1. 项目概述与核心挑战2021年全国大学生电子设计竞赛电赛的F题是一个典型的控制类小车题目。这类题目每年都吸引着大量电子、自动化相关专业的学生投入其中它不仅仅是一次比赛更像是一个浓缩的、高强度的工程项目实战演练。我当年带队参加并最终取得了不错的成绩整个过程下来感触最深的就是电赛小车题比拼的远不止是代码和电路更是一套完整的系统工程思维和临场应变能力。网上流传的源码和工程文件很多但如果不理解其背后的设计逻辑、参数整定方法和调试技巧拿到手也只是一堆无法运行的“死代码”。这个F题小车核心任务通常围绕着精准的运动控制展开比如循迹、避障、定点停车、搬运物品等。它综合考察了微控制器通常是STM32应用、传感器如摄像头、灰度、超声波数据处理、电机驱动如TB6612、DRV8833、PID控制算法以及机械结构优化等多个维度的能力。很多新手团队一开始会陷入“堆传感器”和“调参玄学”的误区实际上一个稳定可靠的小车系统必须建立在清晰的顶层设计之上。本文将结合我当时的实战经验从系统设计、代码架构、调试心得三个方面深度拆解如何构建一个能在高强度比赛中稳定发挥的智能小车系统并附上经过详细注释和模块化设计的源码及工程文件希望能为你提供一条清晰的路径而不仅仅是几行代码。2. 系统顶层设计与硬件选型思路在电赛四天三夜的极限时间里“谋定而后动”比盲目动手更重要。我们拿到题目后花了将近半天的时间进行系统设计和器件选型这个时间投入是绝对值得的。2.1 核心控制单元为什么是STM32对于电赛的小车题STM32系列MCU几乎是首选。相较于ArduinoSTM32提供了更强的性能主频、外设、更丰富的中断资源和更低的功耗这对于需要实时处理多路传感器数据、运行复杂控制算法如PID的场景至关重要。我们当时选择了STM32F407ZGT6核心考量如下性能充足Cortex-M4内核带FPU浮点运算单元主频168MHz。这意味着在进行浮点运算密集的PID计算或图像处理如果用到OpenMV或K210时速度远超不带FPU的M3内核或Arduino。外设丰富拥有多达12个定时器其中高级定时器TIM1, TIM8可以产生带死区控制的互补PWM完美驱动直流电机或舵机多个通用定时器可用于编码器模式直接读取电机转速。此外充足的UART、SPI、I2C接口为连接各种传感器摄像头、陀螺仪、超声波提供了便利。开发生态成熟无论是标准外设库Standard Peripheral Library还是HAL库Hardware Abstraction Layer都有大量的社区资源和参考例程。在紧张的比赛期间成熟的生态意味着遇到问题更有可能快速找到解决方案。注意不建议在电赛期间尝试最新的H7系列或切换不熟悉的库如从标准库转向LL库。F1和F4系列经过多年竞赛洗礼资源最丰富稳定性最高。2.2 传感器方案精度与速度的权衡传感器的选择直接决定了小车的“感知”能力。F题通常对路径识别和位置判断有较高要求。路径识别方案一灰度传感器阵列。这是最经典、最稳定的方案。我们使用了8路灰度传感器如TCRT5000排成一排。其优点是响应速度快模拟量ADC读取即可、电路简单、受环境光影响较小通过电位器可调节灵敏度。缺点是探测距离短约1cm且只能获取赛道“线”的当前位置信息无法预判弯道。方案二摄像头OpenMV/K210。这是功能更强大的方案。摄像头可以获取前方一大片区域的图像通过图像算法可以提前识别弯道、十字路口、环岛等复杂元素。但是图像处理会消耗大量CPU资源并且对环境光线变化极为敏感。在比赛现场复杂的光照条件下稳定性是巨大挑战。我们的选择我们采用了灰度为主摄像头为辅的策略。日常循迹、直道、小弯道完全由灰度阵列处理保证核心功能的绝对稳定。摄像头仅用于识别特定的路标如起点、终点、特殊符号或验证复杂路况将其作为“锦上添花”的功能而非核心依赖。姿态与测距陀螺仪MPU6050用于测量小车的转向角速度Z轴角速度和倾角。对于需要精确控制转角如90度转弯或保持直行消除电机差异导致的偏航的情况至关重要。我们通过DMP数字运动处理器库直接解算欧拉角简化开发。编码器电机自带或后装的增量式编码器。这是实现速度闭环和里程计定位的核心传感器。没有编码器PID速度控制就是“开环瞎调”。超声波模块HC-SR04用于避障或测量到特定障碍物的距离。注意其测量周期较长约60ms不适合高速下的实时避障。2.3 电机与驱动动力系统的基石“小车跑不动、跑不稳首先看电机和驱动。”电机选择常用的有N20减速电机扭力大速度慢和TT马达速度较快扭力小。根据小车负载和速度要求选择。我们选用的是带双轴一端输出动力一端装编码器的直流减速电机。驱动芯片TB6612FNG是电赛“神芯”。相比传统的L298N它具有效率高、发热小、支持大电流连续1.2A峰值3.2A、内置保护电路等优点。一片TB6612可以驱动两个电机正好满足双电机差分驱动的小车。