简介：力控制是机器人柔顺作业的核心技术，而阻抗控制通过建立外力与位置修正的动态关系，让机器人具备类似弹簧-阻尼的顺应特性。其中基于位置的阻抗控制将力控问题转化为位置跟踪问题，复用工业机器人成熟的位置环，无需精确动力学模型，尤其适合打磨、装配、拖动示教等场景。实际开发中，阻抗参数（刚度、阻尼、惯量）的整定直接决定系统稳定性，借助Simulink仿真可以快速验证参数与算法逻辑。然而从仿真到实机部署仍面临力传感器噪声、重力补偿、位置环带宽限制等隐形障碍，需要结合离散化与实时性处理。内容覆盖从原理、参数配置到仿真建模、实机调试的完整路径，可为工程师落地柔顺控制方案提供参考。 独立，读者也更容易理解。外部力作用在机器人上，经过处理换算成位置修正量，叠加到期望轨迹上，再由底层位置环去跟踪修正后的轨迹。所以整个控制链路是：力传感器/环境交互力 → 阻抗方程计算修正量 → 位置指令修正 → 底层位置控制器 → 关节驱动。
这个结构之所以在工程中"吃香"，最直接的原因是：它把力控问题转化成了大家最熟悉、最成熟的位置跟踪问题。工业机器人几乎都自带高性能位置环，伺服驱动器的位置环带宽和稳定性已经经过几十年的打磨，底座位置环天然就能跟踪好平滑轨迹。基于位置的阻抗控制直接复用了这部分成熟能力，不需要对底层伺服做任何改动。
对比之下，直接力控制需要将力误差映射为关节力矩指令，绕过了位置环。这种控制方式对系统动力学建模精度、摩擦力补偿、关节柔性、力传感器动态特性都非常敏感。真机上一旦出现环境刚度高、接触面摩擦大或传感器噪声明显，系统很容易出现极限环振荡，而且振荡频率往往正好落在力传感器和伺服驱动的响应频带内，极难调试。
我印象特别深的一次是调试一个轴向力打磨的应用：用直接力控制时，力信号有个很小的周期性波动，打磨头碰到工件后这个波动被放大成明显的"抖振"，整个末端在工件表面一跳一跳的。后来换用基于位置的阻抗控制，把环境交互放在外环，内环位置伺服自身有很强的抑制干扰能力，同样的传感器信号进去，末端行为明显"柔顺"下来，虽然力跟踪的静态精度略差一点，但整个系统稳定、可用。
从控制理论的角度看，基于位置的阻抗控制实际上是利用了位置内环的带宽优势。典型工业机器人位置环带宽在10-50 Hz甚至更高，而外环阻抗控制器作为更高层的导纳关系，其频带通常在1-5 Hz即可满足大多数柔顺任务。这种"外环低速、内环高速"的层级设计，本身就是工程上处理高不确定性接触环境的成熟思路。
另外，基于位置的阻抗控制在实现时几乎不依赖精确的机器人动力学模型，这对那些拿不到完整惯性参数、无法辨识摩擦模型的工程团队来说非常重要。调试一个调参良好的阻抗模型，比辨识六关节的完整动力学参数要省力得多。对于做项目交付的工程师来说，这直接决定了能否在预算和工期内把力控功能真正跑起来。
1.2 一张图记住阻抗控制与导纳控制的区别
很多初学者在这里会卡住：阻抗（Impedance）和导纳（Admittance）到底哪里不一样？我的理解方式很简单——它们描述的是同一个物理交互的两个侧面，区别在于"谁是因、谁是果"。
阻抗控制：机器人表现为一个阻抗，输入端是位置偏差，输出端是力。也就是"你推机器人的位置，机器人回应你一个力"。机器人主动地保持一种"弹簧-阻尼-质量"的动力学行为，典型实现是力矩控制，需要底层力矩环。
导纳控制：机器人表现为一个导纳，输入端是力，输出端是位置修正。也就是"你推机器人，机器人让出位置"。机器人测量交互力，通过导纳关系计算出位置修正量，再由位置环执行。典型实现就是基于位置的阻抗控制。
更直白一点：你伸手去推一个物体，如果它"硬顶着"——你推多远它给多大反力，这是阻抗特性；如果它"顺势退让"——你推多大力它退多远，这是导纳特性。
基于位置的阻抗控制本质上是导纳控制，但学术和工业界经常混称，我在下文中统称"基于位置的阻抗控制"。理解了这个因果方向，你就能明白为什么实现方式完全不同：导纳求解的是位置修正量，所以天然适合叠加在位置控制器之上。
