企业官网建设流程全解析

在实际嵌入式系统开发中，控制一个在二维平面内自由滚动的球体，使其能够快速、准确地追踪预设轨迹或到达指定位置，是一个经典的、综合性极强的工程实践问题。它不仅考验开发者对PID控制算法、传感器融合、电机驱动等核心技术的理解，更要求具备将理论模型转化为稳定可靠物理系统的能力。2017年全国大学生电子设计大赛的B题“滚球控制系统”正是这样一个项目，它要求参赛者设计并制作一套能够控制平板倾斜角度，从而引导滚球完成指定任务的装置。

本文将以一个资深嵌入式开发者的视角，从头构建一套“滚球控制系统”。我们将从系统的工作原理和数学模型入手，逐步完成硬件选型、电路搭建、软件框架设计、核心控制算法实现，最终让系统能够稳定运行。文章的重点不在于复现某个特定比赛方案，而在于揭示这类系统通用的设计思路、开发流程和调试方法。无论你是正在备赛的学生，还是希望深入理解运动控制与嵌入式系统结合的工程师，都能通过本文获得一套可复现、可排查、可优化的完整技术方案。

1. 系统原理与数学模型：理解“球”与“板”的动力学关系

在开始动手焊接电路或编写代码之前，必须透彻理解被控对象的物理本质。滚球控制系统的核心是一个“球-板”系统（Ball and Plate System），它是“球-杆”系统（Ball and Beam）的二维扩展。

1.1 核心工作原理

系统的基本构成是一块可以绕X轴和Y轴旋转的平板，以及一个在平板上自由滚动的球（通常是钢球）。通过两个正交安装的舵机或步进电机，控制平板的俯仰（Pitch）和横滚（Roll）角度。当平板倾斜时，重力在平板平面上的分力会驱动球向低处滚动。我们的目标就是通过实时调整这两个角度，抵消球的惯性运动，使其停留在目标位置或沿着目标轨迹运动。

关键点：控制输入是平板的两个倾角，被控输出是球在平板平面上的二维坐标(x, y)。这是一个典型的、具有强耦合性的多输入多输出（MIMO）系统。

1.2 建立简化数学模型

为了设计控制器，我们需要一个描述球位置(x, y)与平板倾角(θ_x, θ_y)之间关系的模型。这里给出一个常用的线性化简化模型，它基于以下假设：

1. 球在平板上纯滚动，无滑动。
2. 平板倾角θ较小（sinθ ≈ θ, cosθ ≈ 1）。
3. 忽略空气阻力和轴承摩擦等次要因素。

根据牛顿第二定律和刚体转动定律，可以推导出球在X方向运动的传递函数（Y方向同理，相互独立）：

X(s) / Θ_x(s) = g / (s^2)

其中：

• X(s)是球在X方向位置的拉普拉斯变换。
• Θ_x(s)是平板绕Y轴旋转角度（即影响X方向运动）的拉普拉斯变换。
• g是重力加速度（约9.8 m/s²）。
• s是拉普拉斯算子。

这个模型的工程意义：它告诉我们，球的位置对平板倾角的二阶导数是常数。从控制角度看，“球-板”系统本质上是两个双重积分器。这意味着：

• 开环系统是不稳定的。
• 需要引入反馈（测量球的位置）来稳定系统。
• 至少需要PD（比例-微分）控制器才能稳定系统；为了消除稳态误差，通常需要PID控制器。

1.3 系统框图与设计挑战

基于以上分析，我们可以画出系统的核心控制框图：

目标位置 (X_ref, Y_ref) +—[PID控制器]—> [电机驱动] —> [平板倾角(θ_x, θ_y)] ^ | | v 实际位置 (X, Y) <——[位置传感器]—— [球] <——[重力/动力学]——

设计挑战：

1. 传感器精度与延迟：如何快速、精确地测量球的实时位置(x, y)？
2. 执行器性能：电机/舵机的响应速度、扭矩和精度是否足以实现快速调整？
3. 耦合与非线性：X和Y方向的运动并非完全独立，大角度下模型非线性显著。
4. 抗干扰：如何应对球本身的滚动惯性、平板振动、外界扰动？

