企业官网建设流程全解析

做移动机器人的人，大概率都绕不开两轮差速底盘。不管是入门用的平衡小车、实验室里的导航开发平台，还是工厂里的AGV（自动导引车），很多项目的底层都长这样：左右两个独立驱动的轮子，加一个万向轮或从动轮撑着。结构确实简单，但你真要把这辆车控得稳、走得准、能跑闭环，光靠“给俩轮子发PWM”可远远不够。这篇文章我就从运动学建模、控制器设计到STM32工程落地，把两轮差速机器人这套东西完整串一遍。

文章内容适合正在做毕设、参加智能车比赛、或者刚接触移动机器人准备自己攒一台底盘的朋友。我会尽量把“为什么这么做”讲透，而不只是给一堆公式和代码。数学上不会搞得太吓人，工程实现上的坑会多聊一些——这些东西都是我实际调试中踩过的，教科书里通常不写。

1. 运动学建模：先把“车怎么走”讲清楚

1.1 从几何约束说起，为什么要建模型

两轮差速底盘看起来简单，但它有个非常核心的几何约束：车体只能沿着当前朝向方向运动，不能像全向轮那样横着飘。也就是说，你控制的是车体在二维平面上的平移速度（前后方向）和旋转角速度，这两个量直接决定车的运动轨迹。

建模的目的，就是要把左右轮子的转速，映射成车体的速度，再把车体的速度映射回轮子的转速。前者叫正运动学，后者叫逆运动学。正运动学用来做状态估计——比如通过编码器读数算出车到底走了多远、转了多少度；逆运动学用来做运动控制——比如你告诉控制器“我要以0.5 m/s前进、同时以0.2 rad/s转弯”，控制器就知道该给两个轮子多少转速。

这里涉及一个非常重要的概念：瞬时旋转中心（ICR）。差速车转弯时，车体并不是绕某个固定的圆心转，而是绕一个随速度变化而移动的点转。理解这一点，你就明白为什么“给两个轮子不同的速度”会产生圆弧轨迹——因为两轮线速度不同，车体相当于在绕着两轮连线延长线上的某个点画弧。

1.2 正运动学模型推导：从轮速到车体速度

我们先把问题简化，假设车轮不打滑，车体是刚体。设轮距（两驱动轮中心之间的距离）为W，轮子半径为R，左轮线速度为v_L，右轮线速度为v_R。车体质心（其实就是两轮连线中点）的前向速度为v，旋转角速度为ω。

推导思路很直接：车体瞬时速度是左右轮速度的平均值，瞬时旋转角速度则是左右轮速度差除以轮距。用公式写出来就是：

• v = (v_L + v_R) / 2
• ω = (v_R - v_L) / W

这里有个细节需要特别提醒：如果坐标系规定车头方向为x轴正方向，逆时针旋转为正，那么右轮速度大于左轮时车体向左转（逆时针），ω为正。不同的教材可能坐标定义不同，符号会差一个负号，工程上以自己代码里的约定为准，但一定要统一。

有了线速度v_L和v_R，轮子转速n_L、n_R就和它直接关联：v_L = 2πR·n_L/60，注意单位换算，转速n常用的单位是转/分钟，但PID控制器里一般要统一成 rad/s 或者 m/s。

正运动学到这一步就完成了。它的作用体现在两个地方：一是你在做仿真时，给左右轮速，就能推算出车体的轨迹；二是在实际系统中，利用编码器测出左右轮实际转速，估算出车体的实际速度和角速度，再做闭环控制。

1.3 逆运动学模型：把目标速度拆给两个轮子

逆运动学是控制里更常用的方向。给定目标速度v_target和角速度ω_target，反推左右轮速：

• v_R = v_target + (ω_target × W) / 2
• v_L = v_target - (ω_target × W) / 2

注意如果目标角速度为正（逆时针），那么右轮应该比左轮快。这个公式非常直观：让车转得更急，就加大两轮速度差；让车直线前进，就把ω设成0。

从这两个公式出发，还能导出两个竞速场景下经常用到的概念：旋转半径和曲率。如果v_L = -v_R，车体原地旋转，旋转半径为0；如果v_L = v_R，车体直线运动，旋转半径无穷大。中间状态对应不同半径的圆弧。

