循迹小车系统优化：从PID控制到硬件设计

1. 项目背景与核心价值

循迹小车作为嵌入式系统和自动控制领域的经典教学项目，几乎出现在所有工科院校的课程设计中。这个看似简单的玩具车，实际上融合了传感器技术、电机控制、PID算法和嵌入式编程等多个核心知识点。我在指导学生完成这类项目时发现，大多数教材都把重点放在模块化讲解上，却很少涉及"如何把零散代码整合成可靠系统"这个关键环节。

这次实验的核心突破点在于：通过重构代码架构解决传感器误判导致的"蛇形走位"问题。传统教学方案中，学生往往直接套用现成的库函数和示例代码，虽然能让小车跑起来，但轨迹跟踪效果总是不尽如人意。我们通过重新设计控制逻辑，将平均偏差从原来的±3cm降低到±0.5cm，这个改进对于参加智能车竞赛的团队尤其有价值。

2. 硬件系统搭建要点

2.1 传感器阵列设计

五路红外对管（TCRT5000）呈扇形排列是最经济的方案，但要注意：

• 安装高度建议距地面1.5-2cm
• 相邻传感器间隔不宜超过2cm
• 黑色电工胶带贴覆传感器边缘可减少环境光干扰

实测中发现，市售的传感器模块输出电平不一致是个大坑。建议用以下方法校准：

arduino复制void sensorCalibration() {
  for(int i=0; i<5; i++) {
    while(digitalRead(sensorPins[i]) == HIGH) {
      // 调节模块上的电位器直到LED刚好熄灭
      delay(10);
    }
  }
}

2.2 电机驱动选型

L298N模块虽然便宜，但存在两个致命缺陷：

1. 空载时电机两端仍有1.7V左右电压
2. 快速切换方向会产生反向电动势

改用DRV8833驱动芯片后，配合以下刹车电路设计，响应速度提升40%：

code复制电机两端并联：
- 1N5819肖特基二极管（泄放反向电流）
- 100Ω电阻串联0.1μF电容（吸收尖峰）

3. 控制算法实现细节

3.1 传感器数据处理

原始方案直接用瞬时传感器值计算偏差，实测发现小车会出现"抽搐"现象。改进方案采用加权移动平均：

c复制#define HISTORY_SIZE 3
int sensorHistory[5][HISTORY_SIZE];

int getWeightedValue(int sensorNum) {
  int sum = 0;
  for(int i=0; i<HISTORY_SIZE; i++) {
    sum += sensorHistory[sensorNum][i] * (HISTORY_SIZE - i);
  }
  return sum / ((HISTORY_SIZE + 1) * HISTORY_SIZE / 2);
}

3.2 改进型PD控制器

常规PID控制在低速时效果尚可，但速度超过0.5m/s后容易振荡。我们采用动态调整参数的方案：

c复制float kp = baseKp * (1 + speedFactor * currentSpeed);
float kd = baseKd / (1 + speedFactor * currentSpeed); 

if(fabs(error) > threshold) {
  // 大偏差时增强P作用
  kp *= 1.5;
  kd *= 0.8;
}

4. 系统集成中的坑与解决方案

4.1 电源噪声问题

当电机启动时，传感器读数会出现跳变。通过示波器捕获到电源线上有200mV的毛刺。解决方法：

1. 电机电源与逻辑电源完全隔离
2. 每个传感器VCC端加10μF钽电容
3. ADC参考电压用TL431单独稳压

4.2 机械结构谐振

车速提高到0.8m/s时，车体出现明显振动。经频响测试发现是底盘固有频率（约35Hz）被激发。改进措施：

• 在电机支架与底盘间加3mm厚硅胶垫
• 车轮配重使转动惯量增加15%
• 控制周期避开33-37Hz范围

5. 实测性能对比

测试环境：2cm宽黑线，半径50cm的8字形赛道

6. 进阶优化方向

对于想要参加竞赛的团队，还可以尝试：

1. 摄像头+OpenMV的视觉方案
2. 基于STM32的FOC电机控制
3. 强化学习训练轨迹预测模型
4. 3D打印空气动力学外壳

我在实验室发现一个有趣现象：给小车加上"预瞄"功能后，过弯速度能提升25%。具体做法是记录历史轨迹，在弯道提前减速。这就像人类驾驶员会提前观察弯道一样，简单的预测机制就能带来显著提升。