在Simulink仿真中，这个区别也直接影响了建模方式。阻抗控制通常要用Simscape Multibody搭建机械系统，再配合力矩控制指令，模型复杂、仿真步长敏感。而基于位置的阻抗控制完全可以只建一个简化的质量-弹簧-阻尼被控对象模型，外加位置环传递函数，把核心逻辑放在阻抗方程的计算上。这也是给入门者推荐从基于位置的阻抗控制入手的原因——能快速跑通、能直观理解、能少碰动力学细节。
2. 阻抗方程拆解：惯量、阻尼、刚度到底该怎么选
2.1 目标阻抗方程与物理意义
基于位置的阻抗控制核心是一个目标阻抗方程，通常在任务空间（笛卡尔空间）定义。写成最常见的二阶微分形式：
$$M_d(\ddot{X} - \ddot{X}_d) + B_d(\dot{X} - \dot{X}_d) + K_d(X - X_d) = -F_e$$
其中：
- X、Xd分别代表机器人末端实际位置和期望位置；
- Fe为环境接触力（或外力）在任务空间的表示；
- Md为目标惯量矩阵（正定）；
- Bd为目标阻尼矩阵（正定）；
- Kd为目标刚度矩阵（半正定）。
这个方程的物理意义可以这样理解：当我们把机器人末端看作一个"目标动力学系统"时，它对外力的响应方式完全由Md、Bd、Kd三个参数矩阵决定。Kd决定了位置偏差转化为力的比例——类似于弹簧；Bd消耗能量，决定运动是否振荡——类似于阻尼器；Md则影响系统对外力的响应惯性——类似于质量块。
在位置内环的基础上实现这个方程，实现流程是：
- 采集末端六维力/力矩传感器信号Fe；
- 将Fe加权到目标阻抗方程中；
- 解算得到位置修正量ΔX；
- 将期望轨迹Xd叠加修正量，得到修正后的指令位置Xc；
- 将Xc发送到底层位置环执行。
有时还会在外环再加入末端速度前馈项，改善跟踪响应。但核心就这五步。
在实际的离散控制系统中，步骤3需要求解的是一个二阶微分方程的数值积分。常见的做法是把目标阻抗方程改写为状态空间形式，用固定步长（比如1 ms）进行数值积分，得到每个控制周期的位置修正量。这个计算量非常小，在普通的工业控制器里跑完全没有压力。
2.2 参数整定的工程流程
参数整定是我认为整个技术里最有"手感"的部分，也是最需要经验的部分。我不建议直接对着书本选参数，因为实机调试和仿真参数差距非常大。下面给出我常用的整定思路。
先处理Kd（刚度）。刚度决定了机器人末端对外力的"顺应程度"。Kd越大，末端越"硬"，同样外力下位置偏移越小；Kd越小，末端越"软"，同样外力下偏移越大。整定顺序永远是从刚度开始——先把Kd设成一个保守的较小值（比如在自由空间测试时设成期望最大偏移和期望最大力之比），然后根据任务需求逐渐加大。以打磨任务为例，如果希望末端在磨削反力达到20 N时偏移5 mm，那么Kd的初始参考值就是20 / 0.005 = 4000 N/m。这个值不精确，但能给你一个合理的起步量级。
然后是Bd（阻尼）的整定。阻尼大小决定系统的振荡程度。Bd过小，末端在受力后运动起来会有明显的振荡，收敛慢；Bd过大，末端响应迟钝，力补偿效果变差。工程上类似二阶RLC电路的设计经验：取临界阻尼值作为初值。如果你把目标阻抗方程看成质量为Md、刚度为Kd的二阶系统，临界阻尼系数是2×sqrt(Md×Kd)。但Md本身也需要估计——它代表你希望机器人末端呈现的"虚拟质量"。
我通常的流程是：先用仿真环境的频域分析或阶跃响应来初选Md、Bd、Kd，然后在真机上做"自由空间阶跃力测试"——给期望轨迹加一个阶跃扰动（或用外力锤击末端），观察位置修正的动态响应。如果修正量出现超调和振荡，就加大Bd；如果响应太"肉"、跟不上指令，就减小Md或Bd。反复几次后，参数基本就稳了。
实际项目中我用过一组典型参数（打磨工具，末端负载约8 kg）：Kd取800~2000 N/m，Bd取60~120 N·s/m，Md取15~30 kg。不同任务差异很大，但量级可以参考。装配任务对位置修正精度要求更高，Kd通常相对大；打磨、抛光的Kd相对小，更柔顺。
