如果你是一名参加过电子设计大赛的选手，或者正在为2026年的比赛做准备，那么这篇文章就是为你写的。全国大学生电子设计大赛的H题，历来以“硬核”和“综合性强”著称，它考察的从来不是单一的知识点，而是将机械、电子、控制、算法乃至软件编程融为一体的系统工程能力。2026年H题《车载平衡滚球运动控制系统》这个题目一出来，很多同学的第一反应可能是：这听起来像是一个“平衡车+滚球游戏”的缝合怪，会不会很难？
我的判断是：这道题的难点不在于某个技术点的深度，而在于如何将多个成熟但松散的技术模块，整合成一个稳定、可靠、能应对现场复杂干扰的完整系统。很多队伍会花大量时间在PID调参或者机械结构上，却忽略了系统架构设计、通信稳定性和抗干扰策略，导致在实验室跑得好好的小车，一到比赛现场就“翻车”。
本文将为你拆解这道赛题。我不会只告诉你“用STM32”、“写PID”，那太浅了。我会从系统顶层设计开始，带你一步步构建一个完整的解决方案。你将看到如何划分功能模块、如何选择核心传感器和执行器、如何设计稳定可靠的控制算法架构、如何编写健壮的嵌入式软件，以及最重要的——如何在有限的备赛时间内，高效地进行调试和排错。读完本文，你将获得一个清晰的、可落地的实现蓝图，避开那些新手队伍最容易踩的“坑”。
1. 这道题到底在考什么？系统视角下的需求拆解
拿到题目，不要急着画电路图或写代码。第一步永远是精确理解需求。我们基于“车载平衡滚球运动控制系统”这个标题，结合电子设计大赛一贯的出题风格，可以推断出以下几个核心考核点：
- “车载”与运动平台：意味着需要一个可移动的底盘（小车）。它需要具备基本的运动能力：前进、后退、转向。这通常由直流电机或步进电机驱动轮子实现。
- “平衡”：这是第一个控制核心。什么需要平衡？题目是“平衡滚球”，所以平衡的对象是球，而不是车本身（如两轮自平衡车）。车体是执行平衡动作的平台。这意味着我们需要一个能让球在上面自由滚动，同时车体可以通过运动来抵消球的滚动，使其稳定在目标位置的平面（平台）。
- “滚球运动控制”：这是第二个控制核心。不仅要把球稳住，还要能控制球在平台上进行有规划的运动，比如从A点滚到B点，或者沿着特定轨迹（如圆形、8字形）运动。这需要平台能够产生精确的倾斜角度，利用重力作为驱动力来控制球。
- “控制系统”：这指明了实现方式——一个典型的闭环反馈控制系统。我们需要传感器（如摄像头、红外阵列、陀螺仪）来检测球的位置和平台姿态，控制器（如单片机）处理数据并计算控制指令，执行器（电机）驱动平台运动，从而影响球的状态，形成一个闭环。
因此，整个系统的核心控制目标可以归结为：通过控制车载平台的倾斜角度和平面运动，使平台上的滚球能够稳定在指定位置，并能按指令进行轨迹运动。
常见的误区是只关注“平衡”，忽略了“运动控制”。一个只能把球稳定在中心点的系统，只能拿到基础分。要实现高分，必须完成复杂的轨迹跟踪任务。
2. 系统总体架构设计：从需求到模块
一个稳健的架构是成功的一半。我们采用分层、模块化的思想来设计整个系统。
[感知层] ————> [控制决策层] ————> [执行层] (传感器) (主控制器) (电机驱动) | | | 球位置检测 算法运算 平台运动 平台姿态检测 (PID/其他) (X/Y轴) | | | [摄像头/红外] [STM32等MCU] [直流电机+驱动器]2.1 感知层方案选型：眼睛和耳朵
这是系统的“眼睛”，决定了控制精度的上限。
球位置检测：
- 方案一：摄像头+OpenMV/OpenCV（推荐）：这是功能最强、最灵活的方案。一个摄像头可以同时完成球的位置检测、颜色识别、轨迹识别等。使用OpenMV（MicroPython）或STM32H7系列+裸机OpenCV库，可以实时解算出球的二维坐标 (x, y)。优点：信息丰富，可扩展性强（如识别多个球、特定图案）。缺点：对光照敏感，算法复杂度相对高，需要一定的处理能力。
- 方案二：红外对管阵列：在平台下方布置网格状的红外发射管和接收管，通过检测哪些光束被球遮挡来判断球的位置。优点：响应快，不受光照影响，电路简单。缺点：分辨率低（取决于管数），只能获得离散的网格位置，难以实现平滑的高精度控制。
- 方案三：电阻式/电容式触摸板：类似手机触摸屏。优点：精度高。缺点：成本高，易磨损，不适合快速滚动的球。
