1. 先搞清楚电赛控制小车到底在比什么

电赛控制小车，核心比的不是谁的小车跑得快，而是在规定时间内，用有限的硬件资源，稳定、精确地完成一套复杂的任务流程。很多人一上来就埋头调PID、写算法，结果比赛时连小车最基本的直线都跑不直，或者传感器一干扰就失控。这背后考验的是对系统稳定性、传感器融合、实时控制逻辑的综合理解。

从历年题目看，无论是循迹、避障、搬运还是路径规划，都逃不开几个核心环节：感知（用什么看路）、决策（怎么算路线）、执行（如何精准走位）。你的代码、电路、机械结构都是为这三个环节服务的。所以，备赛第一步不是急着写代码，而是先拆解往届赛题，明确控制小车的“输入-处理-输出”闭环具体是什么。比如，是摄像头识别色块？还是红外对管检测黑线？电机是用直流减速电机加编码器，还是直接用步进或伺服？把这些基础问题理清，后续的硬件选型、软件框架搭建才有方向。

2. 硬件平台与核心模块选型：别在起跑线上犯错

硬件是骨架，选错了后期调参全是徒劳。电赛小车硬件可以拆解为主控、感知、执行、供电四大模块。

2.1 主控芯片：STM32是主流，但别忽视树莓派Pico

• STM32系列（如F103、F407、H743）：这是绝对的主流选择，资源丰富（定时器、ADC、通信接口多），实时性强，社区资料海量。对于需要精确PWM控制电机、快速响应传感器信号的场景，STM32是首选。例如，用STM32F103的定时器产生PWM波控制舵机转向，用它的编码器接口模式读取电机转速，非常稳定。
• 树莓派Pico/RP2040：双核ARM Cortex-M0+，价格低廉，有可编程IO（PIO）这个独特优势，可以硬件级实现一些特定协议（如WS2812灯带、DShot电调协议），减轻CPU负担。如果你的方案涉及一些特殊的通信或信号生成，Pico是个有趣的备选。但它的生态系统和实时性相比成熟的STM32方案，需要更多时间去验证。
• ESP32：如果题目要求无线控制（如Wi-Fi图传、蓝牙APP控制），ESP32集成度高。但要注意，其Arduino核心的实时任务调度可能不如FreeRTOS on STM32那样直接可控，对于高实时性的电机控制，可能需要更精细的任务设计。

选型建议：对于绝大多数控制类题目，STM32F4系列（如F407）是一个平衡性能和上手难度的安全选择。它有足够的计算力跑一些滤波算法（如用于编码器测速的卡尔曼滤波），也有丰富的定时器和通信接口。

2.2 感知模块：根据赛道环境选择“眼睛”

• 循迹：最常用的是红外反射式传感器（TCRT5000等），成本低，响应快。但容易受环境光干扰。布局上，通常采用一排（5-8个）传感器，通过检测黑线与白底的反差来获取位置偏差。更高级的会用**摄像头（如OpenMV、OV7725）**进行图像识别，获取更丰富的赛道信息（十字、环岛、坡道），但图像处理算法复杂，对主控算力要求高。
• 避障与测距：超声波模块（HC-SR04）简单易用，但探测角度大，容易误检，响应速度一般。激光测距（TOF）模块精度和响应速度更高，但成本也高。红外测距则介于两者之间。根据障碍物类型和精度要求选择。
• 姿态感知：如果涉及平衡小车或需要知道自身姿态，陀螺仪加速度计模块（MPU6050）是必选项。通过融合算法（如互补滤波、卡尔曼滤波）解算出角度和角速度，用于平衡控制。

选型建议：新手从红外循迹+编码器入门最稳妥。进阶可以尝试**摄像头+惯性测量单元（IMU）**的组合，这能应对更复杂的赛道元素。

2.3 执行模块：电机与驱动是力量的源泉

• 电机类型：
  • 直流减速电机：最常用，需搭配编码器实现闭环速度/位置控制。便宜，扭矩大。
  • 步进电机：开环控制即可实现精确位置控制，但高速性能可能不如直流电机+编码器，且可能丢步。
  • 舵机：用于精确控制转向角度（如云台、机械臂抓取）。注意区分模拟舵机（PWM信号控制位置）和数字舵机（响应更快，精度更高）。树莓派Pico控制舵机时，要确保PWM频率（通常50Hz）和分辨率足够。
• 驱动电路：
  • 电机驱动芯片（如TB6612、DRV8833）：集成H桥，带过流保护，体积小，控制逻辑简单（IN1, IN2, PWM），是首选。
  • MOS管搭建的H桥：可承受更大电流，但需要自己设计栅极驱动和保护电路，更适合大功率或特殊需求。
  • 伺服驱动器：如果选用伺服电机（在要求高精度定位的搬运任务中可能出现），则需要通过脉冲（PTO/PWM）或通信（如RS485、CAN）方式控制。STM32发脉冲，或通过串口发送Modbus RTU指令都是常见做法。

