Arduino巡线机器人硬件选型与PID参数整定指南

Arduino巡线机器人是很多人入门嵌入式控制的第一台小车，也是我见过最容易“看起来简单、调起来要命”的项目。硬件清单网上一搜一大把，接线图照着抄十分钟就能让轮子转起来，但真正让它从“能走”变成“走得稳、走得快”，卡住绝大多数人的不是代码写不出来，而是硬件选型的匹配和PID算法调试的手感。这篇文章我打算把整条链路拆开讲：主控、传感器、电机驱动怎么选，误差怎么算出来，P、I、D三项在手上分别对应什么感觉，现场整定的顺序是什么，以及那些调试时才会暴露的坑。适合刚接触Arduino巡线机器人的新手，也适合已经能让小车跑起来、但一直调不出稳定速度的朋友。看完你至少能拿到三样东西：一套知道为什么这么选的硬件清单，一份结构清楚的循迹程序，一张面对画龙、甩尾、丢线时能对照排查的问题表。

1. 整体方案设计：先想清楚小车靠什么“看见”线

1.1 巡线机器人的核心任务拆解

巡线这件事拆到最底层，就是一个不断重复的闭环：传感器测出车身相对黑线的偏移，主控把这个偏移换算成转向修正量，电机执行修正，车身姿态改变，传感器再测一次。整个循环里没有任何一步是“可有可无”的，而绝大多数调试失败，问题都出在第一步——传感器给出的偏移量本身就不准，后面PID参数怎么调都是在错误的输入上做补偿。

我习惯把巡线机器人的设计分成三层来看。感知层负责把“线在哪”变成电信号，核心是红外反射式传感器或者灰度传感器；决策层负责把电信号变成转向量，核心是误差计算加PID控制器；执行层负责把转向量变成左右轮的转速差，核心是电机驱动和电源。三层之间任何一层的参数不匹配，都会表现为“小车不听话”，但症状相似、病因完全不同，这也是为什么排查时必须按层拆。

差速转向是这类小车最常用的运动方式：两个驱动轮分别由两个电机带动，左右轮速度相同就直行，左轮慢右轮快就右转，反过来就左转。它不需要舵机，结构简单，低速时转向半径可以做到很小。代价是转向时内外轮存在滑移，轮胎磨损和地面摩擦会直接影响循迹精度，所以车体重量分布和轮胎材质不能随便糊弄。

1.2 主控与传感方案的取舍逻辑

主控的选择没有太多悬念。Arduino Uno和Nano用的是同一颗8位AVR芯片，16MHz主频、2KB RAM、32KB Flash，跑一个8路传感器的巡线PID绰绰有余。Uno的优点是接口布局宽松、插线不容易打架，适合台面上调试；Nano体积小、重量轻，装到车体上更省空间，我个人更倾向Nano。ESP32这类双核主控性能强得多，但它的ADC在Wi-Fi开启时线性度会变差，做模拟量巡线反而要多花心思，除非你后面打算上摄像头，否则没必要一上来就堆性能。

传感方案才是真正需要想清楚的地方。市面上常见的循迹传感器大致分三类，我用一张表把它们的实际表现摆出来：

我建议新手从5路到8路模拟量红外阵列起步。数字量模块虽然简单，但它只能告诉你“第几路压线”，误差是跳变的，PID的微分项会被这种跳变放大成剧烈抖动。模拟量能算出连续偏移，PID才有发挥空间。这里说的“模拟量”不一定非要买专用模块，TCRT5000本身的接收管输出就是模拟信号，模块上那颗比较器芯片只是把它转成了数字量，你把模块的模拟输出脚引出来照样能读。

传感器的路数也有讲究。5路够用，但容错低，一旦车身偏得多一点就丢线；7路或8路能覆盖更宽的偏移范围，代价是布线更密、读取时间更长。8路模拟量在Arduino上逐路读取大约需要0.8毫秒，放在10毫秒的控制周期里完全不影响。