还有一个容易忽略的点：如果使用六维力/力矩传感器，力矩方向的刚度和阻尼通常需要单独调节。因为末端绕工具坐标系的转动惯量远小于线运动对应的质量，同样的刚度系数在转动方向会造成非常大的角位移振荡。通常转动方向的Kd不建议设太大，务必配合足够的Bd。
2.3 参数配置表的快速对照
下面给出一张我常用的参数参考对照表，方便初调时对号入座：
| 任务场景 | 刚度Kd(N/m) | 阻尼Bd(N·s/m) | 惯量Md(kg) | 调试要点 |
|---|---|---|---|---|
| 精密装配（轴孔） | 3000~8000 | 100~200 | 10~20 | 刚度偏大，保证位姿精度；阻尼要够，防止接触抖动 |
| 打磨/去毛刺 | 500~2000 | 60~120 | 15~30 | 刚度偏小，顺应工件表面；阻尼适中，兼顾响应速度 |
| 人机交互拖动示教 | 100~500 | 30~80 | 10~25 | 刚度尽量小，操作轻便；阻尼不宜过大，避免拖拽吃力 |
| 力跟踪恒力按压 | 1000~2500 | 80~150 | 10~20 | 取决于接触刚度，环境刚度高则适当增大阻尼 |
这张表不是标准答案，只是调试起点。每个真实机器人的动力学特性、位置环带宽、力传感器安装位置都会影响最终参数，还是要结合实测表现去微调。
3. 从建模到仿真：搭建一个"解压即用"的阻抗控制工程
3.1 工程文件的组织与导入
你看这个项目的名字叫"基于位置的阻抗控制.zip"，打开之后会看到完整的一套Simulink仿真工程，包含了主模型、参数初始化脚本、参考轨迹生成器、力信号模拟模块、仿真结果后处理脚本，以及一版针对真实机器人控制器的C语言参考实现。整个包的结构其实很重要——好的工程结构能让别人"解压即用"，不会被各种路径和依赖问题卡住。
我在工程文件中建议的目录结构是：
based_position_impedance_control/ ├── models/ │ ├── pos_imp_control.slx // Simulink主模型 │ └── pos_imp_control_lib.slx // 自定义模块库（可选） ├── scripts/ │ ├── init_params.m // 初始化所有阻抗参数 │ ├── plot_results.m // 仿真后处理与曲线绘制 │ └── run_analysis.m // 自动运行仿真并导出数据 ├── data/ │ ├── trajectory_ref.mat // 期望轨迹数据 │ └── force_profile.mat // 模拟接触力数据 ├── reference_code/ │ └── pos_imp_control.c // C语言参考实现 ├── docs/ │ ├── README.pdf // 使用说明 │ └── theory_notes.pdf // 原理备注 └── README.md这个分类的目的是：模型、代码、数据、文档各归其位，任何人拿到压缩包后，打开README.md就可以按步骤运行。这里的README.md我会写清楚：
- 需要什么版本的MATLAB/Simulink（建议R2021b及以上）；
- 涉及的Simulink工具箱（Simulink Control Design、DSP System Toolbox等）；
- 运行步骤：先执行init_params.m，再打开主模型，设置仿真时长后运行；
- 如何更换自己的期望轨迹和接触力信号。
很多人在分享工程包时只丢一个.slx文件和一个.m脚本，别人拿到手非常痛苦——不是缺工具箱就是路径不对。把工程当产品来组织，本身就是一项很重要的工程素质。
3.2 主模型建模的思路
主模型Simulink中，我按以下层级搭建：
期望轨迹输入模块：可以是时间序列的轨迹数据，也可以是阶跃/正弦信号，用于模拟机器人末端在自由空间的运动。
