先说结论这次浙江省轮腿机器人赛项我们队伍最终排在第四名成绩是省二等奖。看到结果那一刻确实不甘心因为前三名和我们的分差并不在硬件代差上更多差在准备细节和现场容错。这篇文章不写情绪复盘把我们从方案选型、机械设计、控制算法到现场调试踩过的坑完整写一遍给后面打轮腿赛项的队伍省点弯路。轮腿机器人这几年在工程类竞赛里出现频率越来越高。它的优势很明显比双足好控制比普通轮式平台更灵活既能跑速度类任务也能做姿态展示和越障动作评分点覆盖范围很大。但“能跑”和“稳定跑完全程”是两码事。我们这次就是栽在稳定性和现场应变上。下面直接进入正题按技术方案、控制实现、现场策略和赛后复盘四个大块展开。1. 核心能力速览先给一张总表方便你快速判断这套方案适不适合自己的比赛场景。能力项说明项目类型竞赛级轮腿平衡机器人运动形式双轮自平衡、差速转向、可扩展原地转向控制核心姿态内环 速度外环的串级 PID可替换为 LQR 或 MPC核心传感器IMU六轴/九轴、轮侧编码器可选扩展摄像头、TOF 测距模块、蓝牙/WiFi 上位机调试方式串口上位机、无线遥控器、在线参数整定竞赛成绩浙江省级二等奖 / 第四名按题干适用场景高校机器人竞赛、课程设计、控制算法验证平台主要难点机械重心控制、姿态解算噪声处理、现场抗扰动从材料来看这套方案的定位不是科研级平台而是以“稳定完赛 拿分”为目标的工程实践项目。它能支撑三到五个月备赛周期内完成从零搭建到上场适合本科阶段竞赛队伍。2. 为什么选轮腿而不是轮式或双足这是方案阶段最纠结的问题。我们对比过三种平台最终选了轮腿原因很直接。普通轮式平台例如麦克纳姆轮小车控制简单移动速度快调试时间短。但它在偏机械类的赛项里评分天花板低因为缺少“动态平衡”这类技术看点。双足机器人视觉冲击力强但稳定性要求高一旦重心控制没做好现场走两步就摔调试周期很长。轮腿正好卡在中间——既有轮式的高效率移动又有类似腿式机器人的姿态控制和越障潜力在答辩展示和任务完成度上都有优势。从比赛规则看轮腿结构可以参加速度竞赛类任务也能完成障碍跨越、坡道行走、原地旋转等技巧类动作。这意味着同一套机械平台能覆盖多个评分点不用为不同任务搭好几台车。不过轮腿对机械精度和装配质量的要求比普通轮式高很多。我们这次队伍里机械设计和控制调试由两组人负责前期没有充分对齐导致改了一次重心位置后整套控制参数需要重新调。这个坑后面细说。3. 系统架构与硬件方案3.1 整车机械结构轮腿机器人的核心结构就三块车架、轮组、重心配重。车架建议用碳纤维板或者轻量化铝合金板强度够就行不用太复杂。我们用的是 CNC 切出来的板件加铜柱堆叠方案优点是改起来快缺点是整机刚性一般高速运行时会有轻微共振。如果你准备参赛建议在第二轮迭代时把车架做成一体化设计减少螺丝连接点。轮组是另一个容易被低估的部分。竞赛地面可能有瓷砖、地毯、木板桥、减速带轮子必须耐磨且有一定弹性。纯硬质轮在瓷砖上容易打滑软质 PU 轮在高速急停时形变较大会让平衡控制器感知到额外的角度扰动。我们最后用的是中等硬度 PU 轮直径在 80mm 左右比较均衡。重心位置决定平衡控制的难易程度。理想情况是整车重心落在轮轴正上方附近略高于轮轴。重心太低车体响应迟钝重心太高平衡控制会变得很敏感稍微有一点 IMU 噪声就会抖动。我们第一次装配时把电池竖着固定在车架后部重心靠后结果车一启动就向后倒后来改成水平放置并尽量靠近轮轴才稳定下来。3.2 主控与驱动方案竞赛级轮腿机器人常见的控制方案是“STM32 主控 编码器电机 电机驱动模块 IMU”。我们队伍没有用树莓派做底层控制因为实时性不够现场干扰环境下容易卡顿。STM32F4 系列或者更高主频的 F7/H7 系列足够跑控制环。电机选择上建议使用带霍尔编码器的直流减速电机或者带 FOC 驱动的无刷电机。减速比不能太小否则扭矩不够车体稍微倾斜就拉不回来也不能太大否则极速受限。常见做法是 30:1 到 50:1 之间需要根据你的车重和轮径实际计算。这里给出一个经验公式思路电机峰值扭矩乘以减速比再除以轮子半径得到轮上推力至少要大于整车重力的三分之一到二分之一才能在姿态偏移较大时拉回车体。我们这次选的是 35:1 减速比、带 512 线编码器的电机在瓷砖地面上表现不错但在地毯上极速和加速度都有下降。IMU 安装位置很关键。尽量装到车体中间、靠近质心的位置用减震泡沫双面胶固定避免螺丝刚性连接引入高频振动噪声。IMU 的 X 轴对准前进方向Z 轴竖直向上装完之后要重新标定零偏别在代码里加固定修正值。3.3 供电与功耗电池我们用的是 3S 锂聚合物电池电压 11.1V通过 DC-DC 模块给主控和电机驱动分别供电。这里有个容易忽略的问题电机急加速时电流瞬间拉高会把电池电压拉低导致主控复位或者 IMU 读数波动。所以主控电源一定要和电机驱动电源隔离或者在主控入口加一个大电容。现场比赛通常会持续几个小时建议准备至少两块电池一块比赛用一块备用。