2. 硬件系统设计与选型：搭建可靠的物理基础

硬件是算法的载体，一个设计不当的硬件平台会让再优秀的算法也无用武之地。我们将系统硬件分解为以下几个模块进行选型和设计。

2.1 核心控制器选型

控制器负责运行控制算法、处理传感器数据、产生电机控制信号。常见选择有：

• STM32系列（如F103、F407、H743）：资源丰富，生态完善，是电赛主流选择。F4及以上系列带FPU，适合浮点运算密集的控制算法。
• ESP32系列：集成Wi-Fi/蓝牙，适合需要无线调试或上下位机通信的场景，但其实时性稍弱于纯MCU。
• 树莓派 Pico：双核ARM Cortex-M0+，性价比高，但外设和生态相对较新。

推荐方案：对于学习和大多数比赛场景，STM32F407ZGT6是平衡性能与易用性的首选。它拥有168MHz主频、带FPU、足够的定时器和通信接口。

2.2 位置检测模块选型与电路

这是系统的“眼睛”，至关重要。主流方案有：

推荐入门方案：电阻触摸屏。我们先使用它快速搭建系统，验证控制算法。后续可以升级为摄像头方案。

• 型号：4线电阻式触摸屏（如XPT2046控制器）。
• 连接：通常通过SPI接口与MCU通信。
• 电路注意：触摸屏需要稳定的模拟参考电压，布线时注意避免数字噪声干扰。

2.3 执行机构选型与驱动

这是系统的“手脚”，负责改变平板姿态。

推荐入门方案：数字舵机。如MG996R（扭矩约15kg·cm）。使用两个舵机，通过十字轴或万向节连接，分别控制平板X和Y方向的倾斜。

驱动电路：舵机直接由MCU的定时器产生PWM信号驱动。需注意：

• 舵机工作电流较大（峰值可达1-2A），必须单独供电，不能从MCU的3.3V或5V引脚取电。
• MCU的PWM信号线（控制线）与舵机电源地线需共地。
• 在电源入口处并联一个大电容（如470uF~1000uF）以缓冲电机启停造成的电压波动。

2.4 系统供电设计

混乱的供电是系统不稳定的主要元凶。必须分开供电：

1. MCU及传感器供电：使用稳定的5V或3.3V LDO线性稳压芯片（如AMS1117-3.3），从总电源降压得到。为模拟部分（触摸屏）提供干净的电源。
2. 舵机供电：直接使用大容量锂电池或稳压电源（如6V~7.4V），通过大电流开关（如MOS管）控制通断。务必与MCU电源共地。
3. 总开关与保险：电源入口处设置总开关和可恢复保险丝。

2.5 机械结构设计要点

• 平板：需要轻质且平整。亚克力板是常用材料。
• 支撑与转动中心：平板中心需要有一个“万向节”结构（如十字轴），使其能绕中心点灵活倾斜，避免平移。
• 舵机安装：舵机臂通过连杆与平板边缘连接。连杆长度和安装点决定了倾角范围和控制分辨率。需要进行运动学正反解计算。
• 减震与润滑：在转动关节处使用轴承，并适当润滑，减少摩擦和回差。

3. 软件架构与核心模块实现

硬件连接好后，软件是让系统“活”起来的关键。我们采用模块化设计，便于调试和维护。

3.1 开发环境与工程初始化

• IDE：使用 STM32CubeIDE 或 Keil MDK。
• 初始化：利用STM32CubeMX生成初始化代码，配置以下关键外设：
  • 时钟树：配置到最高频率（如168MHz）。
  • GPIO：用于LED、按键等。
  • 定时器：
    • TIMx 用于产生两路PWM信号驱动舵机（周期20ms，脉宽0.5ms~2.5ms）。
    • 另一个TIMx 用于配置系统定时中断，作为控制周期（如10ms）。
  • ADC：如果使用模拟量输出的传感器。
  • SPI：用于连接触摸屏控制器XPT2046。
  • UART：用于调试信息输出（连接USB转TTL模块到电脑）。

3.2 模块一：触摸屏数据采集与滤波

触摸屏读取的原始数据通常带有噪声，必须经过滤波。

// touch.h typedef struct { float x; // 归一化后的X坐标 (0.0 ~ 1.0) float y; // 归一化后的Y坐标 (0.0 ~ 1.0) uint8_t pressed; // 是否被按下（有球） } BallPosition_t; void TOUCH_Init(void); BallPosition_t TOUCH_GetFilteredPosition(void);

