3. NURBS曲面基础
在复杂曲面插补的实际工程中，我们面对的对象往往不是单条曲线，而是由多张曲面拼接而成的蒙皮、叶片或模具型面。NURBS曲面之所以能成为CAD/CAM与数控插补的核心数学表达，在于其将曲线的一维参数思想推广到了二维参数域，通过张量积结构将控制点网格、节点向量与基函数有机组织起来。本章将围绕曲面张量积表示、控制网格的几何意义、节点向量的双向特性以及曲面求值算法四个核心模块展开，帮助读者建立从数学定义到代码实现、再到插补应用场景的完整认知。
3.1 曲面张量积表示：从曲线到曲面的自然推广
3.1.1 核心原理：张量积的数学本质
NURBS曲面的张量积表示并非简单的二维扩展，而是将曲面定义为两个参数方向（u向和v向）上基函数的乘积组合。给定u向节点向量U=[u₀,u₁,...,u_{m}]（含m+1个节点，p次），v向节点向量V=[v₀,v₁,...,v_{n}]（含n+1个节点，q次），以及控制点网格{P_{i,j}}（i=0..n，j=0..m），曲面方程可写为：
S(u,v) = Σ_{i=0}^{n} Σ_{j=0}^{m} N_{i,p}(u) N_{j,q}(v) w_{i,j} P_{i,j} / Σ_{i=0}^{n} Σ_{j=0}^{m} N_{i,p}(u) N_{j,q}(v) w_{i,j}其中N_{i,p}(u)和N_{j,q}(v)分别是u向和v向的B样条基函数，w_{i,j}为控制点权重。这种结构的核心优势在于：参数方向的可分离性使得我们可以将二维求值问题分解为两个一维求值问题，从而复用成熟的曲线算法。从几何直觉上看，固定v=v₀时，S(u,v₀)退化为一条以P_{i,j}为控制点的NURBS曲线；同理固定u亦然。这种“切片”特性在曲面加工路径规划中极为有用——我们可以沿u向生成刀具路径，沿v向控制步距。
3.1.2 判断方法：如何识别有效张量积曲面
在实际工程中，并非所有曲面文件都满足严格的张量积结构。判断一个曲面是否为有效的张量积NURBS曲面，可遵循以下流程：
- 检查控制点网格维度：控制点必须排列为矩形网格（n+1）×（m+1），不能出现不规则拓扑。
- 验证节点向量单调性：U和V必须为非递减序列，且节点重复度不超过次数+1（即p+1或q+1）。
- 确认权重非负：所有w_{i,j} > 0，否则可能导致曲面退化或奇异。
- 测试参数域完整性：曲面定义域为[u_p, u_{m-p}] × [v_q, v_{n-q}]，超出此范围求值需进行节点扩展。
下表总结了张量积曲面与一般自由曲面（如细分曲面）的关键差异：
| 对比维度 | 张量积NURBS曲面 | 细分曲面 | 三角网格曲面 |
|---|---|---|---|
| 控制结构 | 矩形控制网格 | 任意拓扑网格 | 三角面片集合 |
| 参数化 | 双参数(u,v)连续 | 无显式参数域 | 逐面片参数化 |
| 连续性 | 可控（节点重复度决定） | 极限曲面连续 | C⁰连续 |
| 求值效率 | 高（可分离） | 中（需迭代细分） | 高（但精度有限） |
| CAD标准 | IGES/STEP标准 | 非标准 | STL/OBJ |
3.1.3 案例拆解：叶片曲面参数化验证
某航空发动机叶片模型以IGES格式导入，控制点网格为15×8，u向次数p=3，v向次数q=2。初始检查发现v向节点向量为[0,0,0,0.2,0.4,0.6,0.8,1,1,1]，其中首尾重复度为3（q+1=3），符合Clamped条件。但u向节点向量出现[0.3,0.3,0.3,0.3]的连续4个重复节点，超过p+1=4的限制。经分析，这是建模软件在曲面裁剪时产生的伪节点。处理方案：使用节点去除算法（如Piegl的节点消去法）将重复度降至3，同时保持曲面形状误差在±0.01mm内。此操作使后续插补计算量减少约12%，因为基函数非零项数量从(p+1)(q+1)=12降至10。
3.1.4 常见误区与总结
误区2：忽略权重的影响。权重w_{i,j}可以局部调整曲面形状，但过大的权重（如>100）会导致数值不稳定，建议权重范围控制在0.1~10之间。
总结：张量积表示是NURBS曲面的骨架，它决定了曲面的拓扑结构、参数化方式以及求值算法的复杂度。掌握其数学本质，是后续学习曲面求值和插补算法的基础。
3.2 控制网格：曲面的几何骨架与凸包性质
3.2.1 核心原理：控制网格的几何意义
