节定义与SerialLink机械臂建模、fkine正运动学与ikine/ikine6s逆运动学、jacob0与jacobn雅克比矩阵求解，以及关节空间jtraj、笛卡尔空间ctraj的轨迹规划。动力学部分进一步整理了rne逆动力学、gravload重力载荷、inertia惯性矩阵、coriolis耦合矩阵、payload载荷施加，并以PD控制器力矩函数配合fdyn正向动力学给出示例，公式与调用格式对照清晰。资源共1个PDF文件，压缩包约101KB，篇幅精炼便于随时查阅与打印。目前已有717人学习浏览，适合作为课程实验、课题开发时的速查手册与命令参考。

1. 从一段六轴轨迹说起：MATLAB 机器人工具箱到底替你算了什么

给你六组关节角和一份 DH 参数表，让你回答三个问题：末端现在在哪、从 A 点怎么沿直线走到 B 点、每个关节电机要出多大力。这三件事分别对应正运动学、轨迹规划和逆动力学，手推一遍矩阵乘法足以劝退大多数人。MATLAB 机器人工具箱（Robotics Toolbox）做的事情就是把这套计算封装成几十个函数：喂进去关节角，吐出来齐次变换矩阵、雅可比矩阵和关节力矩向量。

它适合两类人。一类是做课程设计、大作业、论文仿真的人，需要在一两个晚上把机械臂模型跑起来、出几张图；另一类是手上已有真机或者 URDF 模型的人，想在 MATLAB 里离线验证控制逻辑，再决定要不要改控制器参数。它的边界同样清楚：不做实时控制，也不替代专业仿真环境，强项是矩阵运算、图形绘制和实验数据后处理——这也是为什么很多人最后是拿它算数据、拿别的工具跑实时。

所以「MATLAB 机器人工具箱使用教程」这个标题真正要拆开的，是四个动作：建出 SerialLink 对象、算正解和逆解、生成轨迹、算力矩与验证。下面按这个顺序走一遍，每一步都给出能直接粘贴运行的代码。

2. MATLAB 机器人工具箱安装与刚体链建模：DH 参数怎么落到代码里

2.1 先分清 Robotics Toolbox 与 Robotics System Toolbox

新手最容易踩的第一个坑不是语法，是装错了东西。MATLAB 生态里有两套名字极像的工具：

两者的函数名高度相似，比如都有正运动学求解，但对象类型完全不兼容。搜到的教程代码跑不通，八成是照着另一套的文档抄的。判断方法很简单：看代码里出现的是SerialLink还是rigidBodyTree。混用会直接报「未定义函数」或参数类型错误，不要试图去转对象，老老实实按其中一套写完整流程。

常见做法是：做运动学推导、画图、写论文用 RTB；要接 Simulink 做控制器闭环、要往硬件部署，用官方那套。两边都需要时，用 URDF 做中间桥。

2.2 安装与路径自检的三条命令

安装方式通常有两种：在 MATLAB 的附加功能管理器里搜索安装，或者拿到.mltbx安装包后双击，MATLAB 会自动挂载路径。手动解压的目录则用addpath挂上去。装完先自检，别急着写模型：

% 1) 确认关键类能被定位到，返回完整路径才算装好 which SerialLink which Revolute % 2) 列出路径中所有含 Robotics 的目录条目，核对是不是你想要的那一份 p = strsplit(path, pathsep); disp(p(contains(p, 'Robotics'))') % 3) 手动安装时把目录挂上并保存，避免每次重启都要重来 % addpath(genpath('D:\toolbox\RoboticsToolbox')); % savepath;

which返回空说明路径没挂上，检查是否解压到了带空格或中文的目录；返回的是官方工具箱里的同名文件，说明你引用的类有冲突，把第三方工具的路径提前（addpath放在最前面）。savepath会把当前路径写进用户配置，只有在你有写权限、且确认这份代码长期使用时才执行，公用机器上不建议。

