企业官网建设流程全解析

如果你正在准备电赛，特别是控制类题目，那么“双车跟随”这个经典赛题你一定不陌生。它看似简单——让一辆车跟着另一辆车走，但真正动手时，你会发现从传感器选型、算法调试到系统联调，每一步都暗藏玄机。很多队伍卡在精度和稳定性上，最终只能拿到基础分，与高分甚至满分失之交臂。

2022年电赛B题“双车跟随”就是一个典型。它要求两辆智能车在特定赛道上实现稳定的跟随，对距离、速度、路径的协同控制提出了极高要求。传统的解决方案往往依赖单一传感器（如超声波）和简单的PID控制，虽然能跑起来，但抗干扰能力弱，弯道易丢车，得分天花板很低。

今天这篇文章，要分享的是一套经过实战检验、旨在冲击满分的“新版双车跟随套餐”。这套方案的核心思路，不是堆砌最贵的硬件，而是通过多传感器信息融合与分层控制策略，在有限的成本和开发周期内，实现系统性能的最大化。我们将从系统架构拆解开始，深入到代码实现、参数整定和现场调试技巧，让你不仅“做得出来”，更能“做得漂亮”，稳稳拿下高分。

1. 为什么传统方案拿不到高分？问题本质分析

在深入新方案之前，我们必须先搞清楚，评分细则到底在考什么，以及旧方案为什么乏力。

1.1 电赛“双车跟随”的评分核心这类题目的评分点通常围绕以下几个维度：

• 基本功能分：前车启动，后车能跟随启动；前车停止，后车能平稳停止。这是及格线。
• 跟随性能分：这是拿高分的关键。包括：
  • 距离保持稳定性：后车与前车能否在运动全程保持设定的距离（如30cm），误差越小，分数越高。
  • 速度同步性：后车能否快速响应前车的加减速，且无超调或剧烈抖动。
  • 弯道通过能力：在弧形赛道上，后车能否紧跟前车轨迹，不发生碰撞或偏离。
• 附加挑战分：可能包括变速跟随、绕过障碍、通信中断恢复等。

1.2 传统方案的典型瓶颈很多队伍的第一版方案是这样的：后车装一个超声波模块测距，用一个PID控制器根据距离误差计算电机PWM输出。

// 典型但脆弱的单PID控制逻辑 float distance = getUltrasonicDistance(); float error = targetDistance - distance; float pwm = Kp * error + Kd * (error - lastError); setMotorSpeed(pwm); lastError = error;

这个方案的问题非常突出：

1. 传感器单一，数据不可靠：超声波易受环境声波、赛道材质干扰，数据跳动大。一旦出现几个错误数据，车就可能失控。
2. 控制模型过于简单：单PID只调节距离，忽略了前后车速度的内在联系。前车急加速时，后车可能因反应滞后而距离被拉得过大；前车急减速，又极易导致追尾。
3. 无“预见性”：后车完全被动反应，不知道前车即将转弯。等超声波测到横向距离变化时，为时已晚，容易在弯道出界。
4. 参数调试困难：Kp, Ki, Kd三个参数互相耦合，在直道调好了，一到弯道就振荡，顾此失彼。

因此，要想冲击满分，必须构建一个更鲁棒、更智能的系统。我们的新方案正是针对以上痛点进行设计。

2. 新版满分方案核心：多传感器融合与双环控制

新方案的核心思想可以概括为：“眼睛”要多，“大脑”要分层。

2.1 多传感器配置——“看得更准、更全”我们为后车（跟随车）配置三类传感器，进行信息融合：

1. 超声波测距模块：用于测量两车之间的直线距离。这是基础。
2. 红外测距或激光TOF模块：建议至少安装两个，一左一右。它们不仅能辅助测距，更重要的是可以测量横向偏移量。当两车不在同一直线上时（尤其在弯道），红外传感器能感知到偏差，为转向控制提供依据。
3. 编码器（必选）：安装在后车电机上。它的作用是精确测量后车自身的实际速度，实现速度闭环控制。这是提升跟随平顺性的关键。

2.2 分层控制架构——“想得更清楚”我们抛弃单一PID，采用双闭环控制结构：

• 外环（距离环）：输入是目标距离与融合后的实际距离的误差，输出是后车的目标速度。这个环负责宏观上的“跟多远”。
• 内环（速度环）：输入是外环计算出的目标速度与编码器测量的实际速度的误差，输出是直接驱动电机的PWM值。这个环负责微观上的“跑多稳”。

