执行器（Actuators）是机器人的“肌肉”。本章将深入探讨如何让机器人动起来，涵盖电机原理、驱动电路、传动机构以及核心的选型计算方法。
机器人领域最常用的电机主要有三种：直流电机（DC）、步进电机（Stepper）和伺服电机（Servo/PMSM）。
- 原理：利用电刷和换向器物理接触改变电流方向，产生连续旋转。
- 优点：控制简单（给电就转）、成本低。
- 缺点：电刷磨损寿命短、有火花干扰、效率较低。
图1：直流有刷电机内部结构
- 原理：去除电刷，利用电子换向（ESC）。转子是永磁体，定子是线圈。
- 特点：寿命长、噪音小、效率高、功率密度大。
- 应用：四轴飞行器、高性能机械臂（如 UR5）、移动底盘。
图2: BLDC vs Brushed 对比
- 原理：通过脉冲信号控制，每输入一个脉冲转动一个固定的角度（步距角）。
- 特点：开环控制即可实现精确定位，低速扭矩大。
- 缺点：高速性能差，容易丢步，共振噪音大。
| 特性 | 直流有刷 | 直流无刷 (BLDC) | 步进电机 |
|---|---|---|---|
| 控制方式 | 电压/PWM | 电子换向 (FOC/六步) | 脉冲 (Pulse/Dir) |
| 寿命 | 低 (碳刷磨损) | 高 (轴承寿命) | 高 |
| 高速性能 | 中 | 优 | 差 (力矩随转速急降) |
| 成本 | 低 | 高 | 中 |
| 典型应用 | 玩具车、风扇 | 无人机、协作臂 | 3D打印机、云台 |
电机通常不能直接连接负载，需要驱动器（放大信号）和减速机（放大扭矩）。
MCU 的 GPIO 只能输出微弱电流，必须通过 H 桥电路驱动电机。
- PWM (脉宽调制)：通过快速开关电源来调节平均电压，从而控制速度。
- H桥 (H-Bridge)：通过 4 个开关管（MOSFET）的状态切换，控制电流方向（正反转）。
图3: H桥电路控制电机正反转]
- 行星减速机：体积小，传动比大，同轴输出。
- 谐波减速机：零背隙（Backlash），高精度，用于机械臂关节。
- 同步带：适合远距离传动，噪音低。
graph LR
Input["控制器 (MCU)"] -->|PWM/Dir 信号| Driver["驱动器 (Driver)"]
Driver -->|大电流| Motor["电机 (Motor)"]
Motor -->|高速低扭| Gearbox["减速机 (Gearbox)"]
Gearbox -->|低速高扭| Load["负载 (Load)"]
style Motor fill:#ffecb3,stroke:#ffb300
style Gearbox fill:#e1f5fe,stroke:#039be5
这是新手最容易踩坑的地方。不仅要看额定功率，更要看 T-N (扭矩-转速) 曲线。
-
$P$ : 功率 (Watt) -
$\tau$ : 扭矩 (N·m) -
$\omega$ : 角速度 (rad/s)
-
确定运动学参数：最大速度
$v_{max}$ ，最大加速度$a_{max}$ 。 -
计算负载扭矩：
- 惯性扭矩：$T_{acc} = J \cdot \alpha$ （加速时需要）
- 摩擦扭矩：$T_{fric}$
- 重力扭矩：$T_{grav}$ （提升重物时需要）
- 安全系数：通常取 1.5 ~ 2 倍余量。
图4: 直流电机扭矩转速曲线
下面的代码用于计算移动机器人在给定加速度和坡度下，需要多大扭矩的电机。
import numpy as np
import matplotlib.pyplot as plt
def motor_sizing_calculator(mass, radius, max_vel, max_acc, slope_deg):
"""
计算移动机器人所需的电机参数 (峰值工况)
"""
g = 9.81
mu = 0.05
# 1. 力学分析
F_acc = mass * max_acc
F_gravity = mass * g * np.sin(np.radians(slope_deg))
F_friction = mass * g * np.cos(np.radians(slope_deg)) * mu
Total_Force = F_acc + F_gravity + F_friction
# 2. 转换为电机轴参数
Required_Torque = Total_Force * radius
# 3. 转速计算
omega = max_vel / radius
Required_RPM = omega * 60 / (2 * np.pi)
return Required_Torque, Required_RPM
# --- 1. 计算需求点 (你的原始逻辑) ---
# 示例：10kg小车，10cm轮径，1m/s速度，1m/s^2加速度，10度坡
T_req, RPM_req = motor_sizing_calculator(mass=10, radius=0.05, max_vel=1.0, max_acc=1.0, slope_deg=10)
print(f"需求工况点: {T_req:.2f} N.m @ {RPM_req:.2f} RPM")
# --- 2. 模拟一个“候选电机”的特性曲线 (新增部分) ---
# 假设我们选了一个电机，它的参数如下：
# 空载转速 (No-load Speed): 300 RPM
# 堵转扭矩 (Stall Torque): 3.0 N.m
motor_no_load_rpm = 300
motor_stall_torque = 3.0
# 生成电机曲线数据 (直线: T = -k * n + T_stall)
# 直流电机特性通常近似为一条斜向下的直线
rpm_range = np.linspace(0, motor_no_load_rpm, 100)
slope = -motor_stall_torque / motor_no_load_rpm
torque_curve = slope * rpm_range + motor_stall_torque
# --- 3. 绘图 ---
plt.figure(figsize=(8, 6))
# 画出电机特性曲线 (能力边界)
plt.plot(rpm_range, torque_curve, 'b-', label='Motor Characteristic Curve (Candidate)')
# 画出安全区域 (曲线下方的填充)
plt.fill_between(rpm_range, torque_curve, color='blue', alpha=0.1)
# 画出你的需求点 (工况)
plt.plot(RPM_req, T_req, 'ro', markersize=10, label='Required Operating Point')
# 添加辅助线
plt.axvline(x=RPM_req, color='gray', linestyle='--', alpha=0.5)
plt.axhline(y=T_req, color='gray', linestyle='--', alpha=0.5)
plt.xlim(0, motor_no_load_rpm * 1.1)
plt.ylim(0, motor_stall_torque * 1.1)
plt.xlabel('Speed (RPM)')
plt.ylabel('Torque (N.m)')
plt.title('Motor Selection: Requirement vs. Capacity')
plt.grid(True)
plt.legend()
plt.show()
- 蓝线：代表你买的电机的极限能力。
- 红点：代表你的小车在最费劲时候的需求。
- 判断标准：如果红点在蓝线下方（蓝色阴影区内），说明这个电机能带动小车；如果红点在蓝线上方，说明电机扭矩不够或转速不够，需要换更强的电机。