选型建议：直流减速电机+编码器+TB6612驱动是经过无数验证的黄金组合。务必给编码器供电并做好信号滤波（硬件RC滤波或软件滤波），读数才稳定。

2.4 供电模块：稳定大于一切

电赛电源模块常单独出题，但小车自身供电也至关重要。电机启动瞬间电流很大，会导致电压骤降，可能使单片机复位或传感器工作异常。

• 方案：使用大容量锂电池（如2S/3S锂电）作为总电源，通过DC-DC降压模块（如LM2596、MP1584）产生稳定的5V或3.3V给单片机和传感器供电。电机驱动直接接电池。务必在电池输出端和各个模块的电源入口并联大容量（如100uF）和小容量（0.1uF）的电容进行滤波。
• 注意：如果使用舵机，特别是多个舵机同时动作，电流需求很大，最好单独一路电源或加大电容，避免干扰主控。

3. 软件框架与控制算法：从裸机PID到状态机

有了硬件，软件就是灵魂。切忌把所有代码都堆在main函数的while(1)里。

3.1 软件框架：定时中断是核心

推荐采用时间片轮询或基于实时操作系统（如FreeRTOS）的框架。对于电赛级别的复杂度，时间片轮询更轻量、直观。

• 核心思想：利用一个高精度定时器（如SysTick或通用定时器）产生固定周期（如1ms或5ms）的中断。在中断服务函数里设置标志位。
• 主循环：在主循环中不断查询这些标志位，时间到了就执行对应的任务函数，如“读取传感器”、“计算控制量”、“更新电机PWM”。
• 好处：保证了关键任务（如PID计算）的周期性，避免了因为某个任务执行时间过长而阻塞其他任务。

// 示例：时间片轮询框架核心思路 volatile uint8_t flag_5ms = 0; volatile uint8_t flag_20ms = 0; // 定时器中断服务函数（每1ms触发一次） void TIMx_IRQHandler(void) { static uint8_t cnt_5ms = 0, cnt_20ms = 0; if(TIM_GetITStatus(TIMx, TIM_IT_Update) != RESET) { cnt_5ms++; cnt_20ms++; if(cnt_5ms >= 5) { flag_5ms = 1; cnt_5ms = 0; } // 5ms任务标志 if(cnt_20ms >= 20) { flag_20ms = 1; cnt_20ms = 0; } // 20ms任务标志 TIM_ClearITPendingBit(TIMx, TIM_IT_Update); } } int main(void) { // 硬件初始化 Hardware_Init(); // 主循环 while(1) { if(flag_5ms) { flag_5ms = 0; Task_5ms(); // 执行5ms任务，如读取编码器、快速PID环 } if(flag_20ms) { flag_20ms = 0; Task_20ms(); // 执行20ms任务，如图像处理、路径规划 } // 其他非实时任务 Idle_Task(); } }

3.2 核心控制算法：深入理解PID

PID是控制小车的基石，但很多人只停留在调三个参数。

• 位置式PID与增量式PID：
  • 位置式：输出=Kpe + Ki∫e dt + Kd*de/dt。输出直接对应执行机构的目标位置（如舵机角度）。积分项容易饱和，需要抗积分饱和处理。
  • 增量式：输出增量 = Kp*(e(k)-e(k-1)) + Kie(k) + Kd(e(k)-2e(k-1)+e(k-2))。输出是控制量的变化量。天然抗积分饱和，更适用于电机等执行机构。电赛小车控制电机速度常用增量式PID。
• PID调参实战步骤：
  1. 归零：先将Ki, Kd设为0。
  2. 调Kp：逐渐增大Kp，让系统出现振荡，然后回调到振荡消失前的值，此时系统响应较快且无静差（或静差很小）。对于小车速度环，就是让电机能较快达到目标速度且不超调。
  3. 调Kd：如果系统有振荡或超调，加入Kd来抑制。Kd过大会导致系统对噪声敏感，响应变慢。
  4. 调Ki：如果存在稳态误差（如始终达不到目标速度），加入Ki来消除。Ki要小，慢慢加，否则容易引起积分饱和和振荡。
• 多环控制：高级控制常用。例如，平衡小车：外环是角度环（PID控制角度），输出是目标角速度；内环是角速度环（PID控制陀螺仪输出的角速度），输出是电机PWM。速度控制也类似：外环位置环（控制总路程），内环速度环（控制实时速度）。