此外，引入转向控制环：根据左右红外传感器测量的横向偏差，计算出一个修正的转向角度或差速值，使后车在弯道也能对准前车轨迹。

这种架构将距离控制和速度控制解耦，参数调试更清晰，系统响应更快、更平稳。

3. 系统搭建与硬件连接

3.1 硬件清单

• 主控芯片：STM32F103/F407系列（性能足够，资料丰富），或ESP32（自带Wi-Fi可用于调试）。
• 电机与驱动：直流减速电机 + L298N或TB6612电机驱动模块。
• 传感器：
  • 超声波模块：HC-SR04。
  • 红外测距模块：GP2Y0A21YK0F（模拟量输出）或VL53L0X激光TOF（I2C数字输出，精度更高）。
  • 编码器：增量式光电编码器（AB相）。
• 电源：两节18650电池组，需搭配稳压模块（如LM2596）为单片机和传感器提供稳定的5V/3.3V。
• 车体：建议使用竞赛常用的三轮或四轮小车底盘，结构稳固。

3.2 接线示意图（以STM32为例）

后车系统连接： 超声波模块：Trig -> PA1, Echo -> PA2 左红外模块：Analog Out -> PA3 (ADC通道) 右红外模块：Analog Out -> PA4 (ADC通道) 编码器A相： -> PB6 (TIM4_CH1) 编码器B相： -> PB7 (TIM4_CH2) 电机驱动：IN1 -> PB8, IN2 -> PB9 (右轮) IN3 -> PB10, IN4 -> PB11 (左轮) PWM右轮 -> PA8 (TIM1_CH1) PWM左轮 -> PA9 (TIM1_CH2)

注意：前车（引导车）可以是一个简单的遥控车或按固定程序运行的车，通常只需保证其能按预定路径行驶即可。

4. 软件设计与代码实现

我们使用STM32 HAL库进行开发，代码结构清晰，易于移植。

4.1 传感器数据采集与滤波原始传感器数据必须经过滤波才能使用。对于跳动较大的超声波和红外数据，采用滑动平均滤波或卡尔曼滤波。

// sensor_fusion.c // 滑动平均滤波结构体 typedef struct { float buffer[FILTER_LEN]; uint8_t index; float sum; } MovingAverageFilter; float MovingAverage_Update(MovingAverageFilter* filter, float newValue) { filter->sum -= filter->buffer[filter->index]; filter->buffer[filter->index] = newValue; filter->sum += newValue; filter->index = (filter->index + 1) % FILTER_LEN; return filter->sum / FILTER_LEN; } // 获取融合后的距离 float GetFusedDistance(void) { float dist_ultrasonic = Filter_UltraSonic(Read_UltraSonic()); float dist_ir_left = Filter_IR_Left(Read_IR_Left()); float dist_ir_right = Filter_IR_Right(Read_IR_Right()); // 简单的融合策略：以超声波为主，红外为辅进行校验和补偿 // 如果超声波数据异常（如超出量程），则使用红外数据的平均值 if (dist_ultrasonic > MAX_ULTRASONIC_RANGE || dist_ultrasonic < MIN_RANGE) { return (dist_ir_left + dist_ir_right) / 2.0f; } // 正常情况下，可加权平均 return 0.7f * dist_ultrasonic + 0.15f * dist_ir_left + 0.15f * dist_ir_right; } // 获取横向偏差（正值表示前车偏右） float GetLateralOffset(void) { float left_dist = Read_IR_Left(); float right_dist = Read_IR_Right(); // 假设两红外模块安装距离为D // 简化计算：偏差 = (右距离 - 左距离) / 2 return (right_dist - left_dist) / 2.0f; }

