3、曲率约束与发散的关系：曲率过大导致控制量突变、曲率约束作为防发散手段

聊到曲率约束，很多人第一反应是“哦，就是限制转弯半径嘛”。

没错，但这只是表象。真正让我重视曲率约束的，是一次惨痛的调试经历。那时候我还在做移动机器人路径跟踪，明明算法算得好好的，仿真也跑得挺顺，一上实车，电机直接过流保护。查了半天，发现是规划出来的路径曲率太大，控制器为了跟上路径，瞬间输出了一个巨大的转向指令。

嗯，这就是我们今天要聊的核心——曲率过大与控制发散之间的直接关系。

先想一个问题：控制器是怎么工作的？

说白了，控制器就是根据当前状态和目标状态的偏差，算出一个控制量。如果路径曲率很大，意味着车辆需要在极短的时间内完成大角度转向。这时候，偏差会突然变大，控制器为了快速消除偏差，就会输出一个很大的控制量。

我举个例子你就明白了。

一个直观的例子：

假设你开车，前方突然出现一个急弯（曲率很大）。如果你按照直线行驶的思维，到了弯道跟前才猛打方向盘，车身会怎样？

控制器的行为，和这个一模一样。

从数学上看，曲率 κ 与转向角 δ 的关系是：

δ = arctan(L * κ)

其中 L 是轴距。曲率 κ 越大，需要的转向角 δ 就越大。如果 κ 的变化率也很大，那 δ 的变化率就会更大——这就是控制量突变的根源。

我在项目中遇到过一种情况：路径上有一个很小的锯齿状波动，肉眼几乎看不出来，但曲率却剧烈震荡。控制器为了跟踪这个路径，转向电机来回摆动，频率高到吓人。最后电机驱动器直接报错。

注意：曲率过大不仅导致控制量突变，还会引发执行器饱和。一旦执行器饱和，控制器的积分项会持续累积，形成“积分饱和”现象。这时候松开积分项，系统会剧烈超调；不松开，系统响应越来越慢。两边都是坑。

曲率约束，说白了就是给路径的“弯曲程度”加一个上限。这个上限怎么定？

我个人习惯从三个角度来考虑：

你想想看，如果路径的曲率始终在约束范围内，控制器的输入就不会出现“突然的大偏差”。控制量自然也就不会突变。这就是曲率约束作为防发散手段的核心逻辑。

一个小技巧：我建议在路径规划阶段就加入曲率约束，而不是等到控制阶段再去处理。规划阶段约束曲率，代价小、效果好。控制阶段再去限制，往往已经晚了。

实际工程中，曲率约束通常有两种实现方式：

方式	原理	优点	缺点
硬约束	在规划时直接限制曲率最大值	实现简单，保证路径可执行	可能无解，需要放宽约束
软约束	在代价函数中加入曲率惩罚项	灵活，总能找到解	参数调不好，曲率可能超标

我个人更倾向于先用硬约束保证安全性，再用软约束优化路径质量。举个例子：

# 硬约束：曲率上限
max_curvature = 0.2  # 1/m

# 软约束：曲率变化率惩罚
cost = w1 * path_length + w2 * curvature_change_rate

我曾经在一个项目中，只用了硬约束，结果在狭窄空间里规划不出路径。后来加了软约束，允许曲率在特殊情况下稍微超标，但代价很高。这样既保证了大部分情况下的安全性，又避免了无解的问题。

讲一个真实案例吧。

有一次，我们测试一个自动泊车系统。车辆需要倒车入库，路径规划器生成了一条很“漂亮”的路径——平滑、短距离。但实际执行时，车辆在入库的最后阶段突然剧烈摆动，然后冲出车位。

排查后发现：路径在入库点附近有一个曲率尖峰，曲率值达到了 0.8 1/m。而车辆的转向系统最大只能支持 0.3 1/m。控制器看到路径要求转向角 45 度，但实际只能打 20 度，偏差越来越大，最终发散。

解决方案很简单：在规划器中加入曲率约束，限制最大曲率不超过 0.25 1/m。重新规划后，路径虽然长了 10%，但执行非常稳定。

核心结论：

下面这张图，是我梳理的曲率约束与发散关系的核心逻辑。你可以把它当作本章的知识地图。

这张图把整个逻辑链条串起来了。从左到右是“曲率过大导致发散”的路径，从右到左是“曲率约束防止发散”的路径。你仔细看，曲率约束其实是在“控制量突变”这个环节切断了发散链条。

嗯，这就是曲率约束作为防发散手段的本质——它不是直接去抑制发散，而是从源头上避免导致发散的条件出现。

一句话总结：曲率约束不是限制路径好不好看，而是限制控制器会不会疯掉。