1. 项目概述
两轮差速小车是移动机器人领域最基础也最经典的平台之一。这个项目通过PID控制算法实现小车的轨迹跟踪功能，并对其航向角和距离控制进行仿真验证。在实际应用中，这种控制方案可以扩展到仓储AGV、服务机器人、农业自动化设备等多个领域。
我去年参与过一个智能仓储项目，就采用了类似的差速底盘设计。当时最大的挑战是如何让小车在载重变化的情况下依然保持精准的轨迹跟踪。经过反复调试，最终通过PID参数整定实现了±2cm的定位精度。这个经历让我深刻认识到，看似简单的差速控制背后其实蕴含着不少门道。
2. 系统设计与原理分析
2.1 差速驱动原理
两轮差速小车的运动控制基于一个简单的物理原理：通过调节左右轮的转速差来实现转向。具体来说：
- 当两轮转速相同时，小车直线行驶
- 当左轮转速大于右轮时，小车向右转
- 当右轮转速大于左轮时，小车向左转
这个原理可以用以下运动学方程表示：
code复制v = (v_r + v_l)/2
ω = (v_r - v_l)/L
其中v是线速度，ω是角速度，v_r和v_l分别是右轮和左轮的速度，L是两轮间距。
2.2 PID控制架构
在这个项目中，我们采用双闭环PID控制：
- 外环：轨迹跟踪控制器
- 输入：期望轨迹与当前位置的偏差
- 输出：期望的线速度和角速度
- 内环：电机速度控制器
- 输入：期望速度与实际速度的偏差
- 输出：PWM占空比
这种分层控制结构既能保证轨迹跟踪精度，又能确保电机响应速度。
3. 核心实现细节
3.1 硬件选型建议
根据我的项目经验，硬件选择会直接影响控制效果：
| 组件 | 推荐型号 | 关键参数 | 备注 |
|---|---|---|---|
| 电机 | JGA25-370 | 减速比1:48，空载转速210rpm | 带编码器反馈 |
| 驱动器 | TB6612FNG | 双路1.2A输出 | 支持PWM调速 |
| 主控 | STM32F103 | 72MHz主频 | 带硬件PWM |
| 编码器 | 欧姆龙E6A2 | 200线/转 | 需4倍频 |
提示：电机和编码器的匹配很重要。如果编码器分辨率太低，速度检测会有明显滞后。
3.2 软件实现流程
-
轨迹生成
- 使用参数方程定义期望路径
- 离散化为一系列路径点
- 计算每个点的期望位姿(x,y,θ)
-
位姿估计
- 通过编码器数据计算里程计
- 使用运动学模型更新当前位置
- 加入IMU数据修正航向角漂移
-
PID控制器实现
c复制// 伪代码示例
typedef struct {
float Kp, Ki, Kd;
float integral;
float prev_error;
} PID;
float PID_Update(PID* pid, float error, float dt) {
float derivative = (error - pid->prev_error) / dt;
pid->integral += error * dt;
pid->prev_error = error;
return pid->Kp * error
+ pid->Ki * pid->integral
+ pid->Kd * derivative;
}
3.3 参数整定技巧
PID参数整定是个经验活，分享几个实用技巧：
- 先调P再调I最后调D
- 从较小值开始，逐步增大
- 观察响应曲线：
- 振荡剧烈→减小P或增大D
- 稳态误差大→增大I
- 响应慢→增大P
我常用的初始参数范围：
- 位置环：Kp=0.5-2.0, Ki=0.01-0.1, Kd=0.05-0.2
- 速度环：Kp=10-30, Ki=0.1-1.0, Kd=0.5-2.0
4. 仿真实现与验证
4.1 MATLAB/Simulink仿真
使用Simulink搭建仿真模型：
- 建立小车运动学模型
- 添加PID控制器模块
- 设计测试轨迹（如8字形、方形）
- 配置仿真参数：
- 步长：0.01s
- 求解器：ode4(Runge-Kutta)
仿真中需要监控的关键指标：
- 位置误差RMS值
- 航向角最大偏差
- 控制量变化率
4.2 典型问题排查
在实际调试中遇到过这些问题：
-
轨迹跟踪出现周期性振荡
- 原因：积分项累积过大
- 解决：加入积分限幅
-
急转弯时偏离轨迹
- 原因：运动学模型未考虑动力学限制
- 解决：加入转向速度限制
-
直线行驶时左右摆动
- 原因：两轮电机特性不一致
- 解决：单独校准电机PID参数
5. 进阶优化方向
当基础功能实现后，可以考虑以下优化：
- 自适应PID控制
- 根据误差大小动态调整参数
- 实现代码示例：
c复制if(fabs(error) > threshold) {
pid.Kp = aggressive_Kp;
} else {
pid.Kp = normal_Kp;
}
-
前馈补偿
- 在转弯时提前给出补偿量
- 减少跟踪滞后
-
多传感器融合
- 结合视觉/激光SLAM定位
- 修正里程计累积误差
我在实际项目中发现，加入简单的速度前馈后，轨迹跟踪误差能降低30%以上。这主要是因为前馈补偿可以部分抵消系统的惯性延迟。