控制网格是由控制点P_{i,j}按拓扑关系连接而成的多边形网格。它提供了对曲面形状的直观控制——移动一个控制点，仅影响其附近区域的曲面形状，这种局部支撑性源于B样条基函数的局部支撑区间。具体而言，控制点P_{i,j}只影响参数域[u_i, u_{i+p+1}] × [v_j, v_{j+q+1}]内的曲面部分。这一性质在曲面局部修形中至关重要：例如在模具调试阶段，工程师只需微调局部控制点即可修正曲面缺陷，而无需重新生成整个曲面。
控制网格还决定了曲面的凸包性质：曲面完全位于其控制网格的凸包内。这意味着曲面的极值（如最高点、最远点）不会超出控制点的范围，这为加工余量计算和碰撞检测提供了保守估计。
3.2.2 操作流程：控制网格的构建与优化
在工程实践中，从点云或测量数据构建控制网格通常遵循以下步骤：
- 数据预处理：对原始点云进行去噪、均匀化采样，确保数据密度满足曲面重建要求。
- 参数化：使用弦长参数化或向心参数化方法，为每个数据点分配(u,v)参数值。
- 节点向量生成：根据数据点分布，采用平均法或奥斯陆算法生成合适的节点向量。
- 控制点反算：通过最小二乘拟合或插值方法，求解控制点坐标。对于插值问题，需解线性方程组；对于逼近问题，则使用带权最小二乘。
- 误差评估与迭代：计算拟合误差，若超差则增加控制点数量或调整节点分布，重复步骤3-4。
3.2.3 案例拆解：汽车A级曲面控制网格优化
某汽车外覆盖件曲面要求达到A级曲面标准（高斯曲率连续变化，无视觉瑕疵）。初始控制网格为20×15，拟合误差RMS=0.05mm，但局部区域出现曲率突变。分析发现，该区域对应的控制点分布过密，导致基函数叠加产生波动。优化方案：局部细化——在曲率变化剧烈的区域插入一行控制点（使用节点插入算法），同时合并平坦区域的多余控制点。具体操作：在u向节点向量中插入节点0.45（原节点为0.4和0.5之间），对应增加一行控制点；在v向的平坦区域（v∈[0.7,0.9]）删除两个冗余控制点。优化后，控制网格变为22×13，曲面RMS误差降至0.02mm，且曲率梳状图光滑无突变。代价是计算量增加约10%，但曲面质量显著提升，满足了A级曲面评审要求。
3.2.4 常见误区与总结
总结：控制网格是设计者与曲面之间的交互界面。理解其局部支撑性和凸包性质，能够帮助工程师高效地进行曲面修形、误差控制和加工路径规划。
3.3 节点向量：参数化的灵魂
3.3.1 核心原理：节点向量的结构与作用
节点向量U=[u₀,u₁,...,u_{m}]是一个非递减实数序列，它将参数域划分为若干子区间，每个子区间对应一段B样条基函数。节点向量的分布直接决定了基函数的形状、曲面的连续性以及控制点的影响范围。关键参数包括：
- 次数p：基函数的最高次数，通常p=3（三次）或p=5（五次）。次数越高，曲面越光滑，但计算量越大。
- 节点重复度k：节点u_i重复出现的次数。重复度k会降低该处的连续性至C^{p-k}。例如，三次B样条中，若节点重复度为1，则曲面在该处C²连续；重复度为2，则C¹连续；重复度为3，则C⁰连续。
- Clamped条件：首尾节点重复度为p+1，使曲面精确通过首尾控制点。这是工程中最常用的配置。
节点向量的选择是曲面拟合中最具技巧性的环节。均匀节点向量简单但可能导致曲面在参数域边缘波动；非均匀节点向量可以根据曲率分布调整控制点密度，实现“曲率大处控制点多，曲率小处控制点少”的自适应效果。
3.3.2 判断方法：节点向量质量评估
评估节点向量是否适合插补应用，可从以下指标判断：
| 指标 | 良好范围 | 问题表现 | 调整策略 |
|---|---|---|---|
| 节点间距比 | 0.1~10 | 间距比>100导致基函数病态 | 重新参数化或插入辅助节点 |
| 重复度 | ≤p+1 | 重复度过高导致曲面退化 | 节点消去 |
| 覆盖范围 | [u_p, u_{m-p}]覆盖整个参数域 | 未覆盖导致求值越界 | 节点扩展 |
| 与数据分布匹配度 | 节点密度与数据点密度正相关 | 节点过疏导致拟合误差大 | 节点插入 |
3.3.3 案例拆解：船体曲面节点向量自适应优化
船体曲面具有“首尾尖瘦、中部丰满”的特点。若使用均匀节点向量，则首尾区域因控制点不足而拟合误差大，中部区域则控制点冗余。采用向心参数化+节点自适应分布方案：首先计算数据点的向心参数值（即累计弦长平方根），然后按参数值密度分布节点。具体数据：船体曲面沿船长方向（u向）有200个截面数据点，初始均匀节点向量导致首部（前10%参数域）RMS误差达0.8mm，中部误差仅0.1mm。优化后，在首部插入3个节点（使节点密度提高50%），在中部删除2个节点。最终首部误差降至0.3mm，中部误差保持0.1mm，总控制点数量从25个降至24个，计算效率提升4%。
