企业官网建设流程全解析

简介：本资源面向STM32嵌入式初学者与电机控制方向开发者，提供一套基于STM32F103ZET6与编码器直流电机的模糊自整定增量式PID调速程序，用于解决传统增量式PID在速度控制中响应与超调难以兼顾的问题。代码沿用正点原子工程格式，分程序块编写并配有注释，便于对照学习与移植。压缩包共170个文件，约4.74MB，包含39个h头文件、38个c源文件，以及编译产生的o、d、crf等中间文件，另有uvprojx工程文件、hex烧录文件、map映射文件与bat批处理脚本，覆盖从源码到编译产物的完整工程结构。目前已有4281人学习下载。读者可从中获取模糊推理与增量式PID结合的完整实现思路、参数自整定逻辑、编码器测速与定时器配置方法，以及规范的工程组织方式，对算法优化与课程设计、毕业设计均有参考价值。

1. 电机调速里最容易被低估的一环：为什么固定参数 PID 会翻车

很多人第一次用 STM32F103 驱动编码电机做闭环调速时，都会经历同一个过程：调出一组看起来不错的 Kp、Ki、Kd，空载时转速稳得像钉在示波器上，一旦加上负载、换个电池电压、或者让电机从低速爬到高速，转速立刻开始抖、超调、甚至振荡。于是有人怀疑编码器分辨率不够，有人怀疑定时器配置有问题，有人干脆把 PID 输出限幅一压再压，结果响应慢得像蜗牛。

问题的根子往往不在硬件，而在「一组固定参数要覆盖整个工况」这件事本身就不成立。直流电机的传递函数随负载、温度、供电电压漂移，固定增益的 PID 只能在某个工作点附近表现良好。模糊自整定增量式 PID 要解决的，正是「让控制器自己根据误差和误差变化率实时微调参数」这件事。它把模糊推理和增量式 PID 缝在一起，用一套轻量的规则表在运行时修正 Kp、Ki、Kd，让 STM32F103 这种没有 FPU、主频只有 72MHz 的芯片也能跑得动。搞懂它为什么能 work，比抄一份能跑的代码重要得多。

2. 增量式 PID：为什么它比位置式更适合电机闭环

2.1 位置式与增量式的本质差别

位置式 PID 直接算出控制量的绝对值：

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

这个式子每一项都依赖历史误差的累加，积分项是一个不断增长的求和。在电机调速里，控制量最终映射到 PWM 占空比，而占空比是有物理边界的（0 到 ARR）。位置式一旦积分饱和，退出饱和需要时间，表现就是「冲过头再慢慢拉回来」。

增量式 PID 不算绝对值，只算这一拍相对上一拍要增加多少：

Δu(k) = Kp*(e(k)-e(k-1)) + Ki*e(k) + Kd*(e(k)-2e(k-1)+e(k-2)) u(k) = u(k-1) + Δu(k)

关键区别在于：积分项从「累加和」变成了「当前误差乘以 Ki」。历史累积被隐含在 u(k-1) 里，控制器天然带记忆，但不需要单独维护一个可能溢出的积分累加器。

2.2 增量式在嵌入式里的三个实际优势

第一，抗积分饱和更自然。因为输出是增量叠加，只要对 u(k) 做上下限钳位，饱和时增量自然被截断，不会像位置式那样在饱和期间继续「偷偷」累加积分项。

第二，切换无扰动。手动/自动切换、或者从开环切到闭环时，增量式只需要保证 u(k-1) 等于当前实际输出，就能平滑接管，不需要重新初始化积分器。

第三，数值范围可控。位置式的积分累加器在长时间运行后可能变得很大，定点运算下容易溢出；增量式每拍只处理最近三次误差，数值范围稳定，这对没有硬件浮点的 F103 很友好。

