1. 从“反应迟钝”到“贴地飞行”一个智能车手的执念如果你玩过或者关注过全国大学生智能车竞赛一定对“电磁越野”这个组别不陌生。它不像摄像头组那样依赖视觉也不像平衡车组那样需要复杂的姿态控制它的核心是几根通有特定频率交流电的导线——电磁引导线。车模通过电感线圈感应这些导线产生的交变磁场从而判断自己相对于赛道的横向位置。听起来原理简单直接对吧但恰恰是这种“简单”让追求极致性能的过程充满了挑战。很多队伍的电磁车在直道上跑得飞快一到弯道尤其是连续S弯或者急弯就立刻“原形毕露”车身剧烈摇摆甚至冲出赛道给人一种“反应迟钝”、笨重不跟手的感觉。我的目标就是彻底解决这个问题让这辆依靠电磁感应的越野车能够像顶级赛车一样“贴地飞行”——即保持极高的速度同时拥有极致的稳定性和循迹性在弯道中行云流水在直道上风驰电掣成为真正的赛道王者。这不仅仅是调几个参数那么简单它涉及对传感器信号本质的理解、控制算法的深度优化、机械结构的精细调整以及整个系统动态特性的全局把握。接下来我将分享我们是如何一步步将一辆“反应迟钝”的电磁越野车打造成赛道上的“贴地飞行器”的。2. 电磁信号的“真相”从原始数据到可靠信息要让车“听话”首先得让它“看得清、看得准”。电磁组的“眼睛”是电感线圈但它看到的不是图像而是幅值随距离变化的电压信号。很多人第一步就栽在这里——对原始信号处理不当。2.1 电感选型与布局捕捉信号的“天线阵列”我们用的是最常见的10mH工字电感。但关键不在于电感本身而在于布局。常见的布局有水平一字排开、竖直一字排开以及“品”字形布局。水平布局多个电感水平排列主要用于检测车体相对于引导线的横向偏移。这是核心。我们采用了5个水平电感中间电感正对车头中心线左右对称分布。间距需要仔细计算太近电感间互感干扰严重信号区分度差太远对近处小偏移不敏感。经过实测和计算我们最终将间距定为25mm这是一个在信号独立性和检测范围之间较好的平衡点。竖直布局通常1-2个用于辅助判断入环岛、坡道等特殊元素或者作为速度控制的参考。我们保留了一个。“品”字形布局这是一种将水平和竖直电感结合在同一个支架上的紧凑布局节省空间但对支架的机械强度和抗振性要求极高我们早期尝试过但在高速下容易因振动导致信号跳变最终放弃了。注意所有电感尤其是水平电感必须用铜箔或屏蔽线包裹接地进行电磁屏蔽。这是减少电机、MOS管驱动等大电流器件对微弱模拟信号干扰的生命线。我们曾因为屏蔽层接地不良导致信号上叠加了规律的PWM噪声车跑起来一抖一抖的。2.2 硬件滤波与放大给信号穿上“防弹衣”单片机ADC采集到的信号是经过硬件电路预处理后的。这个预处理电路至关重要。LC谐振选频引导线通的是20kHz的交流电。我们的电路首先让电感与一个电容组成LC并联谐振电路谐振在20kHz。这就像一个极其狭窄的“门”只允许20kHz附近的信号大幅通过将环境中的50Hz工频干扰、电机电刷火花产生的高频噪声等绝大部分干扰拒之门外。电容的容值需要根据电感量和目标频率精确计算公式f 1/(2π√LC)并选用温漂小的C0G或NPO材质贴片电容。精密整流与滤波谐振后的信号是交流的需要转换成直流。我们使用了由运放构成的精密全波整流电路而不是简单的二极管整流以消除二极管导通压降带来的非线性误差。整流后的信号再经过一个二阶有源低通滤波器滤除整流后的纹波得到一个平滑的直流电压。这个电压的幅值就反映了电感与引导线之间的距离。2.3 软件数字滤波最后的“清道夫”即便硬件滤波做得很好ADC采样值依然会存在随机噪声和偶尔的尖峰。我们在软件中实施了双重滤波滑动平均滤波这是最直接有效的。我们采用一个长度为8的队列存储最近8次采样值输出为其算术平均值。这能有效平滑随机噪声但会引入约8个采样周期的延迟。