【花雕学编程】Arduino BLDC 之多电机扭矩分配（差速驱动机器人）

在机器人工程领域差速驱动Differential Drive因其结构简单、机动性强可原地转向而被广泛应用于各类移动机器人。对于采用双BLDC无刷直流电机作为驱动核心的差速驱动机器人“Arduino BLDC之多电机扭矩分配”是其运动控制的灵魂。该方案并非简单的“左右电机分别控制”而是通过精确的扭矩或电流分配算法实现对机器人运动状态速度、方向、加速度的精确控制确保其平稳、高效、响应迅速地执行任务。1、主要特点. 精确的速度与方向控制核心原理 通过独立控制左、右两个BLDC电机的输出扭矩进而控制转速实现机器人的前进、后退、直线行驶和转弯。例如两轮转速相同则直线行驶一快一慢则转弯反向转动则原地转向。扭矩分配的意义 传统方法可能直接给定转速指令但面对负载变化、地面摩擦系数不均或坡度变化时仅控制转速可能导致实际驱动力不足或打滑。扭矩分配则是在转速控制的基础上根据实时反馈如电流、编码器速度动态调整两轮的输出扭矩确保指令得到精确执行提升动态响应和稳定性。. 动态负载均衡与效率优化负载均衡 在机器人携带偏心负载或在斜坡上行驶时两侧驱动轮承受的负载不同。扭矩分配算法可以根据负载情况主动调整两侧电机的输出避免一侧电机过载而另一侧利用率不足。效率优化 通过精确控制电机工作在高效区间通常是额定转矩附近并在必要时协调两电机的功率输出可以提高整体驱动系统的能源利用效率延长续航时间。. 高响应性与平滑运动闭环控制 通常采用双闭环控制结构。内环是电流环扭矩环用于精确控制电机输出扭矩外环是速度环根据期望速度与实际速度的偏差调节电流环的目标值。这种结构响应快、抗干扰能力强。平滑插值 Arduino或更高性能的主控根据上层导航或遥控指令计算出期望的线速度和角速度然后通过运动学模型实时解算出左右轮的目标转速和扭矩。为避免机械冲击通常会对这些目标值进行平滑插值如梯形速度曲线规划使扭矩分配指令平滑过渡。2、 应用场景. 服务型机器人在餐厅送餐、酒店引导、家庭清洁等场景中机器人需要在人群密集、地面材质多样的环境中平稳、安静地运行。精确的扭矩分配确保其运动流畅避免急停急启提升用户体验。. 物流搬运机器人AGV/AMR在仓库、工厂内部进行物料运输的机器人负载重量变化较大。扭矩分配能确保在不同负载下都能稳定行驶爬坡时有足够的牵引力同时在平坦路面节能运行。. 科研与教育平台差速驱动机器人是机器人学入门和研究的经典平台。扭矩分配控制算法是学习运动控制、动力学建模和实时系统编程的理想载体。. 室外探索机器人在地形复杂的室外环境中如草地、沙地或有小坡度的区域精确的扭矩控制能帮助机器人更好地适应地形提高通过性。3、需要注意的事项. 电机与驱动器匹配选型 选择参数匹配的左右驱动电机额定电压、转速、扭矩、KV值等应尽可能一致以及能提供精确电流控制的BLDC驱动器ESC。驱动器应支持所需的控制协议如PWM、UART、CAN等和电流反馈功能。散热 在持续高负载或频繁加速/减速工况下电机和驱动器会产生热量。需考虑良好的散热设计避免过热保护或损坏。. 传感器反馈精度与实时性编码器 高精度、高分辨率的增量式或绝对式编码器是实现精确速度和位置控制的基础。编码器的安装精度和信号抗干扰能力至关重要。电流传感器 精确的相电流或母线电流反馈是实现扭矩闭环控制的前提。需选用响应速度快、精度高的霍尔效应电流传感器。实时性 控制算法的执行周期通常在1ms以内必须足够短以确保对机器人状态变化的及时响应。. 运动学模型与参数标定模型准确性 需要建立准确的机器人运动学模型将期望的线速度和角速度转换为左右轮的目标转速。模型参数如轮距、轮径必须经过精确标定。轮胎滑移 在高速转弯或光滑地面轮胎可能发生滑移导致编码器反馈的速度与实际速度不符。虽然无法完全消除但可以通过控制策略尽量减少其影响。. 控制算法调优PID参数整定 电流环和速度环的PID控制器参数Kp, Ki, Kd需要根据具体的电机、负载和机械结构进行仔细调优。不当的参数会导致振荡、响应迟缓或超调。防抖与滤波 对传感器信号进行必要的滤波减少噪声干扰。同时在控制指令上加入适当的防抖逻辑避免因微小扰动导致电机频繁切换状态。