建议：对于追求高完成度和性能的队伍，首选摄像头方案。它虽然入门有门槛，但一旦调通，将是赛场上最有力的武器。
平台姿态检测：
- 必须使用：MPU6050（六轴传感器）或MPU9250（九轴）。它提供三轴加速度和三轴陀螺仪数据，通过传感器融合算法（如互补滤波、卡尔曼滤波），可以解算出平台相对于水平面的俯仰角（Pitch）和横滚角（Roll）。这是控制平台倾斜角度的直接依据。
2.2 控制决策层：系统的大脑
主控制器：STM32F4系列（如F407、F429）或更高性能的H7系列是主流选择。F4系列拥有DSP指令集和FPU（浮点运算单元），能高效运行PID等控制算法。如果采用摄像头方案，H7系列更佳。
核心算法：
- 内环：平台姿态平衡控制。以MPU6050测得的平台实际倾斜角为反馈，以目标倾斜角为设定值，通过一个PID控制器输出控制量，驱动电机使平台快速、稳定地达到目标角度。这相当于让平台成为一个“敏捷的托盘”。
- 外环：球位置/轨迹控制。以摄像头识别的球坐标为反馈，以期望的球坐标或轨迹为设定值。这个控制器的输出，不是直接给电机，而是作为内环PID的目标倾斜角。例如，想让球向右移动，外环控制器就计算出一个平台需要向右倾斜的目标角度，然后交给内环去快速执行。
这是一种经典的串级PID控制结构。外环负责“战略”（球去哪），内环负责“战术”（平台怎么动）。
2.3 执行层：手脚
- 平台机械结构：需要实现平台在X轴和Y轴两个方向的独立倾斜。常见方案有：
- 十字轴（万向节）结构：平台中心通过一个十字轴万向节与车体连接，X、Y方向各用一个电机通过连杆或钢丝牵引平台边缘，实现双向倾斜。结构紧凑，但可能存在耦合。
- 双舵机/电机直接推动：两个电机呈直角布置，直接顶在平台底部，通过控制伸长量来调整平台角度。控制直接，但需要解决支撑和受力问题。
- 四电机悬吊结构：用四个电机分布在平台四角，通过收放拉线来控制平台姿态。控制灵活，但结构复杂。
- 电机与驱动：对于推动平台，需要一定的扭矩。直流电机+编码器+减速箱配合TB6612或DRV8833电机驱动模块是可靠的选择。编码器用于闭环控制电机转速/位置，提高平台角度控制的精度和刚度。
- 车体移动：为了完成更复杂的任务（如带着球过障碍），车体本身也需要移动。这由另外的轮子驱动电机负责，与控制平台倾斜的电机系统独立。
3. 硬件清单与核心电路设计要点
以下是一个基于摄像头和十字轴结构的参考清单：
| 模块 | 型号/类型 | 数量 | 说明 |
|---|---|---|---|
| 主控 | STM32F407ZGT6 或 STM32H750VBT6 | 1 | F4性价比高，H7适合图像处理 |
| 视觉传感器 | OV7725 摄像头模块（带FIFO） | 1 | 或直接使用OpenMV H7 Plus模块 |
| 姿态传感器 | MPU6050 | 1 | 核心姿态数据源 |
| 电机 | 直流减速电机（带编码器） | 4 | 2个用于车体移动，2个用于平台倾斜 |
| 电机驱动 | TB6612FNG 模块 | 2 | 每模块驱动2个电机 |
| 电源 | 12V锂电池组 | 1 | 为电机供电 |
| 稳压模块 | LM2596（降压） | 1 | 将12V降为5V/3.3V给控制部分 |
| 平台结构 | 亚克力板、十字万向节、连杆 | 1套 | 自制，需保证灵活和平滑 |
电路设计关键点：
- 电源隔离：电机（大电流）和控制电路（小电流）的电源一定要用磁珠或0欧电阻隔离，并在靠近芯片处加足够多的去耦电容（104 + 10uF），防止电机启停造成的电压波动导致单片机复位。
- 编码器接口：电机编码器输出接入单片机的定时器编码器模式，这是最稳定高效的方式。
- I2C上拉：MPU6050的I2C总线（SCL, SDA）必须接上拉电阻（通常4.7kΩ）。
- 摄像头接口：如果使用带FIFO的OV7725，数据口接单片机普通IO，通过读FIFO标志位进行数据采集。如果使用OpenMV，则通过串口通信。
4. 核心软件流程与算法实现
我们以STM32 HAL库为例，勾勒出主程序的骨架。
4.1 系统初始化