对于我们的1kHz控制周期1ms来说8ms的延迟在高速下是不可接受的。一阶滞后滤波低通滤波公式为Y(n) α * X(n) (1-α) * Y(n-1)。其中α是滤波系数0α≤1。α越大响应越快但滤波效果差α越小滤波效果好但延迟大。我们经过测试将α设为0.7在抑制高频噪声和保持响应速度之间取得了较好平衡。限幅滤波这是针对偶尔出现的硬件毛刺或电磁干扰尖峰。我们设置一个合理的最大变化量阈值如果本次采样值与上次滤波值的差值超过该阈值则认为本次采样是无效干扰直接丢弃沿用上次的滤波值。我们的策略是先进行一阶滞后滤波再进行滑动平均滤波窗口长度为4。这样既能用一阶滤波快速平滑又能用短窗口的平均滤波进一步稳定信号。实测下来这套组合拳让我们的电感值在高速过弯时依然稳定可靠为后续控制打下了坚实基础。3. 控制核心的进化超越基础的PID拿到可靠的位置信号后接下来就是如何利用它来控制舵机转向和电机转速。PID是经典但直接用简单的PID车在弯道的表现就是“反应迟钝”或“过度摇摆”的根源。3.1 位置式PID的局限性分析我们最初使用最经典的位置式PIDOutput Kp * Error Ki * ∫Error dt Kd * d(Error)/dt在赛车上直接应用问题立刻显现P比例误差越大转向越猛。在入急弯时由于误差瞬间变大P项输出一个很大的值舵机猛打导致车身剧烈内甩甚至侧滑。D微分理论上能预测误差变化趋势抑制振荡。但实际中微分项对信号噪声极度敏感。即便我们滤波后误差的微分信号依然不够干净直接使用会导致舵机高频抖振。I积分用于消除静态误差。但在连续动态变化的赛道上积分项容易累积导致“积分饱和”出弯后车还保持着很大的转向角直接冲出去。3.2 增量式PID与“变速积分”的引入我们转向了增量式PID其输出是控制量的增量ΔOutput Kp * (Error - Error_last) Ki * Error Kd * (Error - 2*Error_last Error_last2)增量式PID天然具有抗积分饱和的优点因为输出的是增量不会无限制累积。但更重要的是我们对其进行了两项关键改造微分先行我们只对测量值即电感计算出的实际位置进行微分而不对误差进行微分。即D_term Kd * (Position_now - Position_last)。这样微分项只反映车身位置的实际变化率相当于车身横向速度当赛道命令理想路径突变时比如从直道进入弯道不会产生一个巨大的微分冲击使得控制更加平滑。变速积分这是解决“反应迟钝”和“过冲”矛盾的关键。我们不再让积分项无条件累加。规则是当误差|Error|大于某个阈值A时说明车离目标线很远此时应取消积分作用Ki0避免积分饱和完全由P和D进行快速纠正。当误差|Error|小于阈值A但大于另一个较小阈值B时使用正常的积分系数Ki。当误差|Error|小于阈值B时说明车已经非常接近中心线了此时应增大积分系数例如Ki*1.5以快速消除最后那一点静态偏差让车稳稳咬住中线。这样一来在入弯大误差时积分不捣乱靠PD快速拉回车身在出弯小误差时积分加强精准定位。车的“性格”就从“莽撞”变成了“细腻”。3.3 曲率前馈让车拥有“预判”能力PID再优秀也是一种“后馈”控制车必须等到偏离发生后才开始纠正。要想“贴地飞行”必须让车拥有“预判”能力。我们引入了曲率前馈控制。思路很简单在弯道里车需要提前转向。弯道越急曲率越大需要提前转向的角度前馈量就越大。我们从电感信号中可以实时估算出赛道的曲率。一个简单有效的方法是使用最左和最右两个电感的差值经过一个比例系数作为曲率的估计值。这个估计值乘以一个前馈系数K_ff直接加到舵机PID的输出上。