4.2 双环PID控制器实现我们实现两个独立的PID控制器。

// pid_controller.c typedef struct { float Kp, Ki, Kd; float integral; float prev_error; float output_max; float output_min; } PIDController; void PID_Init(PIDController* pid, float kp, float ki, float kd, float max, float min) { pid->Kp = kp; pid->Ki = ki; pid->Kd = kd; pid->integral = 0.0f; pid->prev_error = 0.0f; pid->output_max = max; pid->output_min = min; } float PID_Update(PIDController* pid, float setpoint, float measurement, float dt) { float error = setpoint - measurement; // 比例项 float proportional = pid->Kp * error; // 积分项（抗饱和处理） pid->integral += error * dt; if (pid->integral > pid->output_max) pid->integral = pid->output_max; if (pid->integral < pid->output_min) pid->integral = pid->output_min; float integral = pid->Ki * pid->integral; // 微分项（用测量值微分，对设定值变化不敏感） float derivative = pid->Kd * (measurement - pid->prev_measurement) / dt; // 注意此处变量名 pid->prev_measurement = measurement; // 需要修改结构体，增加prev_measurement // 计算总输出并限幅 float output = proportional + integral - derivative; // 注意微分项符号 if (output > pid->output_max) output = pid->output_max; if (output < pid->output_min) output = pid->output_min; return output; }

注：上述PID实现中微分项采用了测量值微分，能减少设定值突变带来的冲击。结构体需增加prev_measurement字段。

4.3 主控制逻辑集成在定时中断（如10ms）中执行主控制循环。

// main_control.c // 全局变量 PIDController pid_distance; // 外环PID PIDController pid_speed_left; // 左轮速度环PID PIDController pid_speed_right; // 右轮速度环PID float target_distance = 30.0f; // 目标跟随距离 30cm float current_speed_left, current_speed_right; // 由编码器计算得到 void Control_Loop_10ms(void) { // 1. 读取并融合传感器数据 float fused_distance = GetFusedDistance(); float lateral_offset = GetLateralOffset(); // 2. 外环：距离环计算目标速度 // 距离误差越大，需要的目标速度越大（带方向） float target_speed_base = PID_Update(&pid_distance, target_distance, fused_distance, 0.01f); // dt=0.01s // 3. 内环：速度环计算PWM，并加入转向修正 // 转向修正：横向偏差越大，左右轮速度差越大 float steering_correction = lateral_offset * STEERING_GAIN; // STEERING_GAIN为转向增益系数 float target_speed_left = target_speed_base - steering_correction; float target_speed_right = target_speed_base + steering_correction; // 限制目标速度范围 target_speed_left = constrain(target_speed_left, -MAX_SPEED, MAX_SPEED); target_speed_right = constrain(target_speed_right, -MAX_SPEED, MAX_SPEED); // 4. 速度环PID更新，输出PWM float pwm_left = PID_Update(&pid_speed_left, target_speed_left, current_speed_left, 0.01f); float pwm_right = PID_Update(&pid_speed_right, target_speed_right, current_speed_right, 0.01f); // 5. 驱动电机 Set_Motor_PWM(MOTOR_LEFT, pwm_left); Set_Motor_PWM(MOTOR_RIGHT, pwm_right); }

5. 参数整定与调试技巧

这是从“能跑”到“跑得好”的关键一步。务必按顺序调试：

5.1 调试准备

1. 将后车抬起，车轮悬空。
2. 编写测试代码，让电机以固定PWM转动，确认编码器能正确读取速度。
3. 单独测试每个传感器，确认其读数准确且稳定。

5.2 内环（速度环）参数整定

• 目标：让车轮速度能快速、无静差地跟随目标速度变化。
• 方法：
  1. 将外环PID参数全部设为0。
  2. 给target_speed_base一个阶跃信号（如从0到100 RPM）。
  3. 先调Kp：增大Kp直到电机开始振荡，然后回调至振荡临界点的80%。
  4. 再调Kd：加入微分抑制振荡，使速度响应曲线平滑。
  5. 最后调Ki：消除静差（实际速度与目标速度的稳态误差）。Ki不宜过大，否则会引起积分饱和和超调。
• 预期效果：电机能迅速达到指定转速，且转速平稳，无抖动。

5.3 外环（距离环）参数整定

• 目标：让后车能平稳地保持与前车的设定距离。
• 方法：
  1. 将前车置于静止状态。
  2. 后车从较远/较近的位置启动，向目标距离靠近。
  3. 先调Kp：增大Kp能加快接近速度，但过大会在目标距离附近来回振荡。
  4. 调Kd：增加微分作用可以抑制接近目标时的超调和振荡。
  5. Ki在距离环中通常可以设得很小或为0，因为速度环已经能消除静差。
• 技巧：在调试外环时，可以实时通过串口打印fused_distance和target_speed_base的波形，观察系统的响应特性。

