最近在整理往年电赛资料时发现一个很有意思的现象很多队伍在准备“杆球平衡”这类经典控制题目时会把绝大部分精力放在PID调参、算法仿真和硬件搭建上。这当然没错但往往在比赛现场决定最终成绩上限的可能并不是你的控制算法有多精妙而是你的系统能否扛住真实物理世界里的各种“意外扰动”——比如电机启动的抖动、传感器安装的微小形变、甚至裁判走动带来的地面震动。“杆球平衡”的核心是稳定但“运动补偿”要解决的恰恰是“不稳定”本身。它不是一个独立的算法模块而是一套贯穿硬件选型、机械结构、信号处理和控制律设计的系统性抗干扰策略。很多人以为补偿就是加个滤波或者调个前馈结果在实验室跑得飞起的小球一上赛场就“翩翩起舞”。问题出在哪很可能从一开始对“补偿”的理解就停留在表面了。2026年电赛若真以“杆球平衡运动补偿”为题其考察重点绝不会是让你复现一个平衡状态而是在存在持续或突变外部扰动的条件下如何让系统依然保持稳定并快速准确地响应新的位置指令。这要求我们跳出“单点调参”的思维建立一套从“现象感知”到“扰动归类”再到“分层抑制”的完整工程化应对框架。今天我们就来拆解一下面对这样一个题目从理解到实现真正需要关注的是什么。1. 先厘清核心矛盾我们要补偿的到底是什么“运动”拿到题目第一反应不应该是去找代码而是先拆解“运动补偿”这个目标里的“运动”究竟指什么。如果定义不清后续所有工作都可能跑偏。1.1 扰动来源的三层分解内部、耦合与外部在杆球平衡系统中“运动”干扰可以按来源分为三层每一层需要的补偿策略截然不同。执行器与传动层扰动内部这是最基础也最常被忽视的一层。你的电机通常是舵机或直流减速电机本身就不是理想的。它可能存在齿槽转矩电机转子转动时磁阻变化引起的周期性转矩波动在低速时尤为明显会导致平台产生细微的、规律性的抖动。响应延迟与过冲电机接收到控制指令后从开始转动到达到目标速度需要时间停止时也可能因惯性过冲。PID输出的是“期望力矩”而电机给出的是“实际力矩”两者之间的动态差异就是一种扰动。传动间隙齿轮、联轴器等存在的微小旷量会导致电机转动之初平台并未立即运动死区或运动反向时存在空程。这相当于在控制回路中引入了一个非线性和滞后。机械结构层扰动耦合这一层源于我们自己的设计。平台形变与振动为了减轻重量我们常使用3D打印或碳杆作为平台。当电机驱动平台快速运动时材料会发生弹性形变并产生衰减振动。这个振动会通过平台直接传递给球传感器如摄像头也会捕捉到平台的虚假运动。传感器安装误差摄像头或OpenMV如果固定不牢会随着平台一起振动或发生微小偏转它测量到的“球位置”实际上是“球相对于晃动摄像头”的位置引入了巨大的测量噪声。重心偏移电机、电池、控制板的布局如果不均衡会导致平台重心不在旋转中心电机需要额外出力克服一个周期性的重力矩干扰。环境与任务层扰动外部这是题目“运动补偿”最可能直接指涉的部分。基础扰动人为用手轻推平台、敲击桌面、风吹等。这类扰动幅度、方向、时长随机考验系统的抗干扰恢复能力。指令扰动题目可能要求平台在保持球平衡的同时进行指定的轨迹运动如让平台匀速旋转、正弦摆动。此时平台的主动运动对球来说就是一个巨大的、持续的“扰动”。补偿的核心就从“抵抗”变成了“预测与跟随”。复合扰动以上多种扰动同时发生。例如在平台执行正弦运动指令外部时电机自身的齿槽转矩内部和结构振动耦合也一并存在。1.2 补偿的本质是“对抗”还是“协同”基于以上分解我们可以形成第一个关键判断“运动补偿”不是一个统一的魔法而是针对不同层扰动采取“隔离”、“抑制”或“利用”等不同策略的组合。对于内部扰动目标是隔离与建模。例如通过前馈补偿来抵消已知的电机非线性如死区补偿或选用更高品质的电机、减速箱来从源头减少齿槽转矩和间隙。对于耦合扰动目标是抑制与加固。通过机械设计增加刚度、优化重心、传感器减震安装、以及软件滤波但需谨慎来减少其对控制回路的影响。对于外部扰动尤其是指令运动目标是预测与协同。这是算法的核心战场。我们需要在控制律中不仅考虑球自身的动力学还要将平台的已知运动作为一个输入项考虑进去让控制器“知道”平台即将怎么动从而提前给出控制量让球的运动与平台运动“协同”起来而不是被动地“抵抗”。很多队伍失败是因为用处理“基础扰动”被动抵抗的思路去处理“指令扰动”主动协同问题导致系统响应迟钝、超调严重。因此审题时务必明确题目要求的“运动”是哪一类。2. 构建控制框架在PID之上我们需要什么假设我们明确了要补偿的是“平台执行指定轨迹运动”这类外部指令扰动。那么一个只有球位置反馈的单环PID控制器就远远不够了。