第18届全国大学生智能汽车竞赛四轮车控制策略深度解析：从舵机PID到速度闭环

1. 智能车控制系统的基石：舵机与电机

大家好，我是Joshua.X，一个在智能车圈子里摸爬滚打了多年的老车手。今天想和大家深入聊聊智能车控制的核心——如何让一个四轮小车，在赛道上既跑得直，又转得稳，还能快如闪电。这听起来像是个“既要、又要、还要”的难题，但只要你理解了舵机和电机这两大执行机构的“脾气”，并学会用合适的算法去“驯服”它们，一切都会变得清晰起来。

很多新手队伍在调车初期，最常遇到的两个问题就是“车跑不直”和“过弯速度不稳”。车子在直道上画龙，在弯道要么冲出去，要么慢得像蜗牛。这背后，往往不是某一个参数没调好，而是对整个控制逻辑的理解不够透彻。控制就像开车，舵机是你的方向盘，负责决定车头朝向；电机是你的油门和刹车，负责控制前进的动力。两者必须协同工作，一个负责“去哪”，一个负责“多快去”，车才能听话。

在智能车竞赛中，我们使用的硬件相对固定。比如在C车模中，舵机通常限定为S3010或U400。别小看这个小小的舵机，它通过一根拉杆连接前轮转向机构，其转动角度直接决定了前轮的偏转。控制它的本质，就是控制单片机输出PWM波的脉冲宽度。官方推荐频率是50Hz，也就是周期20ms，舵机中位对应1.5ms的脉宽，左右极限一般在1ms到2ms之间。听起来很简单，对吧？但这里第一个“坑”就来了：理论中值不等于实际中值。

我刚开始调车时，也天真地以为把脉宽算到750（假设占空比范围0-10000，对应1.5ms）就能让轮子回正。结果车一上赛道，直接跑偏。为什么？因为舵机的安装位置、拉杆的长度、甚至车轮本身的机械公差，都会导致这个“中值”发生偏移。我的车实际中值是782，有的队友可能是760，有的可能是795。所以，机械归零校准是控制的第一步，也是绝对不能跳过的一步。我的土办法是：把车放在平整的地砖缝旁边，用手推着它走两三米，观察它是否沿着砖缝直线前进。如果往左偏，就把中值参数调大一点；往右偏，就调小一点。反复几次，直到手推车能走直线为止。这个过程虽然枯燥，但能为后续所有控制算法提供一个可靠的“零位”基准。

电机控制则是另一个故事。常见的直流有刷电机，通过电机驱动板来控制。这里你需要和硬件队友确认驱动方式：是双PWM控制正反转，还是方向引脚+PWM控制。这两种方式在代码实现上略有不同。比如双PWM方式，一路给PWM、一路给0是正转，反过来就是反转。而方向+PWM方式，则需要先设置方向引脚的高低电平，再给PWM值。这里有个关键点：电机的正反转定义一定要和你的代码逻辑统一。有时候你代码里写的是正转，车却往后跑，别急着改代码，先检查电机的接线和电池极性，通常调换一下电机线或修改代码里的正反转判断就能解决。记住，硬件是基础，代码是灵魂，两者必须对上“暗号”。

2. 方向控制：让车“看见”并“走向”中线

方向控制的核心目标很简单：让车始终沿着赛道中心线行驶。但实现起来，需要解决两个关键问题：第一，车怎么“知道”自己现在偏离中心多远？第二，知道了偏差，该打多少方向盘来纠正？

第一个问题，就是误差计算。我们的摄像头每一帧都能拍下前方的赛道图像，经过图像处理，我们可以得到左边线和右边线的位置。那么，在图像的每一行，赛道中心线就是左右边线的中点。我们的目标，是让这个中点与图像的理论中心（通常是图像宽度的一半）重合。它们之间的差值，就是误差。误差有正负，代表了偏离的方向；误差有大小，代表了偏离的程度。

误差计算的方法多种多样，各有优劣，选择哪种往往决定了车控的“性格”。我把我用过和见过的几种方法都列出来，大家可以根据自己车的状态试试。

2.1 单行控制与误差积累

最简单粗暴的是单行控制，也叫领跑行控制。就像早期电磁组的跑法，只选取图像中固定的一行（比如最下面一行）来计算误差。这种方法前瞻距离固定，实现简单，但抗干扰能力极差。如果这一行的图像恰好有污点或者光线干扰，整个控制就会出错。我一般不推荐单独使用它，但可以作为一个组件，和其他方法结合。

我最初参加比赛时，用的是误差积累法。思路是：不信任单一行，那就多信任几行。我取图像最下方的15行，把每一行的误差加起来，用这个总和去控制。实测下来，这个方法比单行控制稳定一些，但有个大问题：这个累加误差值会变得非常大，导致你的PD参数必须调得非常小，否则车子会剧烈震荡。而且，它对近处行的变化过于敏感，车子反应会显得“短视”。

2.2 误差平均与加权平均