问题：零件升起后却开始倾斜
夹爪抓住一块金属支架并将其抬起，一开始似乎一切正常。随后支架略微倾斜并滑落。增加夹持力也许能解决问题，却也可能压坏脆弱的表面。因此，有用的问题不只是“零件有多重”，而是：每个接触点需要多大的力，才能既托住零件又防止它旋转？
本文针对平面模型中的双指夹爪建立答案。以一个假设的、质量为一千克的支架为贯穿算例，说明为什么重心偏移一厘米可能要求增加三分之一的夹持力，为什么摩擦首先是一个上限而不是始终存在的固定力，以及何时继续加力已不再可行。这是经过计算的教学分析，不是硬件试验、安全操作规程或可直接施工的设计。
公式之前：两项不同的任务
两侧夹指沿水平方向压向零件。这种垂直接触表面的力称为法向力。零件则倾向于向下运动，因此需要沿表面向上的切向力才能托住它。这是两个不同方向。法向力并不直接抬升零件，而是借助摩擦使接触能够提供一定的切向力。混淆两者，也容易误读夹爪的力参数。
第二项任务是避免旋转。用两只手提袋子时，两只手不一定各承担一半重量，因为袋内物品的位置很重要。这个类比有助于理解，却不能证明结论。对支架，我们将分别建立力平衡和力矩平衡：前者决定它如何升降，后者决定它是否开始旋转。力矩描述力的转动效果，其大小与力臂有关；力臂是参考点到力作用线的垂直距离。
一个简单且假设明确的模型
设两个点接触处于同一高度，相距60毫米。以夹持中心为参考，它们的位置为 x = −b 和 x = +b，其中 b = 0.03 米。质心向右水平偏移 e = 0.01 米。零件质量 m = 1 千克。机器人以 a = 2 米每二次方秒的加速度竖直向上运动。假设支架刚性、不发生旋转、没有水平加速度，也不存在其他接触。
用 N 表示每个夹指的法向力。由于水平方向平衡，两侧法向力大小相等。N 并不是两侧力大小之和；后者为 2N。用 tL 和 tR 表示左、右切向力，向上为正。产品手册可能采用不同的夹持力定义，因此在把计算结果与元件参数比较之前，必须确认该参数究竟表示什么。本文给出的夹持力结果都指单个夹指。
接触点需要承担多少载荷？
匀速运动时，只需平衡重力 mg；向上加速时，还需要提供 ma。把两者相加，可以定义一个等效竖直载荷 F。这并不是质量增加了，也不是引入了一种神秘的新力，而只是将牛顿第二定律 tL + tR − mg = ma 中的重力项移到等号另一侧。
这里取重力加速度 g = 9.81 m/s²。结果说明两个接触点合计需要提供11.81牛顿的向上作用力，却没有说明如何分配。若在此停下，我们可能令 tL = tR = 5.905 N，以为问题已经解决。对于质心居中的零件，这样做正确；对于本例支架则不正确，因为右侧接触必须承担更多载荷，才能避免倾转。
关键一步：还要平衡转动
以质心为参考计算力矩。两个接触点的水平力臂分别为 −b−e 和 b−e。由于接触点同高，两侧法向力等大反向，它们的力矩相互抵消。要使角加速度为零，就得到以下关系。利用前面得到的竖直方向平衡，可将它改写为第二种形式，直接看出：质心偏移需要由左右切向力之差来平衡。
比值 e/b 没有单位，它把质心偏移量与半个夹持间距进行比较。本例中该比值为三分之一，因此得到 tR = 7.873333 N、tL = 3.936667 N。右侧承担左侧两倍的切向力，合计仍为11.81 N。两个相反方向的力矩均约为0.157467 N·m：右侧为7.873333 × 0.02，左侧为3.936667 × 0.04。这个核对直观地解释了为何载荷不能均分。
可用的摩擦力并非无限
为了把竖直作用力与夹紧力联系起来，采用库仑静摩擦模型。每个接触点的切向力绝对值不能超过 μN，其中 μ 是无量纲摩擦系数。低于这一上限时，摩擦力取平衡所需的值，并非始终等于 μN。等号表示不滑动模型的边界，而不是建议的工作裕量。这里假设两侧 μ 相同。
两个接触都必须满足约束，因此由承载更大的那个决定需求。e 的绝对值使左右两侧对称：把质心移向另一侧，只会改变哪个接触更关键，不会改变最小力。取 μ = 0.4，用7.873333 N除以0.4，得到每个夹指至少需要19.683333 N。若质心居中，只需14.7625 N。两者之比为4/3：重量未变，但防止转动的约束使夹紧力需求增加了三分之一。
这个比较揭示了一个常见错误：只检查 2μN ≥ F。当 N = 15 N、μ = 0.4 时，总竖直承载能力为12 N，看似超过所需的11.81 N。然而每侧最多只能提供6 N，右侧却需要7.873333 N。总容量足够并不够，还必须在正确的位置提供所需的力。若不改变接触系统，就不能把左侧剩余的能力转移到右侧。
读图：位置与摩擦共同起作用
| e (mm) | μ | 每个夹指的 N (N) |
|---|---|---|
| 0 | 0.4 | 14.7625 |
| 10 | 0.4 | 19.683333 |
| 10 | 0.2 | 39.366667 |
横轴是质心偏移量，单位毫米；纵轴是每个夹指所需的最小法向力。先观察V形：质心居中时所需力最小，向左或向右偏移相同距离，代价相同。再比较不同曲线：μ减半，所需力加倍。图中没有给出零件掉落的概率，而是固定参数模型的可行边界。曲线位于虚线以下，并不意味着真实夹持已通过安全验证。
继续加力可能已不可行