1.3 动力与电源的匹配思路

动力部分最常见的误区是“电机越大越好”。巡线小车需要的是可控的低速扭矩，不是空载转速。以常见的TT减速电机为例，1:48减速比、空载转速约200转每分钟，配65毫米直径的轮子，理论线速度是 π×0.065×200÷60≈0.68米每秒。这个速度对巡线来说已经偏快，实际负载下会降到0.4到0.5米每秒，刚好是新手能控制的区间。如果换成1:120的减速比，速度降到0.2米每秒左右，虽然稳但比赛道要求的时间往往不够。

轮径的选择要跟减速比一起算。轮子越大，同样转速下线速度越快，但电机负载也越大，起步和转向时更容易丢步。65毫米是折中值，60到70毫米之间都能用。轮距则影响转向灵敏度，轮距越窄转向越灵活，但抗侧倾能力越差，我一般把轮距控制在120到140毫米之间。

电源是整套系统里最容易被低估的部分。电机启动瞬间的电流可能是额定电流的三到五倍，如果主控和电机共用一路电源，电压瞬间跌落很容易让主控复位。我的做法是电机和主控分开供电、单点共地：电机用两节18650串联的7.4V电池组，主控用一块独立的5V降压模块或者充电宝。共地是必须的，否则PWM信号没有参考电平，驱动模块会工作异常。

驱动模块的压降也要算进去。老式的L298N内部是双H桥，导通压降有1.4到2V，7.4V供电到电机端只剩5.5V左右，动力损失明显，而且发热大。TB6612FNG这类MOSFET驱动的压降只有零点几伏，持续电流1.2A，峰值3.2A，驱动两个TT电机足够，体积还小。选驱动时重点看三个参数：持续电流、导通压降、逻辑电平是否兼容3.3V和5V。

2. 硬件选型清单与组装细节

2.1 主控板与扩展板的实际选择

主控板定下来之后，扩展板要不要用是个现实问题。市面上常见的传感器扩展板把模拟口、数字口、电机口都引出成排针，插线确实方便，但它会占用固定的引脚布局，一旦你想改引脚分配就得飞线。我的建议是：第一版可以用扩展板快速验证，确定方案后换成杜邦线直连或者自己焊一块转接板。巡线小车的线束会随调试反复插拔，排针接触不良是后期最烦人的间歇性故障来源。

引脚分配要提前规划，别等到写代码时才发现冲突。Nano上PWM引脚是3、5、6、9、10、11，其中5和6的PWM频率约980Hz，其余约490Hz。两路电机各需要一路PWM加两路方向控制，占掉4个数字口和2个PWM口；8路模拟传感器占A0到A7；串口TX、RX留给调参；再留两个口给按键和蜂鸣器做状态提示。这样算下来Nano刚好够用，没有富余。

还有一点容易被忽略：电机PWM频率落在人耳可听范围内会有明显的啸叫，490Hz的PWM驱动电机时那种“吱——”的声音在安静场地里很刺耳。如果在意这个，可以用定时器把PWM频率改到20kHz以上，超出人耳范围。改Timer1会影响millis()和Servo库，改Timer2会影响tone()，改之前要确认程序里没有依赖这些功能。

2.2 循迹传感器的数量与布局

传感器布局直接决定误差曲线的形状。以8路传感器、间距8毫米为例，阵列总宽度是56毫米，能覆盖车身中心左右各28毫米的偏移。黑线宽度一般取15到20毫米，这样保证车身在正常偏移范围内始终有至少两路传感器压在线或线边缘上。

间距不能随便定。间距太大，两路传感器之间会出现“盲区”，车身偏移到盲区时所有传感器都读到白色，误差计算失效；间距太小，相邻传感器的模拟值过于接近，加权平均的分辨率上不去，而且模块本身有体积，物理上装不下。经验公式是间距取黑线宽度的二分之一到三分之二，20毫米线宽配8到10毫米间距比较稳妥。

传感器的离地高度同样关键。TCRT5000这类反射式传感器的有效检测距离在2到15毫米之间，最佳工作距离大约5到8毫米。装高了，黑色胶带的反射信号太弱，阈值不好设；装低了，地面稍微不平就刮蹭。我通常先用垫片把传感器板架到6毫米左右，再在实际赛道上微调。

前瞻距离是另一个维度。传感器阵列装得离车轴越远，小车“看到”弯道的时间越早，能提前转向；但装太远会让转向滞后于车身姿态，直道上反而容易画龙。对于轮距130毫米左右的小车，传感器阵列前沿距离前轮轴心40到60毫米是比较舒服的位置。

