高阶对称双S曲线运动的时间优化与轨迹规划新方法

《Results in Engineering》：A New Perspective on Double-S Curve Motions of Higher Order and Optimal Motion Planning

本文针对高阶导数约束下的最优运动规划问题，提出并证明了一种适用于任意阶对称轨迹的统一时间方程。该研究避免了传统方法中复杂的嵌套情况分析，将时间最小化及特定导数（如速度、加速度）最小化问题转化为求解方程组，为机器人、航空航天等高动态系统的轨迹优化提供了高效算法和理论新视角。

　　

在机器人、航空航天和精密制造等领域，如何让运动物体在严格限制其速度、加速度乃至更高阶导数（如加加速度Jerk、加加加速度Snap）的条件下，既能快速到达目标点，又能保证运动平稳、减少磨损和振动，是一个长期存在的核心挑战。传统的运动规划方法，在处理高阶约束时，往往需要进行繁琐的案例划分和复杂的优化计算，过程冗长且缺乏普适性。随着对运动控制精度和系统性能要求的不断提高，开发一种能够统一处理任意阶导数约束的简洁、高效的最优轨迹规划方法，显得尤为重要。

为此，来自德累斯顿工业大学的Rico Z?llner在《Results in Engineering》上发表了一项研究，为这一难题提供了新的解决方案。该研究聚焦于具有零边界条件和有界任意阶导数的对称轨迹，提出并证明了一个关于其运动时间范围的通用方程。令人惊讶的是，这个方程的有效性不依赖于运动具体由多少个阶段组成，从而从根本上避免了计算中的案例区分。

为了回答如何在高阶约束下实现时间最优或特定运动指标（如速度、加速度）最优的问题，研究人员系统性地探讨了对称双S曲线（或称七相位运动，7-Phase Motion, 7PM）轨迹的规划问题。研究的关键在于揭示了最优轨迹的一个普遍特性：其最高阶导数（例如，在加加速度控制运动中为Jerk）是分段恒定的，并且整个轨迹及其各阶导数在时间上呈对称分布。基于这一特性，研究者推导出了一个简洁而强大的通用时间方程。对于加加速度（Jerk，即位移的三阶导数）控制的运动，该方程表示为：总时间T = 运动距离s / 达到的最大速度v + 最大速度v / 达到的最大加速度a + 最大加速度a / 达到的最大加加速度j。这一公式可以自然地推广到任意N阶导数约束的情形，即总时间T是各相邻阶导数达到的最大值之比的累加和。

这项研究的意义在于，它提供了一个强大的统一框架。不仅能够求解在给定距离和约束下时间最短的运动轨迹（Minimum-Time Trajectory, MTT），还能解决在给定时程内，如何使运动过程中的最大速度、加速度等特定指标最小化（Minimum-Derivative Trajectory, MDT）的问题，例如实现最小加速度运动以降低设备受力。研究者通过引入“潜水鱼图”（Diving Fish Diagram）等直观的几何分析方法，清晰地展示了不同约束条件下最优解的存在区域和特性，并给出了系统性的求解算法。该方法避免了复杂的优化迭代，计算效率高，为实时运动规划提供了可能。

研究者为开展此项理论推演研究，主要运用了数学建模与理论证明的方法。核心工作是构建了满足对称性和分段常数最高阶导数条件的“预优化”（pre-optimal）轨迹模型，并在此基础上进行严格的数学推导，证明了通用时间方程对于任意阶数的有效性。此外，还采用了维度分析（通过引入无量纲量）的方法来简化问题表述和可视化分析（如生成潜水鱼图）。研究还包含了算法设计，为MTT和MDT问题提供了系统性的求解步骤。

3.1 加速度控制运动

研究人员首先回顾了二阶（加速度控制）运动，指出其速度曲线呈三角形或梯形，并由此推导出时间方程 T = s/v + v/a。

3.2 加加速度控制运动

这是研究的重点。文章详细分析了加加速度控制运动（三阶）的四种可能情况（4相位、5相位、6相位、7相位），并逐一证明它们都满足同一时间方程 T = s/v + v/a + a/j。这表明无论运动实际包含多少相位，该方程均成立。

4. 预优化运动的时间范围

本节将结论推广至任意阶数（N阶）。研究给出了通用时间方程 T = ∑(x_n/x_n+1), 其中n从0到N-1，x_n代表第n阶导数的最大值（如x₀=s, x₁=v, x₂=a, ...）。同时，通过引入“最早达到时间点”T_n的概念，给出了更一般的定理（定理2），表明各阶导数的达到时间也满足类似的求和关系。

5. 应用与示例

5.1 速度控制与加速度控制运动

简要说明了低阶（N=1, 2）运动是本文所提通用理论的特例。

5.2 加加速度控制运动

作为通用理论的重要应用实例，本节深入探讨了三阶运动。通过无量纲化处理，将时间方程转化为 T? = 1/v? + v?/a? + a?，并利用“潜水鱼图”直观展示了最优解（全局最小值）的存在位置以及不同约束条件（如v_max, a_max）如何影响最终的运动相位构成（4相位至7相位）。研究明确指出了求解最小时间运动（MTT）的判据。

5.3 加加加速度控制运动

将理论进一步推广至四阶（加加加速度Snap控制）运动，给出了时间方程 T = s/v + v/a + a/j + j/p，并指出此类运动至少包含8个相位，最多可达15个相位。通过三维的“潜水鱼图”说明了更高阶运动的优化空间和边界条件。

5.4 任意阶的系统性方法

总结了适用于任意阶运动的一般性系统方法。指出最优解由一系列条件（T_n= 2T_n+1）是否激活来决定，这些条件的组合（2^N-1种）直接对应了运动可能具有的最少相位数（2^N-1）和最大相位数（2^N-1）。

5.5 最小时间与最小导数轨迹的计算

提供了求解MTT和MDT问题的详细算法步骤。算法通过比较无量纲化的约束边界与由条件T_n= 2T_n+1定义的临界曲面，来确定哪些约束在最优解中是“激活”的，从而直接计算出最优的各阶导数最大值和总时间。文章还以一个五阶（Crackle控制）运动的具体算例演示了该算法的应用过程。

本研究通过建立统一的高阶最优运动轨迹时间方程，彻底改变了传统依赖案例分析的轨迹规划方法。所提出的理论框架不仅简洁优美，而且具有很强的实用性，相关算法计算高效，易于实现。这项工作为机器人、高精度制造、航空航天器等需要高阶平滑运动控制的领域提供了强大的理论工具和算法支持，有望在这些领域的性能优化、能耗降低和振动抑制方面产生深远影响。论文提供的Python代码实现也大大提升了研究成果的可应用性。