企业官网建设流程全解析

简介：面向全国大学生智能汽车竞赛十九届折线电磁组，这份PDF方案分享覆盖从车模选型到控制调试的完整流程，适合参赛队员和指导教师在备赛各阶段参考。内容围绕折线形电磁赛道展开，涵盖F/G车模选型、编码器、电磁运放、TOF测距、陀螺仪等配件清单，以及各模块与STC32母板的接线要点；对电磁支架、蓝牙、干簧管、OLED等外设也给出了使用说明。控制部分重点讲解电磁信号采集、均值滤波与归一化处理，并引入差比和算法计算偏差，配合PID实现直线和弯道循迹；针对直角弯道、苯环和障碍物等新元素，方案还给出了基于电感值突变判断转向、基于四电感总和识别苯环入口等具体检测与处理思路。资源共1个PDF文件，大小约1.49MB，内容图文结合、结构清晰，可作为备赛参考文档直接打印或对照阅读。目前已有5502人学习下载，对准备折线电磁组比赛具有较强的实用价值。

1. 折线电磁组难点：比速度更难的是转角信息丢失

第十九届全国大学生智能车竞赛的折线电磁组，看似是传统电磁循迹的延续，实际却是对信息维度的一次砍削。普通电磁组跑的是平滑弧线，电感差分值连续变化，PID 只要盯住偏差就能闭环；折线组则不同，赛道中出现的是直角弯、钝角折线、以及折线前后那段让人头疼的“伪直道”。在这里，电磁信号会在一两个控制周期内从满幅跳变到接近零，或者反过来从零跳变到满幅。如果沿用直线赛道那套“偏差=误差”的思路，车会在折点前急打方向、在折点后疯狂摆头，最终要么切内线压路肩，要么直接冲出赛道。

这个方案的出发点不是“怎么把折线跑直”，而是“怎么在折点前识别出这是一个折线，并在折点处用重构的方式补出路径”。整套系统围绕三个问题展开：传感器排布怎么覆盖折线两侧的场强突变、动态阈值怎么区分直角与钝角、以及路径拟合怎么在信号断层时维持输出连续。适合正在备赛的电磁组队员，也适合想从“跑通”进阶到“跑稳”的调试者。下面按信号链从物理布局讲到最后一级参数整定，每一层都给出可以直接抄的配置和代码。

2. 横竖电感排布与扫线视角：折线检测的物理根基

2.1 为什么八字电感在折线组不够用

常见电磁方案采用水平八字电感，两个电感关于车模中轴线对称，夹角 60 到 90 度。这个布局在平滑弯道里表现很好，因为左右电感感受到的场强差与曲率近似线性，差分值可以直接作为转向偏差。但折线赛道有一个致命问题：折线的拐点处，导线方向发生突变，磁力线在拐角附近高度扭曲，水平电感的感应电压不仅幅度变化剧烈，相位关系也乱了。结果是，明明车头还没到折点，差分值已经提前饱和；等车头真正压到折线上时，电感输出反而回中，给控制器的感觉就像“赛道突然消失了”。

我一般会在折线组上放弃纯八字布局，改成“横纵结合”的排布：一对水平电感负责直道和缓弯的循迹，一对垂直电感负责感知折线前方的场强陡变。垂直电感的轴线与地面垂直，它感应的是磁力线的水平分量；在折点前方，导线方向急剧改变，水平分量会出现明显的局部极值。这个极值出现的时间比水平电感饱和要早 20 到 30 厘米，正好给控制器留出反应窗口。

2.2 五电感排布的具体坐标与角度

这里给一套经过实车验证的排布参数，车模以常见 B 车模为参考，前轮轮距约 20 厘米，电感安装杆位于前轮轴线前方 10 厘米处。所有电感使用 10mH 工字电感，谐振电容配 6.8nF，谐振频率约 19kHz，与比赛信号源频率一致。

表格：折线电磁组五电感布局

这套布局的核心思想是：水平电感负责“我在赛道的哪个位置”，垂直电感负责“前方有没有折线”。L3 的安装高度比 L1/L2 低，是因为垂直电感离地越近，对导线拐角处的磁力线畸变越敏感；但也不能太低，否则车模震动带来的高度抖动会直接变成噪声。L4/L5 放在中轴两侧 4cm 处，是为了在直角弯处能区分“左折”还是“右折”——如果只有 L3 一根垂直电感，只能知道“有折线”，不知道“往哪折”。