电压下降对电机输出影响很大到后面电量低于 3.7V 每节的时候同样的 PID 参数会出现明显性能下降。可以在代码里做电压补偿或者直接采用电压归一化处理。4. 控制算法设计控制算法是轮腿机器人的核心。我们采用的是经典的串级 PID 结构内环是角速度环中环是角度环外环是速度环。这个结构实现简单、调参路径清晰适合竞赛场景。4.1 姿态解算控制的前提是拿到准确的当前角度。我们用的是六轴 IMU陀螺仪提供角速度加速度计提供重力方向参考。单独用陀螺仪积分会漂移单独用加速度计会受振动干扰所以必须做数据融合。最简单可靠的方法是互补滤波// 互补滤波姿态解算angle 单位为度 float complementary_filter(float gyro_rate, float acc_angle, float dt) { float alpha 0.98f; // 陀螺仪权重根据实际传感器噪声调整 fused_angle alpha * (fused_angle gyro_rate * dt) (1.0f - alpha) * acc_angle; return fused_angle; }如果主控性能足够也可以上 Mahony 或 Madgwick 四元数解算角度精度更高对旋转和高速运动的适应性更好。但竞赛场景下互补滤波够用关键是滤波系数不能拍脑袋定要通过静态和动态测试数据来确定。4.2 串级 PID 控制控制流程是目标速度经过速度环输出目标角度目标角度经过角度环输出目标角速度角速度环再输出 PWM 占空比给电机。这个结构的物理意义很明确——角度环负责“站直”角速度环负责“站得稳”速度环负责“往前走”。伪代码如下// 轮腿平衡控制主循环运行频率建议 500Hz 以上 float speed_output speed_pid(target_speed, current_speed, dt); float target_angle speed_output; // 角度目标来自速度环 float angle_output angle_pid(target_angle, current_angle, dt); float target_gyro angle_output; float gyro_output gyro_pid(target_gyro, current_gyro, dt); float pwm_output gyro_output; // 根据左右轮编码器速度差做转向控制 float turn_output turn_pid(target_turn_rate, current_turn_rate, dt); set_motor_left(pwm_output turn_output); set_motor_right(pwm_output - turn_output);调参顺序非常关键一定要从内往外调先调角速度环只加 P让车体能快速响应外部扰动。再加角度环 P让车体能够直立回正。最后加速度环 P 和 I让车体能前进和后退而不倒。转向环放到最后车体已经能稳定直立后再调。我们这次在现场因为时间紧跳过了速度环的完整整定直接用了一组训练时的参数结果在比赛场地上起步就出现低频振荡导致后续动作不敢加速直接影响了任务完成分。4.3 转向控制轮腿机器人的转向和普通轮式小车不太一样因为转向时左右轮速差会引入额外的侧倾扰动所以转向增益不能太大。我们用的是基于编码器速度差的闭环 PID外加一个目标转向角速度的遥控通道。转向调参注意一点要在地面材质变化后重新验证。我们在光滑瓷砖上调好的转向参数到了比赛用的粗纹理地胶上会变得迟钝因为轮子与地面的摩擦特性变了。5. 软件框架与调试工具5.1 主控程序结构我们的主控代码没有用 RTOS直接前台循环 定时器中断。控制环放在 1ms 定时器中断里保证固定频率LED 显示、遥控器读取、串口打印放在主循环里。结构大致如下// 定时器中断1ms 执行一次 void TIM_IRQHandler(void) { imu_read(); // 读取 IMU 原始数据 encoder_read(); // 读取编码器数据 attitude_solve(); // 姿态解算 balance_control(); // 串级 PID 控制 motor_output(); // 输出 PWM }没有用 RTOS 是考虑到竞赛项目代码规模不大中断优先级的确定性比任务调度更容易控制。但如果你的机器要同时跑视觉识别、路径规划、语音播报等任务建议还是上 RTOS或者加一块树莓派/ Jetson 做上层感知把底层控制独立出来。5.2 串口调试协议竞赛现场最痛苦的事就是“车倒了不知道是参数问题还是机械问题”。所以一定要把调试数据实时传到上位机看波形。