电赛智能小车：从硬件选型到软件架构的工程化实战指南

最近在准备电赛的同学，是不是都有这样的困惑：控制类题目年年出，智能小车相关的赛题更是常客。但真到了动手环节，却发现从零开始搭建一个稳定、可控、能完成复杂任务的小车平台，远不是买几个模块、写几行代码那么简单。传感器数据飘忽不定、电机响应时快时慢、路径规划逻辑混乱……这些问题往往在最后关头让整个项目功亏一篑。

这篇文章要解决的，正是这个核心痛点。我们不谈空泛的“智能”概念，而是聚焦于“电赛控制小车”这个具体目标，拆解出一套从硬件选型、软件框架到调试策略的完整、可落地的工程化方案。我的核心判断是：电赛小车的成败，七分在硬件与底层控制，三分在算法逻辑。很多队伍把大量时间花在炫酷的视觉识别或复杂算法上，却忽略了电机驱动、电源管理和传感器滤波这些基础环节，导致系统根本不稳定，再好的算法也是空中楼阁。

读完本文，你将能清晰地知道如何搭建一个“听话”的小车底盘，如何让传感器数据“可靠”，以及如何构建一个分层清晰、易于调试的软件系统。无论你是初次参赛的新手，还是想优化方案的老手，这套以稳定性和可控性优先的思路，都能帮你避开大多数深坑，把精力真正集中在任务逻辑的实现上。

1. 电赛控制小车的核心挑战：为什么你的小车总是不“听话”？

在深入技术细节前，我们必须先统一认知：电赛中的智能小车，本质上是一个实时嵌入式控制系统。它的首要目标是“可靠地执行命令”，其次才是“智能地做出决策”。很多队伍本末倒置，导致小车在实验室跑得好好的，一上赛场就各种“抽风”。

具体来说，主要面临四大挑战：

1. 控制实时性差：使用delay()等阻塞函数，导致系统无法及时响应传感器变化或执行新的控制指令。在需要快速避障或循迹时，这种延迟是致命的。
2. 传感器数据噪声大：光电编码器计数跳变、超声波测距值突变、陀螺仪温漂……未经处理的原始数据直接用于控制，必然引起系统振荡。
3. 动力系统非线性：直流电机的电压-转速并非理想线性关系，且存在死区。简单的PWM值映射到速度的算法，在不同电池电压、不同负载下表现差异巨大。
4. 系统耦合复杂：转向会影响速度，速度变化又影响传感器采样。如果没有将运动控制、传感器采集、决策逻辑进行解耦，代码会很快变成一团乱麻，调试无从下手。

因此，我们的解决方案必须围绕“解耦”和“稳定”两个关键词展开。下面，我们将从硬件框架选型开始，一步步构建一个健壮的系统。

2. 硬件框架选型：主控、电机与传感器的黄金组合

硬件是系统的骨架，选型决定了性能上限和开发难度。对于电赛级别的控制小车，不建议追求极端性能，而应在性价比、易用性和可靠性之间取得平衡。

2.1 主控单元：STM32 vs Arduino vs 树莓派

核心建议：对于绝大多数电赛控制类题目，STM32系列是性价比和性能的最佳选择。其硬件定时器可以产生非常精准的PWM波控制电机，同时其中断系统和DMA功能能保证传感器数据采集的实时性，而不会拖慢主循环。

2.2 电机与驱动：精度与力量的来源

• 电机类型：普通直流减速电机即可满足大部分需求。如果对控制精度要求极高（如需要精确走到某个点），可以考虑步进电机或带编码器的直流电机（MG513P30等）。
• 驱动模块：这是关键！
  • L298N：经典但落后，发热大、效率低、电压损失严重，不推荐用于新车。
  • TB6612FNG：目前的主流选择，效率高、发热小、支持大电流（1.2A），内置待机与刹车功能，驱动逻辑简单。
  • DRV8833：另一种高效双H桥驱动，体积更小。
• 编码器：如果要实现精确的速度闭环或位置闭环，光电编码器（500线常见）是必需品。它安装在电机转轴上，用于反馈电机的实际转速。

