电赛H题闭环控制系统：STM32数据采集与PID算法实战-开发者社区

最近在准备电子设计竞赛的同学应该都深有体会，H题往往是最考验综合能力的题目。这类题目通常涉及信号采集、数据处理、控制算法和硬件调试多个环节，任何一个细节没处理好都可能导致整个系统无法正常工作。本文将围绕电赛H题的典型技术需求，从硬件选型到软件实现，完整拆解一套可复用的解决方案。

无论你是第一次参加电赛的新手，还是有一定经验但想在H题上取得突破的选手，本文提供的模块化设计思路和代码框架都能直接套用。我们将重点讲解信号调理电路设计、STM32数据采集、PID控制算法实现等核心环节，每个部分都配有经过验证的代码示例和调试技巧。

1. 题目分析与技术需求梳理

典型的电赛H题会要求实现一个闭环控制系统，比如平衡车、温度控制、位置跟踪等。这类题目的核心需求可以归纳为以下几个技术要点：

1.1 信号采集与处理

需要采集的物理量通常包括角度、温度、位移、速度等。传感器输出可能是模拟电压、数字信号或脉冲信号。关键是要保证采集的准确性和实时性。

1.2 控制算法实现

PID控制是电赛中最常用的算法，但需要根据具体被控对象进行参数整定。高级题目可能要求模糊控制、自适应控制等更复杂的算法。

1.3 人机交互界面

通常需要LCD显示屏显示状态信息，按键或旋钮进行参数设置，有些题目还要求无线通信功能。

1.4 执行机构驱动

电机、舵机、加热器等执行机构的驱动电路设计，以及相应的控制程序编写。

2. 硬件平台选型与电路设计

2.1 主控芯片选择

STM32F103系列是电赛的经典选择，资源丰富且性价比高。对于计算量大的题目，可以考虑STM32F4或H7系列。

// STM32F103基本配置示例 #include "stm32f10x.h" void SystemInit(void) { // 设置系统时钟为72MHz RCC->CFGR |= RCC_CFGR_PLLMULL9; RCC->CFGR |= RCC_CFGR_PLLSRC; RCC->CR |= RCC_CR_PLLON; while(!(RCC->CR & RCC_CR_PLLRDY)); RCC->CFGR |= RCC_CFGR_SW_PLL; }

2.2 传感器接口电路

针对不同的传感器类型，需要设计相应的接口电路：

模拟传感器信号调理电路：

// 运算放大器电路设计要点 // 1. 阻抗匹配：传感器输出阻抗与运放输入阻抗匹配 // 2. 滤波处理：加入RC低通滤波，截止频率根据信号频率设定 // 3. 电平移位：将信号调整到ADC输入范围（0-3.3V）

数字传感器接口：

I2C接口：注意上拉电阻取值（通常4.7kΩ）
SPI接口：注意时钟极性和相位设置
串口：注意波特率匹配和电平转换

2.3 功率驱动电路设计

电机驱动常用H桥电路，需要注意以下几点：

// H桥驱动关键参数计算 // 1. 驱动电流：I = U/R + 启动电流余量 // 2. 开关频率：根据电机类型选择（通常10-20kHz） // 3. 死区时间：防止上下管直通（通常1-2us）

3. 软件架构设计与模块划分

3.1 整体软件架构

采用模块化设计，将系统分为以下几个核心模块：

项目结构： /src /hardware // 硬件驱动层 adc.c // ADC采集 pwm.c // PWM输出 uart.c // 串口通信 /algorithm // 算法层 pid.c // PID控制 filter.c // 数字滤波 /application // 应用层 main.c // 主程序 task.c // 任务调度