最简单的方案是定义一套串口协议帧// 帧头 数据长度 数据 校验 void send_debug_frame(float target_angle, float current_angle, float target_speed, float current_speed) { uint8_t frame[32]; frame[0] 0xAA; frame[1] 0x55; frame[2] 16; memcpy(frame[3], target_angle, 4); memcpy(frame[7], current_angle, 4); memcpy(frame[11], target_speed, 4); memcpy(frame[15], current_speed, 4); // 校验和发送具体实现略 }上位机用串口助手或者简单的 Python PyQt 脚本都能做波形显示。现场调参时如果能看到“目标角度”和“实际角度”的曲线重叠情况判断 PID 参数是否合适会比盲调快很多。6. 赛前调试与现场策略6.1 赛前两周的调试重点赛前两周不要大改机械结构所有改动都应该是参数级别和策略级别的。我们这次最大的失误就是在赛前五天还换了轮子导致所有标定和参数全部作废现场花了大量时间重新调直立。赛前两周应该做这些事建立至少三组完整可用的参数档位分别对应低电量、高电量、不同地面材质。每天做至少 20 次完整任务流程模拟记录失败次数和失败点。把遥控器、充电器、备用电机、备用轮子、螺丝刀、热熔胶全部整理成独立工具箱。编写一页纸的“现场调试手册”写清楚常见现象对应的参数调整方向。6.2 现场时间规划竞赛现场的可用调试时间往往比想象中少得多。我们这次上午到达场地下午比赛中间只有两个小时的适应时间。这两个小时里我们花了一个半小时在调直立平衡剩下的时间只够跑一遍完整流程远不够做多组地面测试。如果再来一次我会把现场时间这样分配时间段任务前 30 分钟检查机械连接、电池电压、传感器安装、遥控器对频接下来 30 分钟用训练参数跑一遍完整流程先求“能完赛”再 30 分钟根据地面材质微调参数切换参数档位验证最后 30 分钟专门做稳定性和抗扰测试包括急停、原地转向、坡道“先求完赛再求高分”是竞赛现场的铁律。我们在训练中已经验证过高分路线但现场没有时间做完整参数适配结果选择了激进路线最终失误得分反而更低。6.3 低电量策略这个坑我们赛前没充分准备。电池从满电 4.2V 每节降到 3.8V 每节的时候电机输出能力明显下降同样的 PID 输出对应的实际力矩变小车体会变得“软”。如果比赛时间靠后一定要准备满电状态的电池同时代码里做电压补偿。最简单的电压补偿是缩放到标称电压float voltage_compensate(float pwm, float battery_voltage) { const float nominal_voltage 11.1f; float scale nominal_voltage / battery_voltage; return pwm * scale; }注意这个补偿不要过度否则低电量时 PWM 会超限反而让控制输出失真。更稳妥的方法是根据实际电压分档切换 PID 参数而不是线性缩放。7. 常见问题与排查方法竞赛调试过程中我们遇到了一堆问题这里整理成表格后面参赛的队伍可以直接对着查。问题现象可能原因排查方式解决方案启动后车体高频抖动PID 增益过高、IMU 安装松动、编码器噪声把 PID 增益降到最低逐步加大观察降低角度环 P或增加 IMU 滤波强度车体向前后快速跑飞电机极性接反、角度符号反了、速度环积分饱和用测试模式检查电机转向和传感器读数反接电机线或修正代码中的符号逻辑启动后直接倒向一边车体初始角度偏差过大、重心位置偏移把车体放平后观察 IMU 角度读数校准零点重新调整电池配重位置速度环响应过慢速度环 P 太小积分过慢观察目标速度和实际速度曲线先加 P 再加 I避免积分饱和转弯时车身侧倾严重转向增益过大、轮距过窄降低转向 PID检查轮距是否过窄限制最大转向角速度或加宽轮距地面材质变化后性能下降摩擦系数变化导致轮子打滑更换轮子材质或胎压切换参数档位保留多组地面参数电量下降后车体变软电压补偿策略缺失观察电池电压和控制输出增加电压补偿或分级切换 PID遥控器断联干扰、天线位置不对检查接收机天线方向更换频率或者改用有线通信调试现场突发断电崩溃线束松动、电池接触不良检查XT60插头和焊点所有连接点打热熔胶固定姿态数据跳动IMU 安装在振动源附近通过上位机查看姿态波形重新安装减震增大滤波器平滑度8. 这次止步省二的失误复盘这部分是我们最想和后来者分享的因为技术方案没有大问题但工程化准备和现场决策确实有差距。8.1 失误一机械改动拖累控制调试赛前五天更换了轮子表面上看只是轮径变小了一点实际上导致整车重心高度和轮轴与地面的关系都变了之前标定的 IMU 安装位置和 PID 参数全部失效。