运动学模型是整个控制系统的“翻译官”：把用户级的目标速度翻译成电机级的目标转速，再把电机级的实际转速翻译成用户级的状态反馈。它的准确性直接决定控制精度。

1.4 关于运动学模型的两个工程提醒

轮距W不是随便测一下两轮中心距离就完事的。

如果你用的是轮毂电机或者带减速箱的电机，轮子本身有一定宽度，实际的等效轮距可能会比几何中心距略大或略小，尤其是转弯半径较小时，误差会更明显。最可靠的做法是“用实验结果反推”：让车原地旋转一定圈数，对比编码器累计角度和实际角度，反向标定W的等效值。

车轮半径R同样存在“有效半径”问题。

胎压不同、地面软硬不同，实际滚动半径和几何半径可能差2%~5%。这在小半径转弯时可能不会暴露，但跑长距离直线导航时，里程计累计误差会让你怀疑人生。所以做导航类项目，里程计标定是必须做的第一步。

2. 控制策略设计：让模型真正动起来

2.1 从运动学到控制的闭环框架

有了运动学模型，下一步是控制。差速底盘的控制一般分两层：底层轮速环和上层运动环。底层轮速环的任务是“让左右轮精确达到目标转速”，属于电机级的高速控制，通常在单片机的定时中断里跑，控制周期1~10ms；上层运动环的任务是“让车体达到目标速度和角速度”，属于车体级的低速控制，控制周期可以放宽到10~50ms。

上层运动环的输出经过逆运动学分解，变成左右轮的目标转速，发给底层轮速环；底层轮速环通过PID调节电机PWM，使实际转速逼近目标值。编码器测得轮速后，再通过正运动学反馈给上层，形成完整的闭环。

这种分层架构的好处是职责清晰。如果直接在运动环里调PWM，电机响应差异、负载变化都会严重影响运动控制效果；而有了底层速度环之后，上层面对的是一个“近似线性”的执行器，控制难度大大降低。

2.2 轮速环PID：位置式还是增量式

STM32工程里最经典的底层轮速环就是PID。先分清楚两种形式的适用场景：

• 位置式PID：输出是PWM的绝对占空比。它需要累积误差项，容易积分饱和，但实现简单，适合不常改变目标值的场合。
• 增量式PID：输出是PWM占空比的增量。它天然自带积分截断效应，对执行器饱和有抑制作用，而且不会出现大的阶跃冲击，适合电机这种需要频繁调速的负载。

我实际做底盘控制时，轮速环更推荐用增量式。原因很实际：电机启停和负载突变时，位置式PID的积分项容易“灌满”，导致响应迟钝甚至超调；增量式每次只改变一个小值，动态响应更平滑，安全性也更好。

增量式PID的离散公式是：

Δu(k) = Kp·[e(k) - e(k-1)] + Ki·e(k) + Kd·[e(k) - 2e(k-1) + e(k-2)]

然后 u(k) = u(k-1) + Δu(k)。注意这里的e(k)是目标转速与实际转速的差值。

2.3 级联PID：什么时候需要上层速度环之外再套位置环

如果你只是做底盘运动控制，轮速环就够了。但如果你做的是“走直线走准”“原地转固定角度”这类任务，单靠轮速环还不够——你还需要一个位置环或角度环。

位置环的输入是期望位置（或期望角度），输出是目标速度，作为轮速环的给定值。这就形成了所谓的级联PID：外环（位置/角度环）→ 内环（速度环）→ PWM输出。级联的好处是每个环只处理自己带宽范围内的干扰，内环先把电机非线性吃掉，外环就能用比较温和的参数。