2.3 电机、驱动与轮系的搭配

电机和轮子的搭配前面已经算过速度，这里补几个装配细节。TT电机的输出轴是双扁轴，轮子直接插上去靠摩擦力固定，跑久了会松，最好加一点热熔胶或者用带紧定螺钉的轮毂。电机固定在车体上时，左右两个电机的轴线要平行，否则小车会天然跑偏，PID再努力也只能补偿一部分。

万向轮的位置影响重心。常见的三层亚克力车体，电池放在中层靠后，主控和传感器在前，万向轮在最前端。如果万向轮太靠前，转向时车头下沉，传感器离地高度变化，阈值跟着漂；太靠后则转向半径变大。我的做法是让万向轮中心距离两个驱动轮轴线大约100到120毫米，重心落在驱动轮和万向轮构成的三角形中间偏后位置。

驱动模块的接线有个细节：TB6612的STBY引脚必须拉高才能工作，很多人接完线发现电机不转，查了半天是STBY悬空。另外驱动模块的电源输入端要并一颗100微法以上的电解电容，再并一颗0.1微法的瓷片电容，前者吸收电机启停的电流冲击，后者滤高频噪声。这两颗电容成本不到一块钱，但能省掉大量莫名其妙的复位问题。

2.4 电源与走线：最容易被忽视的部分

电池选型上，两节18650串联给出7.4V标称电压，满电8.4V，放到6.8V左右就该充电。这个电压范围正好落在大多数降压模块的输入范围内，给主控供5V很稳。不建议用9V方块电池，它的容量小、内阻大，电机一启动电压就塌，是巡线小车复位故障的头号嫌疑。

走线要遵守两条原则：大电流线短而粗，信号线远离动力线。电机线用18AWG到20AWG，尽量短，双绞一下能减少辐射；传感器排线不要和电机线捆在一起走，尤其是模拟信号线，电机换向时产生的尖峰很容易耦合进去，表现为传感器读数随机跳动。

我在车体底部贴一层铜箔胶带做简易屏蔽，所有模块的地都汇到这一点，再把这一点用一根线连到电池负极。这种做法不严谨，但对巡线小车这种低成本场景足够有效，能明显减少“手一碰线读数就变”的现象。

3. PID控制原理与参数整定方法

3.1 巡线误差是怎么算出来的

误差计算的本质是回答一个问题：黑线在车身中心的左边还是右边，偏了多少。8路模拟量传感器的做法是加权平均：给每一路一个位置权重，最左边是-3.5，最右边是+3.5，中间是0，把每路的模拟值乘以权重再除以总权重，得到的就是黑线中心相对车身中心的位置。

举个具体例子。假设8路传感器读到这样一组值（0表示全白，1000表示全黑）：[80, 120, 900, 950, 300, 100, 60, 50]。权重是[-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5]。加权和是 80×(-3.5)+120×(-2.5)+900×(-1.5)+950×(-0.5)+300×0.5+100×1.5+60×2.5+50×3.5，算下来约等于 -280-300-1350-475+150+150+150+175 = -1780，总权重和是 80+120+900+950+300+100+60+50=2560，误差约等于 -0.70。负值表示线在车身左侧，小车需要向左修正。

这个算法的好处是分辨率远高于传感器路数，8路传感器能给出接近连续的位置输出。但它对阈值敏感：环境光变化、电池电压下降、赛道材质不同，都会让“全白”的基准值漂移。所以每次换场地都要重新标定，把每路传感器在白区和黑区的读数都记下来，取中间值作为判断依据。

如果用的是数字量传感器，误差就只能取离散值，比如最左压线是-3，最右是+3，中间没压线时靠“上一次的误差”来推断。这种方案在直道上问题不大，进弯时会有明显的台阶感，PID的微分项会被台阶放大成抖动。这也是我推荐模拟量的主要原因。