// touch.c #include "touch.h" #include "xpt2046.h" // 假设有底层驱动 #include <math.h> #define SAMPLE_NUM 5 #define FILTER_ALPHA 0.3f // 一阶低通滤波系数 static BallPosition_t last_position = {0.5f, 0.5f, 0}; BallPosition_t TOUCH_GetFilteredPosition(void) { uint32_t raw_x_sum = 0, raw_y_sum = 0; uint8_t valid_count = 0; BallPosition_t current; // 1. 多次采样取平均，消除突发噪声 for(int i=0; i<SAMPLE_NUM; i++) { if(XPT2046_Read(&raw_x, &raw_y)) { // 底层读取函数 raw_x_sum += raw_x; raw_y_sum += raw_y; valid_count++; } HAL_Delay(1); } if(valid_count == 0) { current.pressed = 0; return last_position; // 返回上一次有效值 } uint16_t avg_raw_x = raw_x_sum / valid_count; uint16_t avg_raw_y = raw_y_sum / valid_count; // 2. 将原始AD值转换为归一化坐标 (需根据实际校准) // 假设校准后，X方向 AD值范围是 [x_min, x_max] -> [0.0, 1.0] const uint16_t x_min = 200, x_max = 3800; const uint16_t y_min = 300, y_max = 3900; current.x = (float)(avg_raw_x - x_min) / (x_max - x_min); current.y = (float)(avg_raw_y - y_min) / (y_max - y_min); current.x = fmaxf(0.0f, fminf(1.0f, current.x)); // 限幅 current.y = fmaxf(0.0f, fminf(1.0f, current.y)); // 3. 一阶低通滤波，平滑数据 current.x = FILTER_ALPHA * current.x + (1 - FILTER_ALPHA) * last_position.x; current.y = FILTER_ALPHA * current.y + (1 - FILTER_ALPHA) * last_position.y; current.pressed = 1; last_position = current; return current; }

3.3 模块二：PID控制器实现

PID是系统的“大脑”。我们实现一个位置式PID，并加入抗积分饱和和输出限幅。

// pid.h typedef struct { float kp, ki, kd; // PID参数 float integral; // 积分项 float prev_error; // 上一次误差 float integral_limit; // 积分限幅 float output_limit; // 输出限幅 float output; // 控制器输出 } PID_Controller_t; void PID_Init(PID_Controller_t *pid, float kp, float ki, float kd, float i_limit, float out_limit); float PID_Update(PID_Controller_t *pid, float setpoint, float measurement, float dt);

// pid.c #include "pid.h" void PID_Init(PID_Controller_t *pid, float kp, float ki, float kd, float i_limit, float out_limit) { pid->kp = kp; pid->ki = ki; pid->kd = kd; pid->integral = 0.0f; pid->prev_error = 0.0f; pid->integral_limit = i_limit; pid->output_limit = out_limit; pid->output = 0.0f; } float PID_Update(PID_Controller_t *pid, float setpoint, float measurement, float dt) { float error = setpoint - measurement; // 比例项 float p_out = pid->kp * error; // 积分项（带限幅和抗饱和） pid->integral += error * dt; // 积分限幅 if(pid->integral > pid->integral_limit) pid->integral = pid->integral_limit; else if(pid->integral < -pid->integral_limit) pid->integral = -pid->integral_limit; float i_out = pid->ki * pid->integral; // 微分项（使用测量值微分，对设定值变化不敏感） float derivative = (measurement - pid->prev_measurement) / dt; // 假设传入上一次测量值 float d_out = pid->kd * derivative; pid->prev_measurement = measurement; // 计算总输出 pid->output = p_out + i_out - d_out; // 注意：微分项通常取负，抑制变化 // 输出限幅 if(pid->output > pid->output_limit) pid->output = pid->output_limit; else if(pid->output < -pid->output_limit) pid->output = -pid->output_limit; return pid->output; }

关键解释：

• dt是控制周期，必须准确。我们在定时器中断中调用PID，dt就是中断周期。
• 微分项作用于measurement而非error，可以避免设定值突变引起的微分冲击。
• 积分限幅是防止“积分饱和”的关键，当输出长期处于限幅状态时，积分器会停止累积，避免系统恢复时产生超调。

3.4 模块三：舵机控制与平板运动学

将PID输出的控制量（角度或位置修正量）转换为舵机的PWM脉宽。

// servo.h void SERVO_SetPulseWidth(uint8_t servo_id, float pulse_ms); // pulse_ms: 0.5 ~ 2.5 // plate_kinematics.h typedef struct { float angle_x; // 平板目标X倾角（弧度） float angle_y; // 平板目标Y倾角（弧度） } PlateAngle_t; PlateAngle_t CalculatePlateAngle(float control_x, float control_y);