我们在现场浪费了大量时间重新做直立调试留给任务流程验证的时间被压缩到几乎没有。如果赛前要换轮子至少要在比赛一周前完成并且换完之后要完整跑一遍全套任务流程而不是只测直立。8.2 失误二参数切换机制没有做完善我们训练时在不同地面、不同电量下积累了很多参数但没有做成快速切换的档位。现场都是靠电脑重刷参数每次改参数至少要两分钟而且改完还要重启确认。这导致现场“试一组参数—跑一次—再改一组”的迭代速度非常慢。正确做法是在主控里预置至少三组参数通过遥控器通道随时切换// 遥控器通道 6 切换参数档位 if (rc_channel6 1500) { use_parameter_set(2); // 高抓地力地面 } else if (rc_channel6 1000) { use_parameter_set(1); // 低抓地力地面 } else { use_parameter_set(0); // 默认 }这样现场适应不同地面只需要按一下遥控器而不是打开电脑刷固件。8.3 失误三策略选择过于激进我们训练时的最高分路线包含一个快速坡道冲刺加急停动作。这个动作在训练场地成功率大约 80%我们觉得够高就选了这条路线。但训练场地和比赛场地的地面摩擦系数、光照、观众围观造成的心理压力都不一样实际成功率可能只有一半。比赛时急停点没掐准车体越过了坡道缓冲线被判罚扣分后续节奏全乱。更稳妥的策略是先跑一条 100% 能完成的路线保住基础分再根据剩余时间决定要不要挑战加分动作。8.4 失误四数据记录和复盘不足我们平时训练时很少完整记录每次运行的调试数据。出了问题只能靠肉眼观察车体姿态很难判断是速度环的积分饱和还是角度环响应不够。如果赛前两周就开始给每次运行做日志记录包括电机 PWM、目标角度、实际角度、电池电压决赛前的调参会高效得多。现场比赛最大的感受是技术能力只是入场券工程化能力决定你能走多远。9. 从省二到省一下一步技术升级路线9.1 控制算法升级串级 PID 优点是调参直观缺点是参数多、适应能力有限。如果想冲击省一建议升级到 LQR 或 MPC。LQR 把系统状态统一建模通过调整权重矩阵 Q 和 R 来平衡“站得直”和“耗能少”调参维度比串级 PID 更少控制效果更平滑。MPC 则能显式处理约束比如电机最大输出、车身最大倾角适合做含障碍和坡道的复杂任务。不过升级算法前一定要把传感器噪声和机械间隙处理好否则再强的算法也会被物理系统的非线性吃掉。9.2 感知系统扩展如果赛项包含路径规划或目标识别可以考虑加视觉模块。轮腿机器人的上层感知可以参考这样的架构# 上层感知示例使用摄像头进行赛道识别 import cv2 def detect_track(frame): hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) lower (0, 0, 0) upper (180, 255, 80) mask cv2.inRange(hsv, lower, upper) contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) return contours视觉模块的输出可以直接通过串口或 ROS 话题传给底层控制板将视觉识别到的路径角度转换为目标转向角速度。9.3 仿真环境建设我们这次完全没有做仿真大量时间花在实体调试上。如果你的赛项允许使用仿真验证算法建议配置 Webots 或基于 MuJoCo 的仿真环境。仿真可以先验证控制逻辑是否正确再迁移到实物上。仿真环境搭建注意仿真环境的物理参数轮子摩擦、电机扭矩、重心位置必须和实物尽量接近否则仿真调好的参数在实物上不适用。仿真主要用于验证算法逻辑和安全性最后的参数整定还是要靠实物测试。可以先用仿真跑通一套 LQR 或 MPC再迁移到实物微调能节省大量迭代时间。9.4 团队工程化管理第四名的成绩说明我们的机械、电控、控制算法三块单独看都不差但组合起来就暴露了协作问题。下一届队伍建议做三件事用 Git 管理代码和配置文件机械图纸、参数文件、固件版本全部打标签。每周做一次完整的联合调试机械组、电控组、算法组必须同时在场不允许各调各的。建立“故障日志表”每次出现跑飞、抖动、断电都要记录原因和解决方案避免同一问题反复踩坑。10. 总结与建议如果你们准备组队打轮腿机器人赛项我最想提醒的是把目标定成“稳定完赛”而不是“冲击高分”。稳定完赛基础上的高分才有意义激进策略带来的高风险大概率会在现场反噬。正式比赛前的最后一周机械结构必须冻结所有改动只允许在参数层面完成。一组完整的 PID 参数切档机制、一份一页纸的现场调试手册、一套备份电池和轮子比任何花哨的算法都更值钱。省二的成绩说明这条路走得通但离省一只差“工程化”这一步。先从调好一组参数开始再谈技术升级下次赛场见。 轮腿机器人竞赛实战：从方案选型到现场调试的完整复盘