3.2 P、I、D三项各自在干什么

用开车打方向盘来类比最直观。比例项P像你眼睛看到车偏了立刻打的那把方向，偏得越多打得越多，响应快，但只靠它车会左右摆——因为打过头了才知道，再往回打，永远在修正和过冲之间来回。微分项D像老司机的预判，看到车正在往左偏、而且偏的速度越来越快，就提前回一点方向，抑制过冲。积分项I像发现车一直往右偏、怎么修都修不正时，慢慢累积一个持续的左打方向，用来消除那种“稳定存在的小偏差”。

巡线小车里，P和D是主力，I用得很少。原因是巡线的误差来源主要是几何偏移，不是持续的外部扰动，积分项积累的那点修正量很容易在弯道里变成“积分饱和”——误差长时间偏在一侧，积分越积越大，等车回到中线时积分还没释放，直接冲过头。如果非要用I，一定要加积分限幅和抗饱和逻辑。

三项的数学形式是：

turn = Kp * error + Ki * integral + Kd * derivative

其中derivative = (error - lastError) / dt。注意dt的存在：如果控制周期是10毫秒，误差每周期变化1，导数值就是100，所以Kd的数值会比Kp小两个数量级。很多人调参时把Kd设成和Kp一个量级，结果小车抖得像筛糠，就是因为忽略了dt。

3.3 从零开始整定参数的顺序

整定必须按顺序来，跳步会浪费大量时间。我的流程是这样的：

第一步，开环验证方向。把Kp、Ki、Kd全部设0，给左右轮一个固定的基础PWM，比如120。用手把小车放在线左侧，观察它是否向右转；放右侧，是否向左转。如果方向反了，先把电机线或传感器顺序改对，不要带着反方向去调PID，那样永远调不出来。

第二步，只加P。从Kp=5开始，每次加5，直到小车能跟着线走但明显左右摇摆。记录下这个临界值，比如Kp=30时开始画龙，那么实际可用值取它的60%到70%，也就是18到21。P太小车的反应迟钝，进弯直接冲出去；P太大直道上高频摆动。

第三步，加D抑制摆动。Kd从Kp的十分之一开始试，比如Kp=20时Kd从2开始。每加一次观察直道上的摆动幅度，调到摆动基本消失、但进弯时还有一点“提前回正”的感觉为止。D过大的典型症状是车在直道上发抖，传感器读数稍微跳一下就引起剧烈修正。

第四步，按需加I。大多数巡线场景可以跳过。如果发现小车在直道上总是稳定地偏向一侧，先检查传感器安装是否对称、轮子是否跑偏，机械问题不要用积分去补。

第五步，提高基础速度重调。速度提高后，同样的Kp会显得偏大，因为每个控制周期内车身走过的距离变长了。经验是速度翻倍，Kp大约要降到原来的70%到80%，D适当加大。这个环节最考验耐心，建议每次只改一个量。

3.4 积分饱和与微分噪声的处理

微分项对噪声极其敏感。模拟量传感器读数的最后一位总在跳，误差序列里就带着高频噪声，直接做差分会把噪声放大。我的处理办法是先滤波再微分：对误差做一阶低通，filteredError = 0.7 * filteredError + 0.3 * rawError，系数0.3意味着新值占三成，响应不会太滞后，但噪声被压掉一大半。滤波之后再做差分，D项会平滑很多。

另一个办法是“微分先行”，只对测量值做微分，不对设定值做微分。巡线里设定值恒为0，两者等价，但在有急转弯或者丢线恢复的逻辑里，微分先行能避免设定值突变引起的微分冲击。

积分饱和的处理更简单：给积分项设一个上下限，比如±200，同时当误差符号反转时清空积分。更稳妥的做法是“条件积分”——只有当输出没有饱和时才累加积分，输出已经打满时停止累加。这两种做法组合起来，基本能避免积分项在弯道里失控。

还有一种情况值得单独说：丢线。当所有传感器都读到白色，误差计算的分母接近零，加权平均会给出一个无意义的值。这时候不能直接把误差喂给PID，而应该启用“丢线记忆”：用最后一次有效误差的方向继续转向，同时降低速度，直到重新找到线。如果超过一定时间还没找到，就停车或者原地旋转搜索。

