当前位置：首页 > news >正文

电赛H题车载平衡滚球系统实战：从PID控制到嵌入式开发全解析

news 2026/8/16 3:13:49

最近在准备电赛的同学，是不是被各种“平衡”“控制”“运动系统”搞得有点头大？特别是看到“车载平衡滚球”这种题目，第一反应可能是：这得用上多少高深的算法和复杂的机械结构？

别急，这篇文章就是来帮你“拆弹”的。我们不谈那些空中楼阁的理论，直接从2026年电赛H题“车载平衡滚球运动控制系统”的任务一入手，把它拆解成一个你从今天下午就能开始动手的、可落地的嵌入式开发项目。

很多人一看到“平衡”“滚球”“车载”这些词，就容易陷入两个误区：要么觉得必须用上视觉识别、高级PID甚至神经网络；要么觉得机械部分太难，无从下手。但任务一的核心，其实往往是一个精巧的、闭环的、可测量的基础控制系统。它的难点不在于算法的复杂度，而在于如何将物理问题准确地转化为代码逻辑，并处理好传感器噪声、执行器延迟和系统稳定性之间的关系。

本文将聚焦于任务一的典型要求（如小球在平板上保持平衡或完成指定轨迹），为你梳理出一套从系统分析、硬件选型、软件框架到PID调参的完整实战路径。读完本文，你将能清晰地知道：

如何将抽象的赛题要求，分解为具体的传感器读数、控制器输出和执行器动作。
如何搭建一个最小可用的系统框架，快速验证你的控制逻辑。
如何避开新手最常见的几个“坑”，比如积分饱和、传感器滤波不当、机械共振等。
获得一套经过验证的、可复用的代码框架和调试方法。

我们直接进入正题。

1. 任务一到底在考什么？从题目到系统的思维转换

拿到“车载平衡滚球运动控制系统”这样的题目，第一步不是去找电机或写代码，而是精确理解任务一的边界和评价指标。虽然我们无法得知26年电赛的确切题目，但根据历年赛题规律和“任务一”的定位，我们可以进行合理的推断和准备。

通常，任务一会是整个系统最基础、最核心的功能验证。对于平衡滚球系统，任务一极有可能是：

基础平衡控制：控制平板，使小球静止在平板中心位置。
定点移动：控制平板，使小球从平板任意位置移动并稳定在中心点。
简单轨迹跟踪：控制平板，使小球沿一条直线或简单曲线运动。

这些任务共同考察的核心能力是什么？

状态感知能力：你能否准确、实时地获取小球在平板上的位置（X, Y坐标）？这涉及到传感器选型（如摄像头、红外阵列、电阻触摸膜）和数据滤波算法。
误差计算能力：你能否根据目标位置（如中心点）和当前位置，计算出控制所需的误差量（位置误差、速度误差）？
控制算法实现能力：你能否设计一个控制器（如PID控制器），根据误差计算出平板需要倾斜的角度或电机的运动指令？
执行器控制能力：你能否将控制器的角度指令，精确地转换为两个舵机或步进电机的PWM信号，从而驱动平板运动？
系统集成与稳定性：上述所有环节串联起来后，整个系统能否稳定工作，抵抗小球自身的滚动惯性和外部轻微扰动？

思维转换的关键：不要把它看作一个“控制小球”的问题，而是看作一个“通过控制平板姿态来影响小球运动”的问题。你的直接控制对象是平板，小球的状态是你需要观测并用于反馈的系统输出。这是一个典型的闭环反馈控制系统。

2. 系统核心架构与硬件选型分析

一个典型的车载平衡滚球系统硬件架构如下，理解它有助于你进行硬件选型和任务分解：

[小球] --(位置信息)--> [传感器模块] | v [主控制器] <--(用户指令/目标轨迹) | v [控制算法] (如PID) | v [电机驱动模块] | v [舵机/步进电机] --> [平板] --(倾斜)--> [小球运动]