// main.c int main(void) { HAL_Init(); SystemClock_Config(); // 配置系统时钟，尽可能高（如F4到168MHz） // 1. 初始化外设 MX_GPIO_Init(); MX_DMA_Init(); MX_I2C1_Init(); // 用于MPU6050 MX_USART1_UART_Init(); // 用于调试输出 MX_TIM2_Init(); // 定时器，用于系统心跳和PID计算周期 MX_TIM3_Init(); // 编码器接口模式，接平台X轴电机编码器 MX_TIM4_Init(); // 编码器接口模式，接平台Y轴电机编码器 MX_TIM5_Init(); // PWM输出，驱动平台倾斜电机 // ... 初始化其他TIM用于车体电机和PWM // 2. 初始化传感器 MPU6050_Init(); // 初始化并校准MPU6050 Camera_Init(); // 初始化摄像头模块 // 3. 初始化控制算法 PID_Init(&pid_ball_x, 1.0, 0.05, 0.3); // 球位置X轴PID参数，需调试 PID_Init(&pid_ball_y, 1.0, 0.05, 0.3); // 球位置Y轴PID参数 PID_Init(&pid_platform_pitch, 2.5, 0.1, 0.5); // 平台俯仰角PID PID_Init(&pid_platform_roll, 2.5, 0.1, 0.5); // 平台横滚角PID // 4. 启动定时器中断，以固定周期执行控制循环 HAL_TIM_Base_Start_IT(&htim2); // 假设htim2配置为10ms中断 while (1) { // 主循环处理非实时任务，如状态显示、指令接收 Process_UART_Command(); // 处理来自上位机或蓝牙的指令 Update_Display(); // 更新OLED显示状态 } }4.2 核心控制中断服务程序
这是系统的“心跳”，必须在固定周期（如10ms）内执行。
// stm32f4xx_it.c 或 单独的定时器回调文件 void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim) { if (htim->Instance == TIM2) { // 10ms定时器 // 1. 数据采集 Get_Ball_Position(&ball_x, &ball_y); // 从摄像头获取球坐标 MPU6050_Read_Angle(&pitch, &roll); // 读取融合后的平台角度 // 2. 外环控制：球位置PID -> 目标平台角度 if (control_mode == BALL_POSITION_MODE) { target_pitch = PID_Calculate(&pid_ball_y, target_ball_y, ball_y); target_roll = PID_Calculate(&pid_ball_x, target_ball_x, ball_x); } else if (control_mode == BALL_TRAJECTORY_MODE) { // 轨迹生成，例如圆形轨迹 float time = HAL_GetTick() / 1000.0f; target_ball_x = center_x + radius * cosf(omega * time); target_ball_y = center_y + radius * sinf(omega * time); // 再将目标位置输入PID target_pitch = PID_Calculate(&pid_ball_y, target_ball_y, ball_y); target_roll = PID_Calculate(&pid_ball_x, target_ball_x, ball_x); } // 3. 内环控制：平台角度PID -> 电机PWM float output_pitch = PID_Calculate(&pid_platform_pitch, target_pitch, pitch); float output_roll = PID_Calculate(&pid_platform_roll, target_roll, roll); // 4. 