常见的实现思路是：把 u(k) 用 Q 格式定点数表示，比如 Q10 或 Q12，把浮点系数预先放大成整数，整个递推过程用 int32 完成，只在最后右移还原成 PWM 比较值。这样既避免了浮点开销，又保留了足够的精度。

2.3 增量式 PID 的代码骨架

// 增量式 PID 单步计算，输入误差序列，输出增量 // Kp/Ki/Kd 为 Q10 定点系数，e0/e1/e2 为当前、上一拍、上上拍误差 int32_t IncPID_Step(int32_t Kp, int32_t Ki, int32_t Kd, int32_t e0, int32_t e1, int32_t e2) { int32_t delta; // 三项分别计算，注意 Kd 项是二阶差分 delta = Kp * (e0 - e1); // 比例增量 delta += Ki * e0; // 积分增量 delta += Kd * (e0 - 2*e1 + e2); // 微分增量 return delta >> 10; // Q10 还原 }

这段代码里，e0 - e1是误差的一阶差分，对应比例作用的增量形式；e0 - 2*e1 + e2是二阶差分，对应微分作用。右移 10 位是因为系数用 Q10 表示，实际增益等于整数值除以 1024。参数说明：Kp 决定对误差变化的即时响应，Ki 决定消除稳态误差的速度，Kd 抑制超调但对噪声敏感。在电机调速里，编码器测速本身带量化噪声，Kd 通常给得很小，甚至先置零，靠模糊规则在需要时再引入。

3. 模糊自整定：规则表怎么在运行时改写 PID 参数

3.1 模糊控制器的输入输出定义

模糊自整定的核心是一张「误差 → 参数修正量」的映射表。输入通常取两个量：转速误差 e 和误差变化率 ec。输出是 Kp、Ki、Kd 三个参数的修正量 ΔKp、ΔKi、ΔKd。

每个输入先做模糊化：把连续的 e 和 ec 映射到若干模糊子集，常见的是 7 个等级——NB（负大）、NM（负中）、NS（负小）、ZO（零）、PS（正小）、PM（正中）、PB（正大）。隶属度函数一般用三角形，因为三角形计算简单，交点明确，适合在 MCU 上做定点查表。

模糊化的本质是把「误差很大」「误差在减小」这种语言描述，转成 0 到 1 之间的隶属度。比如误差是 -80 RPM，可能对 NB 的隶属度是 0.6，对 NM 的隶属度是 0.4。这一步在 F103 上通常用查表加线性插值实现，避免实时算三角函数或指数。

3.2 规则表的结构与推理方式

规则表是一个二维矩阵，行是 e 的模糊等级，列是 ec 的模糊等级，每个格子给出对应的输出模糊等级。以 ΔKp 为例，典型规则是：

这张表的逻辑是：当误差大且误差在朝同方向扩大时，需要强修正；当误差接近零时，修正要收敛，避免在目标附近来回震荡。ΔKi 和 ΔKd 各有自己的规则表，设计思路不同——ΔKi 通常在误差大时取小值防止积分饱和，误差小时取正值加快消除静差；ΔKd 则在误差变化剧烈时增大以抑制超调。

推理方式常用 Mamdani 或 Sugeno。Sugeno 更适合 MCU，因为输出是输入的线性组合或常数，去模糊化只需要加权平均，不需要计算输出隶属度函数的面积重心。

3.3 从模糊输出到 PID 参数的落地

去模糊化得到的是 ΔKp、ΔKi、ΔKd 的清晰值，然后叠加到基础参数上：

// 模糊推理得到修正量后，更新 PID 系数 // base_* 为离线整定的基础值，delta_* 为模糊输出 Kp = base_Kp + delta_Kp; Ki = base_Ki + delta_Ki; Kd = base_Kd + delta_Kd; // 参数限幅，防止模糊规则把参数推到不合理区间 if (Kp > KP_MAX) Kp = KP_MAX; if (Kp < KP_MIN) Kp = KP_MIN; // Ki、Kd 同理