2.1 核心模块详解

传感器模块（系统的“眼睛”）

这是决定系统性能上限的关键。任务一对精度和速度要求较高，常见方案有：

摄像头方案（OpenMV/树莓派等）：
- 优点：信息丰富，可识别颜色、形状，易于实现复杂轨迹。
- 缺点：处理耗时较长（几十到上百毫秒），会引入较大控制延迟，对光照敏感，算法复杂度高。
- 任务一适用性：谨慎选择。除非任务明确要求彩色轨迹或识别，否则延迟可能是致命伤。
红外测距/阵列方案：
- 原理：在平板下方布置网格状的红外发射管和接收管。小球（通常为钢球）遮挡红外线，从而定位。
- 优点：响应极快（微秒级），不受光照影响，电路相对简单。
- 缺点：分辨率取决于红外管密度，精度可能有限；容易受到环境红外光干扰。
- 任务一适用性：高。非常适合对实时性要求高的平衡与快速定位任务。
电阻式/电容式触摸膜：
- 原理：小球按压触摸膜导致电阻或电容变化，通过ADC读取坐标。
- 优点：成本低，原理简单。
- 缺点：精度一般，响应速度较慢，耐磨性差，小球材质受限（需导电或施加压力）。
- 任务一适用性：中低。可作为备选，但非最优。

任务一推荐：优先考虑红外阵列方案。它能在成本、速度和复杂度之间取得最佳平衡。可以选用集成好的红外阵列模块，也可以自己用红外对管搭建。

主控制器（系统的“大脑”）

STM32系列（F1/F4）：绝对的主流选择。资源丰富，定时器、ADC、PWM、中断系统完善，社区资料多。F4系列带FPU，适合做浮点运算。
ESP32：如果考虑需要Wi-Fi/蓝牙上传数据或调试，是不错的选择。但核心控制逻辑与STM32类似。
Arduino：适合快速原型验证，但在处理复杂控制循环和高精度定时时可能力不从心。

任务一推荐：STM32F103C8T6（蓝色小板）或STM32F407。性能足够，生态成熟。

执行器模块（系统的“手脚”）

舵机：控制角度。需要选择数字舵机，响应速度更快，死区小。注意扭矩要足够带动平板和小球。
步进电机+驱动器：控制角度和速度。精度高，但需要额外的驱动电路（如A4988、TMC2208）和更复杂的控制程序（细分、加减速）。
空心杯电机+编码器：可构成高性能伺服系统，但复杂度最高。

任务一推荐：对于大多数平衡任务，大扭矩、高响应速度的数字舵机是性价比最高的选择。两个舵机构成X轴和Y轴的倾斜。

2.2 硬件清单示例

基于以上分析，一个高性价比的硬件清单如下：

主控：STM32F103C8T6最小系统板 *1
传感器：8x8或16x16红外点阵模块（如GY-906、MLX90640的简化定位版，或自建阵列）*1
执行器：MG996R或DS3218等数字舵机（扭矩≥15kg·cm）*2
结构：亚克力板或木板（作为平板）、舵机云台、小球（钢球或玻璃球）、车模底盘
电源：大容量锂电池（如3S锂电，11.1V），配合降压模块为控制部分供电
其他：杜邦线、开关、电位器（用于手动设定目标）、OLED屏幕（用于显示状态，非必需但强烈推荐）

3. 软件开发环境与核心框架搭建

3.1 开发环境准备

IDE：Keil MDK-ARM 或 STM32CubeIDE。后者是ST官方免费工具，集成CubeMX，配置外设非常方便。
固件库：使用HAL库或标准库。HAL库抽象程度高，移植方便；标准库更底层，效率可能稍高。对于电赛，HAL库更快捷。
调试工具：ST-Link V2下载调试器、串口助手（如XCOM、Putty）。

3.2 软件系统框架设计

一个健壮的控制系统软件应该模块化，清晰分层。建议采用以下框架：

// 文件结构示意 project/ ├── Core/ │ ├── Src/ │ │ ├── main.c │ │ ├── stm32f1xx_it.c │ │ └── ... │ └── Inc/ │ ├── main.h │ └── ... ├── Drivers/ │ ├── Src/ │ │ ├── sensor_ir_array.c // 红外阵列驱动 │ │ ├── motor_servo.c // 舵机驱动 │ │ ├── pid_controller.c // PID算法 │ │ └── filter.c // 滤波算法 │ └── Inc/ │ ├── sensor_ir_array.h │ ├── motor_servo.h │ ├── pid_controller.h │ └── filter.h └── ... // main.c 主循环框架示例 int main(void) { // HAL初始化、时钟配置、外设初始化 System_Init(); // 模块初始化 Sensor_Init(); Motor_Init(); PID_Init(&pid_x, kp, ki, kd, output_limit); // 初始化X轴PID PID_Init(&pid_y, kp, ki, kd, output_limit); // 初始化Y轴PID uint32_t last_control_time = 0; const uint32_t control_period = 10; // 控制周期10ms (100Hz) while (1) { uint32_t now = HAL_GetTick(); // 1. 定时控制循环 if (now - last_control_time >= control_period) { last_control_time = now; // 2. 读取传感器数据（小球当前位置） Sensor_Data_t ball_pos; Sensor_Read(&ball_pos); // 3. 数据滤波（可选但重要） Filter_Apply(&ball_pos); // 4. 计算误差（目标位置 - 当前位置） float target_x = Get_Target_X(); // 例如：平板中心X坐标 float target_y = Get_Target_Y(); // 例如：平板中心Y坐标 float error_x = target_x - ball_pos.x; float error_y = target_y - ball_pos.y; // 5. PID控制器计算输出（平板需要倾斜的角度） float output_x = PID_Calculate(&pid_x, error_x); float output_y = PID_Calculate(&pid_y, error_y); // 6. 将角度输出转换为舵机PWM信号并执行 Motor_SetAngle(SERVO_X, output_x); Motor_SetAngle(SERVO_Y, output_y); // 7. （调试）通过串口发送数据到上位机 Debug_SendData(ball_pos.x, ball_pos.y, error_x, error_y, output_x, output_y); } // 处理其他任务（如按键扫描、状态显示） Other_Tasks(); } }

