从玩具到竞赛级：STM32智能小车电机选型与编码器测速实战

第一次用TT马达组装智能小车时，那种看到轮子转动的兴奋感至今难忘。但当我带着作品参加高校智能车竞赛，才发现玩具级电机在精准控制和持续负载下的力不从心——速度波动大、响应延迟、无法反馈实时转速。这促使我深入研究带编码器的直流电机方案，本文将分享如何用STM32实现工业级电机控制的技术跃迁。

1. 电机选型：从TT马达到编码器电机的性能跨越

许多创客的第一个智能小车项目都从橙色外壳的TT马达开始，这种售价不足10元的直流电机因价格低廉成为入门首选。但当我们开始实现循迹、避障或竞速等需要精确控制的应用时，TT马达的三大缺陷就会显现：

1. 无速度反馈 ：只能通过PWM占空比估算转速，实际速度受负载影响波动可达±30%
2. 扭矩不足 ：130电机在6V电压下扭矩仅0.3kg·cm，爬坡或加速时易出现失速
3. 寿命短暂 ：碳刷结构在连续工作2-3小时后性能明显下降

相比之下，带霍尔编码器的直流电机（如JGA25-370）在同等尺寸下可实现：

参数	TT马达	编码器电机	提升幅度
扭矩	0.3kg·cm	3.2kg·cm	10.6倍
编码器分辨率	无	11PPR×64	∞
最大转速	200RPM	450RPM	2.25倍
持续工作时间	2-3小时	50小时+	25倍

实际测试显示：在5cm爬坡测试中，TT马达需要100%占空比才能勉强登顶，而编码器电机在60%占空比下即可稳定运行，且通过PID控制可将速度误差控制在±2RPM内。

2. 硬件架构：STM32与双电机驱动方案设计

要实现真正的闭环控制，需要构建包含速度检测、中央处理和功率驱动的完整硬件链路。以下是基于STM32F407的推荐配置：

// 电机驱动核心组件清单
1. STM32F407ZGT6  // 带高级定时器，适合编码器接口
2. L298N双H桥模块 // 峰值电流2A，支持PWM调速
3. JGA25-370电机  // 内置霍尔编码器(11PPR)
4. 18650电池组    // 7.4V电压，2000mAh容量
5. 铝合金底盘     // 尺寸20x15cm，带电机安装孔

关键电路连接要点 ：

• 将编码器A/B相分别接入TIM2_CH1/TIM2_CH2（支持正交解码）
• 电机驱动IN1/IN2接PA6/PA7（普通GPIO），ENA接PB0（PWM输出）
• 在VS(驱动电压)和VSS(逻辑电压)间跨接100uF电容滤波

注：实际布线时应将电机电源与MCU电源地线在一点共地，避免大电流干扰。

3. 编码器数据采集：四倍频与速度计算实战

STM32的编码器接口模式可将霍尔信号转换为精确的转速数据。以11PPR编码器为例，配合四倍频技术可实现每转44个计数脉冲。配置步骤如下：

// TIM2编码器模式初始化
void Encoder_Init(void) {
    TIM_TimeBaseInitTypeDef TIM_TimeBaseStructure;
    TIM_ICInitTypeDef TIM_ICInitStructure;
    
    RCC_APB1PeriphClockCmd(RCC_APB1Periph_TIM2, ENABLE);
    
    TIM_TimeBaseStructInit(&TIM_TimeBaseStructure);
    TIM_TimeBaseStructure.TIM_Prescaler = 0;
    TIM_TimeBaseStructure.TIM_Period = 65535; // 16位最大值
    TIM_TimeBaseStructure.TIM_CounterMode = TIM_CounterMode_Up;
    TIM_TimeBaseInit(TIM2, &TIM_TimeBaseStructure);
    
    TIM_EncoderInterfaceConfig(TIM2, TIM_EncoderMode_TI12, 
                             TIM_ICPolarity_Rising, TIM_ICPolarity_Rising);
    TIM_ICStructInit(&TIM_ICInitStructure);
    TIM_ICInitStructure.TIM_ICFilter = 6; // 设置输入滤波器
    TIM_ICInit(TIM2, &TIM_ICInitStructure);
    
    TIM_Cmd(TIM2, ENABLE);
}

速度计算算法 ：

1. 每50ms读取一次计数器值CNT
2. 计算ΔCNT = 当前CNT - 上次CNT
3. 转速RPM = (ΔCNT × 60 × 1000) / (44 × 采样间隔ms)
4. 重置CNT并启动下次采样