输出限幅和保护 output_pitch = constrain(output_pitch, -MAX_PWM, MAX_PWM); output_roll = constrain(output_roll, -MAX_PWM, MAX_PWM); // 5. 设置电机PWM Set_Platform_Motor_PWM(MOTOR_PITCH, output_pitch); Set_Platform_Motor_PWM(MOTOR_ROLL, output_roll); // 6. (可选) 车体移动控制，独立于平台控制 if (control_mode == CAR_MOVE_MODE) { // 控制车体电机完成移动任务 } } }4.3 PID控制器实现
一个简单但实用的增量式PID实现：
// pid.c typedef struct { float kp, ki, kd; // PID参数 float integral; // 积分项 float prev_error; // 上一次误差 float output_max; // 输出限幅 float output_min; } PID_Controller; void PID_Init(PID_Controller *pid, float kp, float ki, float kd, float out_max, float out_min) { pid->kp = kp; pid->ki = ki; pid->kd = kd; pid->integral = 0.0f; pid->prev_error = 0.0f; pid->output_max = out_max; pid->output_min = out_min; } float PID_Calculate(PID_Controller *pid, float setpoint, float measurement) { float error = setpoint - measurement; pid->integral += error; // 积分限幅，防止积分饱和 if (pid->integral > pid->output_max) pid->integral = pid->output_max; if (pid->integral < pid->output_min) pid->integral = pid->output_min; float derivative = error - pid->prev_error; pid->prev_error = error; float output = pid->kp * error + pid->ki * pid->integral + pid->kd * derivative; // 输出限幅 if (output > pid->output_max) output = pid->output_max; if (output < pid->output_min) output = pid->output_min; return output; }5. 视觉处理：用OpenMV获取球坐标
如果你选择OpenMV，代码会简洁很多。OpenMV IDE使用MicroPython。
# main.py - OpenMV Cam 球检测与坐标发送 import sensor, image, time, pyb from pid import PID # 初始化摄像头 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) # 320x240 sensor.skip_frames(time = 2000) sensor.set_auto_gain(False) # 必须关闭自动增益 sensor.set_auto_whitebal(False) # 必须关闭白平衡 # 初始化串口（与STM32通信） uart = pyb.UART(3, 115200) # 根据实际接线调整 # 定义颜色阈值（根据小球颜色调整，例如红色小球） red_threshold = (30, 100, 15, 127, 15, 127) # (L Min, L Max, A Min, A Max, B Min, B