Steer_Output PID_Output K_ff * Estimated_Curvature效果是革命性的在进入弯道前车就已经开始柔和地转向了而不是等到车身偏离中心后才“猛地”打舵。这极大地减少了车身在弯道中的横向加速度G值提高了过弯极限和稳定性。调校K_ff的过程很有意思太小了没效果太大了车会在直道上因为噪声而左右画龙。需要反复在赛道上测试找到一个能让车在弯道中轨迹平滑、在直道上稳定的最佳值。4. 速度规划快慢有序的节奏大师一辆车如果只会用最高速跑那它永远成不了NO.1。不同的赛道地段需要不同的速度。这就是速度规划也是智能车竞赛中的核心策略。4.1 基于赛道元素的“地图”预测我们为车建立了一个简单的“内部地图”。通过分析电感值的形态变化可以识别出一些关键赛道元素直道所有电感值稳定中间电感值最大左右对称递减。弯道左右电感值出现显著差异。十字路口所有电感值突然同时变小因为导线在中断处磁场减弱。环岛入口特定模式的电感值跳变。识别出这些元素后我们就可以提前规划速度。例如识别到前方是急弯提前开始减速。进入环岛前降至一个安全的低速。出弯后识别到长直道立即全力加速。4.2 闭环速度控制与弯道减速策略速度控制本身也是一个PID闭环控制电机PWM占空比。但我们给速度设定点Target_Speed不再是固定值而是一个根据赛道情况动态变化的值。我们的弯道减速策略不是简单的“入弯减速出弯加速”。我们采用了一种斜率减速的方法当预测到弯道通过曲率估计值超过阈值时不是瞬间将目标速度设为低速而是计算一个从当前速度到目标低速的减速斜率。例如每10ms将目标速度降低5cm/s。这样减速过程非常线性平顺避免了因急减速导致的轮胎打滑或重心前移。在弯道中目标速度维持低速。当检测到开始出弯曲率估计值开始减小时同样以一定的加速斜率逐渐提高目标速度直到达到直道最高速。这个动态变化的目标速度输入到速度PID环中使得电机的加速和减速都非常跟脚动力输出流畅没有丝毫顿挫感。4.3 速度-转向耦合终极的协同控制转向和速度不是独立的。高速下同样的舵机打角产生的转向效果更剧烈因为横向动力学不同。因此我们最后引入了一个耦合因子。Steer_Gain Base_Gain * (1 - Speed_Coupling_Factor * Current_Speed / Max_Speed)简单说就是车速越高我们适当减小舵机控制的总体增益包括PID参数和前馈系数。这样在直道高速时转向不会因为微小误差而过度敏感导致画龙在弯道低速时转向增益足响应迅速。这需要非常精细的调试但一旦调通车在所有速度区间的表现都会变得一致且可控。5. 机械与轮胎一切控制的物理基础算法再精妙最终都要通过机械结构作用到赛道上。忽视机械调校就是空中楼阁。5.1 重心与悬挂电磁越野车模通常有前轮转向舵机和后轮驱动电机。重心位置对操控影响巨大。重心高度尽可能降低。我们移除了所有不必要的上层支架将电池最重的部件平放在底盘最低处。低重心能减少过弯时的侧倾提高轮胎抓地力极限。重心前后我们调整为轻微的前置大约55:45。稍微靠前的前置重心能让前轮在过弯时获得更大的下压力增强转向响应。但过于前置会导致转向过度甩尾需要谨慎调整。悬挂原车模的悬挂很软。我们更换了更硬的弹簧并涂抹了阻尼脂。目的是减少车体在高速过颠簸路段时的上下起伏和余振。一个稳定的平台是传感器信号稳定和控制算法生效的前提。5.2 轮胎处理抓地力的魔法这是最立竿见影的“黑科技”。新轮胎表面有一层脱模剂非常光滑。打磨我们用粗糙的砂纸如600目均匀打磨轮胎表面去除光面增加微观粗糙度。清灰用刷子或吹气球彻底清除橡胶屑。上胎水使用专用的模型轮胎增粘剂俗称“胎水”。