STM32自平衡车设计：从PID控制到传感器融合实战-嵌云网-嵌入式AI开发资源站

STM32自平衡车设计：从PID控制到传感器融合实战

太空X基地

1. 项目概述

两轮自平衡车作为典型的倒立摆控制系统，一直是控制理论和嵌入式开发的经典实践项目。这个看似简单的玩具背后，涉及传感器融合、实时控制算法、电机驱动等多个技术领域的交叉应用。基于STM32的设计方案因其性价比高、生态完善，成为大多数电子爱好者和工程学生的首选平台。

我在2018年第一次尝试制作自平衡车时，花了整整三个月才让它勉强站稳。经过多次迭代优化，现在用STM32F4系列芯片配合MPU6050传感器，从零开始搭建一个能稳定自立的平衡车系统，最快三天就能完成原型开发。这个过程中积累的硬件选型、参数调试和故障排查经验，正是本文要分享的核心内容。

2. 系统架构设计

2.1 核心控制原理

自平衡车的本质是一个一维倒立摆控制系统。当车体偏离垂直位置时，需要通过车轮运动产生反向加速度来维持平衡。这涉及到三个关键物理量：

倾角（θ）：车体与垂直方向的夹角
角速度（ω）：倾角变化速率
加速度（a）：车轮运动产生的线性加速度

这三个量通过牛顿运动定律相互关联，形成经典的闭环控制系统。实际操作中，我们采用PID控制算法来实现实时调节：

code复制控制量 = Kp×角度误差 + Ki×误差积分 + Kd×角速度

2.2 硬件组成框图

完整的系统包含以下模块：

code复制[STM32主控] ←→ [MPU6050传感器]
    ↓
[电机驱动电路] → [直流减速电机]
    ↑
[锂电池供电系统]

特别要注意的是电机选型。经过多次测试，我发现减速比在1:30-1:50之间的直流电机最适合DIY项目。太高的减速比会导致响应迟钝，太低则扭矩不足。推荐使用带编码器的JGB37-520电机，价格约50元/个，性能足够稳定。

3. 关键硬件实现

3.1 传感器数据采集

MPU6050作为最常用的6轴IMU传感器，其I2C接口与STM32的连接非常简单：

c复制// STM32硬件I2C初始化
hi2c1.Instance = I2C1;
hi2c1.Init.ClockSpeed = 400000;
hi2c1.Init.DutyCycle = I2C_DUTYCYCLE_2;
HAL_I2C_Init(&hi2c1);

// MPU6050初始化
uint8_t init_data[2] = {0x6B, 0x00}; // 退出睡眠模式
HAL_I2C_Master_Transmit(&hi2c1, MPU6050_ADDR, init_data, 2, 100);

但实际使用中会遇到两个典型问题：

I2C通信受电机干扰导致数据异常
传感器原始数据存在零漂和噪声

解决方法：

使用屏蔽双绞线连接传感器
在电源端增加10μF钽电容滤波
软件上采用移动平均滤波算法

3.2 电机驱动设计

推荐使用TB6612FNG驱动芯片，相比传统的L298N，它具有：

更高效率（90% vs 70%）
更低发热量
内置保护电路

典型接线方式：

code复制PWMA → TIM1_CH1
AIN1 → GPIOB_0  
AIN2 → GPIOB_1
STBY → 3.3V

重要提示：务必在电机电源端并联大容量电解电容（至少470μF），否则PWM调速时会导致电源电压波动，影响控制稳定性。

4. 软件算法实现

4.1 姿态解算

MPU6050输出的原始数据需要经过姿态解算才能得到准确的倾角。常用的方法有：

互补滤波（实现简单）

c复制angle = 0.98*(angle + gyro*dt) + 0.02*accel_angle;

卡尔曼滤波（精度更高）

c复制// 预测步骤
x = A * x + B * u;
P = A * P * A' + Q;

// 更新步骤
K = P * H' / (H * P * H' + R);
x = x + K * (z - H * x);
P = (I - K * H) * P;

对于初学者，建议先用互补滤波实现基本功能，等系统能稳定运行后再尝试卡尔曼滤波。

4.2 PID控制实现

在STM32上实现增量式PID算法：

c复制typedef struct {
    float Kp, Ki, Kd;
    float err, last_err, integral;
} PID;

float PID_Update(PID* pid, float error, float dt) {
    float derivative = (error - pid->last_err) / dt;
    pid->integral += error * dt;
    pid->last_err = error;
    
    return pid->Kp * error 
         + pid->Ki * pid->integral 
         + pid->Kd * derivative;
}

参数调试经验：

先调Kp让车体能大致反应
再调Kd抑制振荡
最后加少量Ki消除静差

典型参数范围：

Kp: 20-50
Ki: 0.1-1
Kd: 1-5

5. 系统调试技巧

5.1 上位机监控

使用STM32的USB CDC虚拟串口功能，将关键数据实时发送到电脑，用Python绘制曲线：

python复制import serial
import matplotlib.pyplot as plt

ser = serial.Serial('COM3', 115200)
data = []
while True:
    line = ser.readline().decode().strip()
    angle, output = map(float, line.split(','))
    data.append((angle, output))
    plt.plot(data)
    plt.pause(0.01)

这种方法可以直观看到PID控制效果，大幅提高调试效率。

5.2 常见故障排查

车体持续单向加速

检查电机极性是否接反
确认传感器安装方向正确
测量实际输出电压是否对称

高频振荡无法稳定

降低Kp，增加Kd
检查传感器数据是否有噪声
确认控制周期是否稳定（建议2-5ms）

响应迟钝

提高控制频率
检查电池电压是否充足
确认电机没有堵转

6. 进阶优化方向

当基础功能实现后，可以考虑以下增强功能：

无线遥控功能

添加HC-05蓝牙模块
实现手机APP控制

速度环控制

通过编码器获取实际速度
增加外环PID控制巡航速度

低功耗优化

动态调整控制频率
增加休眠唤醒功能

机械结构改进

使用3D打印定制车架
优化重心位置

我在第三个版本的车体上实现了所有这些功能，总成本控制在300元以内。最关键的体会是：机械结构的对称性和刚性比算法参数更重要。曾经因为车架1mm的装配误差，导致调参两天都无法稳定，重新加工零件后问题立刻解决。