2.2.1 信号采集的归一化处理

原始电感信号经过运放放大后，送入单片机 ADC，典型值是 0 到 4095（12 位 ADC）。但不同电感的灵敏度存在离散性，同一个电感在不同温湿度下输出也会漂移，所以必须做归一化。常见做法是采集一组最大值和最小值，用下面公式换算：

float normalize(uint16_t raw, uint16_t min_val, uint16_t max_val) { float val = (float)(raw - min_val) / (float)(max_val - min_val); if (val < 0.0f) val = 0.0f; if (val > 1.0f) val = 1.0f; return val; }

归一化后的值稳定在 0 到 1 之间，这样后续的动态阈值、方向解算都不必关心绝对幅值。需要注意，最大最小值不能只开机采一次，因为赛道供电电压波动和电机启动瞬间的压降都会让信号整体缩放。我一般会在车模上电后跑一段直道，持续 500ms 采集每个电感的峰值，存入数组；如果后续发现某个值超过历史峰值 1.2 倍，就平滑更新它。归一化是整个方案的底层，它不直接解决折线问题，但能让后面所有阈值参数与场地脱钩。

3. 动态阈值与双峰判据：折线误差修复的核心算法

3.1 固定阈值在折线前的失效模式

很多队伍一开始会用一个固定经验值来判断折线是否来临，比如“垂直电感大于 0.6 就认为是折线”。这个值在小场地、信号强时能用，但到了正式比赛场地，现场灯光、地面金属支架、甚至旁边赛道的漏磁都会改变信号基线。更麻烦的是，直道上的垂直电感并非输出零，它也会感应到一定幅值的信号；在接近直角弯时，水平电感的串扰让垂直电感提前升高，固定阈值会把“缓弯”误判成“折线”。

动态阈值的思路是：不要把阈值设成一个绝对值，而是设成相对当前信号水平的比值。具体做法是维护一个慢速滑动的信号均值，代表“当前环境下的基线水平”，然后阈值取基线的 1.5 到 2.5 倍。这个倍数的选择取决于赛道元素复杂度，跑道越复杂，倍数越高，防止频繁误触发。

3.2 双峰判定流程与代码实现

折线（尤其是直角折线）的垂直电感信号特征非常明显：它在折点前会形成一个主峰，随后迅速回落，然后紧跟着一个较小的次峰。主峰对应车头接近拐角时的场强集中，次峰对应车头驶过拐角后、导线在另一侧的场强残留。这个“双峰”特征在普通的弧线弯道里不会出现，因为弧线弯道的导线方向渐变，场强不会骤升骤降。因此，用双峰检测作为折线的判据，比单阈值可靠得多。

typedef struct { float val; uint8_t is_peak; float peak_val; float trough_val; } PeakState; uint8_t detect_double_peak(float sensor_value, PeakState *state) { // 动态基线: 一阶低通, alpha=0.1 static float baseline = 0.5f; baseline = baseline * 0.9f + sensor_value * 0.1f; // 上升沿捕捉主峰 if (sensor_value > baseline * 2.0f && !state->is_peak) { state->is_peak = 1; state->peak_val = sensor_value; state->trough_val = sensor_value; } // 峰值后跟踪谷值: 主峰下降超过40%判定进入谷区 if (state->is_peak && sensor_value < state->peak_val * 0.6f) { if (sensor_value < state->trough_val) state->trough_val = sensor_value; // 谷后再次上升超过基线2倍, 判定次峰出现 if (sensor_value > baseline * 2.0f && sensor_value > state->trough_val * 1.3f) { state->is_peak = 0; return 1; // 双峰确认, 当前判断为折线 } } // 若主峰后超过 15ms 未出现谷回升, 判定为虚假峰 if (state->is_peak && sensor_value < baseline * 1.2f) { state->is_peak = 0; } return 0; }

这段代码的逻辑需要跟硬件行为对应起来看。状态机维护一个 is_peak 标志，配合 baseline 动态基线。当传感器值超过基线两倍时，认为进入主峰上升沿；当数值从峰值跌落到 60% 以下，说明正在经过拐角盲区；之后若再次升到基线两倍，则确认这是次峰而非噪声。两个峰之间必须存在一个明显的谷，这是区分直角折线和普通大弯的关键——普通弯道不会有这么深的回落。最后一条防抖逻辑很重要，因为车辆震动可能导致电感瞬间掉落，这种假信号不应该触发折线状态。

