1. 差速底盘机器人速度控制概述
差速底盘机器人作为移动机器人领域最基础也是最经典的构型之一，其控制原理看似简单却蕴含着丰富的机器人学基础知识。我第一次接触差速底盘是在2015年做一个服务机器人项目，当时为了调试底盘的运动控制整整熬了三个通宵。这种底盘最大的特点就是通过两个独立驱动的轮子实现全向运动，这种简洁而高效的设计让它在AGV、服务机器人等领域占据主导地位超过20年。
差速底盘的运动控制本质上是一个典型的"指令-解算-执行-反馈"闭环系统。当我们在上位机发送"以0.5m/s速度前进，同时以0.3rad/s角速度左转"的指令时，这个指令需要经过一系列转换才能变成电机驱动信号。整个过程涉及运动学、控制理论、嵌入式编程等多个领域的知识融合。下面这张简图展示了典型差速底盘的控制流程框架：
code复制[速度指令] → [运动学解算] → [PID控制] → [电机驱动]
↑_________________________________________↓
2. 差速底盘核心原理详解
2.1 机械结构与运动特性
差速底盘的标准配置包括：
- 两个直流电机（带减速箱）
- 左右驱动轮（通常采用橡胶轮胎增加摩擦力）
- 一个或多个万向轮（起支撑和辅助转向作用）
- 金属/塑料底盘框架
我在早期项目中犯过一个典型错误——忽略了万向轮的选择。当时为了节省成本使用了劣质的万向轮，结果机器人在转向时经常出现卡顿。优质的万向轮应该具备：
- 低摩擦系数（建议使用聚氨酯材质）
- 360度自由旋转
- 适当的高度调节能力
2.2 运动学建模与公式推导
差速底盘的运动学模型基于以下假设：
- 机器人只在二维平面运动
- 车轮与地面之间为纯滚动无滑动
- 忽略万向轮的影响
设机器人左右轮间距为L（轮距），轮子半径为r，左右轮转速分别为ω_left和ω_right，则：
线速度 v = (ω_right + ω_left) * r / 2
角速度 ω = (ω_right - ω_left) * r / L
这个公式是差速底盘控制的基石。我在实际项目中会额外考虑以下修正因素：
- 电机转速到轮子转速的减速比
- 轮胎的形变导致的等效半径变化
- 地面摩擦系数对实际速度的影响
3. 速度控制全流程实现
3.1 系统架构设计
一个完整的差速底盘控制系统通常包含以下模块：
- 指令接收模块（UART/CAN）
- 运动解算模块
- PID控制模块
- 电机驱动模块（PWM生成）
- 编码器反馈模块
- 异常处理模块
我在STM32F4系列MCU上的典型资源分配：
- 定时器1：PWM生成
- 定时器2/3：编码器接口
- USART1：上位机通信
- ADC1：电池电压检测
3.2 运动指令解析与解算
速度指令通常采用如下数据结构：
cpp复制typedef struct {
float linear_x; // 前进速度(m/s)
float angular_z; // 旋转速度(rad/s)
} VelocityCommand;
解算过程示例代码：
cpp复制void kinematicsCalculate(float v, float w, float* left_rpm, float* right_rpm) {
const float wheel_radius = 0.0625f; // 轮子半径(m)
const float wheel_base = 0.32f; // 轮距(m)
*left_rpm = (v - w * wheel_base / 2) * 60 / (2 * M_PI * wheel_radius);
*right_rpm = (v + w * wheel_base / 2) * 60 / (2 * M_PI * wheel_radius);
}
注意：在实际应用中需要考虑单位转换，特别是角速度从rad/s到rpm的转换。
3.3 PID速度闭环实现
PID控制是速度控制的核心，我的经验是：
- 采样周期建议10-20ms
- 先调P，再调I，最后考虑D
- 对于直流电机，I项必不可少
典型PID实现：
cpp复制typedef struct {
float kp, ki, kd;
float integral;
float prev_error;
} PIDController;
float pidUpdate(PIDController* pid, float error, float dt) {
pid->integral += error * dt;
float derivative = (error - pid->prev_error) / dt;
pid->prev_error = error;
return pid->kp * error + pid->ki * pid->integral + pid->kd * derivative;
}
调试技巧：
- 先用阶跃响应观察超调量
- 加入抗积分饱和逻辑
- 对于左右轮分别调参
3.4 电机驱动与PWM生成
H桥驱动电路是电机控制的关键，我的电路设计要点：
- 使用专用电机驱动芯片（如DRV8833、TB6612）
- 添加适当的滤波电容（100uF电解+0.1uF陶瓷）
- PWM频率建议8-16kHz（避免可闻噪声）
STM32的PWM配置示例：
cpp复制void pwmInit(TIM_HandleTypeDef* htim) {
TIM_OC_InitTypeDef sConfigOC = {0};
htim->Instance = TIM1;
htim->Init.Prescaler = 84-1; // 84MHz/84 = 1MHz
htim->Init.CounterMode = TIM_COUNTERMODE_UP;
htim->Init.Period = 1000-1; // 1MHz/1000 = 1kHz
HAL_TIM_PWM_Init(htim);
sConfigOC.OCMode = TIM_OCMODE_PWM1;
sConfigOC.Pulse = 0; // 初始占空比0%
sConfigOC.OCPolarity = TIM_OCPOLARITY_HIGH;
sConfigOC.OCFastMode = TIM_OCFAST_DISABLE;
HAL_TIM_PWM_ConfigChannel(htim, &sConfigOC, TIM_CHANNEL_1);
HAL_TIM_PWM_Start(htim, TIM_CHANNEL_1);
}
4. 编码器反馈与系统调试
4.1 编码器选型与接口设计