2.3 核心传感器选型

根据赛题任务选择，但以下几类是基础：

1. 循迹/巡线：灰度传感器（模拟量输出）或红外对管（数字量输出）。通常需要3-5个组成阵列，安装在车头底部。
2. 避障/测距：超声波模块（HC-SR04）用于中距离障碍物检测；红外避障传感器（E18-D80NK）用于近距离、地面障碍检测。
3. 姿态感知：陀螺仪加速度计模块（MPU6050），用于测量小车倾角（防倾倒）、实现转向角积分等。
4. 定位与路径：光电对射管/槽型光耦，用于检测地面标记（如起跑线、十字路口）；摄像头（OpenMV/OV7670），用于复杂路径识别。

采购清单示例（基础车）：

• STM32F103C8T6核心板（或最小系统板）
• TB6612电机驱动模块 * 1
• 直流减速电机（带轮胎） * 2
• 万向轮 * 1
• 灰度传感器模块 * 4-5
• 超声波模块 HC-SR04 * 1-2
• MPU6050模块 * 1
• 锂电池（7.4V或11.1V）及配套充电器
• 车体底盘（亚克力或金属）

3. 软件架构设计：告别“面条代码”，实现模块化与实时性

软件架构是决定代码能否持续迭代和调试的关键。我们采用分层设计，将系统划分为硬件驱动层、控制算法层和任务决策层。

[任务决策层] (main.c / app_logic.c) |-- 解析赛题任务（循迹、避障、搬运等） |-- 规划行为状态机 | [控制算法层] (control.c) |-- 电机速度PID控制 |-- 舵机/转向控制 |-- 传感器数据滤波与融合 | [硬件驱动层] (driver_motor.c, driver_sensor.c) |-- PWM输出控制电机 |-- 定时器编码器读数 |-- ADC读取灰度值 |-- I2C读取MPU6050 | [硬件抽象层] (HAL) - 由STM32 HAL库或标准外设库提供

这种结构的最大好处是隔离变化。当你要更换一个传感器时，只需修改对应的驱动层函数，上层控制逻辑几乎不用动。

3.1 实现关键：定时中断与状态机

为了确保实时性，必须摒弃delay()。

• 全局定时器中断：配置一个硬件定时器（如SysTick或TIM2），产生固定的时间基准（例如1ms或10ms中断一次）。所有需要定时执行的任务（如PID计算、传感器采样）都在中断服务函数中通过标志位或直接调用方式触发。
• 主循环状态机：主函数main中的while(1)循环不执行具体的延时或等待，而是不断查询各种任务标志位，执行对应的状态机逻辑。

// 示例：1ms定时器中断服务函数（框架） void TIM2_IRQHandler(void) { if (__HAL_TIM_GET_FLAG(&htim2, TIM_FLAG_UPDATE) != RESET) { __HAL_TIM_CLEAR_FLAG(&htim2, TIM_FLAG_UPDATE); // 1. 置位传感器采样标志（比如每10ms采样一次） static uint8_t sensor_sample_cnt = 0; if (++sensor_sample_cnt >= 10) { sensor_sample_cnt = 0; g_flags.sensor_sample = 1; } // 2. 置位PID计算标志（比如每5ms计算一次） static uint8_t pid_calc_cnt = 0; if (++pid_calc_cnt >= 5) { pid_calc_cnt = 0; g_flags.pid_calc = 1; } // 3. 系统运行时间累计（用于超时判断等） system_run_time_ms++; } } // 示例：主循环中的任务调度 int main(void) { // 硬件初始化... while (1) { // 任务1：传感器采样与处理 if (g_flags.sensor_sample) { g_flags.sensor_sample = 0; Sensor_SampleAndProcess(); // 采集并滤波 } // 任务2：控制算法更新 if (g_flags.pid_calc) { g_flags.pid_calc = 0; Motor_PID_Update(); // 更新电机PID输出 } // 任务3：主状态机逻辑（循迹、避障等） MainStateMachine_Run(); // 其他非实时任务... } }

