平衡车控制系统是如何实现平衡的

平衡车控制系统，其平衡实现依赖于高实时性传感器采样、高效姿态解算算法、精准电机控制三者的闭环协作。
一、硬件架构

模块	关键组件	功能说明
主控MCU	PIC32MZ EF系列（带FPU和DSP指令）	100MHz+主频，硬件浮点加速，实时处理传感器数据
姿态传感器	MPU6050（六轴IMU）	集成陀螺仪+加速度计，I²C通信
电机驱动	MCPWM模块 + DRV8301驱动芯片	生成6路PWM，驱动无刷电机
编码器接口	QEI模块（正交编码器接口）	实时读取电机转速/位置
通信接口	UART/USB（调试） + CAN（扩展）	数据传输与参数校准

二、软件实现流程
1. 传感器数据采集与融合

复制

// 使用Microchip Harmony框架配置I²C读取MPU6050

void IMU_ReadData(void) {

    uint8_t raw_data[14];

    I2C_Read(MPU6050_ADDR, ACCEL_XOUT_H, raw_data, 14); // 读取14字节原始数据



    // 解析加速度计数据 (范围: ±2g)

    float accel_x = (int16_t)((raw_data[0]<<8) | raw_data[1]) / 16384.0f; 

    float accel_z = (int16_t)((raw_data[4]<<8) | raw_data[5]) / 16384.0f; // Z轴垂直重力



    // 解析陀螺仪数据 (范围: ±250°/s)

    float gyro_y = (int16_t)((raw_data[8]<<8) | raw_data[9]) / 131.0f; // Y轴角速度（俯仰）



    // 互补滤波融合

    float dt = 0.01f; // 10ms采样周期

    static float pitch_angle = 0.0f;

    float accel_pitch = atan2(accel_x, accel_z) * 180/M_PI; // 加速度计计算倾角

    pitch_angle = 0.98f * (pitch_angle + gyro_y * dt) + 0.02f * accel_pitch;

}

关键点：利用硬件FPU加速浮点运算，互补滤波权重（0.98/0.02）需实测调整。

2. 双环控制算法实现

复制

// 直立环（PD控制）

float Balance_Control(float pitch, float gyro_y) {

    float Kp = -12.0f;   // 比例系数（负号表示反向调节）

    float Kd = -0.25f;   // 微分系数

    return Kp * pitch + Kd * gyro_y; // 输出电机基础控制量

}



// 速度环（PI控制 + 积分抗饱和）

float Velocity_Control(float target_speed, float current_speed) {

    static float integral = 0;

    float Kp = 0.8f, Ki = 0.05f;

    float error = target_speed - current_speed;

    

    // 积分限幅 (±100)

    if (fabs(error) < 50) integral += error;

    else integral = 0;

    

    return Kp * error + Ki * integral; // 输出速度补偿量

}



// 总控制量合成

void Motor_Output(void) {

    float pitch = IMU_GetPitch();       // 获取当前俯仰角

    float gyro_y = IMU_GetGyroY();      // 获取Y轴角速度

    float speed = QEI_GetSpeed();       // 编码器获取当前车速

    

    float balance_out = Balance_Control(pitch, gyro_y);

    float speed_out = Velocity_Control(0, speed); // 目标速度=0（平衡点）

    

    float total_out = balance_out + speed_out;

    

    // 转换为PWM占空比（范围：-1000~+1000）

    int16_t pwm = (int16_t)(total_out * 10); 

    MCPWM_SetDutyCycle(MOTOR_L, pwm);   // 左电机输出

    MCPWM_SetDutyCycle(MOTOR_R, pwm);   // 右电机输出

}

参数整定技巧：

先调直立环：增大 Kp 直至车身能勉强站立，再增大 Kd 抑制振荡
后调速度环：从较小 Ki 开始，避免积分累积导致失控


3. 电机精准驱动（利用MCPWM模块）

复制

// 配置MCPWM（中心对齐模式，死区时间保护）

void PWM_Init(void) {

    MCPWM_ConfigTimeBase(MCPWM_MODULE1, MCPWM_TIMER2, 

                         10000,          // PWM频率10kHz

                         MCPWM_TIME_BASE_CLOCK_PBCLK,

                         MCPWM_TIME_BASE_MODE_CONTINUOUS);

    