// plate_kinematics.c #include "plate_kinematics.h" #include "servo.h" #include "math.h" // 假设机械结构：舵机中立位时平板水平，舵机臂长L1，连杆长L2，连接点距平板中心距离D // 这是一个简化的几何模型，实际需要根据你的机械结构推导 PlateAngle_t CalculatePlateAngle(float control_x, float control_y) { PlateAngle_t angle; const float scale_factor = 0.05f; // 控制量到角度的缩放系数，需实际调试 const float max_angle = 0.17f; // 最大倾角约10度，防止球滚落 // 计算目标倾角 angle.angle_x = control_y * scale_factor; // 注意：控制X方向位置，需要倾斜Y轴 angle.angle_y = -control_x * scale_factor; // 控制Y方向位置，需要倾斜X轴 // 限幅 angle.angle_x = fmaxf(-max_angle, fminf(max_angle, angle.angle_x)); angle.angle_y = fmaxf(-max_angle, fminf(max_angle, angle.angle_y)); return angle; } // 将倾角转换为舵机PWM（需要根据舵机安装方式校准） void ApplyPlateAngle(PlateAngle_t angle) { // 假设舵机中立位对应1.5ms，角度变化率是0.5ms/rad float pulse_x = 1.5f + angle.angle_y * 0.5f; // angle_y 控制X方向舵机 float pulse_y = 1.5f + angle.angle_x * 0.5f; // angle_x 控制Y方向舵机 SERVO_SetPulseWidth(SERVO_X_ID, pulse_x); SERVO_SetPulseWidth(SERVO_Y_ID, pulse_y); }

3.5 模块四：主控制循环与任务调度

在定时器中断（如10ms一次）中执行核心控制逻辑，避免在main函数的while(1)中无节制循环。

// main.c 或 control_task.c #include "touch.h" #include "pid.h" #include "plate_kinematics.h" PID_Controller_t pid_x, pid_y; float target_x = 0.5f, target_y = 0.5f; // 目标位置：平板中心 void ControlLoop_Init(void) { // 初始化PID参数，需要大量调试！ // Kp: 基本响应速度， Ki: 消除静差， Kd: 抑制振荡 PID_Init(&pid_x, 1.2f, 0.05f, 0.8f, 10.0f, 1.0f); // 输出限幅±1.0 PID_Init(&pid_y, 1.2f, 0.05f, 0.8f, 10.0f, 1.0f); } // 此函数在10ms定时器中断中调用 void ControlLoop_Update(void) { BallPosition_t ball = TOUCH_GetFilteredPosition(); if(!ball.pressed) { // 球未检测到，可能已滚落，停止电机或回到安全位置 ApplyPlateAngle((PlateAngle_t){0, 0}); // 回水平位置 return; } // 1. PID计算控制量 float control_x = PID_Update(&pid_x, target_x, ball.x, 0.01f); // dt=0.01s (10ms) float control_y = PID_Update(&pid_y, target_y, ball.y, 0.01f); // 2. 通过运动学计算平板所需倾角 PlateAngle_t angle = CalculatePlateAngle(control_x, control_y); // 3. 驱动舵机 ApplyPlateAngle(angle); // 4. （可选）通过串口发送数据到上位机调试 // printf("[%.3f,%.3f] -> [%.3f,%.3f]\r\n", ball.x, ball.y, angle.angle_x, angle.angle_y); }

4. 系统调试、参数整定与性能优化

代码写完只是开始，调试才是真正的挑战。遵循“先静后动，先单后双，先P后I再D”的原则。

4.1 调试准备与安全检查

1. 硬件检查：确保所有连接牢固，电源电压正确，电机固定稳妥，平板运动顺畅无卡滞。
2. 开环测试：将PID输出置零，手动给平板倾角，观察球是否随重力自然滚动，验证传感器读数变化方向是否正确。
3. 通信调试：确保串口调试助手能正常接收数据，用于绘制曲线。

4.2 PID参数整定流程

这是最核心的调试环节。使用试凑法或临界比例度法。

步骤1：整定X轴（固定Y轴）

• 将Y轴PID输出设为0，或物理固定Y轴舵机。
• 设置目标位置在X轴中心（0.5）。
• 先调Kp：将Ki, Kd设为0。逐渐增大Kp，直到球在目标位置附近开始持续等幅振荡。记录此时的Kp为Ku，振荡周期为Tu。
• 应用齐格勒-尼科尔斯经验公式：
  • P控制器:Kp = 0.5 * Ku
  • PI控制器:Kp = 0.45 * Ku,Ki = 0.54 * Ku / Tu(需转换为每秒积分)
  • PID控制器:Kp = 0.6 * Ku,Ki = 1.2 * Ku / Tu,Kd = 0.075 * Ku * Tu
• 将计算值作为起点，微调。先加Kp提高响应速度，再加Kd抑制超调和振荡，最后加Ki消除静差。Ki要非常小心，加多了极易导致系统不稳定。

