3、轨迹规划概述：目标、输入输出、分类与性能指标
轨迹规划是运动控制系统的“大脑”与“神经中枢”，它位于路径设定与伺服执行之间，负责将抽象的运动需求转化为具体、可执行、且满足物理约束的位置-时间序列。无论是工业机器人完成焊接、喷涂，还是CNC机床加工复杂曲面，亦或是AGV在仓储环境中自主导航，轨迹规划的质量直接决定了系统的生产效率、运动平稳性、定位精度以及设备寿命。本章作为轨迹规划与插补运动控制算法的开篇，将系统阐述轨迹规划的核心目标、标准化的输入输出接口、两大基本分类维度（关节空间与笛卡尔空间、点到点与连续路径），以及衡量轨迹优劣的关键性能指标。理解这些基础概念，是后续深入学习各类插补算法（如直线插补、圆弧插补、S曲线加减速）的前提。
上图展示了轨迹规划在运动控制系统中的核心枢纽地位。从输入侧看，它接收来自上位机或离线编程的路径点、工艺约束（如焊接速度）以及机械系统的物理极限；经过规划器内部的算法处理（如S曲线加减速、样条拟合、时间最优规划），输出满足约束且平滑的离散位置序列，供底层伺服驱动器跟踪。图中同时揭示了本章将要展开的两大分类维度：按规划空间分为关节空间与笛卡尔空间，按路径连续性分为点到点（PTP）与连续路径（CP）。性能指标则贯穿于所有规划算法之中，是评价轨迹优劣的标尺。
3.1 轨迹规划的目标与核心任务
核心原理：轨迹规划的根本目标，是在满足运动学（位置、速度、加速度）与动力学（力矩、功率）约束的前提下，生成一条从起始位姿到目标位姿的、确定且平滑的运动序列。它不仅仅是“找一条路”，更重要的是回答“何时以何种速度到达何处”的问题。一个完整的轨迹定义包含位置函数 \( q(t) \)、速度函数 \( \dot{q}(t) \) 和加速度函数 \( \ddot{q}(t) \)，其中 \( q \) 可以是关节角度向量或笛卡尔空间位姿向量。
轨迹规划的核心任务可分解为三个层次：
- 路径生成（Path Generation）：确定运动经过的几何形状，如直线、圆弧、B样条曲线，但不包含时间信息。
- 时间标定（Time Scaling）：为路径上的每个点分配时间戳，即确定速度与加速度分布。这是轨迹规划区别于纯路径规划的关键。
- 约束满足（Constraint Satisfaction）：确保生成的轨迹不超出电机最大转速、最大扭矩、系统共振频率以及工艺要求的加速度限制。
- 几何参数：起点/终点坐标、路径类型（PTP或CP）、路径点列表。
- 运动学参数：最大关节速度 \( V_{max} \)、最大加速度 \( A_{max} \)、最大加加速度 \( J_{max} \)。
- 工艺参数：如焊接速度、涂胶流量对应的进给率。
输出则为：
- 离散参考点：以固定插补周期（如1ms或0.5ms）生成的位置增量 \( \Delta q \)。
- 前馈量：速度与加速度前馈值，用于提高伺服跟踪精度。
3.2 轨迹规划的分类体系
判断方法：选择何种轨迹规划策略，取决于应用场景对路径形状的严格程度和计算资源的限制。下表给出了两类分类维度的详细对比与选型依据。
| 分类维度 | 类型 | 优点 | 缺点/风险 |
|---|---|---|---|
| 规划空间 | 关节空间规划 | 计算量小，无奇异点问题；可直接考虑关节极限；适用于PTP运动 | 末端运动路径不可预测，可能碰撞障碍物；不适合复杂曲面加工 |
| 笛卡尔空间规划 | 路径形状直观可控（直线/圆弧）；适合焊接、涂胶、切割等工艺 | 需实时逆解，存在奇异点风险；计算量大；可能超出关节速度极限 | |
| 路径连续性 | 点到点 (PTP) | 规划简单，时间最优；常用于装配、搬运、点焊 | 中间路径不受控，仅保证起终点位姿 |
| 连续路径 (CP) | 路径精度高，轨迹平滑；适用于复杂轮廓加工 | 对插补周期要求高，加减速控制复杂 |
案例拆解：以六轴机器人执行PCB板插件任务为例。该任务要求机器人从料盘抓取元件，插入电路板指定孔位。此场景适合采用关节空间PTP规划：因为中间路径空旷无碰撞风险，且只需保证起终点精度。规划器在关节空间内生成各关节的S曲线轨迹，使六个关节同步运动，总时间最短。若改为笛卡尔空间CP规划，虽然末端走直线更“好看”，但会导致关节在奇异点附近速度骤增，反而增加振动与时间。
反之，对于激光切割应用，必须采用笛卡尔空间CP规划。因为激光头必须严格沿CAD轮廓运动，任何路径偏移都会导致切割质量缺陷。此时规划器需在笛卡尔空间生成直线或圆弧段，并通过逆运动学实时映射到关节空间，同时需在奇异点附近进行降速处理。
3.3 轨迹规划的性能指标体系
核心原理：性能指标是评价轨迹规划算法优劣的量化标准。三个核心指标——时间最优、平滑性、能耗——往往相互冲突，需要根据应用场景进行多目标权衡。
- 时间最优（Time Optimal）：在满足约束下，使运动时间最短。这直接关系到生产节拍。典型算法为时间最优轨迹规划（TOPP），通常采用“bang-bang”控制原理，即加速度在最大值与最小值之间切换。
- 平滑性（Smoothness）：通常用加加速度（Jerk）的连续性与幅值衡量。高Jerk会激发机械共振，导致振动、噪声和定位超调。S曲线加减速是工程中最常用的平滑策略，它将加速度曲线变为梯形，从而限制Jerk。
- 能耗（Energy Consumption）：在电池供电的AGV或大规模产线中，能耗优化可显著降低运营成本。能耗最优轨迹通常通过降低峰值功率、减少不必要的加减速来实现，但往往以牺牲时间为代价。
常见误区与复盘：
误区2：在笛卡尔空间规划时，忽略关节空间的速度/加速度极限。末端速度低不代表关节速度低，尤其在奇异点附近，微小末端位移可能导致关节高速旋转。正确做法是在规划后增加关节空间校验环节。
误区3：将时间最优与能耗最优混为一谈。时间最优通常意味着频繁的满加速/满减速，能耗反而更高。对于移动机器人，若电池容量有限，应优先采用能耗最优轨迹，即使运动时间增加10%-20%。
案例复盘：某CNC加工中心在加工铝合金薄壁零件时，原采用梯形速度规划（加速度突变），导致表面出现明显振纹。工程师将规划算法升级为S曲线加减速，并设置Jerk限制为 \( 50mm/s^3 \)。修改后，加工时间仅增加8%，但表面粗糙度从Ra3.2μm降至Ra1.6μm，刀具寿命延长了30%。此案例说明，平滑性指标的改善往往能带来综合效益的提升，而不仅仅是理论上的“更平滑”。