Você pode escolher entre três métodos de interpolação ao fornecer um conjunto de dados para definir perfis de força, torque ou motor. Spline Akima, Spline cúbico ou Linear. O método de interpolação selecionado é usado para definir a função de perfil entre os pontos de dados.
Spline Akima
O método de interpolação por spline Akima executa um ajuste local. Este método requer informações sobre os pontos nas vizinhanças do intervalo de interpolação para definir os coeficientes de polinômio cúbico. Consequentemente, cada ponto de dados em uma spline Akima afeta somente a parte próxima da curva. Como usa métodos locais, a interpolação Akima é calculada com muita rapidez.
O método Akima produz bons resultados para o valor da função aproximada. Este método também retorna boas estimativas para a primeira derivada da função aproximada quando os pontos de dados são espaçados uniformemente. Nos casos em que os pontos de dados não são uniformemente espaçados, a estimativa da primeira derivada pode ser incorreta. A segunda derivada da função aproximada não é confiável com este método.
Spline cúbica
O método de interpolação de spline cúbica executa um ajuste global. Os métodos globais usam todos os pontos dados para calcular simultaneamente os coeficientes para todos os intervalos de interpolação. Portanto, cada ponto de dados afeta toda a spline cúbica. Se você mover um ponto, a curva inteira é modificada de acordo, tornando a spline cúbica menos exata e mais difícil de forçar a assumir a forma desejada. Isso é especialmente notável para funções com partes lineares ou que têm alterações bruscas na curva. Nestes casos, uma spline cúbica quase sempre é menos exata que uma spline Akima.
Linear
O método de interpolação linear executa um ajuste local, definindo uma função linear contínua "piecewise" entre pontos de dados adjacentes.
Considerações gerais
Tanto o método global como o local funcionam melhor com funções de curva suave.
O método de interpolação de spline cúbica, embora nem sempre tão rápido como o Akima, gera bons resultados para o valor da função aproximada, assim como para a primeira e segunda derivativas. Os pontos de dados não precisam ser uniformemente espaçados. O processo de solução muitas vezes requer a definição de estimativas das derivativas das funções. Quanto mais suave uma derivada, mais fácil é a convergência do processo de solução.
O método de interpolação linear converge mais rápido que os outros dois métodos. A função resultante é uma função linear contínua "piecewise", com uma derivada descontínua nos pontos de dados fornecidos. A segunda derivada é zero, exceto nos pontos de dados fornecidos, onde é infinita.
Uma segunda derivativa suave (contínua) é importante, se você usar a spline para definir movimento. A segunda derivada é a aceleração associada ao movimento, que define a força de reação necessária para acionar o movimento. Uma descontinuidade na segunda derivada implica uma descontinuidade na aceleração e na força de reação. Isso pode resultar em desempenho ruim ou mesmo impedir a convergência no ponto da descontinuidade.
Para prevenir falha do solver do Motion, é recomendável definir perfis de motor somente a partir de perfis interpolados com spline Akima ou spline cúbica.