2.3 用 Revolute/Prismatic 建刚体链：DH 参数的四个数

建模型的本质是把 DH 表翻译成对象数组。较新的接口用Revolute（转动关节）和Prismatic（移动关节）逐个构造，再交给SerialLink串起来：

% 六轴串联臂示例：d/a 单位米，alpha/qlim/offset 单位弧度 L(1) = Revolute('d', 0.400, 'a', 0.025, 'alpha', pi/2, 'qlim', deg2rad([-160 160])); L(2) = Revolute('d', 0, 'a', 0.455, 'alpha', 0, 'qlim', deg2rad([-225 45])); L(3) = Revolute('d', 0, 'a', 0.035, 'alpha', pi/2, 'qlim', deg2rad([-45 225])); L(4) = Revolute('d', 0.420, 'a', 0, 'alpha', -pi/2, 'qlim', deg2rad([-110 110])); L(5) = Revolute('d', 0, 'a', 0, 'alpha', pi/2, 'qlim', deg2rad([-100 100])); L(6) = Revolute('d', 0.080, 'a', 0, 'alpha', 0, 'qlim', deg2rad([-266 266])); robot = SerialLink(L, 'name', 'my6'); robot.display(); % 打印 DH 表，用来跟原始参数逐个核对

四个核心参数的物理含义和最常见错误：

老式写法是Link([theta d a alpha sigma])的向量形式，sigma为 0 表示转动关节、1 表示移动关节。两种写法生成的模型等价，混用时注意第三、四个数不要串位——向量法里第四个位置是alpha，不是关节角。

提示：如果手里没有真实参数，先用自带模型熟悉接口，p560 = mdl_puma560;会载入一台经典六轴臂，它的连杆质量和惯量参数是齐备的，后面算动力学可以直接用。

2.4 建模后的第一次自检：plot 与 teach

模型建完，先看它长什么样，再看它动起来像不像：

% 原地画一帧，限定显示范围，避免自动缩放导致看不清 robot.plot([0 0 0 0 0 0], 'workspace', [-1 1 -1 1 -0.2 1.4]); % 交互式拖动关节滑块，肉眼核对每个关节的转向和限位 robot.teach(); % 打印各连杆的变换矩阵，核对与手推结果是否一致 T = robot.fkine([0 0 0 0 0 0]); disp(T);

workspace参数给的是显示包围盒[xmin xmax ymin ymax zmin zmax]，单位米。台架式机械臂一般用一块扁平的盒子就够，值给太小会把连杆裁掉，给太大又看不清细节。teach打开后逐关节拖滑块，重点看两件事：关节转向是否和真机一致（不一致多半是alpha或offset符号错），以及滑块到端点时是否被qlim卡住。这一步花五分钟，能省掉后面调试逆解的两小时。

3. 正解、逆解与雅可比：用 fkine/ikine 把关节角算成位姿再算回来

3.1 fkine 的返回值拆开看

正运动学只有一行，但返回的 4×4 齐次变换矩阵要会拆：

q = [0 pi/4 pi/4 0 pi/4 0]; T = robot.fkine(q); p = transl(T); % 3x1 位置向量，单位米 R = t2r(T); % 3x3 旋转矩阵 eul = tr2eul(T); % ZYZ 欧拉角，单位弧度 rpy = tr2rpy(T); % roll-pitch-yaw，单位弧度 % 反推：用位置和姿态重新拼回变换矩阵，验证拆分是否正确 T2 = transl(p) * trotz(eul(1)) * troty(eul(2)) * trotz(eul(3)); norm(T2 - T) < 1e-12 % 返回 1 说明拼接无误

transl(T)在不同大版本里的调用形式有差别：有的版本接受一个 3 元向量，有的版本接受三个标量。写transl(p(1), p(2), p(3))和transl(p)都试一下，报错就换另一种。姿态表示同理，tr2eul给的是 ZYZ 欧拉角，tr2rpy给的是固定轴 RPY，两者数值完全不同，拿去和真机控制器对比时先确认对方用的是哪一种，否则会出现「位置对、姿态全错」的假故障。

