基于STM32的智能灭火小车设计与实现

1. 项目概述

这个项目是我去年参加电子设计竞赛时的实战作品，一个基于单片机的智能灭火避障小车。它不仅能够自主导航避开障碍物，还能通过火焰传感器检测火源并自动前往灭火。整个系统从硬件选型到算法设计都是我们自己完成的，期间踩了不少坑，也积累了很多宝贵的经验。

这种智能小车在消防演练、危险环境作业等场景都有实际应用价值。相比市面上动辄上万的商用消防机器人，我们的方案成本控制在500元以内，但实现了80%以上的核心功能。下面我就从设计思路到具体实现，把整个项目的技术细节和实操经验完整分享给大家。

2. 核心功能设计

2.1 系统架构设计

整个系统采用模块化设计思路，主要包含以下几个核心模块：

1. 主控模块：选用STM32F103C8T6作为主控芯片，性价比高且资源充足
2. 驱动模块：L298N电机驱动板配合直流减速电机
3. 传感模块：
   • 火焰传感器（5个方向布置）
   • 超声波避障传感器（HC-SR04）
   • 红外循迹模块（可选）
4. 执行机构：小型水泵+储水罐组成的灭火装置
5. 电源管理：12V锂电池组配合7805稳压模块

这种架构设计最大的优势是各模块相对独立，调试时可以分模块进行，降低了整体开发难度。在实际组装时，我们采用了分层布局的方式：底层是电机和轮子，中间层是主控板和传感器，上层是灭火装置。

2.2 关键算法设计

2.2.1 避障算法

我们采用了改进的势场法避障算法。与传统的超声波避障不同，我们引入了动态权重机制：

c复制// 伪代码示例
float obstacle_avoidance() {
    float left_dist = get_ultrasonic(LEFT);
    float right_dist = get_ultrasonic(RIGHT);
    float front_dist = get_ultrasonic(FRONT);
    
    // 动态权重计算
    float k = 1.0 - (front_dist / MAX_DIST);
    float turn_direction = (right_dist - left_dist) * k;
    
    return constrain(turn_direction, -1.0, 1.0);
}

这个算法的特点是：当前方障碍物较远时，转向幅度较小；当障碍物接近时，转向会变得更加激进。实测下来，这种算法能让小车在复杂环境中的避障成功率提升约30%。

2.2.2 火源定位算法

火焰检测采用了多传感器数据融合的方式。我们在小车四周布置了5个火焰传感器（前、左前、右前、左、右），通过比较各传感器的读数来确定火源方向：

code复制传感器布局：
    [左前] [前] [右前]
    [左]       [右]

火源定位的核心逻辑是：

1. 持续扫描所有传感器读数
2. 当任一传感器值超过阈值时，进入火源追踪模式
3. 根据各传感器读数差计算转向角度
4. 当所有前向传感器读数均衡且达到最大时，判定为对准火源

3. 硬件实现细节

3.1 关键元器件选型

经过多次对比测试，我们最终确定的元器件清单如下：

特别提醒：电机选型时要注意转速和扭矩的平衡。我们最初选了300RPM的电机，结果发现速度太快导致控制困难，后来换成100RPM的才达到理想效果。

3.2 PCB设计与布线技巧

为了减少干扰和提高可靠性，我们自主设计了双层PCB板。几个关键经验：

1. 电源走线：主电源线宽不小于1.5mm，数字地和模拟地分开最后单点连接
2. 信号隔离：电机驱动信号与其他信号线保持距离，必要时加磁珠隔离
3. 去耦电容：每个IC的电源引脚就近放置0.1uF陶瓷电容
4. 传感器接口：所有传感器接口都加了TVS二极管保护

实际布线时，我们采用了"星型"供电布局，从电源管理芯片引出多路独立供电，有效解决了早期版本中电机干扰传感器的问题。

4. 软件实现详解

4.1 主控制流程

整个系统的软件采用状态机架构，主要状态包括：

1. 待机状态：系统初始化，等待启动信号
2. 巡逻状态：随机移动+避障
3. 火警状态：检测到火源后进入灭火流程
4. 灭火状态：对准火源并启动水泵
5. 返回状态：灭火完成后返回起点

状态转换图如下（用文字描述）：
待机 -> (启动信号) -> 巡逻
巡逻 -> (检测到火焰) -> 火警
火警 -> (对准火源) -> 灭火
灭火 -> (火焰消失) -> 返回
返回 -> (到达起点) -> 巡逻

4.2 关键代码实现

4.2.1 电机控制

我们采用了PWM调速配合PID控制算法：

c复制// PID控制器实现
typedef struct {
    float Kp, Ki, Kd;
    float integral;
    float prev_error;
} PIDController;

float pid_update(PIDController* 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;
}

// 电机控制示例
void motor_control(float speed_left, float speed_right) {
    static PIDController pid_left, pid_right;
    
    float error_left = speed_left - get_motor_speed(LEFT);
    float error_right = speed_right - get_motor_speed(RIGHT);
    
    float output_left = pid_update(&pid_left, error_left, 0.01);
    float output_right = pid_update(&pid_right, error_right, 0.01);
    
    set_motor_pwm(LEFT, output_left);
    set_motor_pwm(RIGHT, output_right);
}

4.2.2 传感器数据处理

为了提高传感器数据的可靠性，我们采用了滑动窗口滤波算法：

c复制#define WINDOW_SIZE 5

float sliding_window_filter(float new_value) {
    static float window[WINDOW_SIZE] = {0};
    static uint8_t index = 0;
    
    window[index] = new_value;
    index = (index + 1) % WINDOW_SIZE;
    
    float sum = 0;
    for(int i=0; i<WINDOW_SIZE; i++) {
        sum += window[i];
    }
    
    return sum / WINDOW_SIZE;
}

5. 调试与优化经验

5.1 常见问题排查

在实际调试过程中，我们遇到了不少典型问题，这里总结几个最有代表性的：

1. 电机干扰传感器：

   • 现象：电机启动时超声波读数跳动
   • 解决方案：加强电源滤波，传感器信号线使用屏蔽线

2. 火焰误检测：

   • 现象：日光灯下误触发
   • 解决方案：调整传感器阈值，增加红外滤波片

3. 水泵压力不足：

   • 现象：射程不够
   • 解决方案：改用隔膜泵，增加储水罐气压

5.2 性能优化技巧

经过多次迭代，我们总结出几个关键优化点：

1. 传感器采样优化：

   • 超声波传感器采用交错采样，避免相互干扰
   • 火焰传感器采用分时复用ADC，节省资源

2. 运动控制优化：

   • 加入运动预测算法，减少急停急转
   • 根据电池电压动态调整PWM占空比

3. 功耗优化：

   • 空闲时降低主频
   • 非必要传感器周期性休眠

6. 扩展与改进方向

虽然基础功能已经实现，但这个项目还有不少可以提升的空间：

1. 增加视觉识别：替换火焰传感器为摄像头+OpenMV，提高火源识别精度
2. 多机协作：通过无线模块实现多车协同灭火
3. 路径规划：加入SLAM算法，实现地图构建和最优路径规划
4. 远程监控：添加WiFi模块，支持手机APP监控

在实际测试中，我们发现最需要改进的是火源定位精度。目前的方案在强光环境下表现不够理想，下一步计划改用热成像传感器来提高可靠性。