我们需要一个能感知并利用“平台运动信息”的框架。2.1 从单环PID到串级与前馈复合控制经典的单环PID输入球位置偏差输出电机控制量对于静态平衡是有效的。但对于运动平台平台运动本身会持续产生“虚假”的位置偏差。例如平台向右加速由于惯性球会相对向左偏移。单环PID看到球偏左了就会命令平台向左转去“追”球这反而干扰了平台自身的轨迹形成正反馈导致失稳。因此必须引入平台状态信息。一个更强大的框架是串级控制 前馈补偿。内环速度环控制对象是平台。输入是平台期望转速由外环或轨迹发生器给出与实际转速由编码器测量的偏差输出是电机控制量如PWM。这个环负责让平台快速、准确地跟踪我们想要的运动。外环位置环控制对象是球。输入是球期望位置通常为平台中心与实际位置的偏差。但它的输出不再是直接给电机而是作为平台期望运动的修正量。例如球偏左了外环计算出“需要平台稍微向右加速一点以利用惯性把球‘甩’回中心”。这个修正量会叠加到预设的平台轨迹上。前馈通道这是“运动补偿”的精髓。我们已知平台的期望运动轨迹位置、速度、加速度。根据球的动力学模型我们可以直接计算出为了抵消该平台运动对球的影响理论上需要给球施加什么样的控制力或等价地需要平台做什么运动。这个计算出的量作为前馈量直接叠加到控制输出中。简单理解前馈负责“预测和抵消”已知扰动平台指令运动串级PID负责“微调和纠正”剩余误差建模不准、其他随机扰动。前馈是开环的、基于模型的、快速的反馈是闭环的、基于误差的、稳健的。2.2 状态空间与LQR更现代的视角对于线性化后的杆球系统我们可以将其表述为一个状态空间模型。状态变量通常包括球的位置、球的速度、平台的角度、平台的角速度。[x, x_dot, theta, theta_dot]那么平台的一个指令运动如一个恒定的旋转速度theta_dot_ref可以看作是对系统状态的一个持续激励或干扰。线性二次型调节器LQR控制器可以很好地处理这类问题。LQR通过求解一个优化问题最小化状态偏差和控制能量的加权和得到一个最优状态反馈矩阵K。控制律为u -K * (x - x_ref)关键在于当存在平台指令运动时我们的参考状态x_ref不再是固定的[0, 0, 0, 0]。例如若要求平台匀速旋转则theta_ref会随时间线性增长theta_dot_ref是一个常数。LQR控制器会自动计算出为了将球稳定在中心平台需要如何配合这个旋转运动。这本质上是一种最优的、全局的“运动补偿”。选择建议对于电赛这种快速实现的场景串级PID前馈更直观、更容易调试上手。可以先实现这个达到基本要求。LQR性能上限可能更高但对建模准确性更敏感需要调节权重矩阵适合作为进阶优化方案。3. 从仿真到实物的关键跨越那些仿真里没有的“坑”算法在Simulink或Python里跑得完美一上实物就崩溃这是电赛的常态。问题往往出在从理想模型到物理世界的跨越上。3.1 传感器融合与信号处理获取干净的状态你的控制器需要尽可能准确的球位置、球速度、平台角度、平台角速度。但传感器给出的都是带噪声的原始数据。球位置视觉摄像头处理有延迟图像噪声、光照变化会影响识别。除了优化算法更关键的是速率。你需要一个稳定的、足够高的帧率如60fps以上。速度的获取不要直接用位置差分噪声会被放大可以使用观测器如卡尔曼滤波器融合位置测量值和系统模型来估计出更平滑的速度值。平台角度/角速度不要只用一个传感器强烈建议使用IMU惯性测量单元结合编码器。编码器安装在电机上测量电机轴转角精度高、无漂移但反映的是电机输出端的角度经过减速箱和传动后与平台实际角度可能有差异由于间隙和形变。IMU直接固定在平台上测量平台的真实角度和角速度动态响应好但存在零点漂移长时间积分会累积误差。融合策略用编码器的高精度静态数据来校正IMU的漂移用IMU的高频动态数据来弥补编码器传动链的柔性。可以用互补滤波或卡尔曼滤波进行融合。这是获得高质量平台状态信息的关键也是实现高性能运动补偿的基础。3.2 前馈模型的实际校准理论值只是起点前馈量依赖于模型。最基本的模型是平台加速度a_platform会在非惯性系中产生一个“虚拟力”导致球产生相对加速度a_ball -a_platform假设无摩擦。为了抵消它需要平台提供一个额外的加速度a_feedforward k * a_platform。这个比例系数k理论上是1但现实中由于球滚动摩擦、平台不平、传感器误差等因素绝不会是1。它必须通过实验校准。校准方法让平台做一个简单的正弦运动幅度小一些。