基于Arduino的BLDC三向感知机器人模糊控制实践

李昦

1. 项目概述

这个三向感知机器人项目是基于Arduino平台开发的BLDC（无刷直流电机）控制实验，核心在于实现基础模糊避障功能。作为一名长期从事机器人开发的工程师，我发现模糊控制在处理传感器噪声和不确定环境时具有独特优势。这个项目特别适合想要从基础直流电机控制进阶到更复杂智能控制算法的Maker们。

BLDC电机相比传统有刷电机具有更高效率、更长寿命和更精确的控制特性，但驱动复杂度也显著增加。我们这里采用的三相无刷电机需要配合电子调速器（ESC）才能工作。而"三向感知"则意味着机器人配备了前、左、右三个方向的测距传感器（常见的有超声波、红外或激光雷达），为模糊控制器提供环境输入。

2. 硬件架构解析

2.1 核心组件选型

在硬件选型上，我经过多次迭代测试，最终确定了以下配置方案：

主控单元：Arduino Uno R3（兼容板也可）
- 选择理由：足够处理基础模糊算法，GPIO数量满足三传感器+三电机控制需求
- 替代方案：若需要更复杂算法，可升级到Mega 2560
动力系统：
- BLDC电机 ×3（型号：DYS BE1806）
- 电子调速器ESC ×3（型号：SimonK 30A）
- 特别注意：ESC必须支持PPM信号输入
感知系统：
- HC-SR04超声波传感器 ×3
- 传感器支架采用3D打印件，确保120°均匀分布
电源管理：
- 11.1V 2200mAh 3S锂聚合物电池
- LM2596降压模块（为Arduino提供稳定5V）

关键提示：BLDC电机与ESC的相位接线必须严格对应，否则会导致电机反转或损坏。初次连接建议先单独测试每个电机转向。

2.2 电路连接细节

电机控制部分的接线需要特别注意：

code复制ESC信号线 → Arduino PWM引脚（3,5,6）
超声波Trig → 数字引脚(7,9,11)
超声波Echo → 数字引脚(8,10,12)

电源分配采用星型拓扑，避免电压骤降：

code复制锂电池 → 并联三个ESC
      → 降压模块 → Arduino Vin

我在实际搭建中发现，当电机突然加速时，Arduino会出现复位现象。解决方法是在Arduino的5V输入处增加一个470μF的电容，显著提高了系统稳定性。

3. 模糊控制算法实现

3.1 模糊化设计

模糊控制的核心是将精确的传感器数值转换为模糊语言变量。我们定义三个距离输入和一个转向输出：

输入变量（各方向距离）：

隶属度函数：近(0-30cm)、中(20-80cm)、远(70-150cm)
采用三角形隶属函数，20%重叠区域

输出变量（转向权重）：

强度等级：弱、中、强
对应PWM占空比：30%、60%、90%

cpp复制// 示例模糊化函数
float fuzzyDistance(int raw_cm) {
  if(raw_cm < 30) return 1.0; // 近
  else if(raw_cm < 50) return (50-raw_cm)/20.0; 
  else return 0.0;
}

3.2 规则库构建

基于三方向输入，制定9条核心规则：

前	左	右	动作
近	任意	任意	强后退
中	近	远	中左转
远	远	近	弱右转
...（共9条）...

实际编码时，我将规则表实现为三维数组：

cpp复制const byte ruleTable[3][3][3] = {
  {{2,2,2}, {1,0,2}, {1,1,0}}, // 前=近
  {{0,0,0}, {0,0,1}, {0,1,2}}, // 前=中
  {{0,0,0}, {0,0,0}, {0,0,0}}  // 前=远
};

3.3 解模糊处理

采用重心法（CoG）将模糊输出转换为精确的PWM值：

cpp复制float defuzzify(float strength[3]) {
  float numerator = 0, denominator = 0;
  const float centers[] = {30, 60, 90};
  
  for(int i=0; i<3; i++) {
    numerator += strength[i] * centers[i];
    denominator += strength[i];
  }
  
  return denominator > 0 ? numerator/denominator : 0;
}

4. 软件实现与优化

4.1 主控制循环

采用非阻塞式编程模式，确保传感器读取不影响控制响应：

cpp复制void loop() {
  static uint32_t prevMillis = 0;
  if(millis() - prevMillis >= 50) { // 20Hz更新率
    prevMillis = millis();
    
    int dist[3];
    readSensors(dist);  // 读取三向距离
    float output = fuzzyLogic(dist);
    adjustMotors(output);
  }
}

4.2 传感器滤波处理

实测发现超声波传感器在近距离易受干扰，采用移动平均滤波：

cpp复制#define FILTER_SIZE 5
int distanceFilter(int newVal, int index) {
  static int buffer[3][FILTER_SIZE] = {0};
  static byte ptr[3] = {0};
  
  buffer[index][ptr[index]] = newVal;
  ptr[index] = (ptr[index]+1) % FILTER_SIZE;
  
  long sum = 0;
  for(int i=0; i<FILTER_SIZE; i++) {
    sum += buffer[index][i];
  }
  return sum / FILTER_SIZE;
}

4.3 电机控制优化

BLDC电机对PWM信号响应有延迟，需要加入加速斜坡：

cpp复制void setMotorSpeed(byte escPin, float target) {
  static float current[3] = {0};
  const float maxStep = 5.0; // 每步最大变化量
  
  if(target > current[escPin]) {
    current[escPin] += min(maxStep, target-current[escPin]);
  } else {
    current[escPin] -= min(maxStep, current[escPin]-target);
  }
  
  analogWrite(escPin, (int)current[escPin]);
}