你的STM32循迹小车为啥总‘画龙’？聊聊PID算法调参那些事儿
你的STM32循迹小车为啥总‘画龙’？聊聊PID算法调参那些事儿
刚完成循迹小车的基础功能时，那种成就感就像第一次骑自行车不摔跤。但很快你会发现，小车虽然能跑，却像个醉汉一样左摇右晃，过弯时要么冲出去，要么扭来扭去——这就是典型的"画龙"现象。作为过来人，我清楚地记得调参到凌晨三点，看着终于能走直线的小车时那种又爱又恨的心情。
1. 从开关控制到PID：为什么你的小车会"画龙"
很多初学者用简单的开关控制（比如检测到黑线就全速转向）时，小车会出现两种典型症状：一是遇到弯道时转向过度，像钟摆一样来回震荡；二是直道上不断微调方向，走不出直线。这就像新手司机猛打方向盘，永远在纠正上一个错误。
传统开关控制的局限性：
- 只有"全速左转/全速右转"两种状态，缺乏中间过渡
- 响应过于敏感，容易产生震荡
- 无法根据偏离程度动态调整转向力度
去年校赛时，我看到一个队伍的小车在直道上走出完美的正弦曲线，这就是典型的控制算法问题。后来他们引入PID后，成绩直接从倒数跃升至前三。
2. PID控制的三重境界：P、I、D参数详解
2.1 比例控制（P）：给方向盘加上"手感"
比例控制就像老司机转弯——偏离越大，转向越猛。数学表达式很简单：
// 比例控制计算 float error = target_position - current_position; // 偏离量 float output = Kp * error; // Kp就是比例系数但纯比例控制会带来两个问题：
- 稳态误差：就像上坡时油门不够，永远差一点到目标
- 系统震荡：Kp太大时，小车会不断超调
我在实验室的测试数据很能说明问题：
| Kp值 | 现象描述 | 适用场景 |
|---|---|---|
| 0.5 | 响应迟缓，转弯半径大 | 慢速场景 |
| 2.0 | 轻微震荡，但能稳定 | 大多数情况 |
| 5.0 | 剧烈震荡，无法稳定 | 不推荐使用 |
2.2 积分控制（I）：消除那些恼人的小偏差
积分项专门对付那些顽固的小偏差。比如小车总是稍微偏向某侧，积分项会"记住"这个偏差并持续修正：
// PID中的积分项 integral += error * dt; // dt是时间间隔 float I_output = Ki * integral;但积分项是把双刃剑：
注意：Ki太大会导致"积分饱和"，表现为转向时突然猛拐。建议初始值设为Kp的1/100
2.3 微分控制（D）：预见未来的艺术
微分项预测未来趋势，像老司机提前收方向盘：
// PID中的微分项 float derivative = (error - last_error) / dt; float D_output = Kd * derivative; last_error = error;调试心得：
- Kd能有效抑制震荡，但会放大噪声
- 对于我们的循迹小车，Kd通常在0.01~0.1之间
- 传感器噪声大时，需要先做滤波再加微分
3. STM32上的PID实战：从代码到调参
3.1 定时器中断实现PID控制器
在STM32CubeIDE中，我用TIM2定时器配置1ms中断：
// 在tim.c中启用中断 HAL_TIM_Base_Start_IT(&htim2); // 中断回调函数 void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim) { if(htim->Instance == TIM2) { PID_Update(); // 执行PID计算 } }PID核心算法实现：
typedef struct { float Kp, Ki, Kd; float integral, last_error; } PID_Controller; void PID_Init(PID_Controller* pid, float Kp, float Ki, float Kd) { pid->Kp = Kp; pid->Ki = Ki; pid->Kd = Kd; pid->integral = 0; pid->last_error = 0; } float PID_Update(PID_Controller* pid, float error, float dt) { pid->integral += error * dt; float derivative = (error - pid->last_error) / dt; pid->last_error = error; return pid->Kp * error + pid->Ki * pid->integral + pid->Kd * derivative; }3.2 串口调试：调参不再靠玄学
通过串口实时输出关键数据：
printf("Error:%.2f,P:%.2f,I:%.2f,D:%.2f,Output:%.2f\r\n", error, pid.Kp * error, pid.Ki * pid.integral, pid.Kd * derivative, output);调参步骤：
- 先将Ki和Kd设为0，慢慢增大Kp直到出现轻微震荡
- 保持Kp为当前值的80%，引入Ki消除稳态误差
- 最后加入Kd抑制震荡
- 微调三个参数，找到最佳平衡点
4. 高级技巧：当PID遇上循迹小车
4.1 非对称参数：左转和右转可以不一样
大多数小车的左右轮性能并不完全对称，我的做法是：
if(output > 0) { // 右转 right_motor = base_speed - output * right_factor; left_motor = base_speed; } else { // 左转 right_motor = base_speed; left_motor = base_speed + output * left_factor; }4.2 动态调参：直道和弯道用不同参数
通过检测转弯幅度切换参数：
float abs_error = fabs(error); if(abs_error < 10) { // 直道模式 pid.Kp = 2.0; pid.Ki = 0.02; pid.Kd = 0.05; } else { // 弯道模式 pid.Kp = 3.0; pid.Ki = 0.01; pid.Kd = 0.1; }4.3 传感器融合：让数据更可靠
单个传感器容易误判，我采用三个传感器取中值：
int sensor_values[3]; // 读取三个传感器 qsort(sensor_values, 3, sizeof(int), compare); float position = sensor_values[1]; // 取中值5. 避坑指南：那些年我踩过的PID坑
坑1：积分饱和
- 现象：小车长时间偏离后突然猛拐
- 解决：限制积分项最大值
pid->integral = constrain(pid->integral, -100, 100);坑2：微分噪声
- 现象：小车高频抖动
- 解决：加一阶低通滤波
float alpha = 0.2; // 滤波系数 derivative = alpha * derivative + (1-alpha) * last_derivative;坑3：采样时间不一致
- 现象：有时稳定有时抽风
- 解决：使用定时器严格保证dt恒定
最后分享一个稳定参数组合供参考（基于STM32F103C8T6）：
- 直道：Kp=2.0, Ki=0.02, Kd=0.05
- 弯道：Kp=3.5, Ki=0.01, Kd=0.1
- 基础速度：PWM占空比20%