关闭前馈只使用反馈控制观察球的跟踪误差。打开前馈设置一个初始k如0.8。运行系统观察球的位置误差。如果球运动相位滞后于平台说明前馈量不足增大k如果球运动相位超前甚至振荡说明前馈量过大减小k。反复调整直到球的轨迹与平台运动协同一致误差最小。3.3 机械与硬件的“隐形”要求平台刚度与重量在强度和重量间取舍。刚度不够振动大重量太大电机负载重、响应慢。碳纤维杆是很好的选择。固定所有部件避免任何松动。电机选型扭矩要足够但更重要的是低速平稳性。舵机有抖动问题直流电机编码器高性能驱动如DRV8833、TB6612的方案往往更平滑。注意电机的减速比太大的减速比会影响响应速度。供电与布线电机是大电流负载必须与控制板、传感器分开供电共地处理要做好。电源线要粗避免因电压跌落导致单片机复位或传感器异常。电机驱动线、编码器线、IMU线最好分开捆扎减少干扰。安装隔离将摄像头或OpenMV通过海绵、橡胶柱等减震材料与主平台隔离避免测量被机械振动污染。IMU也应牢固安装在平台上且安装平面与运动平面平行。4. 系统调试与性能提升一个迭代的流程调试这样一个多环、带前馈的系统需要章法切忌所有参数一起调。4.1 分层调试法第零步开环测试。不接控制算法手动给电机发送指令观察平台运动是否平滑编码器、IMU读数是否正常视觉识别是否稳定。确保硬件基础正常。第一步内环平台速度环调试。将外环断开给定一个平台速度阶跃信号只调内环PID让平台能快速、无超调地跟踪速度指令。这是整个系统响应速度的基础。第二步静态平衡调试。将平台运动指令设为零只使用外环球位置环控制调试PID参数让球能在静止的平台上稳定住。此时前馈量为零。第三步前馈补偿调试。加入一个非常缓慢、小幅度的平台周期运动如0.1Hz±5°。先关闭前馈观察球的摆动误差。然后开启前馈按照前述方法校准前馈系数k。调试时可以暂时将外环PID参数调得保守一些比例系数小一点避免系统不稳定。第四步动态协同调试。逐步提高平台运动的频率和幅度同时微调外环PID和前馈系数观察球是否能始终较好地跟踪平台中心。记录不同运动模式下的最大跟踪误差。第五步抗扰测试。在系统执行轨迹运动时施加外部扰动如轻吹小球测试其恢复能力。可能需要适当加强外环的控制作用如增大微分系数以提供阻尼。4.2 性能瓶颈分析与排查清单当系统性能不达标时按以下顺序排查现象可能原因排查方向球始终向一侧漂移平台不水平重心偏移传感器零点不准电机死区不对称。调水平重新配重校准传感器零点检查电机驱动。小球高频抖动平台机械共振视觉处理噪声大微分系数过大电机本身抖动舵机。加固机械结构图像滤波/降采样降低D参数更换更平滑的电机。跟踪指令运动时球滞后严重前馈量不足 (k太小)内环速度响应太慢外环响应太慢。增大前馈系数优化内环PID提高带宽适当增大外环比例系数。跟踪指令运动时球振荡发散前馈量过大 (k太大)外环参数过于激进特别是微分内环有振荡。减小前馈系数降低外环P和D参数先确保内环稳定。静止稳定一动就失控前馈未启用或模型严重不准内外环采样周期不匹配传感器数据不同步。检查前馈通道是否接通统一所有控制任务的时钟检查数据时间戳。响应随机扰动恢复慢外环积分作用太弱或太强系统阻尼不足。调整外环I参数适当增加外环D参数提供阻尼。4.3 从功能实现到竞赛提分在满足基本要求后要想获得更高分数可以考虑以下方向更丰富的轨迹跟踪不仅能做匀速圆周运动还能跟踪方波、正弦波、甚至任意绘制的轨迹。自适应与鲁棒性设计参数自整定机制当球的质量、平台摩擦力变化时系统能自动调整。或者使用滑模变结构控制等鲁棒性更强的算法。人机交互与演示效果增加蓝牙/Wi-Fi用手机APP实时设定运动轨迹和参数并显示球的位置、误差等数据。良好的演示效果很加分。系统辨识赛前用程序自动激励系统并记录数据拟合出更精确的系统模型参数用于优化控制器和前馈。“杆球平衡运动补偿”这个题目表面上考的是算法深层次考的是系统思维。它要求你不仅把球看作控制对象更要把“平台-球”看作一个整体把“指令”和“扰动”统一到“外部输入”的框架下去处理。从精准的传感器数据获取到合理的控制架构选择再到细致的分层调试和机械优化每一个环节的疏漏都会在“运动”这个放大镜下暴露无遗。真正的准备不是去寻找一个“万能代码”而是搭建一个可观测、可调试、可迭代的软硬件平台。先让系统在静止时稳如磐石再让它学会在运动中协同共舞。当你理解了补偿的本质是“预测与协同”而不仅仅是“抵抗与修正”时你就已经拿到了解开这道题的第一把钥匙。剩下的就是在不断的实验、观察和调整中让你的系统真正理解什么是“平衡中的运动”。