3.3.4 常见误区与总结
误区2：节点越多越好。节点过多会导致基函数支撑区间过窄，曲面局部波动加剧，且计算量增大。应遵循“最少节点满足精度”原则。
总结：节点向量是NURBS曲面的“隐形控制器”。它不像控制点那样直观可见，却深刻影响着曲面的连续性、局部性和数值稳定性。在插补算法实现中，节点向量的存储和索引是性能优化的关键点。
3.4 曲面求值算法：从参数到坐标的桥梁
3.4.1 核心原理：De Boor算法的二维扩展
曲面求值的核心任务：给定参数(u,v)，计算曲面上的点坐标S(u,v)。直接按定义计算需要遍历所有(n+1)(m+1)个控制点，效率低下。工程中采用二维De Boor算法，其核心思想是利用张量积的可分离性，将二维求值分解为两步一维求值：
// 伪代码：曲面求值
// 输入: u, v, 控制点P[][], 权重W[][], 节点向量U, V, 次数p, q
// 输出: 曲面点S
// 步骤1: 确定u在节点向量中的区间下标ku
ku = FindSpan(u, U, p);
// 步骤2: 计算u向非零基函数值 Nu[0..p]
Nu = BasisFuns(ku, u, p, U);
// 步骤3: 确定v在节点向量中的区间下标kv
kv = FindSpan(v, V, q);
// 步骤4: 计算v向非零基函数值 Nv[0..q]
Nv = BasisFuns(kv, v, q, V);
// 步骤5: 构造临时控制点（加权）
tempP[0..q] = 对每个j从kv-q到kv:
sum = 0
for i from ku-p to ku:
sum += Nu[i-(ku-p)] * W[i][j] * P[i][j]
tempP[j-(kv-q)] = sum
// 步骤6: 计算加权分母
denom = 对每个j从kv-q到kv:
sum = 0
for i from ku-p to ku:
sum += Nu[i-(ku-p)] * W[i][j]
tempW[j-(kv-q)] = sum
// 步骤7: 最终加权求和
S = (Σ Nv[j] * tempP[j]) / (Σ Nv[j] * tempW[j])该算法的时间复杂度为O(p×q)，与控制点总数无关，仅与次数相关。对于p=q=3的常见情况，每次求值仅需16次乘加运算，非常适合实时插补。
3.4.2 操作流程：高效求值实现要点
- 区间定位（FindSpan）：使用二分查找在节点向量中定位参数所在区间，时间复杂度O(log m)。
- 基函数计算（BasisFuns）：采用Cox-de Boor递推公式，利用局部支撑性仅计算非零基函数。
- 临时控制点构造：先沿u向加权求和，得到q+1个临时控制点，再沿v向求和。这种“先u后v”的顺序可最大化缓存命中率。
- 数值稳定性：当参数接近节点时，注意处理边界情况；建议使用双精度浮点运算。
3.4.3 案例拆解：五轴加工中的实时曲面求值
某五轴数控系统要求插补周期为1ms，曲面为双三次NURBS（p=q=3），控制网格50×40。初始实现直接按定义求值，每次求值需遍历2000个控制点，耗时约2.3ms，无法满足实时性。优化方案：
- 步骤1：改用二维De Boor算法，求值时间降至0.12ms。
- 步骤2：实现增量更新，相邻插补点参数差Δu≈0.001，基函数变化小，利用递推关系将时间进一步降至0.08ms。
- 步骤3：使用SIMD指令（如AVX2）并行计算4个基函数值，最终耗时0.05ms。
结果对比：优化后单次求值时间仅为初始的2.2%，插补周期内可完成20次以上曲面求值，为速度规划和前瞻控制留出了充足裕量。代价是代码复杂度增加，但换来了显著的实时性提升。
3.4.4 常见误区与总结
误区2：在求值前未检查参数是否在定义域内。当u超出[u_p, u_{m-p}]时，基函数计算会越界，导致内存错误或NaN结果。应在函数入口处添加参数范围检查。
总结：曲面求值算法是连接数学定义与数控插补的桥梁。掌握二维De Boor算法及其优化技巧，是构建高性能插补器的核心能力。在实际系统中，还应考虑GPU并行化、多线程等进一步优化手段。