3.3 高级算法应用：应对复杂场景

• 路径规划与动态避障：对于有障碍物的场地，需要规划路径。简单场景可用人工势场法，复杂一点可以用A*算法或D*算法。在仿真软件如CoppeliaSim（原名V-REP）或ROS（Robot Operating System）中可以先验证算法。ROS小车自主导航仿真是一个很好的学习途径，但电赛时间紧，通常采用更轻量的算法。
• 滤波算法：传感器数据有噪声。除了硬件滤波，软件上常用一阶互补滤波融合加速度计和陀螺仪数据得到更稳定的角度；用卡尔曼滤波（KF）或扩展卡尔曼滤波（EKF）进行状态估计（如用于无感FOC电机的位置观测）。这些算法在STM32上需要一定的数学基础和实现能力。
• 模糊控制：对于难以建立精确数学模型的对象（如地面摩擦多变的小车），模糊控制有时比PID更鲁棒。但规则库设计需要经验。

4. 开发、调试与系统联调实战

这是将想法变为现实的关键，也是最容易出乱子的阶段。

4.1 分模块开发与调试

绝对不要一开始就把所有模块焊在一起调试。

1. 电源调试：单独测试电源模块，带上负载（如用功率电阻模拟），用万用表和示波器看电压是否稳定，纹波是否在可接受范围。
2. 单片机最小系统：烧录一个LED闪烁程序，确保芯片能正常工作。
3. 传感器调试：单独连接一个传感器（如一个红外对管），编写测试程序，通过串口打印出它的读数。用手遮挡，观察数值变化是否正常。把每一个传感器的正常工作范围（电压值、AD值）记录下来。
4. 执行器调试：单独测试电机。写程序让电机正转、反转、调速。测试舵机，看能否精确转到指定角度。
5. 通信调试：如果用了蓝牙、Wi-Fi、串口通信，先进行简单的数据收发测试。

4.2 系统联调与参数整定

所有模块单独工作正常后，再进行联调。

1. 开环测试：先不启用任何反馈控制。例如，让小车以固定PWM值前进，观察它是否大致能走直线。这可以检查机械结构是否对称，电机性能是否一致。
2. 单环闭环测试：先调最内环。例如，先调电机速度环。给定一个目标速度，让PID控制器工作，通过编码器反馈，观察实际速度能否快速、稳定地跟随。用波形图（可通过串口发送数据到上位机软件如SerialChart、VOFA+）来观察超调量和稳定时间。
3. 多环闭环与任务集成：速度环调好后，再加入外环。比如循迹：红外阵列获取偏差 -> 位置式PID计算转向角度 -> 舵机执行。同时，速度环独立工作维持车速。调试时，一次只动一个环的参数。
4. 抗干扰与边界测试：用手轻轻推小车，看它能否抵抗干扰回到轨道。在赛道边界、交叉处测试逻辑是否正确。模拟传感器偶然误触发（用手电照红外管），看程序是否鲁棒。

4.3 常见问题与排查清单

比赛时时间紧迫，排查问题要有章法。

• 小车不动：
  • 查电源：电池有电吗？开关开了吗？电压测了吗？
  • 查单片机：程序烧进去了吗？复位了吗？晶振起振了吗？（看LED测试程序）
  • 查驱动：电机驱动模块的使能信号给了吗？输入逻辑对吗？用万用表测电机两端是否有电压变化。
  • 查电机：电机本身是好的吗？可以单独接电池测试。
• 跑不直/左右摇摆：
  • 机械原因：轮胎直径、装配是否一致？车体是否对称？
  • 参数原因：左右电机PID参数是否分别微调过？即使同一型号电机，特性也有细微差异。
  • 传感器原因：红外循迹模块距离地面高度是否一致？阈值设置是否合理？
• PID振荡（来回抖）：
  • 微分项D过大：这是最常见原因。减小Kd。
  • 控制周期不合适：周期太短，微分作用太敏感；周期太长，系统滞后。一般电机速度环1-5ms，位置环（如转向）10-20ms。
  • 传感器噪声大：噪声被微分项放大。加强软件滤波（如滑动平均）。
• 响应慢/有静差：
  • 比例项P过小：增大Kp。
  • 积分项I不足或未启用：适当增大Ki，但一定要做抗积分饱和。
• 程序跑飞/死机：
  • 堆栈溢出：检查中断嵌套和局部变量大小。
  • 数组越界或指针错误：仔细检查代码。
  • 中断冲突或处理时间过长：避免在中断里做复杂运算。

电赛控制小车，是一个典型的嵌入式系统工程项目。它要求你将硬件设计、软件编程、控制理论、调试排错能力融为一体。成功的秘诀不在于用了多炫酷的算法，而在于整个系统是否可靠、稳定、可预测。从最小系统开始，一个模块一个模块地验证，一个参数一个参数地调整，记录下每一步的现象和数据，这才是最扎实的备赛路径。最后，留足时间进行全系统长时间的压力测试，模拟比赛时的连续运行，很多隐藏问题只会在这个时候暴露出来。