3.2 ikine 的四种返回与 mask 的用法

逆运动学是出错最多的地方，关键在于理解它是个数值优化问题，不是解析公式：

T = transl(0.4, -0.2, 0.6) * trotx(pi); % 目标位姿 q0 = [0 pi/4 pi/4 0 pi/4 0]; % 初值，越接近目标越好 % 位置姿态全控，六自由度都参与优化 q_full = robot.ikine(T, q0, 'mask', [1 1 1 1 1 1], 'tol', 1e-6, 'ilimit', 1000); % 只控位置，姿态任其自由，常用于四轴臂或只看落点 q_pos = robot.ikine(T, q0, 'mask', [1 1 1 0 0 0]); % 六轴球腕结构可以走解析解，速度更快也更稳 q_ana = robot.ikine6s(T); % 校验：逆解代回正解，看误差是否可接受 err = norm(transl(robot.fkine(q_full)) - transl(T))

关键参数的含义与推荐取值：

ikine6s只对满足球形手腕条件的六轴臂有效，参数不满足会直接报错，此时退回到ikine的数值解。另外要注意：数值逆解返回的是一组解，不是唯一解。同一个末端位姿通常存在 8 组关节角，哪一组取决于初值。真机上要选远离限位、远离奇异点的那一组，所以拿到解之后必须用qlim逐个检查。

3.3 jacob0 判奇异：最小奇异值与可操作度

雅可比矩阵描述关节速度到末端速度的映射，也是判断「这个位姿能不能干活」的工具：

q = [0 pi/4 pi/4 0 pi/4 0]; J0 = robot.jacob0(q); % 基坐标系下的 6xN 雅可比 Jv = J0(1:3, :); % 只取位置部分 w = sqrt(det(J0 * J0')); % 可操作度，越接近 0 越接近奇异 s = svd(J0); s_min = s(end); % 最小奇异值，常用阈值 0.01 量级 Jt = robot.jacob0(q, 'trans'); % 部分版本支持只返回平移部分

robot.jacob0返回基坐标系（世界系）下的雅可比，robot.jacob(T, q)返回的是末端工具坐标系下的表达。做力控制、算末端刚度的场景用后者，做速度分配、判奇异用前者。判断方法上，可操作度w和最小奇异值s_min会同时趋近于零，实际用最小奇异值更方便设阈值。工程上不要等到严格为零才处理，s_min掉到 0.01 以下就应该降速或者绕路。

3.4 逆解不收敛时按顺序排查

逆解返回空、返回全零、或者代回正解误差很大，按下面顺序查，基本不会漏：

1. 位姿是否在工作空间内。把transl(T)和目标臂长比一下，超出臂展的位姿任何算法都无解，ikine只会返回一个残差很大的近似值。
2. 姿态是否可达。位置对但姿态要求末端翻转 180°，很多构型做不到，先只解位置（mask屏蔽姿态）确认位置可达。
3. q0是否离真实解太远。把初值换成上一时刻关节角，或在附近撒几个初值分别求解取误差最小的一组。
4. 关节限位是否被触发。解出来的角度逐项和qlim对比，超出就换另一组解。
5. 目标位姿是否接近奇异位形。用第 3.3 节的方法算一下s_min，接近零时数值解本身就不稳定。