先说结论这次浙江省轮腿机器人赛项我们队伍最终排在第四名成绩是省二等奖。看到结果那一刻确实不甘心因为前三名和我们的分差并不在硬件代差上更多差在准备细节和现场容错。这篇文章不写情绪复盘把我们从方案选型、机械设计、控制算法到现场调试踩过的坑完整写一遍给后面打轮腿赛项的队伍省点弯路。轮腿机器人这几年在工程类竞赛里出现频率越来越高。它的优势很明显比双足好控制比普通轮式平台更灵活既能跑速度类任务也能做姿态展示和越障动作评分点覆盖范围很大。但“能跑”和“稳定跑完全程”是两码事。我们这次就是栽在稳定性和现场应变上。下面直接进入正题按技术方案、控制实现、现场策略和赛后复盘四个大块展开。1. 核心能力速览先给一张总表方便你快速判断这套方案适不适合自己的比赛场景。能力项说明项目类型竞赛级轮腿平衡机器人运动形式双轮自平衡、差速转向、可扩展原地转向控制核心姿态内环 速度外环的串级 PID可替换为 LQR 或 MPC核心传感器IMU六轴/九轴、轮侧编码器可选扩展摄像头、TOF 测距模块、蓝牙/WiFi 上位机调试方式串口上位机、无线遥控器、在线参数整定竞赛成绩浙江省级二等奖 / 第四名按题干适用场景高校机器人竞赛、课程设计、控制算法验证平台主要难点机械重心控制、姿态解算噪声处理、现场抗扰动从材料来看这套方案的定位不是科研级平台而是以“稳定完赛 拿分”为目标的工程实践项目。它能支撑三到五个月备赛周期内完成从零搭建到上场适合本科阶段竞赛队伍。2. 为什么选轮腿而不是轮式或双足这是方案阶段最纠结的问题。我们对比过三种平台最终选了轮腿原因很直接。普通轮式平台例如麦克纳姆轮小车控制简单移动速度快调试时间短。但它在偏机械类的赛项里评分天花板低因为缺少“动态平衡”这类技术看点。双足机器人视觉冲击力强但稳定性要求高一旦重心控制没做好现场走两步就摔调试周期很长。轮腿正好卡在中间——既有轮式的高效率移动又有类似腿式机器人的姿态控制和越障潜力在答辩展示和任务完成度上都有优势。从比赛规则看轮腿结构可以参加速度竞赛类任务也能完成障碍跨越、坡道行走、原地旋转等技巧类动作。这意味着同一套机械平台能覆盖多个评分点不用为不同任务搭好几台车。不过轮腿对机械精度和装配质量的要求比普通轮式高很多。我们这次队伍里机械设计和控制调试由两组人负责前期没有充分对齐导致改了一次重心位置后整套控制参数需要重新调。这个坑后面细说。3. 系统架构与硬件方案3.1 整车机械结构轮腿机器人的核心结构就三块车架、轮组、重心配重。车架建议用碳纤维板或者轻量化铝合金板强度够就行不用太复杂。我们用的是 CNC 切出来的板件加铜柱堆叠方案优点是改起来快缺点是整机刚性一般高速运行时会有轻微共振。如果你准备参赛建议在第二轮迭代时把车架做成一体化设计减少螺丝连接点。轮组是另一个容易被低估的部分。竞赛地面可能有瓷砖、地毯、木板桥、减速带轮子必须耐磨且有一定弹性。纯硬质轮在瓷砖上容易打滑软质 PU 轮在高速急停时形变较大会让平衡控制器感知到额外的角度扰动。我们最后用的是中等硬度 PU 轮直径在 80mm 左右比较均衡。重心位置决定平衡控制的难易程度。理想情况是整车重心落在轮轴正上方附近略高于轮轴。重心太低车体响应迟钝重心太高平衡控制会变得很敏感稍微有一点 IMU 噪声就会抖动。我们第一次装配时把电池竖着固定在车架后部重心靠后结果车一启动就向后倒后来改成水平放置并尽量靠近轮轴才稳定下来。3.2 主控与驱动方案竞赛级轮腿机器人常见的控制方案是“STM32 主控 编码器电机 电机驱动模块 IMU”。我们队伍没有用树莓派做底层控制因为实时性不够现场干扰环境下容易卡顿。STM32F4 系列或者更高主频的 F7/H7 系列足够跑控制环。电机选择上建议使用带霍尔编码器的直流减速电机或者带 FOC 驱动的无刷电机。减速比不能太小否则扭矩不够车体稍微倾斜就拉不回来也不能太大否则极速受限。常见做法是 30:1 到 50:1 之间需要根据你的车重和轮径实际计算。这里给出一个经验公式思路电机峰值扭矩乘以减速比再除以轮子半径得到轮上推力至少要大于整车重力的三分之一到二分之一才能在姿态偏移较大时拉回车体。我们这次选的是 35:1 减速比、带 512 线编码器的电机在瓷砖地面上表现不错但在地毯上极速和加速度都有下降。IMU 安装位置很关键。尽量装到车体中间、靠近质心的位置用减震泡沫双面胶固定避免螺丝刚性连接引入高频振动噪声。IMU 的 X 轴对准前进方向Z 轴竖直向上装完之后要重新标定零偏别在代码里加固定修正值。3.3 供电与功耗电池我们用的是 3S 锂聚合物电池电压 11.1V通过 DC-DC 模块给主控和电机驱动分别供电。这里有个容易忽略的问题电机急加速时电流瞬间拉高会把电池电压拉低导致主控复位或者 IMU 读数波动。所以主控电源一定要和电机驱动电源隔离或者在主控入口加一个大电容。