È possibile selezionare uno di tre metodi di interpolazione quando si fornisce un dataset per definire i profili di forza, torsione o motore: Spline Akima, Spline cubica o Lineare. Il metodo di interpolazione selezionato viene utilizzato per definire la funzione di profilo tra i punti dei dati.
Spline Akima
Il metodo di interpolazione della spline Akima effettua un adattamento locale. Questo metodo necessita di punti nella vicinanza dell'intervallo d'interpolazione in modo da definire i coefficienti del polinomio cubico. Di conseguenza, ogni punto dei dati in una spline Akima condiziona solo la porzione vicina della curva. Dal momento che utilizza metodi locali, un'interpolazione Akima viene calcolata molto rapidamente.
Il metodo Akima produce buoni risultati per il valore della funzione approssimata. Questo metodo inoltre riporta ottime valutazioni per la prima derivativa della funzione approssimata quando i punti dei dati sono spaziati uniformemente. Negli esempi in cui i punti dei dati sono spaziati in modo non uniforme, la valutazione della prima derivativa potrebbe essere errata. La seconda derivativa della funzione approssimata non è affidabile con questo metodo.
Spline cubica
Il metodo di interpolazione della spline cubica effettua un adattamento globale. I metodi globali usano tutti i punti dati per calcolare simultaneamente i coefficienti di tutti gli intervalli d'interpolazione. Quindi, ogni punto dei dati interessa l'intera spline cubica. Se si sposta un punto l'intera curva cambia, rendendo la spline cubica meno definita e più dura da forzare in una forma desiderata. Ciò è particolarmente visibile per le funzioni con porzioni lineari o che hanno modifiche nette nella curva. In questi casi, una spline cubica è quasi sempre meno definita della spline Akima.
Lineare
Il metodo di interpolazione lineare esegue l'adattamento locale definendo pezzo per pezzo una funzione lineare continua tra punti di dati adiacenti.
Considerazioni generali
Entrambi i metodi globali e locali sono adatti per funzioni a curva uniforme.
Il metodo di interpolazione della spline cubica, sebbene non sia così veloce come l'interpolazione della spline Akima, produce buoni risultati per il valore della funzione approssimata, così come le sue prime e seconde derivative. I punti dei dati non devono essere spaziati uniformemente. Il processo di soluzione spesso richiede le valutazioni di derivative delle funzioni in via di definizione. Più uniforme è una derivativa, più facile sarà la convergenza del processo di soluzione.
Il metodo di interpolazione lineare converge in modo più veloce rispetto agli altri due metodi. La funzione risultante è una funzione lineare continua formata da tanti pezzi con una derivativa discontinua in corrispondenza dei punti di dati forniti. La seconda derivativa è zero, tranne ai punti di dati forniti, dove è infinita.
Le seconde derivative uniformi (continue) sono importanti se si utilizza la spline per definire il movimento. La seconda derivativa è l'accelerazione associata con il movimento, che definisce la forza di reazione necessaria per guidare il movimento. Una discontinuità nella seconda derivativa implica una discontinuità nell'accelerazione e nella forza di reazione. Ciò produce una mediocre prestazione o anche un fallimento per convergere al punto di discontinuità.
Per impedire la mancata convergenza del solutore di movimento, si consiglia di definire profili motore solamente da profili interpolati di spline Akima o spline cubica.