环境模拟模块：这里我用了一个Contact Force Model，模拟机器人末端碰到环境后产生的接触力。简单情况下用刚度-阻尼接触模型就够了——力等于环境刚度乘以侵入量，再加上环境阻尼乘以侵入速度。更精细的可以加入库仑摩擦。
阻抗计算模块：这是整个模型的核心部分，将传感器测得的接触力Fe经过坐标变换后输入目标阻抗方程，通过积分求解位置修正量ΔX。为了贴近真实控制器的离散特性，我使用固定步长和离散状态空间模块，采样时间设成1 ms，模拟控制周期。
位置环等效模块：实际的机器人位置环是一个复杂闭环，但在仿真阶段可以用一个二阶低通环节或一阶延迟+增益来近似。这个近似的带宽需要根据真实机器人参数设定。我的做法是在init_params.m中预设位置环带宽为30 Hz，等效为阻尼比0.8的二阶系统。
信号采集与后处理模块：用Scope记录力、位置、速度、位置修正量，并输出到MATLAB工作区，方便后续绘图和分析。
整个模型在Simulink里看起来像一条信号链，但核心逻辑只有阻抗那个闭环。我建议你在自己的工程里也保持这种"单核心多辅助"的结构，调试时方便聚焦。
3.3 与zip相关的导入问题排查
既然分享的链接是一个zip压缩包，就不得不聊聊我从各种"下载了资源却打不开"的求助帖里看到的常见问题。其实这类问题不只出现在Simulink工程里，任何发布给他人使用的代码包、资源包都会遇到。
最典型的是"invalid zip archive: could not find eocd"这类报错。EOCD是End of Central Directory Record的缩写，是zip文件格式结尾处的一个固定签名结构。如果在文件末尾找不到这个结构，系统就会判定压缩包损坏或不是有效的zip文件。出现这个问题的常见原因有：
下载过程被中断，文件不完整。比如用浏览器下载时网络波动，文件大小和服务器上的不一致。解决办法是重新下载，并核对文件大小是否与发布方标注一致。
文件被二次重命名时改了扩展名，但实际不是zip格式。比如一个.rar文件被直接改成.zip，解压工具会报错。此时应按实际格式解压，或者用file命令查看真实文件类型。
用某些网盘客户端下载时，文件名过长或包含特殊字符，导致存储端截断，文件损坏。这种情况一般需要另存为短文件名再解压。
部分下载工具默认改成.mkv或.bin等扩展名，导致系统无法识别。
在Linux环境下排查这类问题特别好用的一条命令是：
file your_file.zip它会输出文件的真实类型。如果输出是"Zip archive data"，说明文件本身没问题，可能只是扩展名或下载环节有问题；如果输出"data"或"gzip compressed data"，那说明根本不是zip，需要降级处理。
另外还有一些解压小技巧：
- 如果zip包分卷压缩（.zip、.z01、z02等），需要把所有分卷文件放在同一目录下，从.zip或.001开始解压。很多人在这一步只放了.zip文件，自然会报"文件损坏"。
- 如果GitHub下载的zip包内容太多无法解压到conda环境，最推荐的做法是先解压到临时目录，然后在conda环境里进入该目录执行pip install -e .或python setup.py install。
- 如果解压出来的文件里有中文文件名乱码，多数是编码问题。在Windows上用Bandizip或PeaZip这类支持编码识别的工具能更好地处理；在Linux下可以用
unzip -O GBK file.zip指定编码方式。
提示：如果你分享的工程包被别人反馈"解压失败"，先让对方用file命令确认文件格式，再核对文件哈希值。八成是下载断档或网盘转存出了问题，而不是压缩包本身的问题。
3.4 解压后导入Simulink的注意事项