现场比赛通常会持续几个小时建议准备至少两块电池一块比赛用一块备用。电压下降对电机输出影响很大到后面电量低于 3.7V 每节的时候同样的 PID 参数会出现明显性能下降。可以在代码里做电压补偿或者直接采用电压归一化处理。4. 控制算法设计控制算法是轮腿机器人的核心。我们采用的是经典的串级 PID 结构内环是角速度环中环是角度环外环是速度环。这个结构实现简单、调参路径清晰适合竞赛场景。4.1 姿态解算控制的前提是拿到准确的当前角度。我们用的是六轴 IMU陀螺仪提供角速度加速度计提供重力方向参考。单独用陀螺仪积分会漂移单独用加速度计会受振动干扰所以必须做数据融合。最简单可靠的方法是互补滤波// 互补滤波姿态解算angle 单位为度 float complementary_filter(float gyro_rate, float acc_angle, float dt) { float alpha 0.98f; // 陀螺仪权重根据实际传感器噪声调整 fused_angle alpha * (fused_angle gyro_rate * dt) (1.0f - alpha) * acc_angle; return fused_angle; }如果主控性能足够也可以上 Mahony 或 Madgwick 四元数解算角度精度更高对旋转和高速运动的适应性更好。但竞赛场景下互补滤波够用关键是滤波系数不能拍脑袋定要通过静态和动态测试数据来确定。4.2 串级 PID 控制控制流程是目标速度经过速度环输出目标角度目标角度经过角度环输出目标角速度角速度环再输出 PWM 占空比给电机。这个结构的物理意义很明确——角度环负责“站直”角速度环负责“站得稳”速度环负责“往前走”。伪代码如下// 轮腿平衡控制主循环运行频率建议 500Hz 以上 float speed_output speed_pid(target_speed, current_speed, dt); float target_angle speed_output; // 角度目标来自速度环 float angle_output angle_pid(target_angle, current_angle, dt); float target_gyro angle_output; float gyro_output gyro_pid(target_gyro, current_gyro, dt); float pwm_output gyro_output; // 根据左右轮编码器速度差做转向控制 float turn_output turn_pid(target_turn_rate, current_turn_rate, dt); set_motor_left(pwm_output turn_output); set_motor_right(pwm_output - turn_output);调参顺序非常关键一定要从内往外调先调角速度环只加 P让车体能快速响应外部扰动。再加角度环 P让车体能够直立回正。最后加速度环 P 和 I让车体能前进和后退而不倒。转向环放到最后车体已经能稳定直立后再调。我们这次在现场因为时间紧跳过了速度环的完整整定直接用了一组训练时的参数结果在比赛场地上起步就出现低频振荡导致后续动作不敢加速直接影响了任务完成分。4.3 转向控制轮腿机器人的转向和普通轮式小车不太一样因为转向时左右轮速差会引入额外的侧倾扰动所以转向增益不能太大。我们用的是基于编码器速度差的闭环 PID外加一个目标转向角速度的遥控通道。转向调参注意一点要在地面材质变化后重新验证。我们在光滑瓷砖上调好的转向参数到了比赛用的粗纹理地胶上会变得迟钝因为轮子与地面的摩擦特性变了。5. 软件框架与调试工具5.1 主控程序结构我们的主控代码没有用 RTOS直接前台循环 定时器中断。控制环放在 1ms 定时器中断里保证固定频率LED 显示、遥控器读取、串口打印放在主循环里。结构大致如下// 定时器中断1ms 执行一次 void TIM_IRQHandler(void) { imu_read(); // 读取 IMU 原始数据 encoder_read(); // 读取编码器数据 attitude_solve(); // 姿态解算 balance_control(); // 串级 PID 控制 motor_output(); // 输出 PWM }没有用 RTOS 是考虑到竞赛项目代码规模不大中断优先级的确定性比任务调度更容易控制。但如果你的机器要同时跑视觉识别、路径规划、语音播报等任务建议还是上 RTOS或者加一块树莓派/ Jetson 做上层感知把底层控制独立出来。5.2 串口调试协议竞赛现场最痛苦的事就是“车倒了不知道是参数问题还是机械问题”。所以一定要把调试数据实时传到上位机看波形。