这个框架的核心是一个固定频率的控制循环。控制周期（如10ms）的选择至关重要：太慢，系统响应迟钝；太快，可能超出传感器和执行器的能力，且增加CPU负担。100Hz是一个常用的起点。

4. 核心算法实现：PID控制器与滤波

4.1 PID控制器代码实现

PID是任务一最可能用到的控制器。以下是位置式PID的一个稳健实现：

// pid_controller.h typedef struct { float kp, ki, kd; // PID参数 float integral; // 积分项 float prev_error; // 上一次误差 float output_limit; // 输出限幅 float integral_limit; // 积分限幅（抗饱和） } PID_Controller; void PID_Init(PID_Controller* pid, float kp, float ki, float kd, float output_limit); float PID_Calculate(PID_Controller* pid, float error); // pid_controller.c #include "pid_controller.h" void PID_Init(PID_Controller* pid, float kp, float ki, float kd, float output_limit) { pid->kp = kp; pid->ki = ki; pid->kd = kd; pid->integral = 0.0f; pid->prev_error = 0.0f; pid->output_limit = output_limit; pid->integral_limit = output_limit * 0.5f; // 积分限幅通常为输出限幅的一半 } float PID_Calculate(PID_Controller* pid, float error) { // 比例项 float p_out = pid->kp * error; // 积分项（带限幅和抗饱和处理） pid->integral += error; // 积分限幅，防止积分饱和 if (pid->integral > pid->integral_limit) pid->integral = pid->integral_limit; if (pid->integral < -pid->integral_limit) pid->integral = -pid->integral_limit; float i_out = pid->ki * pid->integral; // 微分项（使用误差微分，对噪声敏感，通常需要滤波） float d_out = pid->kd * (error - pid->prev_error); pid->prev_error = error; // 计算总输出 float output = p_out + i_out + d_out; // 输出限幅 if (output > pid->output_limit) output = pid->output_limit; if (output < -pid->output_limit) output = -pid->output_limit; return output; }

关键点：

积分限幅：这是防止“积分饱和”的关键。当误差长期存在时，积分项会累积到巨大值，导致系统失控。限幅后，积分项不会无限增长。
微分项：对噪声非常敏感。如果传感器数据噪声大，直接使用误差微分会导致输出剧烈抖动。可以考虑使用“测量值微分”或对微分项进行低通滤波。

4.2 传感器数据滤波

红外传感器数据通常带有噪声，简单的滤波能极大提升系统稳定性。

// filter.c - 一阶低通滤波 typedef struct { float alpha; // 滤波系数 (0 < alpha <= 1). alpha越小，滤波越强，延迟越大。 float prev_value; } LowPassFilter; void LowPassFilter_Init(LowPassFilter* filter, float alpha, float init_value) { filter->alpha = alpha; filter->prev_value = init_value; } float LowPassFilter_Update(LowPassFilter* filter, float new_value) { // 公式: y(n) = alpha * x(n) + (1 - alpha) * y(n-1) filter->prev_value = filter->alpha * new_value + (1.0f - filter->alpha) * filter->prev_value; return filter->prev_value; } // 在main.c中使用 LowPassFilter filter_x, filter_y; // 初始化，alpha=0.3表示新值权重30%，历史值权重70%。可根据噪声情况调整。 LowPassFilter_Init(&filter_x, 0.3f, 0.0f); LowPassFilter_Init(&filter_y, 0.3f, 0.0f); // 在控制循环中 Sensor_Data_t raw_pos; Sensor_Read(&raw_pos); float filtered_x = LowPassFilter_Update(&filter_x, raw_pos.x); float filtered_y = LowPassFilter_Update(&filter_y, raw_pos.y); // 使用 filtered_x, filtered_y 进行后续误差计算