步骤2：整定Y轴（固定X轴）

• 用同样的方法整定Y轴参数。由于机械对称，参数可能接近，但未必完全相同。

步骤3：双轴联调

• 同时启用两个轴的PID。此时可能会出现耦合振荡。
• 适当降低两个轴的Kp和Ki，增加Kd。
• 可以尝试非对称参数，因为X/Y轴机械性能可能有细微差别。

4.3 利用串口绘图调试

在ControlLoop_Update函数中打印球的位置和目标位置，使用串口绘图工具（如SerialPlot、Vofa+）观察曲线。

// 打印格式：目标X,实际X,目标Y,实际Y printf("%.3f,%.3f,%.3f,%.3f\r\n", target_x, ball.x, target_y, ball.y);

观察曲线，判断问题：

• 响应慢：增大Kp。
• 静差大：适度增大Ki。
• 超调大、振荡：增大Kd，或减小Kp。
• 低频振荡：可能是积分饱和，检查积分限幅是否合理，或减小Ki。
• 高频抖动：可能是传感器噪声或机械振动，检查滤波参数，或减小Kp/Kd。

4.4 常见问题与排查清单

4.5 进阶优化策略

当基本PID能稳定后，可以考虑以下优化：

1. 变参数PID：根据误差大小切换参数。大误差时用大Kp快速接近，小误差时用小Kp和加入D项精细稳定。
2. 前馈控制：如果让球跟踪一个已知轨迹，可以根据轨迹的导数（速度）提前给出平板倾角。
3. 状态空间控制：建立更精确的“球-板”状态空间模型，使用LQR（线性二次型调节器）等现代控制方法，性能优于PID，但数学复杂。
4. 模糊PID：用模糊规则动态调整PID参数，适应非线性系统。
5. 摄像头反馈替代：升级为摄像头，实现更复杂的轨迹跟踪（如圆形、八字形）。

5. 从原型到可靠系统：工程化与扩展思考

让一个系统在实验室跑起来是一回事，让它稳定可靠是另一回事。

5.1 增加系统鲁棒性

• 启动自检与校准：系统上电后，自动驱动舵机回到机械零点，并读取此时触摸屏的AD值作为基准。
• 异常状态处理：
  • 球丢失检测：连续多次读取不到触摸信号，则缓慢回平并报警。
  • 输出限幅保护：防止计算出的倾角超过机械极限。
  • 软件看门狗：防止程序跑飞。
• 手动-自动切换：增加按键或遥控，可以在手动控制（调试模式）和自动控制间切换。

5.2 实现比赛典型任务

参考2017年赛题要求，可以扩展以下功能：

• 基本定位：已实现。
• 轨迹跟踪：将目标点(target_x, target_y)按照时间序列变化。例如画圆：target_x = 0.5 + 0.3*sin(2πt/T),target_y = 0.5 + 0.3*cos(2πt/T)。
• 路径规划与避障：在软件中设置虚拟障碍区，当球靠近时，修改目标点绕行。
• 上下坡：通过控制平板做周期性起伏运动模拟坡道，考验系统的动态调节能力。

5.3 扩展硬件与算法

• 无线通信：增加蓝牙或Wi-Fi模块，用手机APP或电脑上位机设置目标点、轨迹和PID参数，实时显示球位置和系统状态。
• 多球控制：使用更高分辨率的摄像头，同时识别并控制多个球（挑战极大）。
• 机器学习调参：记录调试数据，使用简单的强化学习算法自动寻找更优的PID参数。

构建滚球控制系统的过程，是一次完整的嵌入式控制系统开发实践。它清晰地串联了建模、选型、电路、编程、调试、优化各个环节。最大的收获往往不是最终让球稳定在了一点，而是在无数次振荡、发散、跑飞中，逐步理解每个参数、每行代码、每个硬件细节是如何影响整个物理系统的动态行为的。当你亲手调出一个响应迅速、稳定可靠的系统时，你对反馈、延迟、非线性、耦合这些控制理论概念的理解，将远比书本上深刻得多。下一步，可以尝试更换为摄像头传感器，挑战更复杂的轨迹跟踪；或者尝试用状态空间控制替代PID，比较两者的性能差异。这个平台就像一个微型的实验床，足以验证许多有趣的控制思想。