这不是简单的涂抹而是有讲究的在轮胎内侧涂上一圈然后用保鲜膜包好放入密封盒闷几个小时让胎水成分充分渗入橡胶。比赛前在轮胎接地表面再薄薄地涂一层。处理后的轮胎抓地力会有质的提升过弯时能听到轮胎“咬”住地面的声音而不是打滑的尖啸。胎压轮胎不能打得太硬。我们用手捏感觉有轻微形变即可。适当的形变能增大接地面积。5.3 前束与阿克曼几何前束从车顶看两个前轮前端距离略小于后端距离称为“前束”。轻微的前束如1-2度有助于提高直道稳定性但过大会增加转向阻力并加剧轮胎磨损。我们通过调整转向拉杆的长度设定了约1.5度的前束。阿克曼几何转向时内侧轮转角应大于外侧轮转角。原车模的转向机构近似阿克曼。我们通过调整舵机臂和拉杆的连接点优化了阿克曼率使得在中等转角时内外轮能指向更合理的圆心减少轮胎滑动摩擦。6. 系统联调与赛道实测从仿真到现实的跨越所有模块准备好后最后的联调是痛苦的也是最有成就感的。6.1 调试工具链我们放弃了单纯的“下载-试跑-撞车-修改”的盲调模式搭建了简单的在线调试系统。无线串口在车上加装一个蓝牙串口模块与单片机串口相连。上位机软件使用匿名科创地面站、SerialPlot或自己用PythonPyQtMatplotlib写一个简单的上位机。可以实时绘制并回传以下关键数据曲线各个电感原始值/滤波值计算出的车体中心偏移量误差舵机PID输出、前馈量、最终输出当前速度、目标速度识别到的赛道元素标志位关键参数在线微调在上位机设计几个滑动条可以实时修改核心的PID参数、前馈系数、速度规划阈值等并立即生效。这比改一次代码、编译下载一次要高效百倍。6.2 分阶段调试流程低速寻迹首先将最高速度限制在很低如0.5m/s关闭所有前馈和复杂速度规划。只调基础的转向PD参数此时可以不要I。目标是让车能稳定、不振荡地走完所有类型的弯道。这个阶段重点是稳定性。中速优化将速度提升到中等如1.5m/s。此时引入曲率前馈并精细调整PD参数和前馈系数。观察上位机曲线确保入弯出弯时舵机输出平滑无突变。这个阶段重点是响应性与平滑性的平衡。高速冲刺开启速度规划将直道速度提至极限如2.8m/s以上。这个阶段主要调整速度环PID、弯道减速/加速的斜率以及速度-转向耦合因子。同时机械结构的任何微小瑕疵都会在高速下被放大需要反复检查并紧固所有螺丝调整重心。特殊元素专项调试针对十字、环岛、坡道等单独编写处理逻辑并反复测试。例如环岛需要精确的入环、巡环、出环状态机切换对电感值的判断阈值要求非常精准。6.3 常见问题与“玄学”解决问题直道画龙。可能原因转向P太大或D太小速度太高而转向耦合没调好电感信号有周期性噪声检查电机屏蔽机械结构有虚位检查舵机臂、拉杆球头。问题入弯甩尾转向过度。可能原因入弯速度太快减速太晚重心太靠前后轮抓地力突然下降胎水干了或沾灰。问题出弯冲外道。可能原因出弯加速太早太猛弯中积分饱和未消除检查变速积分逻辑前馈系数在出弯时产生反作用可以考虑在曲率变号时短暂减小前馈。“玄学”时刻有时所有参数都没动车就是跑得不一样了。大概率是电池电压下降了影响电机和舵机性能、轮胎沾了灰尘、场地温度湿度变化影响了轮胎抓地力、某个插头松了。养成赛前清洁轮胎、测量电压、全车检查的好习惯。让一辆电磁越野车从“反应迟钝”到“贴地飞行”是一个系统工程。它要求你既是一个懂信号处理的电子工程师又是一个写控制算法的软件工程师还是一个调校底盘悬挂的机械师更是一个在赛道上反复测试、感知车辆动态的赛车手。每一个环节的深度优化最终汇聚成那零点几秒的优势。当你的车在赛道上以极限速度划过弯道车身姿态稳定轮胎嘶鸣恰到好处时你就会知道所有的深夜调试、所有的反复尝试都是值得的。这就是追求NO.1的路上最真实的乐趣。 