4. 轨迹规划与动力学：jtraj、ctraj 和 rne 的组合用法

4.1 jtraj 五次多项式：q/qd/qdd 三个输出怎么用

关节空间轨迹最常用的是jtraj，它给每条关节生成五次多项式插值，位置、速度、加速度连续：

t = 0:0.02:2; % 2 秒，50 Hz 采样 q0 = [0 0 0 0 0 0]; qf = [pi/4 pi/6 -pi/6 0 pi/3 0]; [q, qd, qdd] = jtraj(q0, qf, t); % 位置、速度、加速度 % 动画：fps 控制播放速度，trail 画出末端拖尾 robot.plot(q, 'fps', 50, 'trail', 'r-', ... 'workspace', [-1 1 -1 1 -0.2 1.4]); % 画图核对：三条曲线应该平滑、首尾速度为零 subplot(3,1,1); plot(t, q); ylabel('q (rad)'); grid on subplot(3,1,2); plot(t, qd); ylabel('qd (rad/s)'); grid on subplot(3,1,3); plot(t, qdd); ylabel('qdd (rad/s^2)'); grid on

第三个参数t给的是时间向量而不是步数，采样间隔直接决定qd的数值精度：间隔太大，差分出来的速度会有明显台阶；间隔太小，动画播放会拖慢（用fps限制）。qd的输出可以直接喂给速度环做前馈，qdd配合惯量矩阵算力矩。若某条关节曲线出现明显超调，说明起止点跨度太大，中间加一个路径点分段插值，比强行拉长时间更有效。

4.2 ctraj 笛卡尔直线与逆解回代

要求末端走直线、走圆弧的时候，关节空间插值就不够用了，得在笛卡尔空间插值再逐点求逆解：

T0 = robot.fkine(q0); T1 = robot.fkine(qf); Ts = ctraj(T0, T1, length(t)); % 位姿序列，直线插值 % 逐点逆解，用上一时刻结果作初值保证解连续 q_c = zeros(length(t), 6); q_c(1,:) = q0; for k = 2:length(t) q_c(k,:) = robot.ikine(Ts(:,:,k), q_c(k-1,:), ... 'mask', [1 1 1 1 1 1], 'tol', 1e-6); end

两种规划的差别直接决定适用场景：

循环里用上一时刻的解作初值，是为了防止逆解在相邻两点之间跳到另一组解上，出现关节突然大幅摆动。逐点算完之后，建议对q_c做一次差分求速度，检查有没有单点尖峰；有尖峰说明该点接近奇异，把路径整体平移一点或者抬高绕行。

4.3 rne、gravload、inertia：动力学问的三个问题

运动学只管几何，动力学才涉及质量和力。三个函数对应三类问题：

% 前提：连杆必须带质量、质心和惯量参数，否则结果全是零 % 自带模型 p560 参数齐全，自定义模型要用 'm'、'r'、'I' 补齐 q = [0 pi/4 pi/4 0 pi/4 0]; qd = zeros(1,6); qdd = zeros(1,6); tau_g = robot.gravload(q); % 问题一：静止不动要多大静态力矩 M = robot.inertia(q); % 问题二：当前位形的惯量矩阵 tau = robot.rne(q, qd, qdd); % 问题三：给定运动状态的逆动力学力矩 % 只算重力项时，rne 与 gravload 应当一致 norm(tau - tau_g) < 1e-9

rne是递归牛顿-欧拉法的逆动力学，输入位置、速度、加速度返回关节力矩；gravload是它的特例，速度加速度都为零时只剩重力项。新手最常见的现象是「rne返回全零」，原因几乎都是建模时只填了 DH 参数、没填'm'（质量）、'r'（质心位置）和'I'（惯量矩阵）这三个动力学参数。这三个量必须来自 CAD 或手册，不能凭感觉凑，否则算出来的力矩只具有数量级参考意义。

注意：robot.inertia(q)在部分版本里名为robot.inertia，老版本可能通过rne的多返回值获得，报错时用which查一下当前版本提供的方法名。

4.4 用阶跃响应和 pid tuner 校核关节跟踪

算出力矩之后，接下来的问题是控制器跟不跟得上。RTB 不提供控制器设计功能，但可以把算出来的模型参数导出到 Simulink，用pid tuner调参，再看matlab 阶跃响应：

