企业官网建设流程全解析

1. 项目概述与核心思路

在机器人设计与控制领域，构建一个能够实时响应、动态平衡的机械系统，是检验从机械结构、电子硬件到控制算法全链路能力的绝佳试金石。我这次分享的项目，就是一个基于Stewart平台（又称六自由度并联平台）的球体平衡机器人。简单来说，它的目标就是让一个球在平台上无论如何滚动，都能被平台“接住”并稳稳地控制在中心。

这个项目的魅力在于，它完美融合了机械设计、运动学、实时视觉处理和反馈控制。Stewart平台本身是一个经典的并联机构，由上下两个平台通过六根可伸缩的支链连接。通过精确控制这六根支链的长度（在我们的项目中，由六个舵机驱动连杆实现），上平台（即承载球体的平台）可以在三维空间内实现六个自由度的运动：沿X、Y、Z轴的平移和绕这三个轴的旋转。为了实现球体平衡，我们引入了Pixy2摄像头作为“眼睛”，实时追踪红色球体的位置。控制系统的大脑是一块Teensy 4.1微控制器，它接收摄像头数据，计算球体位置与平台中心的偏差（误差）以及球体的运动速度，然后通过一套PD（比例-微分）控制算法，计算出平台需要倾斜的角度。最后，通过逆运动学方程，将这个倾斜角度转换为六个舵机需要转动的具体角度，驱动平台做出相应动作，从而抵消球的运动趋势，使其稳定。

整个系统就像一个极其敏捷的杂技演员，用一个小托盘接住不断滚动的弹珠。它不仅是一个炫酷的演示，更是一个学习机器人学核心概念的绝佳实践项目，涉及硬件集成、传感器数据处理、控制理论应用和实时系统编程。

2. 核心硬件选型与设计解析

2.1 Stewart平台机械结构设计

Stewart平台的结构设计是整个项目的物理基础。我采用了经典的上平台（动平台）、下平台（静平台）通过六组“伺服舵机-连杆”支链连接的形式。上平台是一块8x8英寸的透明聚碳酸酯板，为球体提供光滑的支撑面。下平台（基板）则用于固定所有电子设备和六个舵机。

关键设计点在于支链的布局与运动学约束。六个舵机均匀分布在下平台，每个舵机的输出轴通过一个25齿的舵盘连接到一个3D打印的“连杆一”（Link 1）。连杆一的另一端通过一个可调节长度的推杆连接件（M3x120mm推杆）与球头关节（由M3拉杆和螺母模拟）相连，最终连接至上平台的边缘。这种设计使得每个支链本质上是一个由舵机驱动的旋转副，通过连杆将舵机的旋转运动转换为推杆末端的空间运动，从而推动或拉动上平台。

为什么选择这种推杆结构？首先，推杆长度可微调，这对于实际装配中不可避免的机械误差补偿至关重要。其次，球头关节（或等效结构）提供了必要的万向自由度，避免了结构内部的过约束，确保平台运动顺滑，不会卡死。在3D打印零件设计时，我特别关注了轴承孔和连接处的间隙，预留了约0.2-0.3mm的装配公差，以保证运动流畅又不至于过于松旷。

2.2 关键电子元器件选型考量

电子部分的核心是感知、计算和执行。

1. 视觉传感器：Pixy2摄像头Pixy2是我选择的核心传感器。它的最大优势在于内置了颜色识别算法，能直接在芯片上处理图像，通过颜色签名（Color Signature）快速识别目标，并通过UART或SPI等接口直接输出目标块的坐标、大小等数据，极大减轻了主控MCU的图像处理负担。对于这个需要每秒处理数十帧图像进行实时控制的项目来说，这种“傻瓜式”的视觉方案比使用OpenCV处理普通摄像头流要高效和稳定得多。我将球体和平台四个角的标记物都设计为红色，就是为了让Pixy2能稳定识别。

2. 主控制器：Teensy 4.1在Arduino Uno、ESP32和Teensy之间，我选择了Teensy 4.1。决定性因素是它的性能。Teensy 4.1搭载了600MHz的ARM Cortex-M7处理器，其计算能力远超常见的AVR或ESP32-S3。在平衡控制中，我们需要在极短周期内（目标约10ms）完成：读取摄像头数据、进行PD控制计算、解算六自由度的逆运动学（涉及三角函数和矩阵运算）、生成六个舵机的PWM控制信号。Teensy 4.1的强大算力能轻松应对这些任务，确保控制环路延迟最小，这是实现稳定平衡的关键。