供电系统务必独立供电电机驱动部分通常12V和控制部分STM32 5V或3.3V必须使用不同的电源或通过DCDC模块隔离。电机启停会造成电源电压剧烈波动如果共用电源极易导致单片机复位或传感器读数异常。我们使用一块大容量锂电池如2S 7.4V经过降压模块给控制系统供电直接给电机驱动供电。3. 软件架构与模块化编程实践四天三夜写代码最怕的就是代码变成“一锅粥”牵一发而动全身。清晰的软件架构是高效调试和稳定运行的保障。我们采用了基于时间片轮询的简单前后台架构关键模块如下3.1 工程目录结构一个清晰的工程目录能让团队协作效率倍增。我们的STM32工程基于Keil MDK结构如下Project/ ├── CMSIS/ // ARM Cortex-M核支持文件 ├── Driver/ │ ├── BSP/ // 板级支持包 │ │ ├── bsp_motor.c/.h // 电机驱动封装 │ │ ├── bsp_encoder.c/.h // 编码器接口封装 │ │ ├── bsp_grayscale.c/.h // 灰度传感器处理 │ │ ├── bsp_imu.c/.h // 陀螺仪MPU6050处理 │ │ └── bsp_ultrasonic.c/.h // 超声波模块驱动 │ └── STM32F4xx_HAL_Driver/ // HAL库文件 ├── Middleware/ │ ├── PID/ // PID算法库 │ └── Filter/ // 滤波器如卡尔曼、一阶低通 ├── Application/ │ ├── task_scheduler.c/.h // 任务调度器 │ ├── task_control.c/.h // 核心控制任务 │ ├── task_sensor.c/.h // 传感器数据采集任务 │ └── task_communication.c/.h // 调试信息发送任务串口 ├── User/ │ ├── main.c │ ├── stm32f4xx_it.c // 中断服务函数 │ └── system_stm32f4xx.c └── README.md // 工程说明文档3.2 核心控制逻辑双闭环PID的实现小车的精准控制依赖于PID算法。我们采用了经典的位置式PID并构建了速度-位置双闭环系统。内环速度环。以编码器测得的电机实际转速作为反馈与目标转速比较通过PID计算输出PWM占空比。这个环负责让电机快速、准确地达到并保持设定的速度抵抗负载变化带来的扰动。// 伪代码示例速度PID计算 float Speed_PID_Calculate(PID_TypeDef *pid, float target_speed, float actual_speed) { pid-error target_speed - actual_speed; pid-integral pid-error; // 积分限幅防止积分饱和 if(pid-integral pid-integral_limit) pid-integral pid-integral_limit; else if(pid-integral -pid-integral_limit) pid-integral -pid-integral_limit; pid-derivative pid-error - pid-last_error; pid-output pid-kp * pid-error pid-ki * pid-integral pid-kd * pid-derivative; pid-last_error pid-error; // 输出限幅 return constrain(pid-output, -pid-output_limit, pid-output_limit); }外环位置环/转向环。对于循迹小车外环通常是转向控制。以灰度传感器阵列计算出的赛道中心偏移量作为反馈与目标偏移量通常为0表示小车在赛道中央比较通过另一个PID计算出一个“转向量”。这个转向量最终会转化为左右电机的速度差。偏差计算对于8路灰度我们可以将每路传感器根据其位置赋予一个权重值如-4 -3 -2 -1 1 2 3 4根据哪些传感器检测到黑线计算加权平均值作为当前位置偏差。控制输出左轮目标速度 基础速度 转向量右轮目标速度 基础速度 - 转向量。这样就实现了差速转向。3.3 任务调度器让程序有条不紊为了避免在while(1)中写满各种延时和阻塞代码我们实现了一个简易的时间片轮询调度器。