实测发现，在电机加速阶段，原始数据会出现毛刺。通过滑动窗口滤波可有效平滑：

# Python实现的滑动平均滤波
class MovingAverage:
    def __init__(self, window_size=5):
        self.window = []
        self.size = window_size
        
    def update(self, value):
        self.window.append(value)
        if len(self.window) > self.size:
            self.window.pop(0)
        return sum(self.window)/len(self.window)

4. PID控制实现：从理论到参数整定

有了精准的速度反馈后，便可实现闭环PID控制。离散化PID公式为：

u(k) = Kp*e(k) + Ki*∑e(j) + Kd*(e(k)-e(k-1))

在STM32上实现的简化代码：

typedef struct {
    float Kp, Ki, Kd;
    float integral;
    float prev_error;
} PIDController;

float PID_Update(PIDController* pid, float setpoint, float measurement) {
    float error = setpoint - measurement;
    
    pid->integral += error;
    if(pid->integral > 1000) pid->integral = 1000;
    if(pid->integral < -1000) pid->integral = -1000;
    
    float derivative = error - pid->prev_error;
    pid->prev_error = error;
    
    return pid->Kp * error + 
           pid->Ki * pid->integral + 
           pid->Kd * derivative;
}

参数整定经验 ：

1. 先设Ki=Kd=0，逐渐增大Kp直到出现等幅振荡
2. 取振荡周期Tu和增益Ku，按Ziegler-Nichols法计算：
   • Kp = 0.6*Ku
   • Ki = 2*Kp/Tu
   • Kd = Kp*Tu/8
3. 微调时遵循"先稳后快"原则：
   • 出现超调增大Kd
   • 稳态误差大增大Ki
   • 响应慢增大Kp

实测某小车的最佳参数为：Kp=12.5, Ki=0.8, Kd=0.3，速度阶跃响应曲线显示：

• 上升时间：0.3s
• 超调量：<5%
• 稳态误差：±1RPM

5. 系统集成：多传感器融合与无线控制

完成基础速度控制后，可扩展更多竞赛级功能：

循迹方案对比 ：

• 红外对管：成本低但易受环境光干扰
• 灰度摄像头：需图像处理算法（OpenMV）
• 激光雷达：精度高但价格昂贵

推荐性价比方案：TCRT5000红外阵列+STM32 ADC采样：

// 五路红外循迹采样代码
void LineSensor_Read(uint16_t* values) {
    ADC_RegularChannelConfig(ADC1, ADC_Channel_0, 1, ADC_SampleTime_84Cycles);
    for(int i=0; i<5; i++) {
        GPIO_WriteBit(GPIOA, GPIO_Pin_0<<i, Bit_SET); // 依次选通
        Delay_us(10);
        ADC_SoftwareStartConv(ADC1);
        while(!ADC_GetFlagStatus(ADC1, ADC_FLAG_EOC));
        values[i] = ADC_GetConversionValue(ADC1);
        GPIO_WriteBit(GPIOA, GPIO_Pin_0<<i, Bit_RESET);
    }
}

WiFi控制实现 ：

1. 使用ESP8266模块的AT指令模式
2. 配置为TCP服务器（端口8080）
3. STM32通过USART接收控制指令

典型通信协议设计：

[开始符][长度][命令][数据][校验和]
0xAA     0x05 0x01 0x64  0xCE

（表示设置目标速度为100RPM）

6. 性能优化：从实验室到赛道的实战技巧

在真实比赛中，我们发现了几个教科书上不会提及的细节问题：

1. 电源干扰 ：电机启停导致STM32复位

   • 解决方案：在电机电源线加磁环，MCU电源加220uF钽电容

2. 编码器丢脉冲 ：高速时出现计数不准

   • 优化措施：将GPIO速度设置为High，滤波器值设为8

3. 轮胎打滑 ：影响速度测量精度

   • 应对方法：在轮胎内侧贴3M防滑胶带，增加摩擦力

一个有趣的发现：当小车从木地板切换到沥青路面时，最优PID参数需要重新调整。这是因为不同路面的滚动阻力系数变化导致：

路面类型	摩擦系数μ	推荐Kp调整幅度
木地板	0.3	+0%
沥青	0.5	-15%
地毯	0.7	-30%

最后分享一个调试PID的实用技巧——在STM32的DAC输出端接示波器，可以同时观察：

• 通道1：目标速度（方波）
• 通道2：实际速度（滤波后）
• 通道3：PWM输出

这种可视化调试方法比单纯看串口数据效率提升至少3倍。