5.4 转向环调试

• 目标：在弯道时，后车能自动修正航向，跟随前车轨迹。
• 方法：
  1. 将两车置于平行但有一定横向偏移的位置。
  2. 手动固定前车，让后车缓慢前进。
  3. 调整STEERING_GAIN：增益太小，纠偏慢；增益太大，会在中心线附近来回“画龙”。找到一个能平滑消除偏移的值。

6. 现场比赛策略与稳定性保障

电赛现场环境复杂，以下策略能极大提高成功率：

6.1 上电初始化与自检编写完善的上电自检程序，通过LED或蜂鸣器指示各传感器状态。

void System_Self_Check(void) { if(Read_UltraSonic() == ERROR) { LED1_Blink(3); } // 超声波故障 if(Read_IR_Left() == ERROR) { LED2_Blink(3); } // 左红外故障 // ... 其他检查 if(All_Sensors_OK) { Buzzer_Beep(1); } // 自检通过 }

6.2 抗干扰处理

• 软件滤波：必须使用。卡尔曼滤波对超声波数据效果显著。
• 数据有效性判断：如果传感器读数突然跳变到物理不可能的值（如距离小于0或大于5米），则丢弃该数据，使用上一次的有效值或预测值。
• 通信冗余：如果规则允许，可以在两车间增加简单的无线通信（如蓝牙、2.4G），让前车发送自身的速度或位置信息给后车，作为传感器数据的补充和校验。

6.3 参数现场微调比赛场地光线、地面摩擦力可能与实验室不同。准备一个简单的“参数微调模式”：

• 通过按键或串口命令，可以小幅增减Kp,Kd,STEERING_GAIN等关键参数。
• 将几组针对不同场景（强光/弱光、光滑/粗糙地面）调好的参数保存在Flash中，现场一键切换。

6.4 安全保护机制

• 急停开关：必须设置硬件急停开关，防止意外。
• 软件限速：无论计算出的PWM多大，最终输出必须限制在一个安全范围内。
• 近距离保护：当融合距离小于某个危险值（如10cm）时，强制后车刹车。

7. 常见问题与故障排查

8. 进阶优化与拿分点

在基础功能稳定后，以下优化能让你在评分细节上拉开差距：

8.1 动态目标距离不是让后车死死保持30cm。当前车低速时，可以跟近一些（如25cm）；前车高速时，跟远一些（如35cm），增加安全余量。这需要前车-后车通信或后车能估计前车速度。

8.2 弯道速度自适应在进入弯道前（通过检测横向偏差变化率），主动降低target_speed_base，让后车以更安全的速度过弯。

8.3 启动与停止的平滑过渡在启动和停车阶段，不要将target_distance直接设为固定值。可以设计一个“斜坡函数”，让目标距离在几秒钟内平滑过渡到设定值，避免冲击。

8.4 状态机设计将系统划分为不同的状态，如IDLE（待机）、ACCELERATING（加速跟随）、CRUISING（巡航）、DECELERATING（减速）、STOPPED（停止）。每个状态对应不同的控制参数和逻辑，使系统行为更清晰、更可控。

8.5 数据可视化与离线分析利用串口将关键数据（如融合距离、目标速度、实际速度、PWM输出）实时发送到电脑，用Python的Matplotlib绘制曲线。这是调试和优化最有力的工具，也能在答辩时向评委展示你的工作深度。

双车跟随项目是电赛中对控制系统综合能力的一次绝佳考验。它涉及感知、决策、执行的全链条。本文提供的“多传感器融合+双环PID+转向控制”方案，是一个在可靠性、性能和实现复杂度之间取得良好平衡的实战框架。它直指传统方案的软肋，通过分层的思想简化了调试难度。

真正的难点从来不是代码本身，而是对物理系统的理解和在庞杂问题中抓住关键矛盾的能力。建议你按照文章步骤，从硬件搭接、基础驱动开始，逐步增加控制环节，每步都充分测试。不要试图一次性调通所有功能。把参数整定过程当成与系统“对话”的过程，观察它对你的每一次参数调整作何反应。

最后，在比赛现场，稳定压倒一切。完成一套简洁、鲁棒的基础功能，远比追求复杂但不稳定的高级功能更有可能拿到高分。祝你备赛顺利，在比赛中稳定发挥，拿下理想的成绩。