长河君 · 2026/8/20 2:49:25 · 阅读 1.2k 智能车电磁循迹优化：从PID控制到曲率前馈的工程实践
1. 从“反应迟钝”到“贴地飞行”一个智能车手的执念如果你玩过或者关注过全国大学生智能车竞赛一定对“电磁越野”这个组别不陌生。它不像摄像头组那样依赖视觉也不像平衡车组那样需要复杂的姿态控制它的核心是几根通有特定频率交流电的导线——电磁引导线。车模通过电感线圈感应这些导线产生的交变磁场从而判断自己相对于赛道的横向位置。听起来原理简单直接对吧但恰恰是这种“简单”让追求极致性能的过程充满了挑战。很多队伍的电磁车在直道上跑得飞快一到弯道尤其是连续S弯或者急弯就立刻“原形毕露”车身剧烈摇摆甚至冲出赛道给人一种“反应迟钝”、笨重不跟手的感觉。我的目标就是彻底解决这个问题让这辆依靠电磁感应的越野车能够像顶级赛车一样“贴地飞行”——即保持极高的速度同时拥有极致的稳定性和循迹性在弯道中行云流水在直道上风驰电掣成为真正的赛道王者。这不仅仅是调几个参数那么简单它涉及对传感器信号本质的理解、控制算法的深度优化、机械结构的精细调整以及整个系统动态特性的全局把握。接下来我将分享我们是如何一步步将一辆“反应迟钝”的电磁越野车打造成赛道上的“贴地飞行器”的。2. 电磁信号的“真相”从原始数据到可靠信息要让车“听话”首先得让它“看得清、看得准”。电磁组的“眼睛”是电感线圈但它看到的不是图像而是幅值随距离变化的电压信号。很多人第一步就栽在这里——对原始信号处理不当。2.1 电感选型与布局捕捉信号的“天线阵列”我们用的是最常见的10mH工字电感。但关键不在于电感本身而在于布局。常见的布局有水平一字排开、竖直一字排开以及“品”字形布局。水平布局多个电感水平排列主要用于检测车体相对于引导线的横向偏移。这是核心。我们采用了5个水平电感中间电感正对车头中心线左右对称分布。间距需要仔细计算太近电感间互感干扰严重信号区分度差太远对近处小偏移不敏感。经过实测和计算我们最终将间距定为25mm这是一个在信号独立性和检测范围之间较好的平衡点。竖直布局通常1-2个用于辅助判断入环岛、坡道等特殊元素或者作为速度控制的参考。我们保留了一个。“品”字形布局这是一种将水平和竖直电感结合在同一个支架上的紧凑布局节省空间但对支架的机械强度和抗振性要求极高我们早期尝试过但在高速下容易因振动导致信号跳变最终放弃了。注意所有电感尤其是水平电感必须用铜箔或屏蔽线包裹接地进行电磁屏蔽。这是减少电机、MOS管驱动等大电流器件对微弱模拟信号干扰的生命线。我们曾因为屏蔽层接地不良导致信号上叠加了规律的PWM噪声车跑起来一抖一抖的。2.2 硬件滤波与放大给信号穿上“防弹衣”单片机ADC采集到的信号是经过硬件电路预处理后的。这个预处理电路至关重要。LC谐振选频引导线通的是20kHz的交流电。我们的电路首先让电感与一个电容组成LC并联谐振电路谐振在20kHz。这就像一个极其狭窄的“门”只允许20kHz附近的信号大幅通过将环境中的50Hz工频干扰、电机电刷火花产生的高频噪声等绝大部分干扰拒之门外。电容的容值需要根据电感量和目标频率精确计算公式f 1/(2π√LC)并选用温漂小的C0G或NPO材质贴片电容。精密整流与滤波谐振后的信号是交流的需要转换成直流。我们使用了由运放构成的精密全波整流电路而不是简单的二极管整流以消除二极管导通压降带来的非线性误差。整流后的信号再经过一个二阶有源低通滤波器滤除整流后的纹波得到一个平滑的直流电压。这个电压的幅值就反映了电感与引导线之间的距离。2.3 软件数字滤波最后的“清道夫”即便硬件滤波做得很好ADC采样值依然会存在随机噪声和偶尔的尖峰。我们在软件中实施了双重滤波滑动平均滤波这是最直接有效的。我们采用一个长度为8的队列存储最近8次采样值输出为其算术平均值。