我之前做过一个自动归位的小车，要求它每次前进2米误差不超过2厘米。只用速度环的话，因为轮速存在稳态误差和启动延迟，停下来位置飘到5厘米以上；加上位置环之后，靠近目标时外环会降低速度命令，小车会“缓缓蹭过去”，最终精度能稳在1厘米左右。

级联PID整定有个基本顺序：先整内环再整外环。内环调到“响应快、无超调”之后，外环再逐步加P，发现震荡就退回去，加D抑制。切忌同时调两层参数，那只会让你分不清问题出在哪个环。

2.4 运动学控制的边界：什么情况会被模型“坑”

运动学模型成立的前提是“纯滚动无滑动”，但现实中这个前提经常被打破。地面太滑，轮子打滑，编码器读数会“骗人”；地面有凸起，轮子瞬间悬空，转速突变；负载变化大，电机响应变慢，PID参数不再适用。

这些问题不是靠调参能彻底解决的。工程上的常见做法是加入自适应控制或者至少做一个“异常检测”：比如当目标速度和实际速度误差持续超过阈值时，不再盲目加大PID输出，而是降低速度设定值或者报警。另外就是做加速度限制，不要让速度阶跃变化，用梯形加减速或S曲线加减速平滑速度命令，这样既能减少打滑，又能保护电机和机械结构。

3. 从模型到硬件：STM32工程落地全流程

3.1 硬件选型：电机、编码器、驱动板怎么配

以最常见的STM32F103C8T6（就是俗称的“蓝丸”）为例，做一台两轮差速小车，核心件就是直流减速电机加编码器。编码器推荐用霍尔式AB相增量编码器，常见的是每转几十线的霍尔编码器，经过减速箱输出轴后，实际分辨率能达到千级别的脉冲数，够用且抗干扰能力比光栅式好，价格也低。

电机驱动这边用TB6612或者DRV8833这类芯片就很稳，它们内部集成了H桥，逻辑输入兼容3.3V，直连STM32不需要电平转换。注意电机驱动芯片逻辑电源和电机电源要分开走线，共地但不要共用一根粗线，否则电机启动瞬间的压降会把单片机拉复位——这个问题我在调试无数次后才意识到是电源布线的锅。

轮速编码器的接线要特别注意。AB相脉冲输出是开漏结构的话，必须外部上拉；如果用推挽输出，可以直接接STM32的输入捕获引脚。读取频率上，霍尔编码器的脉冲频率一般不超过几千Hz，STM32的定时器捕获完全能应对。

3.2 编码器读取与速度计算：核心代码结构

编码器数据的正确读取是速度闭环的基础。在STM32上，推荐用定时器的编码器模式：把AB两相接到同一个定时器的两个通道上，配置为Encoder Mode，硬件自动完成鉴相和倍频，CPU只需要读取计数寄存器的累加值。比如TIM3的CH1和CH2分别接左轮编码器的A、B相，硬件会每产生一个有效沿就自动加减计数。

速度计算的做法是在固定周期（比如1ms或5ms）内读取计数差值，乘以一个换算系数得到线速度。我习惯用1ms定时中断里的高频任务来做编码器采样和PID运算，这样速度环的控制周期是1ms，响应足够快。

核心换算逻辑大致是：

转速(n) = 采样周期内的脉冲差值 / (编码器线数 × 减速比 × 采样秒数)

再把轮子线速度算出来：v = 2πR×n/60。这里每个量都要带单位算清楚，最笨但最可靠的方法是全部换成国际单位：米、秒、弧度。单位写进代码注释里，能省不少后面的排查时间。

3.3 PID控制器实现与参数整定记录

底层速度环的PID实现，我建议用结构体封装：

typedef struct { float Kp; float Ki; float Kd; float target; // 目标值 float feedback; // 实际反馈值 float error; float last_error; float prev_error; float integral; float derivative; float output; float output_limit; // 输出限幅 } PID_t;

