最近在准备电赛的同学，是不是被各种“平衡”“控制”“运动系统”搞得有点头大？特别是看到“车载平衡滚球”这种题目，第一反应可能是：这得用上多少高深的算法和复杂的机械结构？

别急，这篇文章就是来帮你“拆弹”的。我们不谈那些空中楼阁的理论，直接从2026年电赛H题“车载平衡滚球运动控制系统”的任务一入手，把它拆解成一个你从今天下午就能开始动手的、可落地的嵌入式开发项目。

很多人一看到“平衡”“滚球”“车载”这些词，就容易陷入两个误区：要么觉得必须用上视觉识别、高级PID甚至神经网络；要么觉得机械部分太难，无从下手。但任务一的核心，其实往往是一个精巧的、闭环的、可测量的基础控制系统。它的难点不在于算法的复杂度，而在于如何将物理问题准确地转化为代码逻辑，并处理好传感器噪声、执行器延迟和系统稳定性之间的关系。

本文将聚焦于任务一的典型要求（如小球在平板上保持平衡或完成指定轨迹），为你梳理出一套从系统分析、硬件选型、软件框架到PID调参的完整实战路径。读完本文，你将能清晰地知道：

1. 如何将抽象的赛题要求，分解为具体的传感器读数、控制器输出和执行器动作。
2. 如何搭建一个最小可用的系统框架，快速验证你的控制逻辑。
3. 如何避开新手最常见的几个“坑”，比如积分饱和、传感器滤波不当、机械共振等。
4. 获得一套经过验证的、可复用的代码框架和调试方法。

我们直接进入正题。

1. 任务一到底在考什么？从题目到系统的思维转换

拿到“车载平衡滚球运动控制系统”这样的题目，第一步不是去找电机或写代码，而是精确理解任务一的边界和评价指标。虽然我们无法得知26年电赛的确切题目，但根据历年赛题规律和“任务一”的定位，我们可以进行合理的推断和准备。

通常，任务一会是整个系统最基础、最核心的功能验证。对于平衡滚球系统，任务一极有可能是：

• 基础平衡控制：控制平板，使小球静止在平板中心位置。
• 定点移动：控制平板，使小球从平板任意位置移动并稳定在中心点。
• 简单轨迹跟踪：控制平板，使小球沿一条直线或简单曲线运动。

这些任务共同考察的核心能力是什么？

1. 状态感知能力：你能否准确、实时地获取小球在平板上的位置（X, Y坐标）？这涉及到传感器选型（如摄像头、红外阵列、电阻触摸膜）和数据滤波算法。
2. 误差计算能力：你能否根据目标位置（如中心点）和当前位置，计算出控制所需的误差量（位置误差、速度误差）？
3. 控制算法实现能力：你能否设计一个控制器（如PID控制器），根据误差计算出平板需要倾斜的角度或电机的运动指令？
4. 执行器控制能力：你能否将控制器的角度指令，精确地转换为两个舵机或步进电机的PWM信号，从而驱动平板运动？
5. 系统集成与稳定性：上述所有环节串联起来后，整个系统能否稳定工作，抵抗小球自身的滚动惯性和外部轻微扰动？

思维转换的关键：不要把它看作一个“控制小球”的问题，而是看作一个“通过控制平板姿态来影响小球运动”的问题。你的直接控制对象是平板，小球的状态是你需要观测并用于反馈的系统输出。这是一个典型的闭环反馈控制系统。

2. 系统核心架构与硬件选型分析

一个典型的车载平衡滚球系统硬件架构如下，理解它有助于你进行硬件选型和任务分解：

[小球] --(位置信息)--> [传感器模块] | v [主控制器] <--(用户指令/目标轨迹) | v [控制算法] (如PID) | v [电机驱动模块] | v [舵机/步进电机] --> [平板] --(倾斜)--> [小球运动]

2.1 核心模块详解

传感器模块（系统的“眼睛”）

这是决定系统性能上限的关键。任务一对精度和速度要求较高，常见方案有：

1. 摄像头方案（OpenMV/树莓派等）：

   • 优点：信息丰富，可识别颜色、形状，易于实现复杂轨迹。
   • 缺点：处理耗时较长（几十到上百毫秒），会引入较大控制延迟，对光照敏感，算法复杂度高。
   • 任务一适用性：谨慎选择。除非任务明确要求彩色轨迹或识别，否则延迟可能是致命伤。