常见编码器类型对比：
| 类型 | 分辨率 | 成本 | 抗干扰性 | 安装复杂度 |
|---|---|---|---|---|
| 光电 | 高 | 高 | 中 | 高 |
| 磁电 | 中 | 中 | 高 | 低 |
| 霍尔 | 低 | 低 | 高 | 低 |
我的经验是：
- 室内环境：光电编码器（1000-2000PPR）
- 工业环境：磁编码器（500-1000PPR）
- 低成本方案：霍尔传感器（48-64PPR）
STM32编码器接口配置要点：
cpp复制void encoderInit(TIM_HandleTypeDef* htim) {
TIM_Encoder_InitTypeDef sConfig = {0};
htim->Instance = TIM2;
htim->Init.Period = 0xFFFF;
htim->Init.CounterMode = TIM_COUNTERMODE_UP;
htim->Init.ClockDivision = TIM_CLOCKDIVISION_DIV1;
sConfig.EncoderMode = TIM_ENCODERMODE_TI12;
sConfig.IC1Polarity = TIM_ICPOLARITY_RISING;
sConfig.IC1Selection = TIM_ICSELECTION_DIRECTTI;
sConfig.IC1Prescaler = TIM_ICPSC_DIV1;
sConfig.IC1Filter = 0x0;
// 相同配置适用于IC2
HAL_TIM_Encoder_Init(htim, &sConfig);
HAL_TIM_Encoder_Start(htim, TIM_CHANNEL_ALL);
}
4.2 速度计算与滤波
编码器计数到实际速度的转换：
cpp复制float calculateSpeed(uint16_t prev_cnt, uint16_t curr_cnt, float dt) {
const float counts_per_rev = 2048.0f; // 编码器每转计数
const float wheel_circumference = 0.3927f; // 2*π*r (m)
float delta = (float)(int16_t)(curr_cnt - prev_cnt);
float rpm = delta / (counts_per_rev * dt) * 60.0f;
return rpm * wheel_circumference / 60.0f;
}
重要提示：必须处理计数器溢出和方向变化，建议使用带符号的差值计算。
4.3 系统调试方法与技巧
我的标准调试流程：
- 先开环测试电机转向是否正确
- 验证编码器计数方向与电机转向一致
- 用示波器观察PWM波形
- 逐步增加PID参数
常见问题排查表：
| 现象 | 可能原因 | 解决方案 |
|---|---|---|
| 电机抖动 | P值过大 | 减小P，增加I |
| 速度不稳 | 编码器噪声 | 增加滤波器，检查接线 |
| 响应迟缓 | I值过小 | 适当增加I |
| 转向偏差 | 轮速不一致 | 校准电机参数 |
5. 进阶优化与实践经验
5.1 动态参数调整技巧
在实际项目中，我发现固定PID参数难以适应所有工况。我的解决方案是：
- 根据速度大小分段调参
- 加入自适应调整逻辑
- 对左右轮分别存储参数集
示例代码：
cpp复制typedef struct {
float speed_threshold;
PIDController pid_params;
} SpeedPIDProfile;
SpeedPIDProfile pid_profiles[] = {
{0.2, {10.0, 0.5, 0.1}}, // 低速段
{0.5, {8.0, 0.3, 0.2}}, // 中速段
{1.0, {5.0, 0.1, 0.3}} // 高速段
};
PIDController* selectPIDProfile(float speed) {
for(int i=0; i<3; i++) {
if(fabs(speed) < pid_profiles[i].speed_threshold) {
return &pid_profiles[i].pid_params;
}
}
return &pid_profiles[2].pid_params; // 默认返回高速段
}
5.2 抗干扰设计与异常处理
机器人实际运行中会遇到各种干扰情况，我的应对策略包括：
- 速度指令平滑滤波（一阶低通）
- 电机堵转检测（电流监测）
- 异常状态自动恢复机制
- 电池电压跌落保护
典型异常处理流程：
cpp复制void safetyCheck(float left_current, float right_current, float battery_voltage) {
const float CURRENT_THRESHOLD = 2.0f; // 2A
const float VOLTAGE_THRESHOLD = 10.5f; // 12V系统
if(left_current > CURRENT_THRESHOLD || right_current > CURRENT_THRESHOLD) {
emergencyStop();
logError("Motor stall detected");
}
if(battery_voltage < VOLTAGE_THRESHOLD) {
reduceSpeed(0.5); // 降速运行
alertLowBattery();
}
}
5.3 实测性能优化记录
在我的一个AGV项目中，通过以下优化将轨迹跟踪精度提升了40%：
- 将控制周期从20ms缩短到10ms
- 加入前馈控制项
- 实现左右轮负载补偿
- 优化编码器采样时序
前馈控制实现示例：
cpp复制float feedforward = 0.0f;
if(fabs(target_speed) > 0.1f) {
feedforward = 0.8f * target_speed; // 前馈系数需要实验确定
}
float output = pidUpdate(pid, error, dt) + feedforward;
这个项目让我深刻体会到，好的控制系统不仅要有正确的理论支撑，更需要大量的实验调试和细节优化。每个机器人的机械特性都不完全相同，只有通过反复测试才能找到最佳参数组合。