STM32两轮自平衡小车开发实战与PID调参指南

1. 项目背景与核心原理

两轮自平衡小车是嵌入式开发领域的经典练手项目，它完美融合了微控制器编程、传感器数据处理和自动控制理论三大核心技术。使用STM32F103C8T6这款性价比极高的Cortex-M3内核芯片作为主控，配合MPU6050六轴传感器获取姿态数据，通过PID算法实时调整电机转速，最终实现小车的自主平衡。

这个项目的独特魅力在于：从硬件电路焊接、传感器调试到控制算法优化，每个环节都充满挑战。我花了整整三周时间才让小车稳稳立住，期间经历了无数次的参数调整和代码重构。下面就把这些实战经验毫无保留地分享给大家。

2. 硬件设计与关键器件选型

2.1 主控芯片：STM32F103C8T6的三大优势

选择这款72MHz主频的ARM芯片主要基于三点考虑：

1. 丰富的外设接口：自带3个USART、2个SPI和2个I2C接口，完美适配各类传感器
2. 充足的运算能力：单周期乘法和硬件除法指令，满足实时控制的计算需求
3. 成本优势：相比Arduino方案，价格仅为1/3但性能提升5倍以上

注意：务必购买正版ST芯片，市面上有些打磨翻新货会导致PWM输出异常

2.2 运动感知核心：MPU6050的配置要点

这个集成三轴加速度计+陀螺仪的模块需要特别注意：

• I2C通信建议使用400kHz高速模式
• 安装位置要尽量靠近小车重心
• 必须做传感器校准（具体方法见3.2节）

实测发现，在MPU6050底部粘贴3M双面胶能有效减少电机振动带来的噪声干扰。

2.3 电机驱动方案对比

测试了三种常见方案后，最终选择TB6612FNG驱动模块：

code复制L298N    : 发热量大(需加散热片), 效率60%
DRV8833  : 体积小但电流不足(1A持续)
TB6612FNG: 效率90%, 1.2A持续电流

电机建议选用带编码器的N20减速电机（减速比1:30），编码器分辨率直接影响控制精度。

3. 软件架构与核心算法实现

3.1 系统任务划分

在Keil MDK中建立如下任务结构：

1. 高频任务(1kHz)
   • MPU6050数据采集
   • 姿态解算（互补滤波）
2. 中频任务(200Hz)
   • PID计算
   • 电机控制
3. 低频任务(10Hz)
   • 蓝牙调试信息发送
   • 电池电压检测

3.2 传感器校准实战

必须执行的校准步骤：

1. 静止校准加速度计

   c复制for(int i=0; i<500; i++){
       ax_sum += accel_x;
       delay(2);
   }
   ax_offset = ax_sum / 500;
   

2. 陀螺仪零偏校准（放置水平桌面10秒）
3. 安装角度补偿（用手机水平仪测量实际安装倾角）

3.3 姿态解算的三种方案对比

实测数据表明：

• 纯互补滤波：响应快但存在漂移
• 卡尔曼滤波：精度高但计算量大
• Mahony算法：平衡性最佳（最终采用）

姿态解算关键代码片段：

c复制void MahonyUpdate(float gx, float gy, float gz, float ax, float ay, float az){
    float recipNorm;
    float vx, vy, vz;
    float ex, ey, ez;
    
    // 加速度归一化
    recipNorm = 1.0/sqrt(ax*ax + ay*ay + az*az);
    ax *= recipNorm;
    ay *= recipNorm; 
    az *= recipNorm;
    
    // 计算误差
    vx = 2*(q1*q3 - q0*q2);
    vy = 2*(q0*q1 + q2*q3);
    vz = q0*q0 - q1*q1 - q2*q2 + q3*q3;
    ex = (ay*vz - az*vy);
    ey = (az*vx - ax*vz);
    ez = (ax*vy - ay*vx);
    
    // 积分误差
    exInt += Ki * ex;
    eyInt += Ki * ey;
    ezInt += Ki * ez;
    
    // 补偿陀螺仪
    gx += Kp*ex + exInt;
    gy += Kp*ey + eyInt;
    gz += Kp*ez + ezInt;
    
    // 四元数更新
    q0 += (-q1*gx - q2*gy - q3*gz)*0.5*dt;
    q1 += (q0*gx + q2*gz - q3*gy)*0.5*dt;
    q2 += (q0*gy - q1*gz + q3*gx)*0.5*dt;
    q3 += (q0*gz + q1*gy - q2*gx)*0.5*dt;
}

4. PID控制器的调参技巧

4.1 参数整定顺序

必须严格按以下步骤调试：

1. 先调直立环（P参数）
   • 从3.0开始逐步增加，直到出现小幅振荡
   • 取振荡临界值的60%作为最终值
2. 再调速度环（I参数）
   • 从0.001开始，每次增加50%
   • 观察小车能否抵抗轻微推力
3. 最后加转向环（D参数）
   • 通常取P值的1/10到1/5

4.2 抗积分饱和处理

在电机达到最大输出时停止积分：

c复制if((output>max_output && error>0) || 
   (output<-max_output && error<0)){
    integral = integral; // 保持原值
} else {
    integral += error * dt;
}

4.3 实测最佳参数范围

根据20组实验数据统计：

code复制直立P : 25.0~35.0
速度I : 0.08~0.15
转向D : 2.5~4.0

5. 电源管理的五个关键细节

1. 锂电池选型：推荐2S 7.4V 1200mAh，续航可达4小时
2. 电压检测电路：

   c复制float battery_voltage = (float)adc_value/4096*3.3*11;
   

3. 低电量保护：电压<6.8V时逐渐降低控制频率
4. 电机与MCU分开供电，避免电压波动导致重启
5. 在STM32的VBAT引脚接纽扣电池，保持RTC运行

6. 常见故障排查指南

7. 进阶优化方向

1. 加入OLED显示实时参数
2. 通过手机APP调节PID参数
3. 实现路径跟踪功能（需加装编码器）
4. 改用FOC电机驱动提升能效
5. 移植到FreeRTOS实现多任务管理

调试过程中最深的体会是：平衡车的参数没有标准答案，每个硬件组合都需要重新调参。建议准备一个详细的数据记录本，每次修改参数都要记录变化效果。当看到小车终于稳稳立住的那一刻，所有的熬夜调试都值得了。