2. 红外测距/阵列方案：

   • 原理：在平板下方布置网格状的红外发射管和接收管。小球（通常为钢球）遮挡红外线，从而定位。
   • 优点：响应极快（微秒级），不受光照影响，电路相对简单。
   • 缺点：分辨率取决于红外管密度，精度可能有限；容易受到环境红外光干扰。
   • 任务一适用性：高。非常适合对实时性要求高的平衡与快速定位任务。

3. 电阻式/电容式触摸膜：

   • 原理：小球按压触摸膜导致电阻或电容变化，通过ADC读取坐标。
   • 优点：成本低，原理简单。
   • 缺点：精度一般，响应速度较慢，耐磨性差，小球材质受限（需导电或施加压力）。
   • 任务一适用性：中低。可作为备选，但非最优。

任务一推荐：优先考虑红外阵列方案。它能在成本、速度和复杂度之间取得最佳平衡。可以选用集成好的红外阵列模块，也可以自己用红外对管搭建。

主控制器（系统的“大脑”）

• STM32系列（F1/F4）：绝对的主流选择。资源丰富，定时器、ADC、PWM、中断系统完善，社区资料多。F4系列带FPU，适合做浮点运算。
• ESP32：如果考虑需要Wi-Fi/蓝牙上传数据或调试，是不错的选择。但核心控制逻辑与STM32类似。
• Arduino：适合快速原型验证，但在处理复杂控制循环和高精度定时时可能力不从心。

任务一推荐：STM32F103C8T6（蓝色小板）或STM32F407。性能足够，生态成熟。

执行器模块（系统的“手脚”）

• 舵机：控制角度。需要选择数字舵机，响应速度更快，死区小。注意扭矩要足够带动平板和小球。
• 步进电机+驱动器：控制角度和速度。精度高，但需要额外的驱动电路（如A4988、TMC2208）和更复杂的控制程序（细分、加减速）。
• 空心杯电机+编码器：可构成高性能伺服系统，但复杂度最高。

任务一推荐：对于大多数平衡任务，大扭矩、高响应速度的数字舵机是性价比最高的选择。两个舵机构成X轴和Y轴的倾斜。

2.2 硬件清单示例

基于以上分析，一个高性价比的硬件清单如下：

• 主控：STM32F103C8T6最小系统板 *1
• 传感器：8x8或16x16红外点阵模块（如GY-906、MLX90640的简化定位版，或自建阵列）*1
• 执行器：MG996R或DS3218等数字舵机（扭矩≥15kg·cm）*2
• 结构：亚克力板或木板（作为平板）、舵机云台、小球（钢球或玻璃球）、车模底盘
• 电源：大容量锂电池（如3S锂电，11.1V），配合降压模块为控制部分供电
• 其他：杜邦线、开关、电位器（用于手动设定目标）、OLED屏幕（用于显示状态，非必需但强烈推荐）

3. 软件开发环境与核心框架搭建

3.1 开发环境准备

1. IDE：Keil MDK-ARM 或 STM32CubeIDE。后者是ST官方免费工具，集成CubeMX，配置外设非常方便。
2. 固件库：使用HAL库或标准库。HAL库抽象程度高，移植方便；标准库更底层，效率可能稍高。对于电赛，HAL库更快捷。
3. 调试工具：ST-Link V2下载调试器、串口助手（如XCOM、Putty）。