每次进入1ms定时中断，执行流程是：读编码器差值→计算实际轮速→计算偏差→运行增量式PID→更新PWM占空比。两个轮子各跑一套独立的PID，不要共用变量。

参数整定我分享一下个人的“土办法”：先只加P，从小到大，直到轮子出现轻微震荡（听到电机“呜呜”声或者速度波形等幅震荡），记录此时的Kp，然后把Kp设为这个值的一半左右，再加I慢慢消除稳态误差，最后加一点D来抑制超调。实测下来这个方法比教科书里的“临界比例度法”更习惯，因为直流电机的非线性太强，理论计算出来的参数往往偏差不小。

底层的目标转速不要直接丢给PID，最好经过一个斜坡发生器做加减速限制。比如目标速度从0到1 m/s，设定加速度为1 m/s²，那么要1秒才能加到目标值。这样不仅启动平稳，而且对编码器噪声的放大也会小很多。

3.4 频率、中断优先级与实时性的取舍

STM32工程做底盘控制，实时性是最容易被低估的问题。我的建议是：编码器采样与PID运算放在1ms定时中断里，串口调试输出放在主循环里用非阻塞方式做，无线通信模块（比如ESP8266或者nRF24L01）的数据接收用串口中断+环形缓冲区。

有一个很实际的注意点：多个中断同时发生时，优先级一定要设计好。编码器采样/PID中断优先级要高于串口中断，否则某个时刻串口数据一多，PID周期被拉长，速度环带宽下降，小车会“一顿一顿”。我遇到过类似现象，排查了一天才意识到是USART1的接收中断抢占了TIM中断的CPU时间。

另外，PWM的更新频率也要匹配。电机驱动的PWM频率建议设置在10kHz~20kHz，这个区间既可以避开人耳可听噪声，又不会让MOS管开关损耗过大。PID输出直接把占空比写入CCR寄存器即可，不需要做额外的滤波。

4. 常见问题与排查技巧实录

4.1 车轮不转或只往一个方向转

这是新手最容易遇到的情况。先量电机驱动板的逻辑电源和电机电源是否正常，再检查PWM引脚有没有波形输出，最后看使能引脚（如STBY）是否拉高。TB6612这类芯片如果STBY不拉高，输出端永远是高阻态，电机自然不转。

如果两个轮子转向相反，先不要急着改程序——先判断是机械装配问题还是接线问题。最简单的办法是手动转动车轮，观察编码器计数方向是否一致。如果硬件上两轮编码器方向反了，软件里加个负号就能解决，但这属于“掩盖问题”的做法，时间久了容易坑自己。建议统一在机械装配时就保证左右轮编码器方向对称。

4.2 小车走不直：轮子一点点偏移就歪

直线走歪的核心原因有两个：一是左右轮速度闭环性能不一致（一个响应快一个响应慢），二是轮距或轮径标定不准。

先检查速度环。把目标速度给到左右轮相同值，用串口把实时轮速打印出来，对比两轮的速度曲线。如果稳态误差虽然为零但动态响应差异很大（一个超调多一个超调少），说明两套PID参数不一致，分别整定。另一种情况是电机本身空载转速不同，即使PID参数一样，输出相同的PWM占空比，两轮转速也会不同——这正是速度闭环存在的意义，它会自动修正这种差异。

如果速度曲线一致但直线还是歪，那大概率是左右轮直径不一致或者轮距标定有偏差。解决方案是做一个简单的比例补偿：让车跑一段已知距离和已知偏航角，算出修正系数，把这个系数乘到某一侧的轮速命令上。这叫“软标定”，工程上非常实用。

4.3 小车原地转圈时位置漂移

原地旋转要求左右轮速度大小相等、方向相反。如果旋转时车体中心位置发生明显偏移，说明左右轮速度幅值不一致（一个快一个慢）。这时可以用轮速环的实时数据排查：让车原地转几圈，打印两个轮的累加里程，如果差值越来越大，锁定是速度幅值不对称问题。

另外还有一个容易忽略的因素：地面摩擦不均。如果地面有油污或者轮胎磨损程度不同，即使左右轮电机转速一致，实际线速度也可能不同。这时候不是控制器能解决的，需要清理地面或更换轮胎。