Max) in LAB # 创建PID控制器（如果需要OpenMV端做初步处理） # pitch_pid = PID(p=0.5, i=0.05, d=0.1) clock = time.clock() while(True): clock.tick() img = sensor.snapshot() # 寻找色块 blobs = img.find_blobs([red_threshold], pixels_threshold=100, area_threshold=100, merge=True) if len(blobs) > 0: # 找到最大的色块（假设只有一个球） largest_blob = max(blobs, key=lambda b: b.pixels()) # 绘制矩形和十字 img.draw_rectangle(largest_blob.rect()) img.draw_cross(largest_blob.cx(), largest_blob.cy()) # 计算归一化坐标（将图像中心设为(0,0)） img_center_x = sensor.width() // 2 img_center_y = sensor.height() // 2 ball_x_norm = (largest_blob.cx() - img_center_x) / img_center_x # 范围[-1, 1] ball_y_norm = (largest_blob.cy() - img_center_y) / img_center_y # 范围[-1, 1] # 通过串口发送坐标数据，格式如 "BALL,0.12,-0.05\n" uart.write("BALL,{:.3f},{:.3f}\n".format(ball_x_norm, ball_y_norm)) else: # 没找到球，发送特定值 uart.write("BALL,999,999\n") # 可以在此处添加简单的PID计算并直接输出控制指令，但更推荐在STM32端做 # output_x = pitch_pid.get_pid(ball_x_norm, setpoint_x) # ... 然后通过PWM引脚输出 # 打印帧率 # print(clock.fps())在STM32端，你需要编写一个串口解析程序，来接收并解析"BALL,x,y"格式的数据，将其转换为实际的球位置坐标。
6. 调试与参数整定：从零到稳定运行
这是最耗时但也最关键的环节。务必遵循从内环到外环，从静态到动态的原则。
硬件与基础驱动调试：
- 确保每个电机能正反转，编码器读数正常。
- 确保MPU6050能读出稳定的角度数据（静止时角度接近0，晃动时响应灵敏）。务必进行静止校准。
- 确保摄像头能稳定输出图像，并能在不同光照下识别小球。
内环（平台姿态环）调试：
- 断开外环，将目标角度
target_pitch和target_roll设为固定值（如0度）。 - 先调P（比例）。从小到大增加P，直到平台能快速响应你的手动扳动，并试图“抵抗”你的扳动，但可能会在目标位置附近振荡。
- 再调D（微分）。增加D可以抑制振荡，让平台更快稳定下来。D太大可能引入高频抖动。
- 最后调I（积分）。用于消除静态误差（平台始终无法精确到达0度）。I要小，否则会引起超调或振荡。
- 技巧：用手轻轻推动平台，观察它能否快速、平稳地回到水平位置。用上位机（如SerialPlot）实时绘制目标角度、实际角度和PWM输出波形，能极大提升调试效率。
- 断开外环，将目标角度
外环（球位置环）调试：
- 内环调好后，保持内环参数不变。
- 将球放在平台上，给外环一个固定的目标位置（如中心点）。
- 同样遵循P -> D -> I的顺序调试外环PID。
- 关键点：外环的输出是内环的目标角度，所以外环的输出幅度需要限幅，例如不超过±10度，防止平台倾斜过大导致球掉落。
- 观察球能否稳定在目标点。如果球来回滚动停不下来，可能是外环P太大或D太小；如果球响应迟钝，可能是P太小。
轨迹跟踪调试：
- 在外环位置控制稳定的基础上，改为轨迹模式。
- 先从简单的直线运动开始，再尝试圆形或8字形。
- 调整轨迹生成的速度（
omega）和幅度（radius），使其在系统能跟上的范围内。 - 可能需要根据轨迹特性微调外环PID参数。