3.2 软件系统框架设计

一个健壮的控制系统软件应该模块化，清晰分层。建议采用以下框架：

// 文件结构示意 project/ ├── Core/ │ ├── Src/ │ │ ├── main.c │ │ ├── stm32f1xx_it.c │ │ └── ... │ └── Inc/ │ ├── main.h │ └── ... ├── Drivers/ │ ├── Src/ │ │ ├── sensor_ir_array.c // 红外阵列驱动 │ │ ├── motor_servo.c // 舵机驱动 │ │ ├── pid_controller.c // PID算法 │ │ └── filter.c // 滤波算法 │ └── Inc/ │ ├── sensor_ir_array.h │ ├── motor_servo.h │ ├── pid_controller.h │ └── filter.h └── ... // main.c 主循环框架示例 int main(void) { // HAL初始化、时钟配置、外设初始化 System_Init(); // 模块初始化 Sensor_Init(); Motor_Init(); PID_Init(&pid_x, kp, ki, kd, output_limit); // 初始化X轴PID PID_Init(&pid_y, kp, ki, kd, output_limit); // 初始化Y轴PID uint32_t last_control_time = 0; const uint32_t control_period = 10; // 控制周期10ms (100Hz) while (1) { uint32_t now = HAL_GetTick(); // 1. 定时控制循环 if (now - last_control_time >= control_period) { last_control_time = now; // 2. 读取传感器数据（小球当前位置） Sensor_Data_t ball_pos; Sensor_Read(&ball_pos); // 3. 数据滤波（可选但重要） Filter_Apply(&ball_pos); // 4. 计算误差（目标位置 - 当前位置） float target_x = Get_Target_X(); // 例如：平板中心X坐标 float target_y = Get_Target_Y(); // 例如：平板中心Y坐标 float error_x = target_x - ball_pos.x; float error_y = target_y - ball_pos.y; // 5. PID控制器计算输出（平板需要倾斜的角度） float output_x = PID_Calculate(&pid_x, error_x); float output_y = PID_Calculate(&pid_y, error_y); // 6. 将角度输出转换为舵机PWM信号并执行 Motor_SetAngle(SERVO_X, output_x); Motor_SetAngle(SERVO_Y, output_y); // 7. （调试）通过串口发送数据到上位机 Debug_SendData(ball_pos.x, ball_pos.y, error_x, error_y, output_x, output_y); } // 处理其他任务（如按键扫描、状态显示） Other_Tasks(); } }

这个框架的核心是一个固定频率的控制循环。控制周期（如10ms）的选择至关重要：太慢，系统响应迟钝；太快，可能超出传感器和执行器的能力，且增加CPU负担。100Hz是一个常用的起点。

4. 核心算法实现：PID控制器与滤波

4.1 PID控制器代码实现

PID是任务一最可能用到的控制器。以下是位置式PID的一个稳健实现：

// pid_controller.h typedef struct { float kp, ki, kd; // PID参数 float integral; // 积分项 float prev_error; // 上一次误差 float output_limit; // 输出限幅 float integral_limit; // 积分限幅（抗饱和） } PID_Controller; void PID_Init(PID_Controller* pid, float kp, float ki, float kd, float output_limit); float PID_Calculate(PID_Controller* pid, float error); // pid_controller.c #include "pid_controller.h" void PID_Init(PID_Controller* pid, float kp, float ki, float kd, float output_limit) { pid->kp = kp; pid->ki = ki; pid->kd = kd; pid->integral = 0.0f; pid->prev_error = 0.0f; pid->output_limit = output_limit; pid->integral_limit = output_limit * 0.5f; // 积分限幅通常为输出限幅的一半 } float PID_Calculate(PID_Controller* pid, float error) { // 比例项 float p_out = pid->kp * error; // 积分项（带限幅和抗饱和处理） pid->integral += error; // 积分限幅，防止积分饱和 if (pid->integral > pid->integral_limit) pid->integral = pid->integral_limit; if (pid->integral < -pid->integral_limit) pid->integral = -pid->integral_limit; float i_out = pid->ki * pid->integral; // 微分项（使用误差微分，对噪声敏感，通常需要滤波） float d_out = pid->kd * (error - pid->prev_error); pid->prev_error = error; // 计算总输出 float output = p_out + i_out + d_out; // 输出限幅 if (output > pid->output_limit) output = pid->output_limit; if (output < -pid->output_limit) output = -pid->output_limit; return output; }

关键点：

• 积分限幅：这是防止“积分饱和”的关键。当误差长期存在时，积分项会累积到巨大值，导致系统失控。限幅后，积分项不会无限增长。
• 微分项：对噪声非常敏感。如果传感器数据噪声大，直接使用误差微分会导致输出剧烈抖动。可以考虑使用“测量值微分”或对微分项进行低通滤波。

