示例MATLAB可运行简单程序，建立六自由度机器人的三维动力学仿真模型，采用独立PD控制、重力补偿PD控制完成关节空间轨迹跟踪任务...

好的，下面是一个简单的六自由度机器人的三维动力学仿真模型的MATLAB程序，其中采用了独立PD控制和重力补偿PD控制实现关节空间轨迹跟踪任务：

%% 六自由度机器人的三维动力学仿真模型

% 关节参数
m = [1 1 1 1 1 1]; % 质量
l = [0.3 0.2 0.2 0.2 0.2 0.1]; % 长度
r = [0.15 0.1 0.1 0.1 0.1 0.05]; % 半径
g = 9.8; % 重力加速度

% 初始状态
q0 = [0 0 0 0 0 0]; % 关节角度
dq0 = [0 0 0 0 0 0]; % 关节角速度

% 控制参数
Kp = [10 10 10 10 10 10]; % 比例增益
Kd = [5 5 5 5 5 5]; % 微分增益

% 时间参数
tspan = [0 10]; % 仿真时间
dt = 0.01; % 时间步长
t = tspan(1):dt:tspan(2);
N = length(t);

% 初始化状态向量
q = zeros(N, 6); % 关节角度
dq = zeros(N, 6); % 关节角速度
ddq = zeros(N, 6); % 关节加速度

% 初始化控制输入向量
tau = zeros(N, 6); % 关节力矩

% 初始化重力矩向量
G = zeros(N, 6); % 关节重力矩

% 初始化末端位姿向量
x = zeros(N, 6); % 末端位姿

% 初始化期望轨迹
qd = [pi/2 pi/4 pi/6 pi/3 pi/5 pi/2]; % 关节角度期望轨迹

% 循环仿真
for i = 1:N
    
    % 计算重力矩
    G(i,:) = gravity_vector(q(i,:), m, l, r, g);
    
    % 计算动力学
    M = inertia_matrix(q(i,:), m, l, r);
    C = coriolis_vector(q(i,:), dq(i,:), m, l, r);
    F = friction_vector(dq(i,:), r);
    ddq(i,:) = inv(M)*(tau(i,:)' - C' - F' - G(i,:)');
    
    % 计算控制力矩
    tau(i,:) = Kp.*(qd - q(i,:)) - Kd.*dq(i,:) + G(i,:);
    
    % 更新状态
    if i < N
        q(i+1,:) = q(i,:) + dq(i,:)*dt;
        dq(i+1,:) = dq(i,:) + ddq(i,:)*dt;
    end
    
    % 计算末端位姿
    T = forward_kinematics(q(i,:), l);
    x(i,:) = [T(1:3,4)', rotm2eul(T(1:3,1:3))];
    
end

% 绘制关节角度轨迹
figure;
plot(t, q);
xlabel('Time (s)');
ylabel('Joint Angles (rad)');
legend('q_1', 'q_2', 'q_3', 'q_4', 'q_5', 'q_6');

% 绘制末端位姿轨迹
figure;
plot3(x(:,1), x(:,2), x(:,3));
xlabel('X (m)');
ylabel('Y (m)');
zlabel('Z (m)');

% 绘制末端姿态角轨迹
figure;
plot(t, x(:,4:6));
xlabel('Time (s)');
ylabel('End Effector Orientation (rad)');
legend('Roll', 'Pitch', 'Yaw');

在上述代码中，我们使用了一些MATLAB函数来计算机器人的动力学、控制和运动学，例如`inertia_matrix`、`coriolis_vector`、`friction_vector`、`gravity_vector`和`forward_kinematics`等函数。这些函数的具体实现可以查阅相关的MATLAB文档或参考其他资料。

在上述程序中，我们首先定义了机器人的关节参数、初始状态和控制参数等信息，然后通过循环仿真计算了机器人的动力学和控制输入，最后绘制了关节角度轨迹、末端位姿轨迹和末端姿态角轨迹等图形，以便我们更好地理解机器人的运动行为和控制效果。

需要注意的是，在实际应用中，我们还需要考虑机器人的安全性、稳定性和实时性等因素，并且需要根据具体的任务需求和环境条件进行相应的调整和优化。