1. 电磁智能车信号处理基础
电磁智能车竞赛中，赛道导线通有20kHz的交变电流，在周围空间形成交变磁场。通过电感线圈可以感应出相应的电动势，这个感应信号就是智能车获取赛道信息的核心来源。
1.1 电磁信号采集原理
电感线圈感应出的电动势信号幅度通常在几毫伏到几百毫伏之间，其强度与以下因素直接相关：
- 线圈与导线的距离（距离越近信号越强）
- 线圈轴线与导线的夹角（垂直时信号最强）
- 环境电磁干扰情况
我们使用LC谐振电路对20kHz信号进行选频放大，典型谐振电路参数配置：
- 电感值：8.2mH
- 电容值：7.7nF
- 谐振频率计算公式：f = 1/(2π√LC) ≈ 20kHz
提示：实际调试时需要用信号发生器配合示波器验证谐振点，电容值可能需要微调1-2nF以达到最佳谐振效果。
1.2 ADC采集关键参数
电磁组常用的ADC配置参数如下表所示：
| 参数项 | 典型值 | 说明 |
|---|---|---|
| 采样率 | 10kHz | 需满足奈奎斯特采样定理 |
| 分辨率 | 12bit | 常见MCU内置ADC规格 |
| 参考电压 | 3.3V | 与MCU供电电压一致 |
| 采样通道 | 6路 | 对应6个电感传感器 |
| 采样保持时间 | 7.5个ADC时钟 | 确保采样电容充分充电 |
在实际应用中，我们通常采用DMA+定时器触发的方式实现多通道自动采样，避免CPU频繁中断。以STM32为例，配置流程如下：
- 初始化ADC时钟和GPIO
- 配置DMA通道和缓冲区
- 设置定时器触发间隔（对应采样率）
- 校准ADC偏移（调用HAL_ADCEx_Calibration_Start）
- 启动定时器和DMA传输
2. 差比和差算法详解
差比和差是电磁组最核心的赛道位置检测算法，其本质是通过多路电感信号的比值关系来消除环境干扰和电源波动的影响。
2.1 基础算法实现
假设左右两路电感信号分别为AD_L和AD_R，基础差比和计算公式为：
code复制Position = (AD_L - AD_R) / (AD_L + AD_R)
这个公式的输出范围是[-1,1]，其中：
- -1表示车完全在赛道左侧
- 0表示车居中对准导线
- 1表示车完全在赛道右侧
实际代码实现时需要处理除零问题：
c复制float calc_position(int ad_l, int ad_r) {
int sum = ad_l + ad_r;
if(sum < 10) return 0; // 防止除零
return (float)(ad_l - ad_r) / sum;
}
2.2 多电感融合方案
进阶方案会使用6个电感（左右各3个）来提高检测精度和可靠性。典型布局如下：
code复制[L3] [L2] [L1] [R1] [R2] [R3]
多电感处理流程：
- 对同侧电感进行加权融合（距离越近权重越大）
- 计算左右两侧的合成信号值
- 应用差比和公式计算位置
以左侧电感为例，加权计算公式：
code复制AD_L = 0.6*L1 + 0.3*L2 + 0.1*L3
注意：权重系数需要根据实际电感间距和安装高度调整，建议先用固定值测试，再通过实车调试优化。
2.3 动态参数调整技巧
优秀车组会实现参数的动态调整：
- 速度自适应：高速时增大差比和系数提高响应速度
- 弯道检测：通过信号幅值变化识别弯道类型
- 斜坡补偿：根据加速度计数据修正电感高度变化
典型参数自适应代码框架：
c复制void update_params(float speed) {
// 基础系数
float base_k = 1.0f;
// 速度自适应
if(speed > 2.0f) {
base_k *= 1.2f;
}
// 弯道检测
if(fabs(position) > 0.7f) {
base_k *= 0.8f;
}
// 应用最终系数
position *= base_k;
}
3. 丢线保护机制设计
丢线是电磁组最常见的问题之一，特别是在急弯和十字路口。完善的丢线保护需要硬件和软件协同设计。
3.1 硬件级保护措施
-
电感布局优化：
- 最外侧电感适当外扩（比轮距宽10-20%）
- 增加45°斜置电感检测远距离信号
- 使用屏蔽线减少干扰
-
信号调理电路：
- 增加带通滤波（中心频率20kHz）