4. 核心模块实现：电机控制、循迹与数据滤波

4.1 带编码器的电机速度闭环控制

这是小车能匀速、稳定运行的基础。我们使用增量式PID算法。

步骤：

1. 编码器读数：将电机编码器的A、B相接至STM32定时器的编码器模式接口（如TIM3、TIM4），硬件自动计数。
2. 速度计算：在固定的PID计算周期（如5ms）内，读取编码器计数值的增量，换算成转速（脉冲数/周期）。
3. PID计算：设定目标转速，与实测转速比较得到误差，进行PID运算，输出新的PWM占空比。

// 文件：pid.c typedef struct { float target_val; // 目标值 float actual_val; // 实际值 float err; // 当前误差 float err_last; // 上次误差 float err_sum; // 误差积分项 float Kp, Ki, Kd; // PID参数 float output; // 输出值（PWM占空比） float output_max; // 输出限幅 float output_min; } PID_TypeDef; void PID_Calc(PID_TypeDef *pid) { pid->err = pid->target_val - pid->actual_val; // 积分分离：误差大时不积分，防止饱和 if (fabs(pid->err) > 50) { pid->err_sum = 0; } else { pid->err_sum += pid->err; // 积分限幅 if (pid->err_sum > 200) pid->err_sum = 200; if (pid->err_sum < -200) pid->err_sum = -200; } // 位置式PID公式 pid->output = pid->Kp * pid->err + pid->Ki * pid->err_sum + pid->Kd * (pid->err - pid->err_last); // 输出限幅 if (pid->output > pid->output_max) pid->output = pid->output_max; if (pid->output < pid->output_min) pid->output = pid->output_min; pid->err_last = pid->err; } // 在定时中断或主循环中调用 void Motor_PID_Update(void) { // 1. 获取电机实际转速（例如，左电机） g_left_motor_pid.actual_val = Encoder_GetSpeed(LEFT_MOTOR); // 2. 计算PID PID_Calc(&g_left_motor_pid); // 3. 将输出值转换为PWM并设置 Motor_SetPwm(LEFT_MOTOR, (int16_t)g_left_motor_pid.output); }

调参经验：先调Kp让电机能快速响应目标速度但略有振荡，再加入较小的Kd抑制振荡，最后加很小的Ki消除静差。电池电压变化会影响电机特性，调好的参数在比赛前最好用满电电池重新微调。

4.2 多路灰度传感器巡线算法

巡线算法的核心是将多个传感器的状态转化为一个“偏差值”。

// 文件：line_follow.c // 假设有5个灰度传感器，从左到右编号0~4 #define SENSOR_NUM 5 uint8_t sensor_state[SENSOR_NUM]; // 0: 白色(未检测到线), 1: 黑色(检测到线) // 简单的加权平均法计算偏差 int32_t Calculate_Line_Error(void) { int32_t error = 0; int32_t weight[] = {-2, -1, 0, 1, 2}; // 权重值，中间为0 for (int i = 0; i < SENSOR_NUM; i++) { error += weight[i] * sensor_state[i]; } return error; // 范围大约在 -4 到 +4 之间 } // 巡线状态机 void Line_Following_StateMachine(void) { int32_t error = Calculate_Line_Error(); // 情况1：正常巡线（只有中间传感器检测到线） if (sensor_state[2] == 1 && sensor_state[1]==0 && sensor_state[3]==0) { // 使用误差进行转向PD控制 float turn = error * KP_TURN; // 简单的比例控制 Motor_DifferentialDrive(base_speed, turn); // 差速驱动 } // 情况2：检测到十字路口（中间三个或全部传感器检测到线） else if ((sensor_state[1] && sensor_state[2] && sensor_state[3]) || (sensor_state[0] && sensor_state[4])) { // 执行路口处理逻辑：直行、转弯或停车 Handle_Crossroad(); } // 情况3：丢线（所有传感器都看不到线） else if (/*所有 sensor_state[i] == 0*/) { // 进入寻线模式：根据上次偏差方向原地旋转寻找 Handle_Lost_Line(); } }