解开zip之后，把整个文件夹放到一个路径中不含中文和空格的目录下，这是Simulink工程能顺利运行的先决条件。国内很多同学桌面用户名是中文，或者文件夹带空格，导致MATLAB读取路径异常，各种奇怪的"未定义变量"或"找不到文件"错误都会冒出来。我的建议是统一放到类似D:\project\pos_imp_ctrl这样的路径。
在启动Simulink之前，先进入工程根目录，右键"add to path"（或命令行执行addpath(genpath(pwd))），把scripts和models所在目录都加入MATLAB搜索路径。然后先执行init_params.m，再打开主模型。顺序反了会出现很多变量找不到的报错，因为模型初始化依赖工作区中的参数变量。
如果仿真时提示缺少某些工具箱，比如Simscape或Simulink Control Design，需要检查自己的MATLAB许可证中是否包含相应工具箱。仿真模型如果不需要Simscape机械结构，可以尽量用Simulink基本库和Control System Toolbox搭建，这样发布给他人时障碍会小很多。
4. 从Simulink仿真到实机部署：这中间的"隐形路障"
4.1 仿真与实机的三大关键差异
很多人在仿真里把阻抗控制调得挺漂亮，结果到了真机一跑就废——末端抖动、力控制发散、接触噪声大。这种落差几乎每个人都会经历，关键在于仿真模型省掉了太多真实环境的"杂质"。
第一个差异是时间延迟。仿真里信号从力传感器传到控制器再传回电机几乎是瞬时的，但真实系统中，力传感器的采样、滤波、传输、控制器的计算、伺服的执行都有滞后。这个滞后累计起来可能达到5~20 ms，如果阻抗环的带宽设置过高，这个延迟就会成为系统振荡的直接诱因。把阻抗环带宽控制在实际硬件延迟的1/5以下，是稳妥做法。
第二个差异是力传感器的噪声与漂移。真正的六维力传感器信号里有高频噪声、温漂、零漂，尤其是打磨、铣削场景里还有振动污染。仿真中用理想力信号算得出来的阻抗参数，实机上根本撑不住。你需要加低通滤波，但滤波本身又带来相位滞后，进一步压缩可用带宽。这是个很难两全的矛盾，工程上往往在"滤波深度"和"相位滞后"之间做折中。
第三个差异是环境刚度。仿真里我假设环境刚度为1e5 N/m，实际接触的工件表面刚度可能高出几个数量级，比如钢-钢接触的有效刚度可以达到1e7~1e8 N/m。环境刚度越高，同样的位置修正量会产生更大的力变化，阻抗系统越容易震荡。这也是为什么实机调试时Kd、Bd的取值往往比仿真值高很多的原因——增强系统对高刚度环境的耐受性。
4.2 位置内环的带宽是硬约束
基于位置的阻抗控制，性能上限很大程度上由底层位置环的带宽决定。位置环带宽高，快速响应的能力就强，外环阻抗参数可以更激进；位置环带宽低，外环稍微加大刚度就容易激发位置环的相位滞后，导致整个系统不稳定。
我曾在某款国产工业机器人上做实验，位置环带宽标称20 Hz，实测可能只有15 Hz左右。这种情况下，把外环阻抗带宽调到5 Hz就已经非常危险。仿真时用30 Hz的位置环带宽调出来的参数，拿到这台机器上直接发散。后来我把外环带宽压到1.5 Hz，才真正跑稳定。
这里有个实用的换算关系：如果你希望阻抗环的带宽是ω_imp（rad/s），那么目标阻抗模型的刚度与阻尼之间必须满足阻尼比ζ = B_d / (2×sqrt(K_d×M_d)) ≥ 0.7。带宽越高，对Bd的要求越精确，因为相位裕度被压缩了。我通常会保留至少45°的相位裕度，这样实机上才不至于一碰就震。
所以在做仿真参数选择时，别只看Simulink里的响应曲线好不好看，要先确认你用的位置环模型带宽有没有贴近真实硬件水平。否则就是纸上谈兵。
4.3 力传感器安装位置与重力补偿
实机上力的测量往往被重力干扰。传感器测到的力，除了接触力，还包括末端工具的重力分量。当机器人姿态变化时，重力在传感器坐标系中的投影会发生改变，如果不做补偿，阻抗控制会"误以为"环境变了，产生错误的位置修正。