4.2 传感器数据滤波

红外传感器数据通常带有噪声，简单的滤波能极大提升系统稳定性。

// filter.c - 一阶低通滤波 typedef struct { float alpha; // 滤波系数 (0 < alpha <= 1). alpha越小，滤波越强，延迟越大。 float prev_value; } LowPassFilter; void LowPassFilter_Init(LowPassFilter* filter, float alpha, float init_value) { filter->alpha = alpha; filter->prev_value = init_value; } float LowPassFilter_Update(LowPassFilter* filter, float new_value) { // 公式: y(n) = alpha * x(n) + (1 - alpha) * y(n-1) filter->prev_value = filter->alpha * new_value + (1.0f - filter->alpha) * filter->prev_value; return filter->prev_value; } // 在main.c中使用 LowPassFilter filter_x, filter_y; // 初始化，alpha=0.3表示新值权重30%，历史值权重70%。可根据噪声情况调整。 LowPassFilter_Init(&filter_x, 0.3f, 0.0f); LowPassFilter_Init(&filter_y, 0.3f, 0.0f); // 在控制循环中 Sensor_Data_t raw_pos; Sensor_Read(&raw_pos); float filtered_x = LowPassFilter_Update(&filter_x, raw_pos.x); float filtered_y = LowPassFilter_Update(&filter_y, raw_pos.y); // 使用 filtered_x, filtered_y 进行后续误差计算

5. 从零到一：第一个平衡实验

假设硬件已连接好（红外阵列通过I2C/SPI与STM32通信，舵机连接至定时器PWM输出通道），让我们完成第一个平衡实验。

5.1 步骤一：读取并校准传感器

首先，确保你能正确读取小球的原始坐标。

// sensor_ir_array.c (示例，具体函数需根据实际传感器型号编写) #include “sensor_ir_array.h” #include “i2c.h” // 假设使用I2C uint8_t ir_buffer[16]; // 假设传感器返回16字节数据 void Sensor_Init(void) { // 初始化I2C等 MX_I2C1_Init(); // 向传感器发送初始化命令（参考传感器手册） uint8_t init_cmd = 0x01; HAL_I2C_Master_Transmit(&hi2c1, SENSOR_ADDR, &init_cmd, 1, 100); } void Sensor_Read(Sensor_Data_t* data) { // 从传感器读取原始数据 HAL_I2C_Master_Receive(&hi2c1, SENSOR_ADDR, ir_buffer, 16, 100); // 解析数据，计算小球质心坐标 (示例算法) uint32_t sum_x = 0, sum_y = 0, count = 0; for (int i = 0; i < 8; i++) { // 假设8x8阵列 for (int j = 0; j < 8; j++) { if (ir_buffer[i] & (1 << j)) { // 假设某位为1表示被遮挡 sum_x += j; sum_y += i; count++; } } } if (count > 0) { // 将像素坐标转换为物理坐标（单位：mm） // 需要根据平板实际尺寸和传感器分辨率进行校准 >// motor_servo.c #include “motor_servo.h” #include “tim.h” // 使用定时器产生PWM // 舵机角度到PWM占空比的映射 // 假设舵机控制周期为20ms，0.5ms脉宽对应0度，2.5ms脉宽对应180度 // 对应PWM占空比: 0度 = 0.5/20 = 2.5%, 180度 = 2.5/20 = 12.5% #define PWM_PERIOD 20000 // 定时器ARR值，对应20ms周期 #define PWM_MIN 500 // 0度对应的CCR值 (0.5ms) #define PWM_MAX 2500 // 180度对应的CCR值 (2.5ms) void Motor_Init(void) { // 初始化定时器和PWM通道（使用CubeMX配置更方便） MX_TIM2_Init(); // 假设TIM2_CH1, CH2分别控制X,Y舵机 HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_1); HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_2); } void Motor_SetAngle(TIM_HandleTypeDef* htim, uint32_t Channel, float angle) { // 将角度限制在合理范围，例如 -45° 到 45°（平板倾斜范围） if (angle > 45.0f) angle = 45.0f; if (angle < -45.0f) angle = -45.0f; // 将角度映射到PWM脉宽 // 假设舵机机械中位对应0度，PWM中值对应1500us (1.5ms) float pulse_width_us = 1500.0f + angle * (1000.0f / 90.0f); // 每度约11.11us uint32_t ccr_value = (uint32_t)(pulse_width_us * (PWM_PERIOD / 20000.0f)); // 设置捕获比较寄存器 __HAL_TIM_SET_COMPARE(htim, Channel, ccr_value); }

5.3 步骤三：闭环调试 - “先P后I再D”