最简单的方案是定义一套串口协议帧// 帧头 数据长度 数据 校验 void send_debug_frame(float target_angle, float current_angle, float target_speed, float current_speed) { uint8_t frame[32]; frame[0] 0xAA; frame[1] 0x55; frame[2] 16; memcpy(frame[3], target_angle, 4); memcpy(frame[7], current_angle, 4); memcpy(frame[11], target_speed, 4); memcpy(frame[15], current_speed, 4); // 校验和发送具体实现略 }上位机用串口助手或者简单的 Python PyQt 脚本都能做波形显示。现场调参时如果能看到“目标角度”和“实际角度”的曲线重叠情况判断 PID 参数是否合适会比盲调快很多。6. 赛前调试与现场策略6.1 赛前两周的调试重点赛前两周不要大改机械结构所有改动都应该是参数级别和策略级别的。我们这次最大的失误就是在赛前五天还换了轮子导致所有标定和参数全部作废现场花了大量时间重新调直立。赛前两周应该做这些事建立至少三组完整可用的参数档位分别对应低电量、高电量、不同地面材质。每天做至少 20 次完整任务流程模拟记录失败次数和失败点。把遥控器、充电器、备用电机、备用轮子、螺丝刀、热熔胶全部整理成独立工具箱。编写一页纸的“现场调试手册”写清楚常见现象对应的参数调整方向。6.2 现场时间规划竞赛现场的可用调试时间往往比想象中少得多。我们这次上午到达场地下午比赛中间只有两个小时的适应时间。这两个小时里我们花了一个半小时在调直立平衡剩下的时间只够跑一遍完整流程远不够做多组地面测试。如果再来一次我会把现场时间这样分配时间段任务前 30 分钟检查机械连接、电池电压、传感器安装、遥控器对频接下来 30 分钟用训练参数跑一遍完整流程先求“能完赛”再 30 分钟根据地面材质微调参数切换参数档位验证最后 30 分钟专门做稳定性和抗扰测试包括急停、原地转向、坡道“先求完赛再求高分”是竞赛现场的铁律。我们在训练中已经验证过高分路线但现场没有时间做完整参数适配结果选择了激进路线最终失误得分反而更低。6.3 低电量策略这个坑我们赛前没充分准备。电池从满电 4.2V 每节降到 3.8V 每节的时候电机输出能力明显下降同样的 PID 输出对应的实际力矩变小车体会变得“软”。如果比赛时间靠后一定要准备满电状态的电池同时代码里做电压补偿。最简单的电压补偿是缩放到标称电压float voltage_compensate(float pwm, float battery_voltage) { const float nominal_voltage 11.1f; float scale nominal_voltage / battery_voltage; return pwm * scale; }注意这个补偿不要过度否则低电量时 PWM 会超限反而让控制输出失真。更稳妥的方法是根据实际电压分档切换 PID 参数而不是线性缩放。7. 常见问题与排查方法竞赛调试过程中我们遇到了一堆问题这里整理成表格后面参赛的队伍可以直接对着查。问题现象可能原因排查方式解决方案启动后车体高频抖动PID 增益过高、IMU 安装松动、编码器噪声把 PID 增益降到最低逐步加大观察降低角度环 P或增加 IMU 滤波强度车体向前后快速跑飞电机极性接反、角度符号反了、速度环积分饱和用测试模式检查电机转向和传感器读数反接电机线或修正代码中的符号逻辑启动后直接倒向一边车体初始角度偏差过大、重心位置偏移把车体放平后观察 IMU 角度读数校准零点重新调整电池配重位置速度环响应过慢速度环 P 太小积分过慢观察目标速度和实际速度曲线先加 P 再加 I避免积分饱和转弯时车身侧倾严重转向增益过大、轮距过窄降低转向 PID检查轮距是否过窄限制最大转向角速度或加宽轮距地面材质变化后性能下降摩擦系数变化导致轮子打滑更换轮子材质或胎压切换参数档位保留多组地面参数电量下降后车体变软电压补偿策略缺失观察电池电压和控制输出增加电压补偿或分级切换 PID遥控器断联干扰、天线位置不对检查接收机天线方向更换频率或者改用有线通信调试现场突发断电崩溃线束松动、电池接触不良检查XT60插头和焊点所有连接点打热熔胶固定姿态数据跳动IMU 安装在振动源附近通过上位机查看姿态波形重新安装减震增大滤波器平滑度8. 这次止步省二的失误复盘这部分是我们最想和后来者分享的因为技术方案没有大问题但工程化准备和现场决策确实有差距。8.1 失误一机械改动拖累控制调试赛前五天更换了轮子表面上看只是轮径变小了一点实际上导致整车重心高度和轮轴与地面的关系都变了之前标定的 IMU 安装位置和 PID 参数全部失效。