这里有个容易被忽略的细节：模糊输出的修正量必须限幅。规则表设计得再合理，在极端工况下（比如电机堵转）也可能推出很大的修正量，如果不钳位，PID 参数会瞬间跑到发散区。常见的做法是给每个参数设一个合理的上下界，这个界来自离线整定时观察到的稳定范围。

另一个细节是模糊推理的周期。它不需要和 PID 计算同频。PID 可以每 1ms 跑一次，模糊自整定每 10ms 或 20ms 跑一次就够了，因为工况变化没那么快。这样能把模糊推理的 CPU 开销摊薄，F103 跑起来毫无压力。

4. 在 STM32F103 上落地：定时器、编码器与运算的配合

4.1 编码器测速与定时器分工

F103 的 TIM 资源要分三块用：一个高级定时器（TIM1 或 TIM8）出 PWM 驱动电机，一个通用定时器（TIM2 到 TIM5）的编码器模式接正交编码器，再一个定时器做周期中断触发 PID 计算。

编码器模式下的定时器会自动根据 A/B 相脉冲增减计数器，不需要 CPU 干预。测速的常见做法是「M 法」：固定周期 T 读取计数器差值，转速 = 差值 / (线数 × 减速比 × T)。在低速时 M 法分辨率差，可以切到「T 法」测脉冲间隔，但多数电机调速场景 M 法够用。

PID 计算放在定时中断里，周期 1ms 到 5ms。中断服务函数里只做三件事：读编码器差值算转速、跑增量式 PID、更新 PWM 比较寄存器。模糊自整定用一个软件计数器分频，比如每 10 次 PID 中断跑一次。

4.2 定点运算与 Q 格式的选择

F103 没有 FPU，浮点运算靠软件模拟，一次浮点乘加可能几十个周期。PID 和模糊推理如果全用 float，1ms 中断里可能跑不完。所以整个链路建议用定点。

Q 格式的选择要权衡精度和溢出。误差 e 的范围取决于转速量程，假设最高 3000 RPM，用 Q0 表示就是 0 到 3000，int16 够用。但 PID 系数通常小于 1，比如 Kp = 0.8，用 Q10 表示就是 819。三项乘积 Kp * (e0-e1) 最大可能是 819 × 6000 ≈ 5e6，int32 能扛住。右移 10 位后还原成控制量增量。

模糊推理里的隶属度也在 0 到 1 之间，同样用 Q10 或 Q8。规则表的输出等级可以预先映射成定点修正量，推理时只做加权平均，避免实时计算。

4.3 中断优先级与实时性

电机控制对实时性敏感，PID 中断的优先级要高于串口、I2C 这些通信外设。但也不能设成最高，否则会阻塞系统滴答。一般把 PID 中断放在中等偏上优先级，确保不会被长耗时中断打断。

中断服务函数要短。读编码器、算 PID、写 PWM 寄存器，这三步加起来应该控制在几微秒量级。模糊推理如果放在中断里，要确保最坏执行时间可预测——查表和定点乘加都是确定性的，不会像浮点除法那样有不确定延迟。

提示：调试时先用示波器看 PWM 占空比波形，再看转速响应。如果占空比在目标附近高频抖动，多半是 Kd 太大或测速噪声没滤；如果响应慢且有过冲，先调基础参数再开模糊自整定。

5. 避坑与排查：模糊 PID 调试中最容易踩的五个坑

5.1 现象：转速在目标值附近持续振荡，幅度不衰减

原因：Kd 项对编码器量化噪声敏感，微分作用被噪声放大。增量式 PID 的二阶差分e0 - 2e1 + e2在误差接近零时，噪声占主导，输出增量剧烈跳变。

解决：先对测速做一阶低通滤波，或者把 Kd 置零跑通比例积分，确认稳定后再逐步加 Kd。模糊规则里 ΔKd 的修正范围也要收窄，避免在误差小时引入过大微分。

5.2 现象：加负载后转速掉下去就回不来，稳态误差大

原因：Ki 太小，或者模糊规则在误差大时把 ΔKi 压得过低，导致积分作用长期不足。另一种可能是输出限幅把积分增量截断了，但 u(k-1) 没有相应补偿。

解决：检查 ΔKi 规则表，误差大时 Ki 可以小但不能为零。确认输出钳位逻辑：如果 u(k) 被限幅，应该把 u(k-1) 也钳到同一边界，否则下一拍增量会基于一个不存在的输出值计算。