// task_scheduler.h typedef struct { void (*task_func)(void); // 任务函数指针 uint32_t interval_ms; // 执行间隔毫秒 uint32_t last_run_ticks; // 上次运行的时间戳 } Task_TypeDef; // task_scheduler.c Task_TypeDef task_list[] { {task_control, 10, 0}, // 控制任务每10ms执行一次 {task_sensor, 5, 0}, // 传感器采集每5ms一次 {task_communication, 100, 0}, // 通信任务每100ms一次 // ... 其他任务 }; void task_scheduler_run(void) { uint32_t current_ticks HAL_GetTick(); for(int i 0; i TASK_COUNT; i) { if(current_ticks - task_list[i].last_run_ticks task_list[i].interval_ms) { task_list[i].task_func(); task_list[i].last_run_ticks current_ticks; } } } // 在主循环中调用 task_scheduler_run();这样每个任务都能以固定的频率非阻塞地运行系统响应性更好也便于管理和调试。4. 调试技巧与参数整定实录调试是电赛中最耗时、也最体现功力的环节。参数不是“调”出来的是“理解”出来的。4.1 PID参数整定从理论到手感很多同学对PID调参感到恐惧。其实有章可循。我们采用“先内环后外环先比例后积分再微分”的步骤。速度环整定Step 1: 确定电机最大速度。将PWM输出设为最大测量编码器在空载和带载小车自重下的最大转速作为速度基准。Step 2: 纯比例控制P。将Ki和Kd设为0。给一个较小的目标速度如最大速度的30%逐渐增大Kp。你会观察到电机开始转动但速度可能稳定在目标值以下静差。继续增大Kp直到电机出现明显的、频率较快的振荡“嗡嗡”响转速来回波动。此时将Kp回调到振荡临界点的70%-80%。这个值就是比较合适的比例系数。Step 3: 加入积分I。积分的作用是消除静差。从小值如Kp的1/100开始慢慢增加Ki。观察电机达到目标速度的稳定过程。合适的Ki会让速度平稳且无静差地到达目标。Ki过大会导致系统反应迟钝甚至出现积分饱和引起超调或振荡。Step 4: 加入微分D。微分能预测变化趋势抑制振荡。在速度环中微分作用通常不明显有时甚至引入高频噪声。如果速度稳定后仍有轻微抖动可以尝试加入很小的Kd如Kp的1/10。务必对误差的微分进行低通滤波否则编码器的测量噪声会被放大导致控制输出剧烈抖动。转向环整定转向环的输入是位置偏差输出是速度差。其整定思路与速度环类似但更依赖现场观察。Kp转向比例决定了小车对偏差的反应强度。Kp太小转弯迟钝容易冲出赛道Kp太大小车会在直线上“画龙”左右摇摆。在直道上微调Kp使小车能轻微修正方向而不产生持续振荡。Kd转向微分这是循迹流畅的关键。它相当于“预见性”根据偏差的变化率提前做出转向动作。在进入弯道时偏差变化率大Kd会提供一个额外的转向力让小车更早、更平滑地入弯。调试心得先调好Kp让小车能基本循迹然后重点调Kd。观察小车过弯如果入弯时车头“甩”出去转向不足就增大Kd如果入弯时车身抖动转向过度就减小Kd。一个好的Kd能让小车过弯行云流水。实操心得不要试图找到一个“万能参数”。赛道的摩擦力、电池电压、甚至环境温度都会影响系统特性。我们的策略是在比赛场地录制一段小车运行时的关键数据目标速度、实际速度、PWM输出、位置偏差等通过串口发送到电脑用SerialPlot或Matlab绘制曲线。通过曲线可以非常直观地看到超调量、调节时间、稳态误差从而科学地调整参数而不是凭感觉。4.2 传感器数据处理与滤波原始传感器数据往往充满噪声直接使用会导致控制抖动。编码器速度计算编码器返回的是脉冲数。速度计算常用M法测速固定时间内的脉冲数。我们在一个定时中断如10ms里读取编码器计数差值。为了平滑速度值会对其进行一阶低通滤波。// 一阶低通滤波 float low_pass_filter(float new_value, float old_value, float alpha) { // alpha dt / (dt RC) dt为采样周期RC为滤波时间常数 // alpha越小滤波效果越强滞后越大 return alpha * new_value (1 - alpha) * old_value; } filtered_speed low_pass_filter(raw_speed, filtered_speed, 0.3);陀螺仪数据MPU6050的DMP输出已经比较稳定。如果使用原始数据解算角度必须进行传感器融合如互补滤波或卡尔曼滤波结合加速度计和陀螺仪的数据以获得稳定且动态响应好的角度值。在电赛时间有限的情况下强烈建议使用成熟的DMP库。