这能有效平滑随机噪声但会引入约8个采样周期的延迟。对于我们的1kHz控制周期1ms来说8ms的延迟在高速下是不可接受的。一阶滞后滤波低通滤波公式为Y(n) α * X(n) (1-α) * Y(n-1)。其中α是滤波系数0α≤1。α越大响应越快但滤波效果差α越小滤波效果好但延迟大。我们经过测试将α设为0.7在抑制高频噪声和保持响应速度之间取得了较好平衡。限幅滤波这是针对偶尔出现的硬件毛刺或电磁干扰尖峰。我们设置一个合理的最大变化量阈值如果本次采样值与上次滤波值的差值超过该阈值则认为本次采样是无效干扰直接丢弃沿用上次的滤波值。我们的策略是先进行一阶滞后滤波再进行滑动平均滤波窗口长度为4。这样既能用一阶滤波快速平滑又能用短窗口的平均滤波进一步稳定信号。实测下来这套组合拳让我们的电感值在高速过弯时依然稳定可靠为后续控制打下了坚实基础。3. 控制核心的进化超越基础的PID拿到可靠的位置信号后接下来就是如何利用它来控制舵机转向和电机转速。PID是经典但直接用简单的PID车在弯道的表现就是“反应迟钝”或“过度摇摆”的根源。3.1 位置式PID的局限性分析我们最初使用最经典的位置式PIDOutput Kp * Error Ki * ∫Error dt Kd * d(Error)/dt在赛车上直接应用问题立刻显现P比例误差越大转向越猛。在入急弯时由于误差瞬间变大P项输出一个很大的值舵机猛打导致车身剧烈内甩甚至侧滑。D微分理论上能预测误差变化趋势抑制振荡。但实际中微分项对信号噪声极度敏感。即便我们滤波后误差的微分信号依然不够干净直接使用会导致舵机高频抖振。I积分用于消除静态误差。但在连续动态变化的赛道上积分项容易累积导致“积分饱和”出弯后车还保持着很大的转向角直接冲出去。3.2 增量式PID与“变速积分”的引入我们转向了增量式PID其输出是控制量的增量ΔOutput Kp * (Error - Error_last) Ki * Error Kd * (Error - 2*Error_last Error_last2)增量式PID天然具有抗积分饱和的优点因为输出的是增量不会无限制累积。但更重要的是我们对其进行了两项关键改造微分先行我们只对测量值即电感计算出的实际位置进行微分而不对误差进行微分。即D_term Kd * (Position_now - Position_last)。这样微分项只反映车身位置的实际变化率相当于车身横向速度当赛道命令理想路径突变时比如从直道进入弯道不会产生一个巨大的微分冲击使得控制更加平滑。变速积分这是解决“反应迟钝”和“过冲”矛盾的关键。我们不再让积分项无条件累加。规则是当误差|Error|大于某个阈值A时说明车离目标线很远此时应取消积分作用Ki0避免积分饱和完全由P和D进行快速纠正。当误差|Error|小于阈值A但大于另一个较小阈值B时使用正常的积分系数Ki。当误差|Error|小于阈值B时说明车已经非常接近中心线了此时应增大积分系数例如Ki*1.5以快速消除最后那一点静态偏差让车稳稳咬住中线。这样一来在入弯大误差时积分不捣乱靠PD快速拉回车身在出弯小误差时积分加强精准定位。车的“性格”就从“莽撞”变成了“细腻”。3.3 曲率前馈让车拥有“预判”能力PID再优秀也是一种“后馈”控制车必须等到偏离发生后才开始纠正。要想“贴地飞行”必须让车拥有“预判”能力。我们引入了曲率前馈控制。思路很简单在弯道里车需要提前转向。弯道越急曲率越大需要提前转向的角度前馈量就越大。我们从电感信号中可以实时估算出赛道的曲率。一个简单有效的方法是使用最左和最右两个电感的差值经过一个比例系数作为曲率的估计值。