4. 时间参数化：时间缩放、时间最优轨迹、时间-能量权衡

时间参数化，说白了就是给轨迹加上「时间标签」。

你想想看，一条几何路径摆在那，机器人走快还是走慢，完全由时间参数决定。我刚开始做轨迹规划时，总觉得路径算出来就完事了，结果机器人要么抖得像帕金森，要么慢得像蜗牛。后来才明白——时间参数化才是真正决定轨迹好不好用的关键。

4.1 时间缩放：最简单的调优手段

时间缩放，就是给整条轨迹乘上一个时间因子。比如原来规划好要走10秒，现在想快一点，就缩到5秒。

数学上很简单：

s_new(t) = s(α · t)  其中 α 是缩放因子

α > 1 表示加速，α < 1 表示减速。

但这里有个坑——时间缩放不是万能的。我曾经在一个六轴机器人项目上，直接把轨迹时间缩了一半，结果末端执行器在拐弯处直接飞出去了。为什么？因为加速度和力矩约束被忽略了。

我个人习惯的做法是：先用时间缩放快速试跑，如果出现抖动或跟踪误差过大，再考虑更精细的优化方法。

4.2 时间最优轨迹：能跑多快跑多快

时间最优轨迹的目标很简单：在满足所有约束的前提下，让机器人跑得最快。

约束包括：

• 关节速度上限
• 关节加速度/力矩上限
• 末端执行器速度上限
• 路径曲率约束（拐弯处不能太快）

常用的方法是梯形速度规划和S形速度规划。我一般这样选：

方法	特点	适用场景
梯形速度	加速-匀速-减速三段	对加速度冲击不敏感的场景
S形速度	加加速度连续	高精度、低振动的场景
时间最优参数化	考虑动力学约束	高速重载机器人

嗯，这里要注意——时间最优并不总是最好的选择。我记得有个焊接项目，为了追求节拍，我把轨迹时间压到了极限。结果焊枪在拐弯处抖动，焊缝质量全不合格。后来我主动加了0.3秒的缓冲时间，反而良品率上去了。

4.3 时间-能量权衡：省电还是省时间？

这是个经典问题。你想想看，跑得快意味着电机出力大，能耗自然高。跑得慢虽然省电，但生产效率就下来了。

我一般用这个公式来量化：

J = w1 · T + w2 · E

其中：

• T 是总时间
• E 是总能耗（可以用力矩平方积分近似）
• w1, w2 是权重系数

w1 大，就偏向时间最优；w2 大，就偏向能量最优。

我曾经给一个码垛机器人做过优化。客户要求节拍不能低于每分钟12次，但电费又贵。我用了时间-能量权衡方法，把轨迹时间从4.2秒调到4.8秒，能耗降了18%，节拍刚好达标。客户很满意。

4.4 核心逻辑框架

下面这张图是我自己总结的时间参数化决策流程，你可以参考：

这张图的核心逻辑是：先判断约束是否严格。如果不严格，直接用时间缩放快速搞定；如果严格，就要做时间最优规划。最后再根据实际需求做时间-能量权衡。

4.5 实战中的避坑指南

我踩过的坑不少，挑几个典型的说说：

• 不要盲目追求时间最优——我曾经在一个喷涂项目上把轨迹时间压到极限，结果机器人抖动导致喷涂不均匀，返工率高达30%。后来加了10%的时间余量，问题就解决了。
• 注意加速度连续性——梯形速度规划虽然简单，但加速度突变会引起振动。如果对精度要求高，建议用S形速度规划。
• 能量优化要考虑电机效率曲线——不同转速下电机效率不同。我一般会查电机手册，把效率曲线拟合进去，这样算出来的能耗更准。

好了，时间参数化这部分就聊到这。记住一句话：好的轨迹不是跑得最快的，而是跑得最稳的。

---

公众号:蓝海资料掘金营，微信deep3321