梯形曲线数学模型：匀加速段、匀速段、匀减速段的三段式结构

好，咱们接着聊。上一章我讲了梯形曲线的基本概念，说白了就是「加速-匀速-减速」这么个三段式。这一章，咱们把它的数学模型彻底掰开揉碎了讲清楚。

我个人习惯，在写任何运动控制代码之前，先把数学公式在纸上推一遍。为什么？因为公式里藏着所有边界条件。你想想看，如果连加速度、速度、位移的关系都没搞明白，写出来的代码大概率会撞限位。

三段式的数学本质

梯形曲线，本质上就是三个时间段，每个时间段对应一个运动学方程。咱们用最经典的物理公式：

• 匀加速段：速度从0线性增加到目标速度V
• 匀速段：速度保持V不变
• 匀减速段：速度从V线性减小到0

嗯，这里要注意一点：加速和减速的加速度大小可以不同。我在项目中遇到过，有些设备为了减少冲击，减速段的加速度会设得比加速段小。但为了简化讨论，咱们先假设加减速对称，即加速度大小相等。

核心公式推导

设总位移为S，目标速度为V，加速度为a。那么三段的时间分别为：

• 加速时间：t₁ = V / a
• 减速时间：t₃ = V / a（对称情况）
• 匀速时间：t₂ = (S - V²/a) / V

这里有个关键点：匀速段的时间不能为负数。如果S太小，导致S - V²/a < 0，那就说明根本跑不到目标速度。这种情况我称之为「三角曲线」——只有加速和减速，没有匀速段。

位置与时间的分段函数

把三段的位置公式写出来，就是这样的分段函数：

# 匀加速段 (0 ≤ t ≤ t₁)
position = 0.5 * a * t²
velocity = a * t

# 匀速段 (t₁ < t ≤ t₁ + t₂)
position = 0.5 * a * t₁² + V * (t - t₁)
velocity = V

# 匀减速段 (t₁ + t₂ < t ≤ t₁ + t₂ + t₃)
position = 0.5 * a * t₁² + V * t₂ + V * (t - t₁ - t₂) - 0.5 * a * (t - t₁ - t₂)²
velocity = V - a * (t - t₁ - t₂)

你看，其实不复杂。每个阶段都是二次函数或一次函数。但实际编程时，我建议用时间累加器的方式，而不是直接套公式。为什么？因为实时系统里，时间往往是离散的，用累加器更容易处理中断和插补。

关键参数表

为了方便查阅，我把三个阶段的特征参数整理成表格：

阶段	时间范围	速度表达式	位移表达式
匀加速	[0, t₁]	v = a·t	s = ½·a·t²
匀速	[t₁, t₁+t₂]	v = V	s = ½·a·t₁² + V·(t-t₁)
匀减速	[t₁+t₂, T]	v = V - a·(t-t₁-t₂)	s = ½·a·t₁² + V·t₂ + V·(t-t₁-t₂) - ½·a·(t-t₁-t₂)²

其中T = t₁ + t₂ + t₃，是总运动时间。

梯形曲线的SVG结构图

下面这张图，是我用SVG画的梯形曲线三段式结构。你可以清晰地看到速度随时间的变化：

这张图里，红色是加速段，绿色是匀速段，蓝色是减速段。你注意看，加速和减速的斜率绝对值相等，这就是对称梯形曲线。如果斜率不同，那就是非对称梯形，咱们后面再聊。

实际编程中的离散化处理

理论公式讲完了，但实际写代码时，你不能直接用连续时间公式。为什么？因为运动控制器的周期是固定的，比如1ms或100μs。你需要把连续时间离散化。

我常用的做法是这样的：

# 伪代码示例：梯形曲线离散化
def trapezoidal_profile(total_distance, max_velocity, acceleration, dt):
    # 计算理论时间
    t_acc = max_velocity / acceleration
    t_dec = max_velocity / acceleration
    t_const = (total_distance - max_velocity**2 / acceleration) / max_velocity
    
    # 如果匀速段时间为负，退化为三角曲线
    if t_const < 0:
        # 重新计算最大可达速度
        max_velocity = sqrt(acceleration * total_distance)
        t_acc = max_velocity / acceleration
        t_dec = max_velocity / acceleration
        t_const = 0
    
    total_time = t_acc + t_const + t_dec
    num_steps = int(total_time / dt)
    
    # 离散化输出
    positions = []
    for i in range(num_steps):
        t = i * dt
        if t <= t_acc:
            # 加速段
            pos = 0.5 * acceleration * t**2
        elif t <= t_acc + t_const:
            # 匀速段
            pos = 0.5 * acceleration * t_acc**2 + max_velocity * (t - t_acc)
        else:
            # 减速段
            t_dec_local = t - t_acc - t_const
            pos = 0.5 * acceleration * t_acc**2 + max_velocity * t_const \
                  + max_velocity * t_dec_local - 0.5 * acceleration * t_dec_local**2
        positions.append(pos)
    
    return positions

边界条件与异常处理

梯形曲线看起来简单，但实际应用中，边界条件才是最容易出问题的地方。我总结了几种常见情况：

• 位移太小：S < V²/a，无法达到目标速度，退化为三角曲线
• 加速度太小：加速段太长，导致总时间超出工艺要求
• 速度太小：V太小，匀速段几乎不存在，曲线接近三角
• 非对称加减速：加速和减速的加速度不同，需要分别计算t₁和t₃

我记得有一次调试一个龙门架，客户要求加速要柔和，减速要快速。这就是典型的非对称梯形曲线。加速段加速度0.5m/s²，减速段加速度2m/s²。公式就要拆开算：t₁ = V/a₁，t₃ = V/a₃，匀速段时间 t₂ = (S - V²/(2a₁) - V²/(2a₃)) / V。

总结一下

梯形曲线的数学模型，说白了就是三个二次函数拼在一起。但真正用好它，你得理解三个关键点：

1. 时间计算：t₁、t₂、t₃的公式要烂熟于心
2. 边界判断：时刻检查匀速段时间是否为正
3. 离散化处理：连续公式到离散代码的转换要小心浮点误差

我个人觉得，梯形曲线是所有运动控制曲线的基础。你把它的数学模型吃透了，后面学S形曲线、多项式曲线都会轻松很多。下一章咱们会聊梯形曲线的代码实现，到时候我会给出一个完整的Python类，包含速度规划、位置插补和实时监控。

---

公众号:蓝海资料掘金营，微信deep3321