这个估计值乘以一个前馈系数K_ff直接加到舵机PID的输出上。Steer_Output PID_Output K_ff * Estimated_Curvature效果是革命性的在进入弯道前车就已经开始柔和地转向了而不是等到车身偏离中心后才“猛地”打舵。这极大地减少了车身在弯道中的横向加速度G值提高了过弯极限和稳定性。调校K_ff的过程很有意思太小了没效果太大了车会在直道上因为噪声而左右画龙。需要反复在赛道上测试找到一个能让车在弯道中轨迹平滑、在直道上稳定的最佳值。4. 速度规划快慢有序的节奏大师一辆车如果只会用最高速跑那它永远成不了NO.1。不同的赛道地段需要不同的速度。这就是速度规划也是智能车竞赛中的核心策略。4.1 基于赛道元素的“地图”预测我们为车建立了一个简单的“内部地图”。通过分析电感值的形态变化可以识别出一些关键赛道元素直道所有电感值稳定中间电感值最大左右对称递减。弯道左右电感值出现显著差异。十字路口所有电感值突然同时变小因为导线在中断处磁场减弱。环岛入口特定模式的电感值跳变。识别出这些元素后我们就可以提前规划速度。例如识别到前方是急弯提前开始减速。进入环岛前降至一个安全的低速。出弯后识别到长直道立即全力加速。4.2 闭环速度控制与弯道减速策略速度控制本身也是一个PID闭环控制电机PWM占空比。但我们给速度设定点Target_Speed不再是固定值而是一个根据赛道情况动态变化的值。我们的弯道减速策略不是简单的“入弯减速出弯加速”。我们采用了一种斜率减速的方法当预测到弯道通过曲率估计值超过阈值时不是瞬间将目标速度设为低速而是计算一个从当前速度到目标低速的减速斜率。例如每10ms将目标速度降低5cm/s。这样减速过程非常线性平顺避免了因急减速导致的轮胎打滑或重心前移。在弯道中目标速度维持低速。当检测到开始出弯曲率估计值开始减小时同样以一定的加速斜率逐渐提高目标速度直到达到直道最高速。这个动态变化的目标速度输入到速度PID环中使得电机的加速和减速都非常跟脚动力输出流畅没有丝毫顿挫感。4.3 速度-转向耦合终极的协同控制转向和速度不是独立的。高速下同样的舵机打角产生的转向效果更剧烈因为横向动力学不同。因此我们最后引入了一个耦合因子。Steer_Gain Base_Gain * (1 - Speed_Coupling_Factor * Current_Speed / Max_Speed)简单说就是车速越高我们适当减小舵机控制的总体增益包括PID参数和前馈系数。这样在直道高速时转向不会因为微小误差而过度敏感导致画龙在弯道低速时转向增益足响应迅速。这需要非常精细的调试但一旦调通车在所有速度区间的表现都会变得一致且可控。5. 机械与轮胎一切控制的物理基础算法再精妙最终都要通过机械结构作用到赛道上。忽视机械调校就是空中楼阁。5.1 重心与悬挂电磁越野车模通常有前轮转向舵机和后轮驱动电机。重心位置对操控影响巨大。重心高度尽可能降低。我们移除了所有不必要的上层支架将电池最重的部件平放在底盘最低处。低重心能减少过弯时的侧倾提高轮胎抓地力极限。重心前后我们调整为轻微的前置大约55:45。稍微靠前的前置重心能让前轮在过弯时获得更大的下压力增强转向响应。但过于前置会导致转向过度甩尾需要谨慎调整。悬挂原车模的悬挂很软。我们更换了更硬的弹簧并涂抹了阻尼脂。目的是减少车体在高速过颠簸路段时的上下起伏和余振。一个稳定的平台是传感器信号稳定和控制算法生效的前提。5.2 轮胎处理抓地力的魔法这是最立竿见影的“黑科技”。新轮胎表面有一层脱模剂非常光滑。打磨我们用粗糙的砂纸如600目均匀打磨轮胎表面去除光面增加微观粗糙度。清灰用刷子或吹气球彻底清除橡胶屑。上胎水使用专用的模型轮胎增粘剂俗称“胎水”。