5. 从零到一：第一个平衡实验

假设硬件已连接好（红外阵列通过I2C/SPI与STM32通信，舵机连接至定时器PWM输出通道），让我们完成第一个平衡实验。

5.1 步骤一：读取并校准传感器

首先，确保你能正确读取小球的原始坐标。

// sensor_ir_array.c (示例，具体函数需根据实际传感器型号编写) #include “sensor_ir_array.h” #include “i2c.h” // 假设使用I2C uint8_t ir_buffer[16]; // 假设传感器返回16字节数据 void Sensor_Init(void) { // 初始化I2C等 MX_I2C1_Init(); // 向传感器发送初始化命令（参考传感器手册） uint8_t init_cmd = 0x01; HAL_I2C_Master_Transmit(&hi2c1, SENSOR_ADDR, &init_cmd, 1, 100); } void Sensor_Read(Sensor_Data_t* data) { // 从传感器读取原始数据 HAL_I2C_Master_Receive(&hi2c1, SENSOR_ADDR, ir_buffer, 16, 100); // 解析数据，计算小球质心坐标 (示例算法) uint32_t sum_x = 0, sum_y = 0, count = 0; for (int i = 0; i < 8; i++) { // 假设8x8阵列 for (int j = 0; j < 8; j++) { if (ir_buffer[i] & (1 << j)) { // 假设某位为1表示被遮挡 sum_x += j; sum_y += i; count++; } } } if (count > 0) { // 将像素坐标转换为物理坐标（单位：mm） // 需要根据平板实际尺寸和传感器分辨率进行校准 >// motor_servo.c #include “motor_servo.h” #include “tim.h” // 使用定时器产生PWM // 舵机角度到PWM占空比的映射 // 假设舵机控制周期为20ms，0.5ms脉宽对应0度，2.5ms脉宽对应180度 // 对应PWM占空比: 0度 = 0.5/20 = 2.5%, 180度 = 2.5/20 = 12.5% #define PWM_PERIOD 20000 // 定时器ARR值，对应20ms周期 #define PWM_MIN 500 // 0度对应的CCR值 (0.5ms) #define PWM_MAX 2500 // 180度对应的CCR值 (2.5ms) void Motor_Init(void) { // 初始化定时器和PWM通道（使用CubeMX配置更方便） MX_TIM2_Init(); // 假设TIM2_CH1, CH2分别控制X,Y舵机 HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_1); HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_2); } void Motor_SetAngle(TIM_HandleTypeDef* htim, uint32_t Channel, float angle) { // 将角度限制在合理范围，例如 -45° 到 45°（平板倾斜范围） if (angle > 45.0f) angle = 45.0f; if (angle < -45.0f) angle = -45.0f; // 将角度映射到PWM脉宽 // 假设舵机机械中位对应0度，PWM中值对应1500us (1.5ms) float pulse_width_us = 1500.0f + angle * (1000.0f / 90.0f); // 每度约11.11us uint32_t ccr_value = (uint32_t)(pulse_width_us * (PWM_PERIOD / 20000.0f)); // 设置捕获比较寄存器 __HAL_TIM_SET_COMPARE(htim, Channel, ccr_value); }

5.3 步骤三：闭环调试 - “先P后I再D”

这是最关键的一步。在平板上放置小球，开始调试PID参数。

仅用P（比例）控制：
- 将ki和kd设为0。
- 逐渐增大kp。你会看到小球开始向中心移动。
- 现象：kp太小，小球移动缓慢，无法到达中心。kp适中，小球能快速趋向中心，但会在中心附近来回振荡（过冲）。
- 目标：找到使小球能快速响应但又刚好不持续振荡的kp值。此时系统是有静差的，即小球停在一个离中心很近但不精确的位置。
加入I（积分）控制：
- 保持kp为刚才的值，逐渐加入一个很小的ki。
- 作用：积分项会累积位置误差，从而消除P控制无法消除的静差。
- 注意：ki太大会引起低频振荡或系统发散。务必使用前面代码中的积分限幅。
加入D（微分）控制：
- 最后加入kd。
- 作用：微分项预测误差变化趋势，抑制振荡，增加系统阻尼，让小球更平稳地停在中心。
- 警告：微分项对噪声极其敏感。如果传感器数据噪声大，微分项会导致舵机高频抖动。务必确保数据经过滤波，或者使用“微分先行”等变种。