    // 设置死区时间（防MOSFET直通）

    MCPWM_ChannelDeadTimeSetup(MCPWM_CHANNEL1, 100, 100); // 100ns死区

}



// 更新PWM输出

void MCPWM_SetDutyCycle(MCPWM_CHANNEL ch, int16_t duty) {

    duty = constrain(duty, -1000, 1000); // 限幅

    MCPWM_ChannelPrimaryDutySet(ch, abs(duty)); // 设置占空比

    MCPWM_ChannelOutputPolaritySet(ch, (duty >= 0) ? MCPWM_OUT_POL_ACTIVE_HIGH : MCPWM_OUT_POL_ACTIVE_LOW); // 设置方向

}

三、Microchip方案优势
硬件加速

PIC32MZ的硬件FPU/DSP指令加速矩阵运算（如卡尔曼滤波）。

专用外设

MCPWM模块支持互补PWM、死区插入、故障保护，简化电机驱动设计。

QEI模块自动解码编码器信号，减轻CPU负担。

实时性保障

通过中断优先级配置，确保IMU数据读取（1kHz）> 控制计算（500Hz）> PWM更新（10kHz）的时序链。


四、安全与优化设计
故障保护

复制

// 硬件看门狗+软件超限保护

if (fabs(pitch) > 30.0f) {  // 倾角过大

  MCPWM_ChannelFaultStateSet(MCPWM_CHANNEL1, MCPWM_FAULT_DISABLE); // 立即关闭电机

  Watchdog_Reset();          // 触发看门狗复位

}

低功耗模式

待机时切换至Sleep模式，IMU中断唤醒（电流 < 1mA）。

调试工具链
MPLAB X IDE + Harmony框架：图形化配置外设，自动生成驱动代码。

实时数据可视化：通过UART输出姿态角/电机PWM数据，用MPLAB Data Visualizer绘制波形。

复制

printf("Pitch:%.2f,PWM:%d\n", pitch_angle, pwm); // 串口调试输出

关键挑战与解决

问题	Microchip方案对策
传感器噪声干扰	硬件I²C滤波 + 软件卡尔曼滤波
电机响应延迟	MCPWM硬件触发ADC采样，实现同步控制
电池电压波动影响PWM精度	内置ADC实时监测电压，动态补偿PWM占空比

微芯单片机通过 “传感器硬件接口优化 + 实时控制算法 + 专用电机外设” 三位一体实现平衡控制，其核心代码量可控制在200行以内（不含底层驱动），响应延迟 < 2ms，满足商业平衡车的性能需求。

这个算法很重要

浅浅的回答一下
平衡车通过陀螺仪和加速度计检测姿态，单片机计算偏差后驱动电机调整转速，利用 PID 算法实时控制两轮力矩，抵消倾倒力矩实现平衡。

实现平衡 滤波算法和PID算法两大核心以及相关传感器都是必不可少

这个帖子解释了平衡车的工作原理，从硬件到软件实现，非常详细。尤其是双环控制算法的实现，对于理解平衡车的动态平衡控制非常有帮助。

PID是个好东西。

检测不平衡，那么刷新率是多少呢？

这个帖子很详细地解释了平衡车的控制系统，从硬件架构到软件实现流程，再到安全与优化设计，非常全面。

平衡车通常配备陀螺仪和加速度计，用于测量车身的角速度和加速度。这些传感器能够提供关于车身倾斜角度和运动状态的实时数据。

平衡车的平衡状态通过​​车身倾斜角度​​和​​角速度​​描述，需通过传感器实时采集这些数据。

为了提高姿态测量的精度，通常采用互补滤波或卡尔曼滤波等技术，将陀螺仪的高频率数据与加速度计的低频稳定性数据融合，消除单一传感器的误差。

结合加速度计（测量静态倾角）和陀螺仪（测量角速度），通过卡尔曼滤波（KF）或互补滤波（CF）消除噪声，提高姿态估计精度。

平衡车的本质是动态稳定系统，通过单片机实时采集姿态数据，利用PID算法快速计算电机补偿量，驱动车轮移动抵消车体倾斜。

传感器原始数据（角速度、加速度）需通过​​融合算法​​消除噪声和误差，得到准确的​​俯仰角（Pitch）​​和​​横滚角（Roll）​​，这是平衡控制的核心输入。

使用卡尔曼滤波器或其他数据融合算法，将陀螺仪和加速度计的数据结合起来，得到更准确的车身姿态信息。

控制系统根据倾斜角度和运动状态，动态调整前后轮的动力分配，以保持车辆的平衡。

这个帖子解释得非常详细，平衡车的控制系统确实依赖于传感器、算法和电机控制的紧密协作。硬件架构和软件实现流程都描述得很清晰。

PID（比例-积分-微分）控制器是实现平衡的关键。它根据传感器反馈的数据，计算出适当的控制量，调整电机的转速，从而调整车体的姿态，使其保持平衡。