4.3 传感器数据滤波：让数据变得“可靠”

原始传感器数据噪声很大，必须滤波。

• 灰度传感器：使用滑动平均滤波或中值滤波。

  // 滑动平均滤波示例 #define FILTER_LEN 5 uint16_t gray_history[FILTER_LEN] = {0}; uint8_t history_index = 0; uint16_t Gray_Sensor_Filter(uint16_t raw_val) { gray_history[history_index] = raw_val; history_index = (history_index + 1) % FILTER_LEN; uint32_t sum = 0; for (int i = 0; i < FILTER_LEN; i++) { sum += gray_history[i]; } return (uint16_t)(sum / FILTER_LEN); }

• 超声波：使用限幅滤波（去掉明显超出物理可能的突变值）结合滑动平均。
• MPU6050陀螺仪：需要复杂的卡尔曼滤波或互补滤波来融合加速度计和陀螺仪数据，获得稳定的姿态角。对于电赛，可以先用开源库（如InvenSense的DMP驱动或第三方滤波库）快速实现。

5. 系统集成与调试：让小车真正跑起来

5.1 完整的主程序流程框架

// 文件：main.c #include "main.h" #include "motor.h" #include "encoder.h" #include "pid.h" #include "sensor.h" #include "line_follow.h" // 全局标志位结构体 typedef struct { uint8_t sensor_sample : 1; uint8_t pid_calc : 1; uint8_t imu_update : 1; // ... 其他标志位 } System_Flags_t; System_Flags_t g_flags = {0}; volatile uint32_t system_run_time_ms = 0; int main(void) { // 1. 硬件初始化 HAL_Init(); SystemClock_Config(); MX_GPIO_Init(); MX_TIM2_Init(); // 用于定时中断 MX_TIM3_Init(); // 编码器接口 MX_TIM4_Init(); // PWM输出 MX_ADC1_Init(); // 灰度传感器ADC MX_I2C1_Init(); // MPU6050 MX_USART1_UART_Init(); // 调试串口 // 2. 外设与模块初始化 Motor_Init(); Encoder_Init(); PID_Init(&left_motor_pid, 5.0, 0.1, 0.05); // 初始化PID参数 PID_Init(&right_motor_pid, 5.0, 0.1, 0.05); Sensor_Init(); LineFollow_Init(); printf("System Init OK!\r\n"); // 3. 启动定时器（开始1ms中断） HAL_TIM_Base_Start_IT(&htim2); // 4. 主循环 while (1) { // 任务调度（非阻塞式） if (g_flags.sensor_sample) { g_flags.sensor_sample = 0; Sensor_Task(); // 采集所有传感器并滤波 } if (g_flags.pid_calc) { g_flags.pid_calc = 0; Motor_Control_Task(); // 更新双电机PID控制 } if (g_flags.imu_update) { g_flags.imu_update = 0; IMU_Update_Task(); // 更新姿态角 } // 核心决策逻辑（例如：自动模式、手动遥控模式切换） Main_Decision_Task(); // 调试信息发送（可降低频率） static uint32_t debug_cnt = 0; if (++debug_cnt >= 500) { // 每500ms发送一次 debug_cnt = 0; Debug_Send_Info(); // 通过串口发送速度、误差等信息 } } }