3.3 误差重构：从“检测到折线”到“知道偏差多少”

检测到折线只是第一步，控制器最终需要的是一个可用的方向偏差值。在折线检测触发时，水平电感的差分值已经不可信，此时不能再用它算转向。我的处理方式是：触发时刻锁定垂直电感 L4/L5 的差值方向（左折还是右折），然后按照预设的“折线偏差曲线”重构误差，这个曲线的形状由速度决定——速度越快，前馈量越大，同时方差越大。

表达式说明：在折线区，方向偏差E不再由传感器实时计算，而是由下面公式给出：

E = E_base + K_v * v + K_d * D

其中E_base是折线类型对应的基础偏差值（左直角、右直角、钝角分别标定），v是当前车速，K_v是速度补偿系数，D是车头距折点的估计距离，K_d是距离衰减系数。这个公式的本质是：既然传感器在折点处已经“失灵”，那就用前馈模型顶上去，等车头驶过拐角、水平电感恢复正常后，再平滑切换回实时循迹。

4. 直角弯道的线构造与路径拟合：折线组的专项处理

4.1 离线赛道特征库：把“线”存成参数

不同于传统电磁组每次循环都依赖实时传感器，折线电磁组有一个得天独厚的条件：赛道元素序列是固定的。规则允许赛前已知赛道形状（只是不知道具体摆放），因此可以离线建立一个特征库，把每个折线段的入弯方向、角度、出弯方向、前后直道长度都存成参数表。比赛时，车模通过累计里程和垂直电感触发的次数，推断自己当前位于特征库中的哪一段。

这种方式类似“走马观碑”的记忆式跑法，但不完全是死记硬背。特征库的作用不是告诉车模“到第几个弯了打多少度”，而是提供一组先验的 PID 参数和误差重构曲线。比如同一个直角弯，入弯速度不同，最优打角时机就不同；特征库让这套参数可以在赛前针对每个弯单独整定，而不是全场共用一组。

表格：折线特征库条目示例

4.2 在线折线匹配与状态切换

在线运行时的状态机分为四态：直道循迹、折线预判、折线重构、出弯恢复。特征库不参与每一帧的计算，只在状态切换的瞬间被查询一次，这是为了减少查表开销。

typedef enum { LANE_FOLLOW, // 直道/缓弯循迹 CORNER_PRE, // 已检测到折线但还未到拐点 CORNER_BUILD, // 正在重构路径, 以模型输出为准 CORNER_RECOVER // 出弯, 逐步切回传感器 } CornerState; void corner_state_machine(float *err, uint8_t corner_dir, uint16_t elapsed_ms) { static CornerState state = LANE_FOLLOW; static float model_err = 0.0f; switch (state) { case LANE_FOLLOW: // 双峰检测触发, 进入预判态 if (double_peak_flag) { state = CORNER_PRE; model_err = (*err) * 0.5f; } break; case CORNER_PRE: // 垂直电感超过峰值60%时进入重构态 model_err = get_model_error(corner_dir, elapsed_ms); if (vertical_sensor < peak_val * 0.4f) { state = CORNER_BUILD; rebuild_start_ms = elapsed_ms; } break; case CORNER_BUILD: model_err = get_model_error(corner_dir, elapsed_ms - rebuild_start_ms); if (elapsed_ms - rebuild_start_ms > 80) { state = CORNER_RECOVER; } break; case CORNER_RECOVER: // 线性插值, 300ms 内从模型输出过渡到传感器输出 float ratio = (float)(elapsed_ms - rebuild_ms) / 300.0f; if (ratio > 1.0f) ratio = 1.0f; *err = model_err * (1.0f - ratio) + sensor_err * ratio; if (ratio >= 1.0f) state = LANE_FOLLOW; return; } *err = model_err; }

代码里的关键是 CORNER_RECOVER 态的线性插值。很多队伍在折线处理上栽跟头，就是因为重构状态结束时误差突变，转向舵机猛抽一下。300ms 的过渡时间不是拍脑袋定的——它取决于当前车速和舵机响应带宽。车速 2m/s 时，300ms 对应 60cm 的行进距离，足够车头完全驶出拐角影响区；如果车速更高，这个时间要相应缩短，否则出弯后传感器已经恢复，模型还在拖后腿。get_model_error内部做的就是上一章提到的E = E_base + K_v * v + K_d * D计算，只是根据特征库条目给不同的系数。