现在假设每个夹指有25 N的上限。它可以代表执行器约束，也可以代表零件承受能力，但这里不把它归属于任何产品。条件变为 N_min ≤ 25 N。对本例几何关系，这等价于 μ ≥ 0.314933。如果实际摩擦系数为0.2，则需要39.366667 N。要求控制器施加超出上限的力，并不能解决问题；必须改变接触方式、夹持位置、加速度或机械支撑。
另一个不能与力混淆的量是压力。若每个接触的名义面积为60 mm²，19.683333 N对应的平均压力约为0.328056 MPa。计算方法是法向力除以面积，先将平方毫米换算为平方米。这个平均值不描述边缘压力峰值、垫块变形或支架强度。力不变时，面积加倍使平均压力减半；但在简单库仑模型中，并不会自动使摩擦承载能力加倍。这两个比较回答的是不同问题。
不确定性：不能只依靠最有利的系数
此前，μ、质量和位置都被视为精确已知。在真实过程中，污染、材料、磨损、位置和轨迹都可能变化。为了理解影响而不虚构统计分布，设定假想区间：m ≤ 1.1 kg、a ≤ 3 m/s²、|e| ≤ 15 mm、μ ≥ 0.25，并保持 b = 30 mm。公式随质量、向上加速度和偏心量增大而增大，随 μ 增大而减小。因此，在这些区间构成的矩形参数集合上，最大值出现在各个不利端点。
42.273 N明显超过假设的25 N上限。它不是失败次数的预测，也不是通用安全系数，而是较不利假设下的确定性结果。区间可能过宽，也可能遗漏更差的情况。区间分析的价值在于使假设可以被讨论和测量：哪些表面能保证 μ 不低于0.25？最大加速度是否包含瞬态？不同批次的质心会不会变化？没有这些答案，增加小数位并不会提高可靠性。
替代方案与结论边界
更好地对准夹持位置，可以在不增加挤压力的情况下降低 |e|。降低加速度会减小 F，但不会消除重量；即使 a = 0，仍有 mg。零件下方的支撑可以把部分载荷转移到其他接触，成形夹指则可能改变受力几何。这些改动并不等价，不能简单地在原公式中换一个更有利的 μ 来评估。必须针对新接触重新建立平衡，同时检查可接近性、变形和释放过程。
模型只讨论平面内的特定载荷。平面中的两个摩擦接触，不能证明能够抵抗任意三维扰动；平面外扭转需要另行分析。本文没有建模压力分布、软接触、振动、冲击、力控制误差或静摩擦向动摩擦的转换。Modern Robotics也区分了作为几何性质的力封闭与执行器力上限。这里不是证明一种万能抓取，而是求解明确条件下的平衡。
在算例之外使用公式同样需要谨慎：我们假设 F 为正。当 |e| 大于 b 时，一个计算得到的切向力会变为负值，即向下，与另一侧作用力形成力偶。绝对值使理想模型中的限制在形式上仍成立，但接触能否实现、几何条件和稳定性都必须重新检查。把曲线延伸到实际适用范围之外，并不等于解决了问题。本文图中仅采用 |e| ≤ 20 mm，小于 b。
计算说明了什么，还有什么需要试验
附带程序计算平衡关系，并检查合力、力矩和摩擦上限在数值上是否一致。程序不使用随机数，因此无需随机种子；假设输入保存在JSON中。下方简短代码复现主要算例，压缩包还包含其他工况和四种语言图表的生成程序。其用途不是控制夹爪，而是让算例中的每个数值都可核查。
若要开展真实试验，需要测量实际作用力、在使用条件下表征接触，并依据适合该系统的方案验证轨迹。本文没有进行这些工作。根据用户明确说明，工业与协作机器人是EL-AI计划探索的方向；本文不表示公司已有自研夹爪、已安装的工作单元或实验成果。
回答最初的问题
夹爪必须施加足够的夹紧力，让每个接触都能完成自身任务，而不只是使总承载能力超过重量。在本例理想条件下，每个夹指至少需要19.683333 N；质心居中时则为14.7625 N。一厘米的偏心增加了三分之一的力需求。若摩擦降低或约束收紧，解可能超出允许范围。设计上的启示很具体：加大夹紧力之前，先弄清载荷作用在哪里，以及由哪个接触承担。
来源与可复现性
主要教学参考资料为Kevin M. Lynch和Frank C. Park的Modern Robotics第12章材料。所列章节支持摩擦模型以及力封闭与执行器上限之间的区别。本文支架的几何、参数、推导和计算属于教学构造，并非复现原作者的实验，也不是经过同行评审的原创研究。
Modern Robotics — 12.2.1 Friction.
Modern Robotics — 12.2.3 Force Closure.
m, g, a, b, e, mu = 1.0, 9.81, 2.0, 0.03, 0.01, 0.4
F = m * (g + a)
t_right = F * (1 + e / b) / 2
t_left = F - t_right
N = max(abs(t_left), abs(t_right)) / mu
print(f"{t_left=:.6f} N, {t_right=:.6f} N, {N=:.6f} N")
代码、数据与说明 · JSON. 教学计算使用 Python 3.14.0，图使用 Matplotlib 3.11.2。分析由 AI 辅助，不声称经过同行评审或人工审核。原创 ImageGen 封面仅作示意，不记录 EL-AI 人员、场所或实际安装。来源查阅于 2026 年 9 月 27 日。