4. 代码实现与现场调试实录

4.1 程序整体结构

程序不要写成一个大loop里塞满逻辑，那样调参时改一处动全身。我的习惯是分成四个层次：采集层负责读8路模拟值并做归一化，误差层负责加权平均和丢线判断，控制层负责PID计算和输出限幅，执行层负责把左右轮PWM写到驱动模块。层与层之间用全局变量传递，结构清楚，串口调参时也方便单独打印某一层的中间量。

控制周期用millis()做非阻塞定时，不要用delay()。delay()会把整个循环卡住，传感器采样、串口响应全部停摆，调参时你连实时数据都看不到。10毫秒的周期对应100Hz的控制频率，对巡线小车足够，再快也没有意义，因为电机机械响应跟不上。

unsigned long lastTime = 0; const unsigned int CONTROL_PERIOD_MS = 10; void loop() { unsigned long now = millis(); if (now - lastTime >= CONTROL_PERIOD_MS) { float dt = (now - lastTime) / 1000.0; lastTime = now; readSensors(); computeError(); computePID(dt); driveMotors(); } handleSerial(); }

4.2 传感器读取与误差计算代码

读取部分的关键是标定。每路传感器在白区和黑区的读数差异越大，误差分辨率越高。我通常在上电时让小车静止在线外，读一遍全白值，再手动把小车放到线上读一遍全黑值，把两组值存进数组，运行时做归一化：normalized = (raw - white) / (black - white)，限制在0到1之间。

const int SENSOR_PINS[8] = {A0, A1, A2, A3, A4, A5, A6, A7}; const float WEIGHTS[8] = {-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5}; int whiteVal[8], blackVal[8]; float error = 0, lastError = 0, filteredError = 0; void readSensors() { float sum = 0, weighted = 0; for (int i = 0; i < 8; i++) { int raw = analogRead(SENSOR_PINS[i]); float norm = (float)(raw - whiteVal[i]) / (blackVal[i] - whiteVal[i]); norm = constrain(norm, 0.0, 1.0); sum += norm; weighted += norm * WEIGHTS[i]; } if (sum < 0.5) { error = lastError > 0 ? 3.5 : -3.5; // 丢线，沿用上次方向 } else { error = weighted / sum; lastError = error; } filteredError = 0.7 * filteredError + 0.3 * error; }

这段代码里有个细节：sum < 0.5的判断阈值不能设太高，否则浅色赛道上正常压线也会被误判成丢线。0.5的意思是八路归一化值加起来还不到半路的量，基本可以确定整车都在白区。

4.3 PID计算与电机输出

PID输出的是转向量，不是左右轮的直接PWM。正确的做法是先定基础速度，再把转向量加减到左右轮上：

float Kp = 20, Ki = 0, Kd = 3; float integral = 0, prevError = 0; int baseSpeed = 120; void computePID(float dt) { integral += filteredError * dt; integral = constrain(integral, -100, 100); float derivative = (filteredError - prevError) / dt; float turn = Kp * filteredError + Ki * integral + Kd * derivative; prevError = filteredError; int leftPWM = baseSpeed + turn; int rightPWM = baseSpeed - turn; leftPWM = constrain(leftPWM, -255, 255); rightPWM = constrain(rightPWM, -255, 255); setMotor(1, leftPWM); setMotor(2, rightPWM); }

setMotor里要处理正负号：正值走正转，负值走反转，对应驱动模块的两路方向引脚。这里最容易犯的错是忘记负值也要限幅，电机在急弯时PWM超过255被截断，实际转向量比PID算出来的小，表现为“弯道转不够”。

4.4 串口调参与数据观察

调参阶段一定要把关键量实时打出来，否则就是盲调。我通常每隔200毫秒打印一行：八路归一化值、误差、滤波后误差、PID输出、左右PWM。格式用逗号分隔，方便后面粘到表格里画曲线。

void handleSerial() { static unsigned long lastPrint = 0; if (millis() - lastPrint > 200) { lastPrint = millis(); Serial.print(filteredError); Serial.print(","); Serial.print(Kp * filteredError); Serial.print(","); Serial.print(Kd * (filteredError - prevError) / 0.01); Serial.print(","); Serial.println(turnValue); } if (Serial.available()) { char cmd = Serial.read(); if (cmd == 'p') Kp += 1; if (cmd == 'P') Kp -= 1; if (cmd == 'd') Kd += 0.5; if (cmd == 'D') Kd -= 0.5; } }