我们在现场浪费了大量时间重新做直立调试留给任务流程验证的时间被压缩到几乎没有。如果赛前要换轮子至少要在比赛一周前完成并且换完之后要完整跑一遍全套任务流程而不是只测直立。8.2 失误二参数切换机制没有做完善我们训练时在不同地面、不同电量下积累了很多参数但没有做成快速切换的档位。现场都是靠电脑重刷参数每次改参数至少要两分钟而且改完还要重启确认。这导致现场“试一组参数—跑一次—再改一组”的迭代速度非常慢。正确做法是在主控里预置至少三组参数通过遥控器通道随时切换// 遥控器通道 6 切换参数档位 if (rc_channel6 1500) { use_parameter_set(2); // 高抓地力地面 } else if (rc_channel6 1000) { use_parameter_set(1); // 低抓地力地面 } else { use_parameter_set(0); // 默认 }这样现场适应不同地面只需要按一下遥控器而不是打开电脑刷固件。8.3 失误三策略选择过于激进我们训练时的最高分路线包含一个快速坡道冲刺加急停动作。这个动作在训练场地成功率大约 80%我们觉得够高就选了这条路线。但训练场地和比赛场地的地面摩擦系数、光照、观众围观造成的心理压力都不一样实际成功率可能只有一半。比赛时急停点没掐准车体越过了坡道缓冲线被判罚扣分后续节奏全乱。更稳妥的策略是先跑一条 100% 能完成的路线保住基础分再根据剩余时间决定要不要挑战加分动作。8.4 失误四数据记录和复盘不足我们平时训练时很少完整记录每次运行的调试数据。出了问题只能靠肉眼观察车体姿态很难判断是速度环的积分饱和还是角度环响应不够。如果赛前两周就开始给每次运行做日志记录包括电机 PWM、目标角度、实际角度、电池电压决赛前的调参会高效得多。现场比赛最大的感受是技术能力只是入场券工程化能力决定你能走多远。9. 从省二到省一下一步技术升级路线9.1 控制算法升级串级 PID 优点是调参直观缺点是参数多、适应能力有限。如果想冲击省一建议升级到 LQR 或 MPC。LQR 把系统状态统一建模通过调整权重矩阵 Q 和 R 来平衡“站得直”和“耗能少”调参维度比串级 PID 更少控制效果更平滑。MPC 则能显式处理约束比如电机最大输出、车身最大倾角适合做含障碍和坡道的复杂任务。不过升级算法前一定要把传感器噪声和机械间隙处理好否则再强的算法也会被物理系统的非线性吃掉。9.2 感知系统扩展如果赛项包含路径规划或目标识别可以考虑加视觉模块。轮腿机器人的上层感知可以参考这样的架构# 上层感知示例使用摄像头进行赛道识别 import cv2 def detect_track(frame): hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) lower (0, 0, 0) upper (180, 255, 80) mask cv2.inRange(hsv, lower, upper) contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) return contours视觉模块的输出可以直接通过串口或 ROS 话题传给底层控制板将视觉识别到的路径角度转换为目标转向角速度。9.3 仿真环境建设我们这次完全没有做仿真大量时间花在实体调试上。如果你的赛项允许使用仿真验证算法建议配置 Webots 或基于 MuJoCo 的仿真环境。仿真可以先验证控制逻辑是否正确再迁移到实物上。仿真环境搭建注意仿真环境的物理参数轮子摩擦、电机扭矩、重心位置必须和实物尽量接近否则仿真调好的参数在实物上不适用。仿真主要用于验证算法逻辑和安全性最后的参数整定还是要靠实物测试。可以先用仿真跑通一套 LQR 或 MPC再迁移到实物微调能节省大量迭代时间。9.4 团队工程化管理第四名的成绩说明我们的机械、电控、控制算法三块单独看都不差但组合起来就暴露了协作问题。下一届队伍建议做三件事用 Git 管理代码和配置文件机械图纸、参数文件、固件版本全部打标签。每周做一次完整的联合调试机械组、电控组、算法组必须同时在场不允许各调各的。建立“故障日志表”每次出现跑飞、抖动、断电都要记录原因和解决方案避免同一问题反复踩坑。10. 总结与建议如果你们准备组队打轮腿机器人赛项我最想提醒的是把目标定成“稳定完赛”而不是“冲击高分”。稳定完赛基础上的高分才有意义激进策略带来的高风险大概率会在现场反噬。正式比赛前的最后一周机械结构必须冻结所有改动只允许在参数层面完成。一组完整的 PID 参数切档机制、一份一页纸的现场调试手册、一套备份电池和轮子比任何花哨的算法都更值钱。省二的成绩说明这条路走得通但离省一只差“工程化”这一步。先从调好一组参数开始再谈技术升级下次赛场见。