3.2 实时数据采集模块

数据采集的准确性和实时性直接影响控制效果。

// ADC多通道采集示例 #define ADC_CHANNELS 3 #define SAMPLE_COUNT 100 volatile uint16_t adc_values[ADC_CHANNELS][SAMPLE_COUNT]; volatile uint8_t sample_index = 0; void ADC_Configuration(void) { ADC_InitTypeDef ADC_InitStructure; // ADC时钟配置 RCC_ADCCLKConfig(RCC_PCLK2_Div6); // ADC参数配置 ADC_InitStructure.ADC_Mode = ADC_Mode_Independent; ADC_InitStructure.ADC_ScanConvMode = ENABLE; ADC_InitStructure.ADC_ContinuousConvMode = ENABLE; ADC_InitStructure.ADC_ExternalTrigConv = ADC_ExternalTrigConv_None; ADC_InitStructure.ADC_DataAlign = ADC_DataAlign_Right; ADC_InitStructure.ADC_NbrOfChannel = ADC_CHANNELS; ADC_Init(ADC1, &ADC_InitStructure); // 配置采样通道和顺序 ADC_RegularChannelConfig(ADC1, ADC_Channel_0, 1, ADC_SampleTime_55Cycles5); ADC_RegularChannelConfig(ADC1, ADC_Channel_1, 2, ADC_SampleTime_55Cycles5); ADC_RegularChannelConfig(ADC1, ADC_Channel_2, 3, ADC_SampleTime_55Cycles5); // 使能ADC并校准 ADC_Cmd(ADC1, ENABLE); ADC_ResetCalibration(ADC1); while(ADC_GetResetCalibrationStatus(ADC1)); ADC_StartCalibration(ADC1); while(ADC_GetCalibrationStatus(ADC1)); // 启动转换 ADC_SoftwareStartConvCmd(ADC1, ENABLE); }

3.3 数字滤波算法实现

传感器数据通常含有噪声，需要进行滤波处理。

// 滑动平均滤波 #define FILTER_WINDOW 10 typedef struct { float buffer[FILTER_WINDOW]; uint8_t index; float sum; } MovingAverageFilter; float moving_average_filter(MovingAverageFilter* filter, float new_value) { // 减去最早的值，加上最新的值 filter->sum = filter->sum - filter->buffer[filter->index] + new_value; filter->buffer[filter->index] = new_value; filter->index = (filter->index + 1) % FILTER_WINDOW; return filter->sum / FILTER_WINDOW; } // 一阶低通滤波 typedef struct { float alpha; // 滤波系数 float prev_out; // 上一次输出 } LowPassFilter; float low_pass_filter(LowPassFilter* filter, float input) { filter->prev_out = filter->alpha * input + (1 - filter->alpha) * filter->prev_out; return filter->prev_out; }

4. PID控制算法详解与实现

4.1 PID算法原理

PID控制器由比例、积分、微分三个环节组成，计算公式为： [ u(t) = K_p e(t) + K_i \int_0^t e(\tau)d\tau + K_d \frac{de(t)}{dt} ]

4.2 位置式PID实现

typedef struct { float Kp, Ki, Kd; // PID参数 float integral; // 积分项 float prev_error; // 上一次误差 float max_output; // 输出限幅 float max_integral; // 积分限幅 } PIDController; 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（抗积分饱和） pid->integral += error * dt; if (pid->integral > pid->max_integral) { pid->integral = pid->max_integral; } else if (pid->integral < -pid->max_integral) { pid->integral = -pid->max_integral; } float integral = pid->Ki * pid->integral; // 微分项（采用不完全微分） float derivative = pid->Kd * (error - pid->prev_error) / dt; pid->prev_error = error; // 计算输出并限幅 float output = proportional + integral + derivative; if (output > pid->max_output) { output = pid->max_output; } else if (output < -pid->max_output) { output = -pid->max_output; } return output; }

4.3 增量式PID实现

增量式PID更适合执行机构带积分特性的场合。

typedef struct { float Kp, Ki, Kd; float prev_error; float prev2_error; } IncrementalPID; float incremental_pid_update(IncrementalPID* pid, float setpoint, float measurement) { float error = setpoint - measurement; float delta_u = pid->Kp * (error - pid->prev_error) + pid->Ki * error + pid->Kd * (error - 2 * pid->prev_error + pid->prev2_error); pid->prev2_error = pid->prev_error; pid->prev_error = error; return delta_u; }