用串口字符实时加减参数，比反复烧录程序快得多。烧录一次要十几秒，调一组参数可能要试几十次，这个时间差非常可观。注意加减的步长要小，Kp一次加1、Kd一次加0.5，加太快容易直接跳过可用区间。

4.5 调试过程记录

第一阶段的目标是“能沿线走完一圈”，速度设到80，Kp从10开始试。第一次试到Kp=25时小车在直道上开始画龙，幅度大约两厘米；加Kd=2后摆动明显收敛，但进弯时车头会先向外甩一下再转进去。这个“外甩”是D项过大加上传感器前瞻不足的典型表现，把Kd降到1.5、传感器支架往前挪了10毫米，现象消失。

第二阶段提速度到120，原来的参数立刻不够用，直道上又出现小幅摆动。把Kp从25降到20，Kd从1.5提到2.5，摆动压住，但弯道出口有轻微过冲。这时候加了很小的Ki=0.5，积分限幅±50，过冲基本消除。后来发现Ki对直道稳定性有副作用，最终又把它去掉了，靠机械调整解决——把电池往前挪了5毫米，重心前移，转向响应变快，不需要积分补偿。

第三阶段测试不同赛道材质。同一条黑线在光滑地板上和粗糙木板上，传感器读数差异很大，前者的黑白对比度只有后者的六成。解决办法是每次换场地重新标定白值和黑值，并且在程序启动时加一个三秒的标定窗口，用板载按键触发。这个功能在比赛现场非常实用，比改代码重新烧录快得多。

5. 常见问题速查与避坑经验

5.1 典型故障排查表

巡线小车的故障现象高度重复，我整理了一张对照表，按“现象—最可能原因—验证方法”的顺序排，现场排查时从上往下试：

这张表里最容易被误判的是“画龙”。很多人一看摆动就加D，结果越加越抖，因为真正的病因可能是传感器间距太大，两个传感器之间有空档，误差在空档里来回跳。判断方法是把小车架空，手动缓慢横向移动，看串口打印的误差是否连续。如果误差是台阶状跳变，先改硬件布局，别动PID。

5.2 机械结构上的坑

机械问题在调试初期最容易被当成算法问题。我踩过的一个典型坑是轮子不圆。便宜的小车轮子注塑偏心，转起来车身上下颠，传感器离地高度周期性变化，模拟读数跟着周期性漂移，表现为小车以轮子转一圈为周期左右摆。这种摆动PID压不住，因为它的频率由机械决定。换一套轮子或者给轮子做动平衡，问题立刻消失。

另一个坑是车体刚性不足。亚克力板用铜柱连接，层与层之间只有四个支撑点，跑起来会有轻微扭动，传感器支架跟着晃。我的做法是在中间加一根对角支撑，或者把传感器支架单独固定在前端最硬的位置，不要挂在悬空的中间层。

还有万向轮的虚位。便宜的万向轮滚珠间隙大，直行时会左右晃，转向时又有延迟。把万向轮换成两个小直径的定向轮，或者用一颗钢珠做支撑，直道稳定性会好很多。这个改动成本很低，效果比调半天PID明显。

5.3 电源与干扰问题

电源引起的故障往往表现为“偶发”，最难查。几个我实测有效的做法：电机电源输入端并470微法电解电容，靠近驱动模块引脚；主控电源输入端并0.1微法瓷片电容；所有地线汇到一点，避免形成地环路；电机线双绞，传感器排线远离电机线至少两厘米。

还有一个隐蔽的问题：降压模块的动态响应。某些廉价降压模块在负载突变时输出电压会跌落几百毫伏，主控虽然没复位，但ADC基准跟着抖，传感器读数整体偏移。判断方法是万用表监测5V轨，用手快速拨动轮子看电压是否跳动。如果有跳动，换一个响应更快的模块，或者在5V轨上并一个大电容缓冲。

电池电量下降也会改变手感。满电8.4V和放到7.0V时，同样的PWM下电机转速能差两成，PID参数需要微调。比赛前充满电、练习时用同一块电池，能减少这种变量。如果追求稳定，可以加一路电池电压检测，电压低于阈值时降低基础速度。