调试技巧：将小球位置(x,y)、误差(ex,ey)和控制器输出(out_x, out_y)通过串口实时发送到电脑，使用SerialPlot、Matlab或Python的matplotlib绘制曲线。观察波形是调试PID最有效的方法。

6. 运行效果验证与性能评估

当PID参数调好后，你的系统应该能实现以下效果：

静态平衡：将小球手动放置在平板任意位置，松开后，系统能在2-3秒内将小球平稳地驱动到中心点并保持稳定。轻微敲击平板边缘，小球偏离后能自动回归中心。
动态跟踪（如果任务一要求）：通过程序设定一个缓慢移动的目标点（如正弦轨迹），小球能够跟随目标点运动，跟踪误差保持在可接受范围内。

如何定量评估？

调节时间：从扰动开始到小球回归并稳定在中心点±2mm范围内所需的时间。应小于3秒。
超调量：小球第一次到达中心时，越过中心的最大距离与最终稳定位置的距离之比。应小于20%（对于平衡任务，越小越好）。
稳态误差：最终稳定位置与目标中心点的距离。应小于传感器分辨率的1-2倍。
抗扰能力：用小力敲击平板后，系统恢复平衡的能力。

7. 常见问题与排查思路

在调试过程中，你几乎一定会遇到下表所列的问题。不要慌，这是学习闭环控制必经的过程。

问题现象	可能原因	排查方式	解决方案
小球完全不动	1. 传感器未正确读取数据。 2. 舵机未供电或信号线接错。 3. PID输出为0或极小。 4. 控制循环未正常运行。	1. 通过串口打印原始传感器数据。 2. 用示波器或万用表检查舵机PWM信号。 3. 打印PID计算各环节数值。 4. 检查定时器中断或主循环周期。	1. 检查传感器接线、地址、通信协议。 2. 确保舵机电源充足，信号线连接正确。 3. 检查PID参数是否全为0，误差计算是否正确。 4. 确认控制周期定时准确。
小球剧烈振荡甚至飞出去	1. 比例系数`kp`过大。 2. 微分系数`kd`为负值或滤波不足。 3. 控制周期太短，系统响应跟不上。 4. 机械结构松动，有回程间隙。	1. 观察误差和输出曲线，是否同相位大幅震荡。 2. 观察微分项输出是否噪声巨大。 3. 逐步增大控制周期（如从5ms调到10ms）。 4. 手动晃动平板，检查是否有松动。	1. 大幅降低`kp`，重新调试。 2. 降低`kd`，或对传感器数据/微分项进行低通滤波。 3. 增加控制周期至10-20ms。 4. 紧固所有机械连接。
小球缓慢漂移，无法精确停在中心	1. 积分系数`ki`太小或为0。 2. 存在积分饱和（输出限幅太小）。 3. 传感器存在固定偏差（零点漂移）。 4. 平板未调水平。	1. 观察稳态时误差是否不为0但积分项不再增长。 2. 检查PID输出和积分项是否达到限幅值。 3. 小球静止时，读取传感器坐标是否偏离(0,0)。 4. 使用水平仪校准。	1. 适当增加`ki`，并确保积分限幅合理。 2. 增大输出限幅或积分限幅。 3. 在软件中对传感器读数进行零点校准。 4. 机械调平或软件补偿。
系统响应迟钝，小球移动缓慢	1. 比例系数`kp`太小。 2. 微分系数`kd`为负值（起了反作用）。 3. 舵机响应速度慢（劣质模拟舵机）。 4. 传感器数据更新率太低。	1. 观察误差很大时，输出是否也很小。 2. 检查`kd`符号。 3. 更换为数字舵机。 4. 测试传感器单次读取耗时。	1. 增大`kp`。 2. 确保`kd`为正值。 3. 更换高性能舵机。 4. 优化传感器读取代码或换用更快传感器。
X轴和Y轴相互干扰	1. 机械上X、Y轴舵机安装不垂直，存在耦合。 2. 控制算法中未做解耦处理（对于简单系统通常不需要）。	1. 单独测试一个轴时，观察另一个轴方向小球是否运动。 2. 在代码中分别独立调试X、Y轴PID参数。	1. 尽可能保证机械结构正交、牢固。 2. 将系统近似为两个独立的一维系统分别调试，耦合严重时需考虑高级控制算法。