第一章 逐点比较法概述
1.1 插补的基本概念
先聊聊插补这事儿。
数控机床要加工一个圆弧，电机只能走直线，怎么办？
插补就是干这个的——把曲线拆成无数小直线段，让机床一步步逼近过去。
我刚开始接触数控时，总觉得这玩意儿挺玄乎。后来拆开一台老系统一看，说白了就是「算一步，走一步」的循环。
插补的核心任务有三个：
- 轨迹生成：把G代码里的直线、圆弧，转成各轴的运动指令
- 速度控制：保证走刀速度平稳，不能忽快忽慢
- 精度保证：误差控制在允许范围内，别切出废品
你想想看，如果没有插补，数控机床就只能走45度斜线或者正交直线。那加工出来的零件，估计跟狗啃的差不多。
一句话总结：插补是数控系统的灵魂，没有它，机床就是个三轴步进电机玩具。
1.2 逐点比较法的原理
逐点比较法，名字听着挺学术，其实逻辑特别朴素。
核心思想：每走一步，算一下当前位置和目标轨迹的偏差，然后决定下一步往哪走。
我习惯把它比作「闭着眼睛走迷宫」——你每迈一步，就摸一下墙，判断自己偏了没，再调整方向。
具体流程分四步：
- 偏差判别：计算当前点相对于理想轨迹的偏差
- 坐标进给：根据偏差符号，决定向哪个方向走一步
- 偏差计算：走到新位置后，重新算偏差
- 终点判别：检查是否到达终点，没到就继续循环
嗯，这里要注意——每一步只走一个脉冲当量，所以轨迹是阶梯状的。但步长足够小，看起来就是平滑曲线。
我的经验：逐点比较法最适合开环系统，比如步进电机驱动。闭环伺服系统用这个方法，反而会因为反馈延迟导致震荡。
1.3 逐点比较法的特点
用了这么多年，我总结出几个特点：
| 特点 | 说明 |
|---|---|
| 算法简单 | 只有加减法和比较，没有乘除，老式8位单片机都能跑 |
| 实时性好 | 每步计算量极小，适合高速插补 |
| 误差可控 | 最大偏差不超过一个脉冲当量 |
| 局限性 | 只能处理直线和圆弧，复杂曲线需要分段 |
我曾经在一个老项目中，用8051单片机跑逐点比较法，驱动两台步进电机做XY平台。那年代没有DSP，全靠这个算法撑起了0.01mm的定位精度。
避坑指南：我曾经遇到过一个问题——进给速度太快时，电机丢步了，但插补还在继续算。结果切出来的零件完全走样。后来我加了速度前瞻和加减速控制，才解决这个问题。
1.4 应用场景分析
逐点比较法虽然老，但至今没被淘汰。为什么？
因为它够稳。
主要应用场景：
- 经济型数控系统：成本敏感，CPU性能有限，逐点比较法是最优解
- 火焰/等离子切割：精度要求不高，但要求实时响应快
- 3D打印：早期FDM打印机很多用这个算法做直线插补
- 教学演示：逻辑清晰，适合初学者理解插补本质
说实话，现在高端数控都用样条插补了。但逐点比较法作为基础算法，理解它，你就能看懂所有插补算法的底层逻辑。
我的建议：如果你刚入行，别急着学NURBS插补。先把逐点比较法吃透，后面学啥都顺。
1.5 知识体系结构图
下面这张图，是我梳理的本章知识脉络：
这张图把本章内容串起来了。你顺着看，从概念到原理，再到特点和应用，最后是避坑——这就是我平时带徒弟的讲解顺序。
1.6 代码示例：直线插补核心逻辑
光说不练假把式。我写个最简单的直线插补代码，帮你理解：
def line_interpolate(x1, y1, x2, y2):
"""
逐点比较法直线插补
从(0,0)到(x2,y2)，步长1个单位
"""
dx = x2 - x1
dy = y2 - y1
steps = max(abs(dx), abs(dy))
x, y = x1, y1
F = 0 # 偏差值
for i in range(steps):
# 偏差判别
if F >= 0:
# X方向进给
x += 1 if dx > 0 else -1
F -= dy
else:
# Y方向进给
y += 1 if dy > 0 else -1
F += dx
print(f"Step {i+1}: ({x}, {y})")
print("插补完成")
# 示例：从(0,0)到(5,3)
line_interpolate(0, 0, 5, 3)
这段代码虽然简单，但逐点比较法的四个步骤全在里面了。你跑一遍，看看输出轨迹，就明白「每步算偏差、根据偏差走」是怎么回事。
小技巧：实际项目中，我不会用Python写插补——太慢了。但用来验证算法逻辑，Python比C快10倍。我习惯先用Python搭原型，再移植到嵌入式平台。
好了，第一章就聊到这儿。逐点比较法不复杂，但它是理解数控插补的基石。后面章节我们会深入直线插补和圆弧插补的细节，还会讲怎么处理象限切换、怎么优化速度。