方法很简单：在机器人末端静止时，采集多组姿态下的传感器读数，拟合出工具重力矢量在传感器坐标系下的表达，然后实时根据当前姿态减去重力分量。这一步做不干净，阻抗控制在姿态变化较大的工位上是跑不稳的。
另外还要注意传感器零漂。很多六维力传感器在通电一段时间后零漂会缓慢变化，零点漂移几牛顿之内是常事。对阻抗控制来说，几牛顿的零漂意味着位置修正会存在一个持续的恒定偏差。工程上要么定期自动校准零点，要么在控制器中加入力偏差的积分修正，但这需要小心积分饱和。
4.4 离散化与实时性的处理
基于位置的阻抗控制通常运行在1 kHz或1 kHz以上的控制周期内，对实时性要求不低。在Simulink里做离线仿真自然不用担心实数计算延迟，但要在实机上部署，就必须考虑控制循环的执行时间。
我在参考代码中给出的C语言实现，本质就是一个定时器中断里的状态更新函数：读力传感器、坐标变换、重力补偿、滤波、阻抗微分方程数值积分、位置指令输出。整个循环如果在普通工控机上跑，要尽量控制在200微秒以内，否则留给伺服通信（EtherCAT等）的时间就不够了。
一个容易被忽略的点是数值积分的离散化方法。阻抗方程是连续形式，离散化后需要避免数值发散。通常我会用前向欧拉积分，步长h=0.001 s。但前向欧拉在Bd较小、Kd较大时可能因为离散化引入负阻尼，造成计算上的"假发散"。更安全的做法是采用双线性变换或使用离散状态空间，直接在Simulink中把连续状态空间模块改成离散状态空间，设定采样时间为0.001 s，这样生成的代码也更容易直接部署。
5. 调试踩坑实录：三次"丢人"的经历换来的经验
5.1 第一次：参数在Simulink里完美，真机上10秒震荡发散
这是我接手第一个力控项目时干的蠢事。仿真里我把Kd设成800 N/m、Bd设成80 N·s/m、Md设成20 kg，阶跃响应干净利落，超调量不到5%。我信心满满地把参数烧进真机，末端在自由空间慢慢下压，接触工件表面后立刻开始抖动，10秒钟内震荡幅度越来越大，整个末端像"哮喘"一样，吓得我赶紧拍下急停。
事后分析，问题出在两个地方。第一，我完全没有考虑位置内环的相位滞后；第二，我用的是真机自带的力信号，没有做任何滤波。接触力信号里包含明显的100 Hz左右的机械共振分量，这个分量经过阻抗方程的积分放大后，直接激励了系统的低阻尼模式。
教训：真机调试前的仿真参数，只适合作为初值。在自由空间先测一下传感器的噪声水平，并先加上低通滤波器，截止频率从低到高慢慢加。我后来先用了20 Hz的截止频率，稳定之后再逐步放开到50 Hz。
5.2 第二次：重力补偿没做干净，末端自己"跑了"
某次做姿态变化较大的曲面打磨，我发现机器人末端在接近工件的某些角度下会突然"歪头"，好像是有人在拧着它走。排查了很久才意识到是重力补偿只做了线性近似——工具质心估计有偏差，姿态变化过大时补偿残差越来越大，这个残差被阻抗环当成外力，把末端"推"歪了。
解决办法是做了一个多姿态标定：让机器人在至少6个不同姿态下静止，记录传感器读数，用最小二乘重新估计工具重力向量和质心位置。做完之后，同样姿态范围内的力读数残差从10 N降到了1 N以内，整个系统也就稳定了。
这个坑说明，轴类传感器的力信号处理，重力补偿比阻抗参数本身更影响控制品质。很多工程师专注于调Kd和Bd，却忘记把传感器数据做干净，事倍功半。
5.3 第三次：dSPACE/控制器死机，原因是C代码里有个double除法
这个坑发生在我把控制代码从Simulink自动生成代码移植到手写C代码时。某个版本的C代码里，我写了一句：
float correction = force / (kd * scale_factor);但scale_factor是int类型且值为0，于是整个控制率瞬间计算出inf，位置指令直接飞掉，控制器触发保护停机。这个错误在仿真里完全不存在，因为MATLAB自动生成的代码对类型和零值做了防护，手写代码却没有。