5.4 赛道与场地因素

赛道材质对红外传感器的影响比想象中大。黑色电工胶带在深色木地板上对比度很低，传感器可能读不出明显差异；光滑瓷砖上则有镜面反射，传感器离地稍高就失效。解决办法一是把传感器压低到5毫米左右，二是标定时用实际赛道，不要用白纸黑线凑合。

环境光也是变量。靠窗的位置，下午阳光斜射进来，红外接收管会饱和，全白值整体抬高。加遮光罩是最简单的办法，用黑色热缩管或者3D打印一个小罩子把传感器围起来，只留底部开口。成本几乎为零，效果立竿见影。

赛道上的急弯和十字路口要单独处理。急弯处如果传感器阵列不够宽，车身偏出去就丢线，可以在弯道前降速，用“弯道减速”逻辑：当误差绝对值持续大于某个阈值时，基础速度按比例下调。十字路口则要区分“全黑”和“正常压线”，全黑时保持上一次的转向方向直行通过，不要在原地找线。

6. 进阶玩法与性能提升方向

6.1 从红外阵列到灰度与视觉

8路红外阵列调好之后，如果想再快，瓶颈通常在传感器前瞻距离和分辨率。灰度传感器用可见光反射，能给出更多级灰度，对浅色赛道和复杂图案更友好，但同样受环境光影响。摄像头方案前瞻最远，可以做到“看弯过弯”，代价是数据处理量大，8位主控跑不动，需要换性能更强的平台，而且图像阈值标定比模拟量麻烦得多。

我的建议是分阶段升级：先用红外阵列把PID和机械调明白，能稳定跑完全程；再换灰度模块，感受分辨率提升带来的差异；最后考虑视觉。跳过中间阶段直接上摄像头，很容易陷入“图像调不通、机械也没调好”的双重困境。

6.2 速度规划与弯道处理

固定基础速度是最简单的策略，但直道浪费了时间。进阶做法是根据误差大小动态调整基础速度：误差小的时候提速，误差大的时候降速。实现上就是在PID输出之前加一层：

int dynamicBase = baseSpeed - abs(filteredError) * 15; dynamicBase = constrain(dynamicBase, 60, baseSpeed);

系数15意味着误差为3时降速45，这个值要根据赛道弯道半径调。弯道越急，系数越大。注意降速不能太猛，否则进弯瞬间车速骤降，车身惯性会让它点头，传感器读数跟着跳。

更精细的做法是加“弯道预判”：用误差的变化率判断即将进入弯道，提前减速。误差还在0附近但导数已经明显为正，说明线正在往一侧偏，这时候就开始降速，比等到误差变大再降更平滑。

6.3 数据记录与自动整定

调参调到后期，靠肉眼观察串口数字已经不够了，需要把数据记下来分析。最简单的办法是串口输出CSV，粘到表格软件里画误差随时间的变化曲线，看超调量、调节时间、稳态波动幅度。有了曲线，Kp该加还是该减一目了然。

再进一步可以做简单的自动整定：固定Kd和Ki，让Kp从一个小值开始阶梯上升，每个值跑一段固定赛道，记录误差的均方根，取均方根最小的那段对应的Kp。这个过程用一块额外的存储或者直接串口回传都能实现。自动整定不能完全替代人工，因为“手感”这种东西很难量化，但它能快速把参数缩到很小的范围，剩下的人工微调就轻松了。

继电器或者按键切换多组参数也值得做。同一辆车在不同赛道、不同电量下需要不同参数，提前存三组在程序里，现场按键切换，比抱着电脑改代码从容得多。

我个人在实际操作中的体会是，巡线小车调到最后，拼的不是PID公式写得多漂亮，而是对“这辆车现在到底在干什么”的判断力。串口打印的误差曲线、电机的声音、轮子压过接缝时的抖动，这些信息比任何参数都诚实。每次改参数只改一个，改完跑三圈，记下现象，再改下一个。急着一次调三个量，最后一定不知道是哪个起了作用。还有一点，机械上的一个小改动——传感器挪两毫米、电池换个位置——效果往往抵得上调半小时参数，动手之前先看看车本身有没有明显不对劲的地方，能省很多时间。