5.3 现象：从低速切高速时超调严重，甚至触发过流保护

原因：模糊自整定周期太长，参数更新滞后于工况变化。或者 ΔKp 规则在误差大时给得过大，比例作用瞬间拉满。

解决：缩短模糊推理周期，或者让模糊推理和 PID 同频但只更新部分参数。检查 ΔKp 规则表在「误差大且误差变化率大」区域的输出，适当降低修正幅度。

5.4 现象：定点运算结果和浮点仿真对不上，实际响应差很多

原因：Q 格式选择不当导致中间结果溢出，或者右移时没有做舍入，累积误差。另一种常见情况是系数放大倍数不一致，Kp 用 Q10、Ki 用 Q8，混用后量纲错乱。

解决：统一所有系数的 Q 格式，中间乘积用 int64 暂存再截断。右移前加半个最低位做四舍五入。用固定输入序列在 PC 上跑浮点版本和定点版本对比，确认误差在可接受范围。

5.5 现象：电机低速时转速显示跳动大，闭环无法稳定

原因：M 法测速在低速时每周期脉冲数太少，量化误差大。比如 1ms 周期内只采到 2 个脉冲，差一个脉冲就是 50% 误差。

解决：低速段切换到 T 法测脉冲间隔，或者延长测速周期并在周期内做滑动平均。也可以降低 PWM 频率提高低速分辨率，但要注意电机噪声和发热。

6. 设计取舍：模糊自整定到底值不值得上

把模糊自整定加到增量式 PID 上，本质是用「规则表的先验知识」换「在线辨识的复杂度」。它不需要建立电机的精确数学模型，不需要递推最小二乘或者卡尔曼滤波那套在线辨识算法，只需要一张离线整定的规则表加定点查表，就能在 F103 这种资源受限的芯片上跑起来。这是它最大的工程价值。

但代价也很明确。规则表是人为设计的，它的覆盖范围和修正力度依赖调试经验。工况超出规则表覆盖的区域时，模糊推理可能给出不合理的修正量，反而不如固定参数稳定。所以参数限幅和规则表的边界设计，比规则表本身更重要。

另一个取舍是模糊推理的周期。周期越短，参数跟踪越快，但 CPU 开销越大，而且可能把测速噪声当成工况变化来响应。周期越长，越平滑，但滞后越明显。常见的折中是 PID 周期的 5 到 10 倍，具体要看电机的机械时间常数。

验证这套机制是否 work，最直接的方法是在不同供电电压、不同负载转矩下各跑一遍阶跃响应，记录超调量、调节时间、稳态误差，和固定参数 PID 对比。如果模糊自整定在宽工况下的综合表现明显更稳，那这张规则表就值了。如果只在某个工作点好，换个工况就崩，那多半是规则表设计有问题，而不是模糊本身不行。

我自己的习惯是：每次改完规则表，先在 PC 上用 Python 把浮点模型跑一遍，确认趋势对了，再移植到定点代码。移植后第一件事不是看转速，而是把 ΔKp、ΔKi、ΔKd 的实时值通过串口打出来，看它们在阶跃响应过程中是否按预期变化。参数轨迹对了，转速曲线一般不会差。从那以后我每次调模糊 PID，都强制先看参数轨迹再看转速，省了很多来回烧录的时间。希望帮到你。

本文还有配套的精品资源，点击获取