3. 执行器：JX CLS6336HV 35kg数字舵机舵机的选择直接决定了平台的响应速度和承载能力。我选择了JX CLS6336HV，主要看中两点：高速度和高扭矩。其0.14秒/60°的速度参数意味着它能快速响应控制信号。35kg.cm的扭矩足以驱动平台及球体快速改变姿态。舵机需要工作在7.4V电压下以获得最佳性能，这正好与我们选用的2S锂电池匹配。一个重要的细节是，所有六个舵机必须是同一型号，且最好进行一致性测试，否则微小的性能差异会导致平台运动不协调。在实际使用前，我建议对每个舵机进行中位点校准。

4. 舵机控制器：Pololu Maestro 6通道控制器为什么需要独立的舵机控制器？Teensy 4.1的PWM输出引脚有限，且直接驱动多个大电流舵机可能干扰核心芯片的稳定运行。Pololu Maestro是一款专用的多通道舵机控制器，它通过串口接收来自Teensy的位置指令，然后独立生成精确的PWM信号控制舵机。它内置了轨迹规划功能，可以让舵机运动更平滑。更重要的是，它直接连接电池，为大电流舵机供电，并通过板载稳压器为Teensy提供干净的5V电源，实现了电源隔离，提高了系统稳定性。

5. 电源系统：2S锂聚合物电池选用一块2S（7.4V）6200mAh的锂电池。高容量保证了足够的运行时间。整个系统的功耗主要来自六个舵机，尤其在快速运动时瞬时电流很大。电池通过一个XT60接口和开关连接到Pololu Maestro，由Maestro统一进行电源分配。

注意：电源布线是高频坑点。务必使用足够粗的导线（如18AWG）连接电池、开关和Maestro。所有舵机的电源线也应尽量短而粗，并在靠近Maestro电源输入端的位置并联一个大容量（如470μF）的电解电容，以缓冲舵机动作引起的电压骤降，防止系统复位。

2.3 电路设计与信号逻辑

整个电路的连接需要仔细处理电平匹配和信号流。

核心信号流：Pixy2摄像头（通过USB或串口）将球体坐标发送给Teensy 4.1 -> Teensy运行控制算法，计算出六个舵机的目标角度 -> Teensy通过串口TX/RX引脚将目标角度指令发送给Pololu Maestro -> Maestro控制六个舵机移动到指定位置。

电平转换的必要性：这里存在一个关键细节。Teensy 4.1的逻辑电平是3.3V，而Pololu Maestro的串口逻辑电平是5V。如果直接将3.3V的TX信号连接到Maestro的RX，在高压下可能无法被可靠识别为高电平，导致通信失败。因此，必须使用一个双向逻辑电平转换器（LLC）。Teensy的TX引脚连接到LLC的低压侧，LLC的高压侧输出5V信号给Maestro的RX；反之，Maestro的TX的5V信号也需经LLC降压至3.3V再送给Teensy的RX。

电路搭建实操心得：

• 使用面包板或原型板：建议先在半块原型板上焊接好Teensy、电平转换器、以及必要的排针接口。这比飞线可靠得多。
• 插拔式连接：对于Pixy2、Maestro与主板的连接，强烈建议使用杜邦线或现成的舵机延长线。这便于调试和更换模块。
• 共地：确保Teensy、Maestro、Pixy2（如果由外部供电）和逻辑电平转换器的GND都连接在一起，形成共同的参考地，这是电路正常工作的基础。

3. 软件架构与控制算法实现

3.1 系统软件框架与库依赖

整个项目的代码运行在Arduino IDE环境下（需安装Teensyduino插件）。软件框架主要分为三层：

1. 驱动层：负责与硬件通信。包括Pixy2库用于获取视觉数据，PololuMaestro库用于通过串口控制Maestro舵机控制器。
2. 算法层：核心控制逻辑。包含StewartKinematics类（处理逆运动学计算）和PDController类（实现PD控制算法）。
3. 应用层：主程序Ball_Balance.ino，负责初始化硬件、循环读取数据、调用算法、输出控制量。