4.3 串口调试与上位机“printf大法好”但要有策略。我们定义了一个轻量级的调试帧协议将需要观察的多个变量打包定期发送到上位机。// 自定义调试帧结构 typedef struct { float speed_target_left; float speed_actual_left; float speed_target_right; float speed_actual_right; int32_t line_position_error; // 循迹偏差 float turn_output; // 转向环输出 } DebugFrame_t; void send_debug_frame(void) { DebugFrame_t frame {...}; // 填充数据 uint8_t *p (uint8_t*)frame; // 发送帧头如0xAA, 0xBB uart_send_byte(0xAA); uart_send_byte(0xBB); for(int i0; isizeof(DebugFrame_t); i) { uart_send_byte(p[i]); } // 发送帧尾或校验和 }在电脑端可以用PythonPySerial或C#编写一个简单的上位机程序实时解析并绘制这些曲线。图形化的数据比单纯的数字输出直观百倍能快速定位问题。5. 机械结构与装配的魔鬼细节软件调得再好机械结构松松垮垮也白搭。几个容易忽略但至关重要的机械要点重心与轴距重心要低前后左右分布尽量均匀。轴距前后轮距离不宜过短否则直行稳定性差也不宜过长否则转弯不灵活。通常在小车底盘允许范围内取中间值。车轮与地面接触确保所有驱动轮和万向轮或从动轮同时接触地面。可以通过在平整桌面上观察底盘是否有翘起或用手按压四角检查。接触不良会导致某个轮子打滑编码器计数不准控制完全失效。传感器安装高度与角度对于灰度传感器其安装高度距离地面约0.5-1cm需要精确测试确保能可靠检测到黑线又不会因为地面不平而误触发。所有传感器应安装在同一水平线上。线缆整理所有杜邦线、电源线必须用扎带或胶带固定好防止在运动中脱落、缠绕进车轮或与底盘短路。电源正负极接头最好用热缩管保护。一个整洁的布线是可靠性的体现。6. 比赛现场策略与应急处理到了比赛现场考验的就是心态和应变能力。备用方案一定要准备备用核心模块至少多带一块焊好最小系统的STM32核心板、一块电机驱动板、一套主要传感器灰度、编码器。我们当时就遇到编码器突然失灵5分钟内更换备用编码器模块挽救了比赛。参数快速微调现场赛道材质、光线可能与实验室不同。提前准备好几组针对不同场景高摩擦地毯、低摩擦木地板、强光、弱光的PID参数和传感器阈值存储在代码的数组或通过按键选择。现场花10分钟快速测试并切换。电源管理上电前再三检查电源极性比赛全程监控电池电压。电机堵转时电流极大会导致电池电压骤降可能触发单片机低压复位。在代码中加入电压检测当电压低于阈值时让小车缓慢停车或报警而不是突然死机。调试时间分配封箱前留出至少1小时进行全流程连贯测试。模拟比赛全程从启动、执行任务到停止。很多bug只在连续运行一段时间后才出现如内存泄漏、电机过热、电池衰减。7. 源码与工程文件使用指南随文附上的源码工程是基于STM32F407和HAL库构建的它不仅仅是一份可以编译运行的代码更是一个体现了上述所有设计思想的模板。工程核心特点高度模块化每个硬件驱动Motor Encoder GrayScale IMU都独立成文件接口清晰。你可以像搭积木一样更换传感器或底盘。参数可配置化所有PID参数、速度参数、传感器阈值都集中在app_config.h文件中修改无需翻找代码。详细的注释关键函数和算法步骤都有中文注释解释了“为什么这么做”。包含调试接口工程中已经集成了一键发送调试帧的代码注释掉相应的宏定义即可关闭不影响性能。如何使用使用Keil MDK 5或STM32CubeIDE打开工程。根据你的硬件连接修改bsp层驱动文件中的引脚定义bsp_motor.cbsp_encoder.c等。在app_config.h中初步设置你的电机极对数、编码器线数、车轮周长等物理参数。先屏蔽转向控制单独调试速度环PID。通过按键或串口命令给电机发送一个目标速度观察实际速度曲线按照第4.1节的方法整定速度环PID参数。速度环稳定后启用转向控制。在简单的直道和弯道上整定转向环的Kp和Kd参数。利用task_communication.c中的调试功能将数据发送到上位机观察精细调整。最后的小技巧源码中的PID控制器我增加了一个“积分分离”功能。当误差过大时比如小车严重偏离赛道积分项会被暂时禁用防止积分饱和导致系统恢复过慢。这个细节在处理冲出赛道后的复位时非常有效。希望这份凝聚了实战经验和教训的总结与代码能帮助你少走弯路不仅仅是完成一次比赛更是建立起一套解决复杂工程问题的思维方法。