4.3 折线入弯的减速策略：起跑线在哪

直角折线入弯前必须减速，否则横摆角速度跟不上转向需求。但减速的时机如果在检测到折线之后才开始，就太晚了——从垂直电感触发到拐点只有 20 到 30cm，2m/s 速度下只有 100 到 150ms，电机响应不过来。所以减速要跟特征库绑定：车模每次经过一个直道起点时，就把里程计清零，当累计里程接近特征库中预报的折线位置时，提前 50ms 开始执行减速 PID 的目标速度切换。

减速曲线我用梯形速度规划：先以最大减速度把车速拉到入弯速度，保持这个速度通过拐角，出弯后再以最大加速度恢复。最大减速度受轮胎抓地力限制，一般取 1.5 到 2.0 m/s²，超过这个值车模会侧滑；入弯速度则根据弯角大小查表，90 度直角入弯速度建议控制在 1.2 到 1.5m/s，钝角可以到 2.0m/s 以上。

5. 参数整定顺序与阶跃观察法：稳定过折线的三个关键参数

5.1 先调电感高度，再调阈值倍率

到手一个新场地，不要急着调 PID，先做静态标定。把车模断电，手动推到赛道上不同位置，记录每个电感的归一化输出。重点关注直角拐点前 30cm、20cm、10cm 处的垂直电感值变化率。如果 L3 的值在拐点前 20cm 处才突然升高，说明它离地太远或前方遮挡过多，需要降低安装高度或前移位置。这个静态标定花 40 分钟，能省下后面一整天的动态调参时间。

接下来调动态阈值的倍率。现场放一个桩桶作为参照，车模以慢速（0.8m/s）反复通过折线段，观察串口打印的垂直电感实时值和 baseline 估计值。理想情况是：直道上垂直电感与基线的比值稳定在 0.8 到 1.2 之间，折线前 25cm 处比值跳到 2.0，拐角正中回落到 1.0 以下，出弯后再冲到 1.8 左右。如果直道上的比值波动已经超过 1.5，说明基线低通系数太小，跟随太慢，把 alpha 从 0.1 调到 0.15；如果折线处的峰值达不到 2.0，则说明电感方向角不对，垂直电感没对准磁力线的水平分量方向。

5.2 阶跃响应法确认重构时机

路径重构的起停时机是最难调的，因为差了 10ms 体感就完全不同。我用的方法是给舵机一个人为的阶跃指令，观察实际转角响应的延迟时间。具体操作：在直道上让车模以 1m/s 匀速跑，程序里每 500ms 向舵机发一次 30% 占空比的阶跃方向指令，用编码器反推车模实际横摆角速度，测出从指令发出到横摆角速度上升至 63% 的时间。这个延迟时间记为 T，那么 CORNER_BUILD 态的保持时间就取 2T 到 3T，CORNER_RECOVER 态的插值时间取 5T 到 8T。

这个数字比例来自一个简单逻辑：重构态必须覆盖整个传感器失效区间，而传感器失效区间的长度等于“拐角物理长度 / 车速”；舵机响应慢的话，同样的物理区间需要更长的重构时间。如果车模过折线时表现为“过分转向”，说明重构态的模型偏差过大，把 K_d 调小；如果表现为“转向不足”，则是重构开始得太晚，把 CORNER_PRE 态的触发阈值从 0.6 倍峰值下调到 0.5 倍。

5.3 验证清单：三类信号曲线

调参结束后做最终的确认测试，把车模架在台架上（后轮悬空），跑一遍完整折线赛道的虚拟信号序列，同时用串口绘制三条曲线：水平差分值、垂直电感值、重构后的误差值。三条曲线应该呈现这样的关系：垂直电感出现双峰的同时，水平差分值跌入无效区；重构误差在垂直电感双峰期间保持平滑，没有阶跃；水平差分值恢复正常后，重构误差与传感器误差的差值小于 0.05。若差距过大，检查特征库中的基础偏差是否标定正确。

最后的提醒：折线电磁组的调试瓶颈不在单片机算力，而在人对信号的感知速度。把归一化、动态阈值、双峰判据、误差重构、特征库串成一条可以逐级观测的信号链，每一级都用串口绘图确认，任何异常都能定位到具体环节。赛场上真正跑出优势的，不是把每个弯都吃满，而是让每个折线前的 30 厘米都被充分利用。

本文还有配套的精品资源，点击获取