- 使用仪表放大器提高共模抑制比
- 添加限幅保护电路
3.2 软件判据与恢复策略
丢线判据需要多条件组合：
- 信号幅值判据：总和低于阈值（如AD_L+AD_R < 50）
- 变化率判据：相邻周期变化超过阈值
- 历史记录判据：连续N次检测异常
恢复策略分级处理：
- 一级丢线（短暂丢失）：保持最后有效方向
- 二级丢线（持续100ms）：减速并扩大搜索范围
- 三级丢线（持续500ms）：停车并报警
典型状态机实现：
c复制typedef enum {
NORMAL,
LOST_LEVEL1,
LOST_LEVEL2,
LOST_LEVEL3
} TrackState;
void handle_lost_line() {
static TrackState state = NORMAL;
static uint32_t lost_tick = 0;
if(check_lost()) {
if(state == NORMAL) {
lost_tick = get_tick();
state = LOST_LEVEL1;
} else {
uint32_t duration = get_tick() - lost_tick;
if(duration > 500) {
state = LOST_LEVEL3;
} else if(duration > 100) {
state = LOST_LEVEL2;
}
}
} else {
state = NORMAL;
}
switch(state) {
case LOST_LEVEL1:
// 保持最后方向
break;
case LOST_LEVEL2:
// 减速搜索
set_speed(0.5f);
break;
case LOST_LEVEL3:
// 紧急停车
emergency_stop();
break;
}
}
4. 信号处理实战技巧
4.1 数字滤波方案对比
电磁信号常用滤波方案性能对比：
| 滤波类型 | 延迟 | 计算量 | 去噪效果 | 适用场景 |
|---|---|---|---|---|
| 移动平均 | 中 | 小 | 一般 | 基础滤波 |
| 卡尔曼 | 小 | 大 | 优秀 | 高动态场景 |
| IIR低通 | 小 | 中 | 良好 | 常规使用 |
| 滑动中值 | 大 | 中 | 优秀 | 抗脉冲干扰 |
推荐组合方案：
- 先进行滑动中值滤波（窗口大小5）
- 再进行IIR低通滤波（截止频率50Hz）
- 最后做移动平均（窗口大小3）
4.2 现场调试方法
高效调试流程：
- 静态测试：车静止时记录各电感原始数据
- 动态扫描：手动移动车体观察信号变化
- 弯道模拟：用导线制作不同曲率弯道
- 全速验证：逐步提高速度测试稳定性
调试工具链配置：
- 无线串口传输实时数据
- Python可视化分析工具
- 车载数据Flash记录
- 蜂鸣器音调指示状态
4.3 典型问题排查
-
信号波动大：
- 检查电源滤波电容（建议增加100uF+0.1uF组合）
- 确认电感屏蔽良好
- 降低PWM频率避免谐波干扰
-
差比和输出不对称：
- 校准各通道ADC偏移
- 检查电感对称性
- 验证权重系数合理性
-
十字路口误判：
- 增加斜电感辅助检测
- 引入陀螺仪辅助判断
- 优化丢线判据阈值
5. 系统优化方向
5.1 硬件升级路径
-
电感改进：
- 采用高Q值工字电感
- 实验不同尺寸组合（10mH+3mH）
- 尝试三维正交线圈布局
-
电路优化：
- 使用数字电位器动态调整增益
- 增加自动调谐电路
- 采用24位Σ-Δ ADC
5.2 算法进阶方案
-
机器学习应用：
- 采集大量赛道数据训练模型
- 使用轻量级神经网络
- 实现端侧推理部署
-
传感器融合：
- 结合编码器里程计
- 融合IMU角度信息
- 引入视觉辅助检测
-
预测控制：
- 建立车辆动力学模型
- 实现模型预测控制(MPC)
- 优化轨迹规划算法
在实际调车过程中，���发现信号处理参数的微调往往需要数十次迭代才能达到理想效果。建议建立系统的调试日志，记录每次参数变更和对应的赛道表现，通过数据分析找出最优参数组合。另外，电磁组的机械调整同样重要 - 电感高度变化1mm就可能导致信号强度变化10%以上，因此机械结构的稳固性和可重复性至关重要。