% 把关节等效成二阶模型做快速摸底，K 为关节刚度近似项，J 为惯量矩阵对角元 q_test = [0 pi/4 pi/4 0 pi/4 0]; J = diag(robot.inertia(q_test)); sys = tf(1, [J(2) 0 0]); % 简化模型，仅用于看带宽量级 step(sys); grid on; % 看超调、上升时间、稳态误差

这是一种近似：把多关节耦合系统按对角元解耦成独立二阶环节。它不会给出精确的控制器参数，但能快速判断「这套机构大概能跑多快」。真实调参还是在仿真环境里闭合全部耦合项做，pid tuner更适合在这个简化模型上定初值，再拿去精调。

5. 从模型到实物：URDF 交叉校核与三个验证技巧

建模出错最怕的是没人告诉你错了——模型看起来能跑、图也能画，可末端位置就是差几厘米。下面三个技巧用来给模型做交叉验证。

5.1 用 URDF 导入结果对照 DH 建模

如果手上已经有一份 URDF，用官方工具箱导入后，取几个位形对比末端位姿，是性价比最高的校核方式：

rbt = importrobot('myarm.urdf', 'MeshPath', 'meshes'); show(rbt); % 可视化，确认关节轴向和零点方向

importrobot建出的是刚性体树对象，与 RTB 的SerialLink不是同一类型，但两者都能算正运动学。挑 5 到 10 组关节角，分别用两套模型算末端位置，逐个比对：

差异集中在某个常量上，基本就是offset或关节零位定义的问题；差异随位形变化而不固定，则更可能是alpha或a写错。

5.2 用数值微分验证雅可比

雅可比矩阵错了，速度分配和力分配就全错，而且这种错误往往在跑轨迹时才暴露。用数值微分对一下，几分钟能省掉半天：

q = [0 pi/4 pi/4 0 pi/4 0]; dq = 1e-7; J_ana = robot.jacob0(q); J_num = zeros(6, 6); T0 = robot.fkine(q).T; for k = 1:6 qp = q; qp(k) = qp(k) + dq; Tp = robot.fkine(qp).T; dT = (Tp - T0) / dq; % 从变换矩阵的微分中提取线速度和角速度 J_num(1:3, k) = dT(1:3, 4); J_num(4:6, k) = [dT(3,2); dT(1,3); dT(2,1)]; end max(abs(J_ana - J_num), [], 'all') % 应该是个很小的数

数值微分的步长dq不能太大也不能太小：太大会带来截断误差，太小会被浮点精度吃掉，1e-7是常见取值。算出来的最大偏差在 1e-6 量级就说明雅可比没问题，差得离谱就回到第 3.3 节检查是不是取错了坐标系（jacob0与jacob）。

5.3 用关节限位扫描提前发现行程问题

最后一招是给整个工作空间做一遍粗扫，把不可达、超限位和接近奇异的位形先标出来：

q1 = linspace(-pi, pi, 13); q2 = linspace(-pi/2, pi/2, 7); bad = 0; near_sing = 0; for a = q1 for b = q2 q = [a b -pi/4 0 pi/4 0]; if any(abs(q) > robot.qlim(:,2)') % 超出上限 bad = bad + 1; continue end if svd(robot.jacob0(q), 'econ'); end s = svd(robot.jacob0(q)); if s(end) < 0.01 % 接近奇异 near_sing = near_sing + 1; end end end fprintf('超限位位形 %d 个，接近奇异位形 %d 个\n', bad, near_sing);

扫描粒度不用太细，先粗后细。把s(end) < 0.01的位形标记出来，在实际规划路径时主动避开这片区域，比在运行时用异常处理去兜底要省事得多。真机上手前跑一遍这个扫描，能拿到一份「哪些区域别去」的清单，这条清单本身就是控制器里限位和降速策略的直接依据。

本文还有配套的精品资源，点击获取