在开始编程前，必须通过Arduino库管理器或手动安装Pixy2和PololuMaestro这两个库。安装后，在示例代码中熟悉其基本用法，例如如何初始化Pixy2并获取目标块数据，如何设置Maestro串口通信并发送目标位置指令。

3.2 逆运动学：从平台姿态到舵机角度

这是将期望的平台空间运动转换为具体舵机动作的数学桥梁。对于我们的Stewart平台，已知的是上平台（动平台）相对于下平台（静平台）的位姿（包括位置和欧拉角），需要求解的是六根支链的长度变化。而在我们由舵机驱动的结构中，支链长度变化体现在舵机轴的旋转角度上。

推导思路简述：

1. 建立坐标系：在下平台（基座）和上平台（动平台）上分别建立坐标系{B}和{P}。
2. 定义几何参数：测量或设计确定上、下平台各铰链点（舵机输出轴中心点和平台连接点）在各自坐标系中的位置向量。
3. 计算支链向量：当上平台有一个位姿变换（由旋转矩阵R和平移向量p描述）时，上平台的铰链点在世界坐标系中的新位置可以通过p + R * (上平台铰链点向量)计算得到。那么，第i根支链的向量就等于：上平台铰链点新位置 - 下平台对应铰链点位置。
4. 求解舵机角度：在我们的设计中，支链长度并非直接驱动，而是由舵机旋转通过连杆机构间接控制。因此，需要根据支链向量的长度和方向，结合连杆的几何关系（构成一个三角形），利用余弦定理反解出舵机轴需要转动的角度。

在实际代码中，我将这些几何参数（铰链点坐标、连杆长度等）定义为常量。编写一个函数，例如calculateServoAngles(float roll, float pitch, float yaw, float x, float y, float z)，输入期望的平台姿态角（roll, pitch, yaw）和微小平移量（x, y, z），函数内部完成上述矩阵和三角运算，最终输出一个包含六个舵机目标角度的数组。

实操心得：运动学参数的测量与校准。理论计算依赖于精确的机械尺寸。但3D打印和装配总会引入误差。因此，代码中必须为每个舵机引入一个“偏移量（Offset）”参数。通过手动微调，让所有舵机在“零位”时，平台处于水平状态。这个校准过程至关重要，是后续平衡控制的前提。

3.3 PD控制算法：让球体稳定在中心

PD控制器是使系统稳定的“大脑”。其输入是误差，输出是控制量（即平台需要倾斜的角度）。

1. 误差计算：Pixy2返回球体在图像中的坐标(ball_x, ball_y)。在系统校准阶段，我们已经获取了平台中心在图像中的坐标(center_x, center_y)。那么当前时刻的位置误差就是：error_x = center_x - ball_xerror_y = center_y - ball_y（注意：坐标轴方向需与平台运动方向对应）

2. 微分项计算：微分项反映误差的变化率，即球体的速度。可以通过当前误差与上一次误差的差值除以时间间隔来近似求得：derivative_x = (error_x - previous_error_x) / delta_tderivative_y = (error_y - previous_error_y) / delta_t其中delta_t是控制循环的周期时间（例如0.01秒）。

3. 控制量输出：PD控制器的输出是比例项和微分项的加权和：output_x = Kp * error_x + Kd * derivative_xoutput_y = Kp * error_y + Kd * derivative_y这里的output_x和output_y就是平台需要在X轴和Y轴方向（对应Roll和Pitch）上倾斜的角度指令（通常需要乘以一个缩放系数，将像素误差转换为弧度）。

参数整定技巧：

• Kp（比例系数）：决定了系统对位置误差的反应强度。Kp太大会导致平台反应过激，引起球体在中心附近振荡；Kp太小则反应迟钝，球体容易滑出平台。
• Kd（微分系数）：决定了系统对速度的阻尼效果。增大Kd可以抑制振荡，让球体更平滑地趋于稳定，但Kd过大会使系统响应变慢，显得“粘滞”。
• 整定方法：先将Kd设为0，逐渐增大Kp，直到球体开始出现明显的等幅振荡。然后，逐渐增大Kd，直到振荡被有效抑制，球体能快速且平稳地回到中心。这是一个手动试凑的过程，需要耐心。在代码中，我将Kp和Kd定义为可调节的变量，便于通过串口监视器实时调整并观察效果。