4.4 悬空测试正常、落地就跑偏，该怎么定位

这种情况十有八九是编码器采集被噪声干扰了，或者是电机负载大导致电流突变，影响了电源稳定性。排查方法是：接上串口，把编码器原始计数差值打出来，观察数值跳动是否正常。正常的计数差值应该在某个范围内平滑变化，如果频繁出现大跳变或毛刺，优先怀疑编码器线缆的屏蔽和上拉电阻。

电源方面，建议给电机和单片机系统分别供电，实在不行至少要在电机电源端加大容量电解电容（几百微法到一千微法），并在电机引脚上并接陶瓷电容和磁珠，基本能消除大部分传导干扰。我之前有台小车总是悬空正常、落地就抽风，最后发现是电机电刷火花干扰了编码器信号，换用带屏蔽的编码器线后问题直接消失。

5. 一条完整调试路径：从零到闭环走通

5.1 分五步走，每一步验证完了再进行下一步

我整理一条自己惯用的调试路径，照着做可以少走弯路：

1. 开环测试：不用PID，直接给固定占空比PWM，确认左右轮转动方向和预期一致，确认编码器计数正常。
2. 速度环开环标定：手动给不同占空比，测量对应转速，做一个粗略的占空比-转速映射表，看一下电机的线性区在哪里。
3. 速度环闭环：接上PID，让给定目标速度后轮速快速且稳定地跟随，观察阶跃响应的超调和稳态误差。
4. 运动环开环测试：用串口发目标线速度和角速度，车体匀速直线前进、原地旋转，观察实际轨迹是否接近预期。
5. 运动环闭环：接上位置环或者角度环，跑“前进2米停止”“转90度”这类任务，验证级联控制效果。

每一步验证时都要保留数据。比如步骤2建立一个标定表，步骤3记录不同Kp下的阶跃响应数据，后面就算出问题也能回溯。很多人调试卡住是因为跳步太多，出了问题根本不知道是哪个环节的锅。

5.2 调试过程中的数据记录与波形观察技巧

底盘调试最怕“凭感觉”。有条件的话，用串口把实际轮速、目标轮速、PID输出这些变量以CSV格式发出来，然后用Python简单画一下曲线，问题往往一眼就能看出来。

如果没有上位机条件，可以用一个更土的办法：把PID输出发送到串口监视器，观察数值变化的模式。比如输出在最高值和最低值之间持续震荡，说明Kp过大或采样周期过长；输出缓慢增大到饱和但误差还是很大，说明电机堵转或者目标速度超过了物理极限。

我个人习惯在代码里加一个调试开关，可以通过串口命令实时切换“输出原始编码器值”还是“输出目标/反馈/PID输出”，这样不用反复修改代码编译烧录，调试体验会好很多。

5.3 从底盘控制到后续扩展：里程计与导航

底盘控制只是移动机器人的第一步。当你把两轮差速底盘的运动学和控制打磨稳定之后，前面还有很多扩展空间：

• 里程计推算（Odometry）：基于编码器数据和运动学模型，实时推算车体在世界坐标系中的位姿（x, y, θ）。这是SLAM和导航定位的前提。
• 路径跟踪：给定一条直线或圆弧路径，基于当前位姿偏差计算目标速度和角速度，这就是纯跟踪（Pure Pursuit）或Stanley控制要做的事。
• 与上位机通信：让底盘接收更高级别控制器的速度指令，同时回报当前实际速度与里程计数据。

以我自己做过的项目为例，底层底盘控制跑稳后，上层用ROS做SLAM和自主导航，整条链路就通了。底层的响应质量和里程计精度直接决定了上层导航的稳定性，一台“脚底下虚”的底盘，再强的导航算法也跑不出效果。