7. 常见问题与排查清单
| 问题现象 | 可能原因 | 排查方式 | 解决方案 |
|---|---|---|---|
| 平台剧烈振荡甚至抖动 | 1. PID参数不当（P太大，D太小或太大） 2. 控制周期不稳定 3. 电机响应延迟或机械间隙大 | 1. 观察角度波形，看是否等幅振荡（P太大）或高频抖动（D太大） 2. 检查定时器中断是否被其他高优先级中断打断 3. 用手感受电机和连杆是否有空程 | 1. 重新整定PID，优先保证内环稳定 2. 确保控制中断优先级最高，周期固定 3. 优化机械结构，减少间隙，或软件上加入死区补偿 |
| 球总是从平台边缘掉落 | 1. 平台活动范围太小 2. 外环控制响应太慢，球速过快时来不及纠正 3. 平台初始不平衡 | 1. 测量平台最大倾斜角 2. 观察球在偏离中心时，平台是否及时反向倾斜 3. 上电时校准平台水平零点 | 1. 增大机械倾斜范围（需考虑电机扭矩） 2. 提高外环P值，或加入前馈控制预测球速 3. 软件中增加零点校准功能 |
| 摄像头识别不稳定，坐标跳动 | 1. 光照变化影响颜色阈值 2. 小球反光或颜色不均匀 3. 图像处理帧率低 | 1. 在不同光线下测试，观察阈值变化 2. 更换小球材质或颜色 3. 打印OpenMV的帧率 | 1. 采用自适应阈值或HSV颜色空间（更抗光照） 2. 使用哑光小球，或增加多个颜色阈值 3. 降低图像分辨率，优化识别算法 |
| 系统运行一段时间后失控 | 1. 电源电压下降导致电机无力或单片机复位 2. 传感器数据漂移（如MPU6050温漂） 3. 软件内存泄漏或变量溢出 | 1. 用万用表监测电池电压 2. 观察角度数据长时间静置后的变化 3. 检查堆栈使用，是否有递归或大数组 | 1. 使用电量充足的电池，电源路径加粗 2. 定期进行软件零漂校准（如每10分钟一次） 3. 优化代码，使用静态分配，避免动态内存 |
| 车体移动与平台控制互相干扰 | 1. 车体加速/减速时，惯性导致球在平台上滑动 2. 控制耦合，车体电机电流影响控制电路电源 | 1. 观察车体启动瞬间球的状态 2. 用示波器观察电源纹波 | 1. 车体运动规划需平滑，避免急起急停 2. 加强电源隔离和滤波，电机电源与控制电源分开 |
8. 进阶优化与比赛加分项
要想在比赛中脱颖而出，满足基本功能后，可以考虑以下优化：
状态估计与滤波：
- 对MPU6050的数据，使用互补滤波或卡尔曼滤波，能得到比官方DMP更稳定、延迟更低的姿态角。
- 对摄像头获取的球坐标进行低通滤波或卡尔曼预测，可以平滑数据，甚至预测球未来位置，实现更超前的控制。
先进控制算法：
- 模糊PID：根据球偏离中心的距离和速度，动态调整PID参数，在远处快速响应，在中心附近精细调节。
- LQR（线性二次型调节器）：如果能为系统建立精确的数学模型（状态空间方程），LQR能提供比PID更优的控制性能。这对理论扎实的队伍是很好的加分点。
上位机监控与调试系统：
- 利用STM32的串口，将关键数据（球坐标、平台角度、PID输出、电机转速）实时发送到电脑。
- 使用Python的Matplotlib或SerialPlot等工具绘制实时曲线。这是调试的“神器”，能让你直观看到系统内部状态。
抗干扰与鲁棒性设计：
- 软件看门狗：防止程序跑飞。
- 传感器数据有效性检查：例如，如果摄像头连续多帧丢失目标，系统应进入安全模式（平台回平），而不是失控。
- 控制量平滑：对PID输出进行斜坡处理，避免电机突变。
任务策略优化：
- 如果赛题包含多个子任务（如稳球、运球过障、投篮），设计一个状态机来清晰地在不同任务模式间切换。
- 为车体移动规划最优路径，节省时间。
从系统架构设计到硬件选型，从核心算法实现到细致入微的调试，构建一个“车载平衡滚球运动控制系统”是一次对电子、控制、软件和机械知识的全面检验。它没有天书般的技术，但每一个环节的疏忽都可能导致整体失败。建议队伍尽早确定方案，留出至少三分之一的时间进行系统联调和稳定性测试。记住，在比赛现场，稳定压倒一切。一个能重复运行100次成功99次的系统，远胜于一个性能惊艳但时好时坏的系统。希望这篇长文能为你提供一个坚实的起点，祝你在2026年的全国大学生电子设计大赛中取得优异成绩。
