1. 轨迹平滑基础：为什么需要轨迹平滑？平滑度的数学定义与评价指标
大家好，我是你们的老朋友。今天咱们聊聊轨迹平滑。
说实话，我刚开始做机器人控制那会儿，觉得轨迹平滑就是个“锦上添花”的东西。能跑就行，干嘛要平滑？直到有一次，我调试一台六轴机械臂，让它走一个简单的矩形路径。结果呢？每到拐角处，整个机械臂就跟抽风似的剧烈抖动，末端执行器差点把旁边的工件打飞。嗯，从那以后，我再也不敢小看轨迹平滑了。
1.1 为什么需要轨迹平滑？
你想想看，机器人运动的核心是什么？是让末端执行器从A点走到B点。但如果你直接给电机发一个“从位置0瞬间跳到位置1”的指令，会发生什么？
- 速度突变：位置指令跳变，意味着速度无穷大。电机根本做不到，只会产生巨大的冲击力。
- 加速度突变：即使速度连续，加速度突变也会导致机械结构产生振动。我在项目中遇到过，一台AGV小车因为加速度突变，载物台上的精密仪器直接移位了。
- 加加速度（Jerk）过大：说白了就是加速度的变化率太大。这会让机器人产生“点头”或“甩尾”现象，严重影响轨迹跟踪精度。
核心观点：轨迹平滑的本质，是让机器人的运动状态（位置、速度、加速度、甚至加加速度）连续且可导。不连续，就会产生冲击；不可导，就会产生振动。
我个人的习惯是，在设计任何轨迹规划器之前，先问自己三个问题：
- 这个轨迹会不会让电机产生过大的电流冲击？
- 机械结构能不能承受这个加速度变化？
- 末端执行器的精度要求是多少？
这三个问题，基本决定了你需要多“平滑”的轨迹。
1.2 平滑度的数学定义
好，咱们来点硬核的。平滑度在数学上怎么定义？
说白了，就是看轨迹的导数阶数。一个轨迹函数 q(t)，如果它的n阶导数连续，我们就说它是C^n连续的。
- C0连续：位置连续。这是最基本的要求，否则机器人会“瞬移”。
- C1连续：速度连续。保证机器人不会突然加速或减速，避免冲击。
- C2连续：加速度连续。这是大多数工业机器人的基本要求。加速度连续，意味着力是连续变化的，机械结构不会受到冲击载荷。
- C3连续：加加速度（Jerk）连续。这是高精度应用的要求，比如激光切割、精密装配。加加速度连续，能最大程度减少振动。
我的经验：在大多数移动机器人项目中，C2连续就足够了。但对于高速高精度的工业机器人，我建议至少做到C3连续。我曾经在一个半导体封装项目中，因为只做到了C2连续，导致焊线机在高速运动时出现微米级的振动，良率直接掉了5%。后来改成C3连续的S形速度规划，问题才解决。
1.3 评价指标
光有定义还不够，我们得能量化平滑度。下面是我常用的几个指标：
| 指标 | 公式 | 物理意义 | 我的用法 |
|---|---|---|---|
| 最大加速度 | max(|a(t)|) | 电机驱动力上限 | 约束条件，不能超过电机额定值 |
| 最大加加速度 | max(|j(t)|) | 振动与冲击程度 | 越小越好，通常限制在加速度的10倍以内 |
| 加速度均方根 | RMS(a(t)) | 整体能量消耗 | 评估轨迹的“柔和度” |
| 加加速度均方根 | RMS(j(t)) | 整体振动能量 | 高精度应用的核心指标 |
| 轨迹长度 | ∫|v(t)|dt | 路径效率 | 平滑后轨迹可能会变长，需要权衡 |
注意：不要盲目追求极致的平滑度。平滑度越高，往往意味着轨迹长度增加、运动时间变长。我见过一些新手，把加加速度限制设得极低，结果机器人走一个简单的直线路径，花了比预期多一倍的时间。这其实是一种资源浪费。
1.4 知识体系图
下面这张图，是我自己总结的轨迹平滑知识体系。你可以把它当作本章的“地图”。
1.5 一个简单的例子
光说不练假把式。咱们看一个最简单的梯形速度规划。假设机器人要从0走到10米，最大速度1m/s，加速度0.5m/s²。
# 梯形速度规划示例（Python伪代码）
def trapezoidal_profile(total_distance, max_vel, max_acc):
# 计算加速段距离
acc_distance = max_vel**2 / (2 * max_acc)
if acc_distance * 2 <= total_distance:
# 有匀速段
cruise_distance = total_distance - 2 * acc_distance
cruise_time = cruise_distance / max_vel
acc_time = max_vel / max_acc
total_time = 2 * acc_time + cruise_time
else:
# 没有匀速段，三角形速度曲线
max_vel_actual = sqrt(max_acc * total_distance)
acc_time = max_vel_actual / max_acc
total_time = 2 * acc_time
return total_time这个规划是C1连续的（速度连续），但加速度在起点和终点处有突变。说白了，就是C0连续，不是C2连续。如果你需要更高的平滑度，就得用S形速度规划或者多项式插值。
我的建议：初学者先从梯形规划入手，理解“连续”的概念。然后逐步过渡到S形规划。不要一上来就搞复杂的样条曲线，容易迷失在数学公式里。
1.6 避坑指南
最后，分享几个我踩过的坑：
- 我曾经以为平滑度越高越好：结果在一条直线路径上，因为用了高阶多项式，轨迹反而出现了“过冲”，末端执行器在起点和终点附近来回摆动。后来我才明白，平滑度要和路径几何特性匹配。
- 我曾经忽略了离散化误差：在仿真里轨迹平滑得很漂亮，一上实际机器人就抖。原因是我在连续域设计的轨迹，离散采样后出现了微小的速度跳变。解决办法是，在离散域重新验证平滑度指标。
- 我曾经忘记考虑电机响应延迟：轨迹规划得再平滑，如果电机响应跟不上，也是白搭。所以我现在做轨迹规划时，一定会留一个“响应裕量”，比如把最大加速度设为电机额定值的80%。
好了，这一章的内容就到这里。轨迹平滑不是玄学，是实实在在的工程问题。理解了为什么需要平滑、怎么定义平滑、怎么评价平滑，你就迈出了机器人控制的第一步。
可可精品资料库