这不是简单的涂抹而是有讲究的在轮胎内侧涂上一圈然后用保鲜膜包好放入密封盒闷几个小时让胎水成分充分渗入橡胶。比赛前在轮胎接地表面再薄薄地涂一层。处理后的轮胎抓地力会有质的提升过弯时能听到轮胎“咬”住地面的声音而不是打滑的尖啸。胎压轮胎不能打得太硬。我们用手捏感觉有轻微形变即可。适当的形变能增大接地面积。5.3 前束与阿克曼几何前束从车顶看两个前轮前端距离略小于后端距离称为“前束”。轻微的前束如1-2度有助于提高直道稳定性但过大会增加转向阻力并加剧轮胎磨损。我们通过调整转向拉杆的长度设定了约1.5度的前束。阿克曼几何转向时内侧轮转角应大于外侧轮转角。原车模的转向机构近似阿克曼。我们通过调整舵机臂和拉杆的连接点优化了阿克曼率使得在中等转角时内外轮能指向更合理的圆心减少轮胎滑动摩擦。6. 系统联调与赛道实测从仿真到现实的跨越所有模块准备好后最后的联调是痛苦的也是最有成就感的。6.1 调试工具链我们放弃了单纯的“下载-试跑-撞车-修改”的盲调模式搭建了简单的在线调试系统。无线串口在车上加装一个蓝牙串口模块与单片机串口相连。上位机软件使用匿名科创地面站、SerialPlot或自己用PythonPyQtMatplotlib写一个简单的上位机。可以实时绘制并回传以下关键数据曲线各个电感原始值/滤波值计算出的车体中心偏移量误差舵机PID输出、前馈量、最终输出当前速度、目标速度识别到的赛道元素标志位关键参数在线微调在上位机设计几个滑动条可以实时修改核心的PID参数、前馈系数、速度规划阈值等并立即生效。这比改一次代码、编译下载一次要高效百倍。6.2 分阶段调试流程低速寻迹首先将最高速度限制在很低如0.5m/s关闭所有前馈和复杂速度规划。只调基础的转向PD参数此时可以不要I。目标是让车能稳定、不振荡地走完所有类型的弯道。这个阶段重点是稳定性。中速优化将速度提升到中等如1.5m/s。此时引入曲率前馈并精细调整PD参数和前馈系数。观察上位机曲线确保入弯出弯时舵机输出平滑无突变。这个阶段重点是响应性与平滑性的平衡。高速冲刺开启速度规划将直道速度提至极限如2.8m/s以上。这个阶段主要调整速度环PID、弯道减速/加速的斜率以及速度-转向耦合因子。同时机械结构的任何微小瑕疵都会在高速下被放大需要反复检查并紧固所有螺丝调整重心。特殊元素专项调试针对十字、环岛、坡道等单独编写处理逻辑并反复测试。例如环岛需要精确的入环、巡环、出环状态机切换对电感值的判断阈值要求非常精准。6.3 常见问题与“玄学”解决问题直道画龙。可能原因转向P太大或D太小速度太高而转向耦合没调好电感信号有周期性噪声检查电机屏蔽机械结构有虚位检查舵机臂、拉杆球头。问题入弯甩尾转向过度。可能原因入弯速度太快减速太晚重心太靠前后轮抓地力突然下降胎水干了或沾灰。问题出弯冲外道。可能原因出弯加速太早太猛弯中积分饱和未消除检查变速积分逻辑前馈系数在出弯时产生反作用可以考虑在曲率变号时短暂减小前馈。“玄学”时刻有时所有参数都没动车就是跑得不一样了。大概率是电池电压下降了影响电机和舵机性能、轮胎沾了灰尘、场地温度湿度变化影响了轮胎抓地力、某个插头松了。养成赛前清洁轮胎、测量电压、全车检查的好习惯。让一辆电磁越野车从“反应迟钝”到“贴地飞行”是一个系统工程。它要求你既是一个懂信号处理的电子工程师又是一个写控制算法的软件工程师还是一个调校底盘悬挂的机械师更是一个在赛道上反复测试、感知车辆动态的赛车手。每一个环节的深度优化最终汇聚成那零点几秒的优势。当你的车在赛道上以极限速度划过弯道车身姿态稳定轮胎嘶鸣恰到好处时你就会知道所有的深夜调试、所有的反复尝试都是值得的。这就是追求NO.1的路上最真实的乐趣。