3.4 主控制循环与状态管理

主程序loop()函数构成了一个固定的控制周期，其伪代码如下：

void loop() { unsigned long currentTime = micros(); float deltaT = (currentTime - previousTime) / 1e6; // 计算时间差，单位秒 previousTime = currentTime; // 1. 获取视觉数据 pixy.ccc.getBlocks(); // 获取识别到的色块 if (pixy.ccc.numBlocks > 0) { // 假设签名1为球体 ballX = pixy.ccc.blocks[0].m_x; ballY = pixy.ccc.blocks[0].m_y; ballDetected = true; } else { ballDetected = false; } // 2. 状态判断与处理 if (ballDetected) { // 检查球体是否在平台有效区域内（通过距离中心点的距离判断） float distanceToCenter = sqrt(pow(ballX - centerX, 2) + pow(ballY - centerY, 2)); if (distanceToCenter < platformRadiusThreshold) { // 球在平台上，执行平衡控制 // 计算PD输出 float tiltX = calculatePD(ballX, centerX, deltaT, Kp, Kd); float tiltY = calculatePD(ballY, centerY, deltaT, Kp, Kd); // 通过逆运动学计算舵机角度 float servoAngles[6]; calculateServoAngles(tiltX, tiltY, 0, 0, 0, 0, servoAngles); // 这里只用了X,Y倾斜 // 将角度指令发送给舵机控制器 setServoPositions(servoAngles); } else { // 球虽被看到但不在平台区域，舵机归零位（平台水平） goHomePosition(); } } else { // 未检测到球，舵机归零位 goHomePosition(); } // 3. 固定频率延迟，维持控制周期稳定 delay(CONTROL_LOOP_DELAY_MS); }

这个循环确保了系统以固定的频率（如100Hz）运行，这是数字控制器稳定性的重要保障。

4. 系统集成、装配与调试实录

4.1 机械装配全流程与关键技巧

装配顺序直接影响效率和最终精度。我建议按以下步骤进行：

1. 底座与舵机安装：首先将六个舵机用M3螺丝牢固安装在下平台（基板）上。注意舵机的朝向，确保所有舵盘旋转平面大致平行。接着安装Pixy2的下支架和原型板。技巧：在固定舵机前，先给每个舵机通电并运行归中程序，确保其初始位置一致，便于后续安装舵盘。
2. 电路集成：将焊接好Teensy和电平转换器的原型板固定在基板上。连接Pololu Maestro，并按照原理图连接所有线缆。特别注意：六个舵机信号线连接到Maestro的通道顺序，必须与代码中定义的舵机索引顺序完全一致。建议做好标签。
3. 支链组装：将舵盘与“连杆一”用螺丝和防松螺母固定。然后将推杆连接件与拉杆、球头关节组装好，再与“连杆一”的另一端连接。关键点：推杆连接件的长度先预调到设计值，但不要锁死，留待整体校准。
4. 上平台组装：将透明平台用螺丝和垫柱固定在“平台上框架”上。垫柱的作用是提供一个间隙，防止平台与框架摩擦。
5. 总装：将组装好的支链上端（球头关节）用螺丝固定到上平台的对应安装孔（已预埋螺纹嵌件）。此时平台由六根支链悬吊。
6. 摄像头支架安装：将木棍裁剪到合适长度，安装Pixy2上下支架，最后将摄像头固定在上支架。

装配核心挑战：平行与对称。装配的终极目标是，当所有舵机处于“零位”时，六根支链应尽可能长度一致且垂直于下平台，上平台应处于水平状态。这需要反复微调：一是通过代码中的舵机偏移量进行软件校准；二是微调推杆连接件的长度进行硬件补偿。这是一个需要耐心和细心的过程。

4.2 系统校准：视觉与机械的标定

校准是连接软件世界和物理世界的关键步骤，分为两部分：

1. 视觉系统标定：

• 目的：找到摄像头画面中平台中心的像素坐标(center_x, center_y)，以及一个表征平台大小的参数r_platform（通常为平台外接圆半径的像素值）。
• 方法：在平台四个角安装红色的中心标记物。运行专门的校准程序，程序会控制平台移动到水平位置，然后让Pixy2识别这四个红色标记。通过计算这四个标记点位置的平均值，即可得到平台中心坐标。同时计算这四个点到中心点的平均距离，作为r_platform。这个值用于后续判断球体是否在平台有效区域内。

