4. 曲线生成算法：多项式插值法、样条插值法、傅里叶级数法的原理与实现

曲线生成算法，说白了就是电子凸轮的“翻译官”。你把运动需求告诉它，它帮你算出一条平滑的速度、加速度曲线。我见过不少工程师，算法原理背得滚瓜烂熟，一上机就出问题。为什么？因为没搞懂每种算法的脾气。

今天咱们就聊聊三种最常用的算法：多项式插值法、样条插值法和傅里叶级数法。我会把它们的原理、实现和坑都抖出来。

4.1 多项式插值法：简单但容易“翻车”

多项式插值法，是入门级的算法。它的思路很简单：给定N+1个点，用一个N次多项式把它们全部穿起来。拉格朗日插值和牛顿插值都是这个路子。

我刚开始做电子凸轮时，特别喜欢用高次多项式。觉得次数越高，曲线越精确。结果呢？有一次在包装机上试，7次多项式插值，曲线在中间几个点之间剧烈振荡，机器直接报警停机。这就是著名的龙格现象——高次多项式在端点附近会疯狂抖动。

多项式插值法的实现代码很简单，这里给一个拉格朗日插值的例子：

// 拉格朗日插值：给定点集 (x[i], y[i])，计算 t 处的值
double LagrangeInterp(double* x, double* y, int n, double t) {
    double result = 0.0;
    for (int i = 0; i < n; i++) {
        double term = y[i];
        for (int j = 0; j < n; j++) {
            if (j != i) {
                term *= (t - x[j]) / (x[i] - x[j]);
            }
        }
        result += term;
    }
    return result;
}

这段代码看着简单，但实际用起来要注意：输入点不能太密。点越多，多项式阶数越高，振荡越厉害。我个人习惯是，关键点控制在4-6个，再多就换样条。

特性	多项式插值法	适用场景
计算复杂度	O(n²)	点数少时效率高
连续性	C∞（无限阶连续）	理论平滑，实际易振荡
局部性	全局影响	改一个点，整条曲线都变
推荐点数	≤ 6	低速、简单轨迹

4.2 样条插值法：工业界的“万金油”

样条插值法，说白了就是“分段治理”。把整个曲线切成一小段一小段，每段用低次多项式（通常是3次）拼接起来。拼接处保证一阶导数和二阶导数连续，也就是C²连续。

为什么3次样条最常用？因为3次多项式刚好能保证速度和加速度都连续。你想想看，加速度连续意味着什么？意味着没有冲击，机器运行平稳。我在高速贴片机上用过，每分钟贴装30000个元件，3次样条跑下来，振动比多项式插值法小了40%。

样条插值的核心是解一个三对角方程组。这里给一个3次样条的实现片段：

// 3次样条插值：计算各段系数
// 输入：x[], y[] 为已知点，n 为点数
// 输出：a[], b[], c[], d[] 为各段系数
void CubicSpline(double* x, double* y, int n,
                 double* a, double* b, double* c, double* d) {
    double* h = new double[n-1];
    double* alpha = new double[n-1];
    double* l = new double[n];
    double* mu = new double[n-1];
    double* z = new double[n];
    
    // 计算步长
    for (int i = 0; i < n-1; i++) h[i] = x[i+1] - x[i];
    
    // 计算 alpha
    for (int i = 1; i < n-1; i++) {
        alpha[i] = (3.0/h[i])*(y[i+1]-y[i]) - (3.0/h[i-1])*(y[i]-y[i-1]);
    }
    
    // 追赶法解三对角方程组（省略详细展开）
    // ... 实际项目中建议用现成库函数
    
    // 计算各段系数
    for (int i = 0; i < n-1; i++) {
        a[i] = y[i];
        b[i] = z[i];
        c[i] = (3.0/h[i])*(y[i+1]-y[i]) - (3.0/h[i])*z[i] - (1.0/h[i])*z[i+1];
        d[i] = (z[i+1]-z[i])/(3.0*h[i]);
    }
    
    delete[] h; delete[] alpha;
    delete[] l; delete[] mu; delete[] z;
}

样条插值法最大的优点是局部可控。你改中间一个点，只影响相邻几段曲线，不会像多项式那样“牵一发而动全身”。这一点在调试阶段特别重要——你不需要重新算整条曲线。

4.3 傅里叶级数法：周期运动的“杀手锏”

傅里叶级数法，思路完全不同。它不直接插值，而是把目标曲线看成一系列正弦波和余弦波的叠加。你想想看，任何周期函数都可以分解成不同频率的正弦波——这就是傅里叶变换的核心思想。

在电子凸轮里，傅里叶级数法特别适合周期性运动。比如印刷机的滚筒、包装机的切刀，它们每转一圈重复一次动作。用傅里叶级数法，你可以精确控制每个频率分量的幅值，从而抑制特定频率的振动。

我记得有一次做高速分拣机，机械臂在末端位置总是有残留振动。用多项式插值法怎么调都调不好。后来换成傅里叶级数法，把振动频率对应的谐波分量一滤除，问题就解决了。

傅里叶级数法的实现公式：

// 傅里叶级数逼近：计算 t 处的值
// N 为谐波次数，a0, an[], bn[] 为傅里叶系数
double FourierSeries(double t, double T, int N,
                     double a0, double* an, double* bn) {
    double result = a0 / 2.0;
    double omega = 2.0 * PI / T;
    
    for (int n = 1; n <= N; n++) {
        result += an[n-1] * cos(n * omega * t);
        result += bn[n-1] * sin(n * omega * t);
    }
    return result;
}

特性	傅里叶级数法	适用场景
周期要求	必须周期性	旋转机械、往复运动
谐波次数	通常取 5-20 次	次数越高，逼近越精确
振动抑制	可选择性滤除谐波	消除特定频率共振
实时性	计算量随N线性增长	适合离线计算+查表

4.4 三种算法的对比与选型

说了这么多，到底怎么选？我总结了一个简单的选型表：

场景	推荐算法	理由
低速、少点、简单轨迹	多项式插值法	实现简单，计算快
高速、多拐点、高精度	样条插值法	C²连续，局部可控
周期性运动、振动抑制	傅里叶级数法	频域分析，精准滤波
实时性要求极高	样条插值法（查表）	离线算好系数，在线查表

嗯，这里要注意一点：没有绝对的优劣。我在一个项目中甚至同时用了两种算法——粗调用样条，精调用傅里叶。关键是要理解每种算法的脾气，知道它在什么情况下会“闹情绪”。

最后说一句：算法是死的，人是活的。多动手试试，多看看曲线形状，慢慢你就能找到感觉了。