这不是技术难题，但想提醒大家：从仿真到实机的最后一公里，代码安全审查非常重要。所有的除法、开方、对数运算，都要检查分母会不会为零、实参会不会为负；所有的滤波器状态，都要考虑上电初始化。仿真可以容忍这些细节，真机不会。
6. 扩展应用：不只是打磨装配，位置阻抗控制还能这么玩
6.1 拖动示教与人机共融
基于位置的阻抗控制最为人熟知的应用之一是拖动示教。传统示教器示教需要操作员通过按键逐点移动机器人，效率低且不直观。拖动示教则让操作员直接握住末端，像牵引一个悬浮物体一样移动机器人，机器人根据操作者施加的力计算出期望运动方向。
实现上，将目标阻抗控制中的期望轨迹固定为当前位姿，并设置低刚度（比如Kd=100 N/m）和合适的阻尼。当人施力时，位置修正量就是实际移动量，系统表现成一个"零重力"的漂浮体。为了让体验更自然，通常还需加入速度前馈和加速度前馈。
我做过一个实验：Kd设为80 N/m，Bd设为40 N·s/m，末端在拖动时感觉非常"滑"；如果把Bd加大到120，明显感觉"黏"。实际产品中，阻尼一般根据人的舒适度反复调节，也可以做成速度相关，使其在高速拖动时更省力、低速时更精准。
6.2 恒力打磨/抛光
在打磨、抛光任务中，关键是让打磨工具始终以恒定力压在工件表面，同时顺应工件表面的形状变化。基于位置的阻抗控制非常适合这个场景，因为它可以通过位置修正自然贴合复杂曲面。
实际部署时，需要把打磨工具的重力补偿干净；同时由于打磨力波动大，会对力信号进行较强的滤波，但可能牺牲动态响应能力。更好的做法是以较低的阻抗带宽实现粗糙顺应，再把力误差作为最终偏移修正量，叠加一个低速的力跟踪PI环。这样可以做到：阻抗控制负责快速响应，力跟踪环负责消除力静态误差，两者分工明确。
6.3 零部件装配
轴孔装配是另一个经典应用。通常在装配阶段，期望轨迹定义为一个恒速下压过程。如果轴孔稍微错位，接触力会产生横向分量，阻抗控制把横向力转化到位置修正，从而在保持下压力的同时自动校正轴的横向位置。这就是所谓"主动柔顺装配"，比传统的被动柔顺手腕更灵活、适应性强。
不过要注意：装配任务对位置精度要求高，阻抗控制的Kd不能太小，否则轴会过度偏向孔的一侧。通常我建议在装配阶段采用"方向解耦"的方法：在下压方向（Z轴）保持较低刚度和恒力控制，在水平方向（X/Y轴）保持较高刚度和精确位置，这样既利用了阻抗的柔顺特性，又保证了装配精度。
6.4 与环境交互的通用摩擦补偿
如果你打算把这些应用做扎实，建议花时间把末端执行器的摩擦力也补偿进去。打磨工具、装配夹爪自身关节的摩擦力会降低力控制的精度，抵消一部分阻抗柔顺的效果。
在仿真模型中，可以用一个简单的库仑+粘滞摩擦模型模拟末端摩擦；在真机调试时，通过低速匀速拖动末端来测算摩擦力并构建前馈表。摩擦前馈加到位控指令的电流环或者速度前馈上，能显著改善低幅值力控的精度。
7. 最后的几点实在话
基于位置的阻抗控制之所以在工程中被广泛使用，核心就是它把复杂的力控问题降维到了大家熟悉的位置控制框架上。你不需要手写复杂的力矩控制律，不需要精确辨识完整动力学模型，只需要把阻抗参数整定好，把力信号处理干净，把位置环的带宽约束弄清楚，就能在工业机器人上做出真正可用的柔顺控制效果。
如果你刚起步，我的建议是先不要碰Simscape机械结构仿真，先用传递函数和状态空间搭一个简化被控对象，把阻抗方程的计算、离散化、参数影响吃透。等原理通了，再往里面加力传感器噪声、位置环延迟、环境刚度、重力补偿这些"现实杂质"，逐步逼近真机表现。
从"仿真能跑"到"实机能用"之间的距离，往往是所有工程细节的叠加。那些在Simulink里看不到的坑——力传感器噪声、重力补偿残差、位置环带宽限制、离散化数值稳定性、代码鲁棒性——才是决定项目成败的真正因素。
后面如果时间允许，我会把样机数据、实际参数整定曲线和C代码的详细注释整理一份补充分享出来。也欢迎有类似经历的朋友一起交流，特别是那些在实机上把阻抗参数"调疯了"的案例，沟通过程往往比仿真结果更有价值。
本文还有配套的精品资源，点击获取
