当前位置：首页 > news >正文

直接开撸代码！最近在搞机械臂轨迹优化，发现用7次非均匀B样条做多目标优化真香。这玩意儿既能保证轨迹平滑，又能同时优化时间、能耗和冲击，三杀成就达成

news 2026/3/27 1:54:33

matlabB样条轨迹规划，多目标优化，7次非均匀B样条轨迹规划，基于NSGAII遗传算法，实现时间能量冲击最优。换上自己的关节值和时间就能用代码有中文注释，新手勿拍。

先甩个轨迹生成函数的核心代码：

function [q, dq, ddq] = generateTrajectory(ctrlPoints, knots, t) % 7次B样条轨迹生成器 % ctrlPoints - 控制点矩阵[Nx7] % knots - 自定义节点向量 % t - 时间序列 degree = 7; % 你猜为啥用奇数次？ spline = spmak(knots, ctrlPoints'); derivatives = fnder(spline, 2); % 直接求到二阶导数 % 采样轨迹 q = fnval(spline, t); dq = fnval(derivatives(1), t); ddq = fnval(derivatives(2), t); end

这里用了MATLAB自带的样条工具箱，fnder函数求导比手动差分稳得多。注意节点向量要满足连续性要求，后面优化时会动态调整这个。

多目标优化才是重头戏，看目标函数怎么写的：

function objectives = costFunc(individual) % 个体编码包含控制点和时间分配 [ctrlPoints, timeAlloc] = decodeIndividual(individual); % 计算冲击量（加速度平方积分） timeSpan = cumsum([0, timeAlloc]); accelSquares = sum(ddq.^2, 1); jerk = trapz(timeSpan, accelSquares); % 能量估算（伪力矩积分） torqueEst = massMatrix * ddq + coriolisTerm; % 动力学模型部分 energy = trapz(timeSpan, sum(abs(torqueEst.*dq),1)); objectives = [sum(timeAlloc), energy, jerk]; % 三目标输出 end

这里偷了个懒，实际动力学参数需要根据具体机械臂配置修改。时间分配用累加保证总时长，这样优化时更容易收敛。

NSGA-II的调用姿势很重要：

options = optimoptions('gamultiobj',... 'PopulationSize', 100,... 'ParetoFraction', 0.3,... 'CrossoverFcn', @crossoverscattered,... 'FunctionTolerance', 1e-3,... 'MaxGenerations', 50); [optVars, fval] = gamultiobj(@costFunc, numVars, [], [], [], [], lb, ub, options);

关键在ParetoFraction设置，实测0.3能在解集多样性和收敛速度间取得平衡。注意变量边界要设好，特别是时间分配不能出现负数。

最后来个开箱即用的配置模板：

%% 用户配置区 jointStart = [0, 0, 0, 0, 0, 0, 0]; % 七轴起始角度 jointEnd = [pi/2, pi/3, 0, -pi/4, 0, pi/2, 0]; % 终点角度 timeArray = linspace(0, 10, 100); % 总时长10秒，100个采样点 %% 自动优化 load('preTrainedOptParams.mat'); % 预存的优化参数 optimalTraj = optimizeTrajectory(jointStart, jointEnd); %% 可视化 plot7DOFTrajectory(optimalTraj, timeArray);

替换jointStart和jointEnd就能生成新轨迹。预存参数建议先用默认机械臂参数训练，实际使用时微调即可。

几个踩坑经验：