6. 部署时的实战经验与心得

6.1 轮胎打滑：所有控制算法的天敌

两轮差速车的控制上限，很多时候不是控制器决定的，而是物理条件决定的。轮子和地面之间的摩擦力是唯一的驱动力来源，一旦超出摩擦极限，再精确的PID也无能为力。

工程上的缓解手段有几个：一是控制加速度，不要让速度阶跃突变；二是选择合适的轮胎材质，橡胶轮比硬塑料轮的抓地力强很多；三是有条件的场合可以增加悬挂机构，避免过弯时内侧轮因载荷转移而打滑。做比赛和做产品侧重点不同，但“降低打滑概率”这个目标是共通的。

悬空测试和落地测试的差异也来源于此。悬空时轮子没有负载，电机的动态特性完全体现不出来；落地后地面摩擦、转动惯量都变了，PID参数必须重调。所以别偷懒，底盘调试一定要在地上跑。

6.2 标定是工程里最不值钱但最见效的工作

我见过很多团队花大量时间调PID，却不愿意花10分钟标定轮距和轮径。实际上，参数标定的收益往往是立竿见影的。

轮距标定方法很简单：让小车原地旋转N圈，读取编码器估算出旋转角度，与实际角度对比，修正轮距参数。一个晚上就能把旋转精度从“差10度”提高到“误差小于1度”。轮径标定类似：让小车直线跑一段已知距离，根据实际距离反推有效轮径。

这种标定不用做得很频繁，但如果换了轮子、调了胎压、或者换了地面摩擦环境，最好重新标一遍。我自己习惯了在代码里把轮距、轮径这两个参数设为编译期宏定义，每次标定完直接修改宏重新编译，简单粗暴。

6.3 控制周期与滤波器设计：一个常被忽视的维度

底层轮速环的控制周期，我推荐先设1ms。如果你的代码在主循环里跑PID，周期抖动会很严重，导致速度环带宽不稳定。用定时器中断固定1ms调用一次，基本能满足大多数直流减速电机的需求。如果你用的是无刷电机或者对响应要求特别高，可以考虑把周期缩到500us，甚至用FOC方案，那就是另一个层次的问题了。

编码器计数差分得到的速度信号有一个固有的问题：高频率下噪声被放大。PID里的微分项本身也放大噪声，两者叠加会导致PWM输出“哗啦哗啦”乱抖，电机发热严重。解决办法是加一阶低通滤波：speed_filtered = α×speed_raw + (1-α)×speed_filtered_last，α取0.2~0.4比较合适。滤波会增加相位延迟，所以α不要太小，否则速度环响应会变得迟钝。

6.4 另一条可行路径：用现成轮毂电机方案

如果你不想从电机、驱动、编码器这种分立器件开始做，也可以考虑带轮毂电机的现成差速底盘方案。这类底盘一般自带闭环控制，通过串口或CAN总线直接收速度命令，内部已经完成了速度环和部分运动学处理。优点是开发速度快，缺点是价格高、灵活性差，而且出了问题很难排查到电机底层。

对于以SLAM导航、视觉感知为主项目的团队，我其实更推荐这种方案，把精力集中在更上层的问题上。但如果你想深入理解移动机器人底层的运动学和控制系统，自己从零搭一台差速底盘绝对是不可替代的学习路径。

写在最后

两轮差速移动机器人的运动分析、建模和控制，是一个从理论到实践跨度很大的系统工程。运动学模型给了你理解底盘运动的数学框架，PID控制解决了执行层面的跟踪问题，而STM32工程落地则把所有逻辑变成真正能动起来的机器。

我个人最大的体会是：别被公式和术语吓住，两轮差速底盘的核心逻辑非常简单——左右轮速度相加是前进，相减是转向。把这句话吃透了，再去看运动学推导和控制架构，很多东西自然就通了。但也别轻视工程细节：标定、滤波、中断优先级、电源布线，这些“脏活累活”做得越扎实，后面的调试就越顺利。

这篇文章是按我自己的项目经验来写的，很多参数和结论都是基于常见的直流减速电机和STM32平台。如果你用的是无刷电机、麦克纳姆轮或者其他平台，部分内容需要做相应调整，但整体思路是共通的。希望这篇内容能帮你少踩几个坑，尽快地把底盘调稳、跑直。