Arduino自平衡小车PID控制与避障实现详解

1. 项目概述：自平衡小车的魅力与挑战

第一次看到自平衡小车时，那种违反直觉的稳定性总让人着迷。这种通过传感器和电机不断微调保持直立的机器人，背后蕴含着经典的控制理论。作为创客圈经久不衰的项目，它既是PID算法的绝佳教学案例，也是硬件集成的综合实践平台。

我制作的这款壁障自平衡小车在基础功能上增加了超声波避障模块，当检测到前方障碍时会自动停车并鸣笛警示。整套系统成本控制在200元以内，主控采用常见的Arduino Nano，核心传感器包括MPU6050六轴陀螺仪和HC-SR04超声波模块。电机选用N20减速电机配合编码器，既保证扭矩又便于速度检测。

关键提示：自平衡项目对传感器精度要求极高，MPU6050建议购买正版模块，山寨货的零点漂移可能导致系统无法稳定

2. 硬件系统深度解析

2.1 核心部件选型对比

主控芯片的选择经历了三次迭代：最初尝试用STM32F103C8T6，虽然性能强劲但开发门槛较高；后来测试ESP8266，发现WiFi信号干扰导致控制周期不稳定；最终选定Arduino Nano，其16MHz主频和丰富的库支持完全满足需求。以下是关键部件参数对比表：

2.2 机械结构设计要点

车体采用3D打印的镂空结构，重量控制在200g以内。重心高度经过精确计算：当重心距轮轴垂直距离为h，车轮半径为r时，理论最大加速度a需满足a < g*r/h（g为重力加速度）。我们设定h=8cm，r=3cm，得出a < 3.67m/s²，这意味着电机需要能在0.5秒内将车速从0加速到1.8m/s。

电机安装采用弹性联轴器连接轮轴，有效吸收微小振动。实测发现刚性连接会导致MPU6050持续收到高频振动干扰，使卡尔曼滤波失效。车轮表面包裹1mm厚硅胶套，摩擦系数μ≈0.6，确保急停时不会打滑。

3. 控制系统实现细节

3.1 传感器数据融合算法

MPU6050输出的原始数据包含严重噪声，我们采用互补滤波结合卡尔曼滤波的方案。具体实现时发现，单纯卡尔曼滤波在Arduino上计算耗时达8ms，严重影响控制频率。最终方案是：

cpp复制void updateAngle() {
  // 加速度计角度计算（低频精确）
  accAngle = atan2(ay, az) * RAD_TO_DEG; 
  
  // 陀螺仪积分（高频但漂移）
  gyroRate = gx / 131.0;
  gyroAngle += gyroRate * dt;
  
  // 互补滤波
  angle = 0.98*(angle + gyroRate*dt) + 0.02*accAngle;
}

这个5ms内完成的算法使控制周期稳定在100Hz。实测表明，滤波系数0.98/0.02的组合在静态时误差<0.5°，动态响应延迟<50ms。

3.2 PID参数整定实战

平衡控制采用串级PID结构：外环角度环（输入角度误差，输出目标速度），内环速度环（输入速度误差，输出PWM占空比）。调试时发现几个关键现象：

1. 仅P控制时会出现等幅振荡，加入D项后系统趋于稳定但响应变慢
2. I项可消除稳态误差，但过大会导致"积分饱和"
3. 电机死区电压需单独补偿，我们测得N20电机启动电压为3.2V

最终参数通过齐格勒-尼科尔斯法整定：

cpp复制// 角度环PID
float anglePID(float error) {
  static float integral = 0;
  integral += error * dt;
  integral = constrain(integral, -50, 50); // 抗饱和
  
  float derivative = (error - lastError) / dt;
  lastError = error;
  
  return 15.0*error + 0.05*integral + 8.0*derivative; // Kp=15, Ki=0.05, Kd=8
}

4. 避障功能实现与优化

4.1 超声波模块的软件抗干扰

HC-SR04在近距离（<10cm）测量时容易出现40cm的跳变值。我们通过三次测量取中值，并增加以下校验逻辑：

cpp复制float getDistance() {
  float d1 = pulseIn(echo, HIGH) / 58.0;
  float d2 = pulseIn(echo, HIGH) / 58.0; 
  float d3 = pulseIn(echo, HIGH) / 58.0;
  
  // 剔除异常值
  if(abs(d1-d2)>20) return d3;
  if(abs(d2-d3)>20) return d1;
  return (d1+d2+d3)/3;
}

同时发现电机PWM噪声会影响超声波模块，解决方法是在测量时短暂关闭PWM输出，通过电机惯性维持短暂运行。

4.2 动态避障策略

当检测到30cm内障碍物时，系统分三个阶段响应：

1. 减速阶段：以-1m/s²减速度制动，同时保持平衡
2. 停止阶段：完全刹停，蜂鸣器鸣响0.5秒
3. 绕行阶段：左轮后退、右轮前进，实现原地90°转向

实测避障响应时间从检测到完全停止约需300ms，制动距离与初速度关系如下：

5. 常见问题与解决方案

5.1 小车持续单方向偏移

可能原因及排查步骤：

1. 检查MPU6050安装是否水平：放置于水平面，测量X/Y轴加速度计输出应接近0g
2. 校准陀螺仪零偏：静止状态下记录100次采样取平均值作为偏移量
3. 测量电机转速一致性：给相同PWM值，测量两轮转速差应<5%

5.2 直立时出现高频抖动

典型解决方案：

• 降低角度环的D项系数（过大的D会放大传感器噪声）
• 在电机电源端并联1000μF电容消除电压波动
• 检查轮胎是否圆整，我的案例中发现3D打印轮毂有0.3mm偏心量导致周期性振动

5.3 电池电压下降后失控

锂电池电压从8.4V降到7V时会出现的问题：

1. 电机扭矩下降导致平衡失效
2. 部分型号MPU6050在<3.3V时数据异常
   解决方案：

• 增加电压检测电路，低于7.2V时LED报警
• 选用LDO稳压芯片给MPU6050单独供电
• 程序中对PWM输出做电压补偿：PWM_actual = PWM_set * (8.4/Vbat)

6. 进阶改进方向

给想进一步提升的开发者几个实测有效的方案：

1. 改用ESP32主控，利用其双核特性将控制算法和通信任务分离
2. 增加BLE遥控功能，通过PID参数实时调整观察系统响应
3. 改用IMU传感器如BMI160，其内置的FIFO可降低主控负担
4. 尝试LQR控制算法，需要建立精确的动力学模型

我在第二版中尝试了方案1和3，控制周期提升到200Hz后，小车甚至能在5°斜坡上保持稳定。不过要注意ESP32的ADC线性度较差，需要软件校准或外接ADC芯片。