2. 机械零位校准：

• 目的：定义每个舵机的“零点”，使得当所有舵机处于零点时，平台是水平的。
• 方法：上传一个让所有舵机移动到90度（或中位）的程序。观察上平台是否水平。如果不水平，则在代码中逐个调整每个舵机的offset值（在目标角度上增加或减少一个微小度数），重新上传程序，直到平台水平。记录下这六个offset值，它们需要被写入最终的平衡控制程序中。

4.3 调试与性能优化

系统首次上电运行，很可能无法稳定平衡球体。以下是系统的调试路径：

1. 检查通信：首先确保所有硬件通信正常。通过串口监视器查看Teensy是否能正确收到Pixy2的数据（坐标值），以及是否能向Maestro发送指令（可通过让舵机缓慢来回运动测试）。
2. 验证视觉：在PixyMon软件中确认摄像头能稳定、准确地识别红色球体，且不受环境光变化过大影响。可以调整Pixy2的识别阈值和签名范围。
3. 测试单轴运动：将PD控制器的Kp和Kd先设小，甚至暂时注释掉PD控制，手动给平台一个固定的倾斜指令（例如只倾斜X轴），观察球体是否按预期方向滚动。这可以验证逆运动学计算和舵机驱动是否正确。
4. 引入PD控制：先调一个轴（如X轴）。将另一个轴的控制量设为零。手动拨动球体，观察平台反应。从很小的Kp开始，逐渐增加直到出现振荡，然后加入Kd抑制振荡。反复调整直到单轴响应快速且平稳。
5. 双轴耦合调试：同时启用X和Y轴控制。此时两轴之间可能存在耦合干扰。可能需要微调两个轴的参数，使其响应特性接近。有时，由于机械不对称，两轴的最佳参数可能略有不同。
6. 应对异常情况：在代码中完善状态机。例如，当摄像头丢失目标，或球体快速滚出平台区域时，应立即让所有舵机回到安全零位，防止平台过度倾斜导致机械损坏。

性能优化点：

• 控制频率：尽可能提高主循环频率。减少不必要的串口打印，优化计算代码。目标是将循环周期控制在10ms（100Hz）以内。
• 滤波：对Pixy2读取的坐标数据进行简单的低通滤波（如一阶滞后滤波），可以平滑数据，减少摄像头噪声对控制的干扰。
• 前馈补偿：如果发现球体在匀速滚动时，平台跟踪有稳态误差，可以考虑加入基于球体速度的前馈控制项。

5. 常见问题排查与进阶思考

5.1 典型故障与解决方案速查表

5.2 项目延伸与进阶可能性

完成基础平衡功能后，这个平台还有巨大的探索空间：

1. 算法升级：将PD控制器升级为完整的PID控制器，加入积分项以消除静态误差（虽然对于动态平衡，积分项需谨慎使用，易导致超调）。或者尝试更先进的控制算法，如模糊控制、模型预测控制（MPC）。
2. 增加交互性：通过蓝牙或Wi-Fi模块（如ESP-01S）连接机器人，开发一个手机APP或电脑端界面，可以手动设置平台倾斜角度，甚至绘制路径让球体自动沿特定轨迹（如八字形、圆形）运动。
3. 更换被控对象：平台不仅可以平衡球，还可以尝试平衡一个倒立摆、一个装满水的杯子，或者一个处于起飞临界状态的多旋翼无人机模型，挑战不同的控制难题。
4. 状态估计融合：仅靠视觉存在延迟和遮挡问题。可以增加一个惯性测量单元（IMU，如MPU6050）安装在平台上，融合视觉的绝对位置信息和IMU的加速度、角速度信息，通过卡尔曼滤波等算法得到更精准、更快速的球体/平台状态估计，提升系统抗干扰能力。
5. 仿真先行：在投入硬件制作前，使用MATLAB/Simulink、Python或ROS+Gazebo等工具对Stewart平台动力学和球体平衡控制进行仿真。这可以帮助你提前验证运动学模型、调试控制参数，节约大量时间和物料成本。

这个项目从设计到实现，贯穿了机电一体化系统的核心思想。每一个环节——机械的精度、硬件的可靠性、软件的效率与算法的智能——都深刻影响着最终性能。调试过程可能充满挑战，但当看到球体在平台上稳稳停住的那一刻，所有的努力都变得值得。它不仅仅是一个机器人，更是一个理解复杂系统如何工作的窗口。