这是最关键的一步。在平板上放置小球，开始调试PID参数。

1. 仅用P（比例）控制：

   • 将ki和kd设为0。
   • 逐渐增大kp。你会看到小球开始向中心移动。
   • 现象：kp太小，小球移动缓慢，无法到达中心。kp适中，小球能快速趋向中心，但会在中心附近来回振荡（过冲）。
   • 目标：找到使小球能快速响应但又刚好不持续振荡的kp值。此时系统是有静差的，即小球停在一个离中心很近但不精确的位置。

2. 加入I（积分）控制：

   • 保持kp为刚才的值，逐渐加入一个很小的ki。
   • 作用：积分项会累积位置误差，从而消除P控制无法消除的静差。
   • 注意：ki太大会引起低频振荡或系统发散。务必使用前面代码中的积分限幅。

3. 加入D（微分）控制：

   • 最后加入kd。
   • 作用：微分项预测误差变化趋势，抑制振荡，增加系统阻尼，让小球更平稳地停在中心。
   • 警告：微分项对噪声极其敏感。如果传感器数据噪声大，微分项会导致舵机高频抖动。务必确保数据经过滤波，或者使用“微分先行”等变种。

调试技巧：将小球位置(x,y)、误差(ex,ey)和控制器输出(out_x, out_y)通过串口实时发送到电脑，使用SerialPlot、Matlab或Python的matplotlib绘制曲线。观察波形是调试PID最有效的方法。

6. 运行效果验证与性能评估

当PID参数调好后，你的系统应该能实现以下效果：

1. 静态平衡：将小球手动放置在平板任意位置，松开后，系统能在2-3秒内将小球平稳地驱动到中心点并保持稳定。轻微敲击平板边缘，小球偏离后能自动回归中心。
2. 动态跟踪（如果任务一要求）：通过程序设定一个缓慢移动的目标点（如正弦轨迹），小球能够跟随目标点运动，跟踪误差保持在可接受范围内。

如何定量评估？

• 调节时间：从扰动开始到小球回归并稳定在中心点±2mm范围内所需的时间。应小于3秒。
• 超调量：小球第一次到达中心时，越过中心的最大距离与最终稳定位置的距离之比。应小于20%（对于平衡任务，越小越好）。
• 稳态误差：最终稳定位置与目标中心点的距离。应小于传感器分辨率的1-2倍。
• 抗扰能力：用小力敲击平板后，系统恢复平衡的能力。

7. 常见问题与排查思路

在调试过程中，你几乎一定会遇到下表所列的问题。不要慌，这是学习闭环控制必经的过程。

8. 进阶优化与工程实践建议

当基本功能实现后，这些优化能让你的系统更鲁棒、更专业：

1. 参数整定自动化：实现简单的“Ziegler-Nichols”临界比例度法或编写一个上位机调参工具，通过串口实时修改PID参数，大幅提升调试效率。
2. 设定值平滑：如果目标点突然跳变，直接控制会导致平板剧烈动作。可以对目标轨迹进行斜坡或S曲线平滑处理。
3. 输出速率限制：限制舵机角度变化的最大速度，避免机械冲击。
4. 状态监测与保护：增加软件看门狗；监测传感器数据是否异常（如长时间无数据）；当小球超出平板范围时，控制平板回到水平位置并报警。
5. 模式切换：通过按键实现“手动模式”（用摇杆控制平板）、“自动平衡模式”、“轨迹跟踪模式”的切换，方便演示和调试。
6. 数据记录与复盘：将关键运行数据存入Flash或SD卡，赛后可以详细分析控制过程。

给备赛同学的最后建议：

• 机械是基础：再好的算法也救不了松松垮垮的结构。确保平板平整、舵机安装牢固、运动顺滑。
• 电源要充足：舵机在堵转时电流很大，劣质电源或线材会导致电压跌落，单片机复位，系统崩溃。务必单独给舵机供电，并做好电源滤波。
• 调试分步骤：永远遵循“传感器->执行器->开环->闭环”的步骤。不要试图一次性调好所有东西。
• 理解胜过套用：PID每个参数的变化对系统的影响（P：响应速度；I：消除静差；D：抑制振荡），理解后你才能快速定位问题。

任务一“车载平衡滚球运动控制系统”是一个绝佳的嵌入式控制入门项目。它麻雀虽小，五脏俱全，涵盖了传感、决策、执行、调试的全流程。攻克它，你收获的不仅仅是一个能动的球，更是一套解决复杂工程问题的思维方法和实践能力。希望这篇长文能为你扫清障碍，祝你备赛顺利！