5.2 上电调试步骤与预期现象

1. 供电与基础测试：
   • 连接电池，确保各模块（主控、驱动、传感器）供电正常（指示灯亮）。
   • 下载程序，打开串口助手，应看到“System Init OK!”。
2. 电机单独测试：
   • 编写一个测试函数，让左右电机分别正转、反转、停止。
   • 预期：车轮按指令转动，无异常噪音。如果电机不转，检查PWM引脚连接、驱动模块使能端、电机接线。
3. 编码器测试：
   • 用手转动车轮，通过调试器或串口查看编码器计数值是否变化。
   • 预期：正向转动时数值增加，反向转动时减少。
4. PID开环测试：
   • 将PID目标速度设为一个固定值，输出限幅打开，但先不接入反馈（即actual_val设为0）。
   • 预期：电机会以最大功率转动。此时接入反馈（读取编码器值赋给actual_val），观察电机转速是否稳定在目标值附近。
5. 传感器测试：
   • 将灰度传感器放在黑白线上方，通过ADC读取数值或串口打印状态。
   • 预期：在黑线上方和白色区域，ADC值应有明显差异。
6. 闭环联调：
   • 将小车放在跑道上，启动巡线程序。
   • 关键观察点：小车是否剧烈摆动（P太大或D太小）？过弯时是否冲出去（D太小或速度太快）？遇到十字路口是否能正确识别？

6. 常见问题与排查思路

7. 电赛实战最佳实践与进阶建议

1. 电源管理是生命线：
   • 为单片机、传感器、舵机（如有）提供独立的稳压电路（如AMS1117-3.3V， LM2596），避免电机电流突变影响核心系统。
   • 电池电压务必实时监控，当电压低于阈值（如3S锂电池低于10V）时，应触发报警或进入安全模式，防止过放。
2. 软件必须可配置：
   • 将所有关键参数（PID参数、传感器阈值、速度、延时等）定义为宏或全局变量，并集中放在一个头文件（如config.h）中。这样在赛场调试时，无需重新编译整个工程，只需修改几个数值并重置即可。

   // 文件：config.h #ifndef __CONFIG_H #define __CONFIG_H // 电机PID参数 #define MOTOR_PID_KP 5.0f #define MOTOR_PID_KI 0.1f #define MOTOR_PID_KD 0.05f #define MOTOR_PID_MAX_OUT 800 // PWM限幅 // 巡线参数 #define LINE_FOLLOW_BASE_SPEED 300 #define LINE_FOLLOW_KP 40.0f #define LINE_FOLLOW_KD 8.0f // 传感器阈值 #define GRAY_SENSOR_THRESHOLD 1500 // ADC值，大于此为黑线 #endif

3. 充分利用调试工具：
   • 串口绘图：将关键变量（如左右轮速度、偏差、PWM输出）通过串口发送，使用SerialPlot、Vofa+等工具绘制成实时曲线，比看数字直观得多。
   • 按键与显示屏：预留几个按键和一块OLED屏。按键用于切换模式（调试、运行）、调整参数；OLED屏用于实时显示状态、参数、电池电压，极大提升现场调试效率。
4. 机械结构不容忽视：
   • 确保车体刚性，避免抖动。
   • 传感器支架要牢固，且高度、角度可调。
   • 车轮与电机轴连接要紧固，防止空转打滑。
   • 重心尽量低且靠后（驱动轮端），提高加速性和稳定性。
5. 为意外做好准备：
   • 在代码中设计一个“急停”开关（硬件中断引脚），任何时候按下，立即切断电机PWM输出。
   • 编写一个“参数恢复出厂设置”函数，并将关键参数保存在STM32的Flash中，防止调试时改乱无法恢复。
   • 准备一份最简化的“裸跑”程序，只包含电机驱动和基本巡线，在复杂程序出问题时能保证小车完成最基本任务。

从硬件选型到软件架构，从PID调参到现场调试，构建一辆可靠的电赛控制小车是一个典型的系统工程。它考验的不仅是编程能力，更是对嵌入式系统整体性的理解、动手解决问题的工程思维以及团队协作的默契。记住，在赛场上，稳定压倒一切。先让你的小车“听话”，再让它“聪明”。希望这套从实战中总结出的框架与细节，能帮助你更有条理地推进项目，在比赛中将想法稳定地转化为赛道上精准的动作。