5. 系统集成与调试技巧

5.1 模块化测试方法

在集成前先对每个模块进行单独测试：

ADC测试：

使用已知电压源验证采集精度
检查采样率是否满足要求
验证多通道切换是否正确

PID测试：

先单独测试P控制，观察系统响应
然后加入I控制消除静差
最后加入D控制改善动态性能

5.2 系统联调步骤

开环测试：先不接反馈，测试执行机构是否正常工作
闭环测试：接入反馈，从小参数开始调试
抗干扰测试：加入扰动，测试系统鲁棒性
长时间运行：测试系统稳定性

5.3 参数整定方法

试凑法步骤：

先将Ki和Kd设为0，逐渐增大Kp直到系统出现等幅振荡
记录此时的Kp值（临界增益Kc）和振荡周期Tc
根据Ziegler-Nichols公式计算PID参数：
- P控制：Kp = 0.5Kc
- PI控制：Kp = 0.45Kc, Ki = 1.2Kp/Tc
- PID控制：Kp = 0.6Kc, Ki = 2Kp/Tc, Kd = KpTc/8

6. 常见问题与解决方案

6.1 传感器数据跳动问题

现象：采集的数据不稳定，跳动较大解决方案：

检查电源稳定性，加入滤波电容
优化PCB布局，减少电磁干扰
软件上采用数字滤波算法
检查传感器接地是否良好

6.2 PID控制振荡问题

现象：系统输出持续振荡，无法稳定解决方案：

减小比例系数Kp
适当增加微分系数Kd
检查采样周期是否合适
验证传感器数据是否准确

6.3 电机驱动异常问题

现象：电机转动不平稳或有异响解决方案：

检查PWM频率是否合适（通常10-20kHz）
验证死区时间设置是否正确
检查电源功率是否足够
检查电机线缆连接是否可靠

6.4 系统响应慢问题

现象：系统对设定值变化响应迟缓解决方案：

增大比例系数Kp
减小积分系数Ki（积分太强会降低响应速度）
检查执行机构功率是否足够
优化控制算法计算效率

7. 性能优化与进阶技巧

7.1 计算效率优化

对于实时性要求高的系统，需要优化算法计算效率。

// 使用定点数运算提高速度 typedef int32_t fixed_point; #define FIXED_SHIFT 8 #define FLOAT_TO_FIXED(x) ((fixed_point)((x) * (1 << FIXED_SHIFT))) #define FIXED_TO_FLOAT(x) ((float)(x) / (1 << FIXED_SHIFT)) fixed_point fixed_pid_update(PIDController* pid, fixed_point setpoint, fixed_point measurement, fixed_point dt) { fixed_point error = setpoint - measurement; // 使用移位代替除法 fixed_point proportional = (pid->Kp * error) >> FIXED_SHIFT; // ... 其他计算类似 return proportional; // 简化示例 }

7.2 自适应PID控制

对于参数时变的系统，可以采用自适应PID。

typedef struct { PIDController base_pid; float adaptation_gain; float parameter_estimate; } AdaptivePID; float adaptive_pid_update(AdaptivePID* pid, float setpoint, float measurement, float dt) { float error = setpoint - measurement; // 简单的参数自适应 pid->parameter_estimate += pid->adaptation_gain * error * measurement; // 更新PID参数 pid->base_pid.Kp = pid->parameter_estimate; return pid_update(&pid->base_pid, setpoint, measurement, dt); }

7.3 系统辨识方法

通过实验数据建立系统数学模型，为控制器设计提供依据。

阶跃响应法：

给系统一个阶跃输入
记录输出响应曲线
根据响应曲线特征确定模型参数
使用模型进行控制器设计和仿真

8. 比赛实战经验分享

8.1 时间管理策略

电赛时间有限，合理的时间分配至关重要：

第一天：完成题目分析、方案设计、硬件搭建第二天：完成软件框架、基础功能调试第三天：性能优化、稳定性测试、文档整理

8.2 文档编写要点

比赛文档是评分的重要依据，需要注意：

系统框图清晰明了
电路图规范完整
程序流程图逻辑清楚
测试数据真实有效
创新点突出明确

8.3 现场调试准备

准备常用的测试工具（万用表、示波器等）
带上备用的元器件
准备详细的调试记录表
提前熟悉比赛场地环境

通过以上完整的技术方案和实践经验，相信你能够更好地应对电赛H题的挑战。关键是要掌握模块化的设计思想，做到每个部分都经过充分测试，最后再进行系统集成。在实际比赛中，保持冷静的头脑和良好的团队协作同样重要。