基于STM32F103C8的两轮平衡车工程，应用了卡尔曼滤波和PID算法，很有参考价值！

蹲在实验室角落的平衡车突然立起来的时候，我手里的烙铁差点掉地上——这玩意儿真能站住了！基于STM32F103C8的平衡车项目折腾了两个月，核心就靠卡尔曼滤波和PID这对黄金搭档。今天咱们不整虚的，直接扒代码看门道。

先聊聊传感器这货

MPU6050传回来的数据就跟喝醉似的，原始数据里的噪声能把陀螺仪和加速度计数据带偏到姥姥家。这时候卡尔曼滤波就像个靠谱的管家，把杂乱信息收拾得服服帖帖。上硬菜：

typedef struct {
    float Q_angle;  // 过程噪声协方差
    float Q_bias;   // 陀螺仪偏置噪声
    float R_measure;// 测量噪声协方差
    float angle;    // 最优估计角度
    float bias;     // 陀螺仪偏置
    float P[2][2];  // 误差协方差矩阵
} KalmanFilter;

这个结构体藏着卡尔曼滤波的魂。重点在P矩阵的更新策略，它决定了滤波器的收敛速度。实际调试时发现，把Qangle设为0.001、Rmeasure设为0.03时，能在响应速度和稳定性之间找到最佳平衡点。

预测函数里藏着玄机

void kalmanPredict(KalmanFilter* kf, float dotAngle, float dt) {
    kf->angle += (dotAngle - kf->bias) * dt;
    kf->P[0][0] += dt * (dt*kf->P[1][1] - kf->P[0][1] - kf->P[1][0] + kf->Q_angle);
    kf->P[0][1] -= dt * kf->P[1][1];
    kf->P[1][0] -= dt * kf->P[1][1];
    kf->P[1][1] += kf->Q_bias * dt;
}

这坨代码实现了状态预测的核心逻辑。dt参数必须精确到毫秒级，用STM32的TIM3定时器捕获时间戳，实测误差控制在±0.5ms以内才不会翻车。

PID才是平衡车的灵魂

当滤波后的角度数据送到PID控制器时，真正的魔法开始了。别被教科书忽悠，实际工程中微分项得加低通滤波：

typedef struct {
    float Kp, Ki, Kd;
    float target;
    float integral;
    float lastError;
    float derivative;
} PIDController;

float pidUpdate(PIDController* pid, float input) {
    float error = pid->target - input;
    pid->integral += error * dt;
    
    // 微分项过滤（关键！）
    pid->derivative = (error - pid->lastError) / dt;
    pid->derivative = 0.6 * pid->derivative + 0.4 * pid->lastDerivative;
    
    pid->lastError = error;
    return pid->Kp*error + pid->Ki*pid->integral + pid->Kd*pid->derivative;
}

这个微分项的滑动平均滤波操作，能有效抑制电机的高频抖动。调试时发现，把0.6和0.4的系数对调会导致系统震荡，玄学程度堪比老中医把脉。

电机驱动得玩点骚操作

普通PWM控制不够劲，得上双极性驱动：

void setMotorPWM(int motor, float pwm) {
    if(pwm >=0){
        TIM_SetComparex(motor==LEFT ? TIM1 : TIM2, pwm);
        GPIO_WriteBit(MOTOR_PORT, motor==LEFT ? IN1_PIN : IN3_PIN, 0);
    } else {
        TIM_SetComparex(motor==LEFT ? TIM1 : TIM2, -pwm);
        GPIO_WriteBit(MOTOR_PORT, motor==LEFT ? IN1_PIN : IN3_PIN, 1);
    }
}

这种正反转控制策略让电机的刹车响应速度提升约30%，实测从静止到直立稳定只需0.8秒。注意死区时间配置，否则MOS管分分钟放烟花。

调参时发现个邪门现象：当Kp值超过12时，平衡车会突然鬼畜般疯狂抖动，然后表演原地后空翻——别问我是怎么知道的。最终稳定参数是Kp=8.5, Ki=0.02, Kd=45，这组参数能让小车在5度倾斜内快速回正。

最坑爹的是供电问题。某次测试时锂电池电压降到7.4V以下，PID输出开始抽风，后来在代码里加了电压补偿才解决：

float voltageCompensation = (currentVoltage > 7.4f) ? 1.0f : (currentVoltage / 7.4f);
output *= voltageCompensation;

这种非线性补偿比单纯的电压检测靠谱得多，实测在6.8V时仍能保持平衡，虽然这时候的电机声听着像得了哮喘。

折腾完这破项目最大的感悟是：理论公式和实际代码之间隔着一整个银河系。那些论文里的完美曲线，都是debug时摔了八百次车才调出来的。现在这辆平衡车能驮着两瓶矿泉水满实验室跑，算是没白掉那些头发。