1、基础差速扭矩分配PID速度环#includeSimpleFOC.h// 电机与驱动器配置BLDCMotormotorLeft(7),motorRight(7);BLDCDriver3PWMdriverLeft(9,10,11,8),driverRight(5,6,7,4);EncoderencLeft(2,3),encRight(18,19);// 运动学参数constfloatwheelbase0.3;// 轮距米constfloatwheel_radius0.05;// 轮半径米voidsetup(){Serial.begin(115200);// 初始化左电机motorLeft.linkDriver(driverLeft);motorLeft.linkSensor(encLeft);motorLeft.PID_velocity.P0.2;// 速度环P参数motorLeft.initFOC();// 初始化右电机motorRight.linkDriver(driverRight);motorRight.linkSensor(encRight);motorRight.PID_velocity.P0.2;motorRight.initFOC();}voidloop(){// 目标线速度m/s和角速度rad/sfloatv0.5,omega0.3;// 运动学解算计算左右轮目标转速rad/sfloatw_left(v-omega*wheelbase/2)/wheel_radius;floatw_right(vomega*wheelbase/2)/wheel_radius;// 闭环速度控制motorLeft.move(w_left);motorRight.move(w_right);delay(10);// 控制周期}要点运动学解算通过线速度 v和角速度 ω计算左右轮目标转速确保机器人按预期轨迹运动。PID速度环外环PID控制器根据编码器反馈调整电机转速抑制负载扰动。硬件要求需高分辨率编码器如1000 PPR和FOC驱动器如SimpleFOC库支持实现高精度控制。2、动态扭矩分配防滑与容错#includeSimpleFOC.h// 电机配置同案例1// ...// 滑移检测参数constfloatslip_threshold0.3;// 滑移阈值floatlast_speed_left0,last_speed_right0;voidloop(){floatv0.5,omega0.3;floatw_left(v-omega*wheelbase/2)/wheel_radius;floatw_right(vomega*wheelbase/2)/wheel_radius;// 读取实际转速floatcurrent_speed_leftencLeft.getVelocity();floatcurrent_speed_rightencRight.getVelocity();// 滑移检测速度差超过阈值时调整扭矩if(abs(current_speed_left-last_speed_left)slip_threshold*w_left){w_left*0.8;// 降低左轮扭矩}if(abs(current_speed_right-last_speed_right)slip_threshold*w_right){w_right*0.8;// 降低右轮扭矩}motorLeft.move(w_left);motorRight.move(w_right);last_speed_leftcurrent_speed_left;last_speed_rightcurrent_speed_right;delay(10);}要点滑移检测通过比较实际转速与目标转速的差异识别驱动轮打滑。动态扭矩限制检测到滑移时临时降低打滑轮的扭矩分配防止能量浪费和轨迹偏离。容错机制结合电机健康状态监测如温度、电流在部分失效时重新分配扭矩。3、超声波矩阵辅助的动态差速跟随#includeNewPing.h#includeSimpleFOC.h#defineSONAR_NUM3// 超声波探头数量#defineMAX_DISTANCE200// 最大检测距离cmNewPing sonar[SONAR_NUM]{NewPing(2,3,MAX_DISTANCE),// 左探头NewPing(4,5,MAX_DISTANCE),// 中探头NewPing(6,7,MAX_DISTANCE)// 右探头};// 电机配置同案例1// ...voidloop(){// 读取超声波数据中值滤波去噪intdistances[SONAR_NUM];for(inti0;iSONAR_NUM;i){distances[i]sonar[i].ping_median(5);// 5次采样取中值}// 目标方位判别计算偏航角简化模型floattarget_angleatan2(distances[0]-distances[2],10.0)*180/PI;// 假设探头间距10cm// 动态差速控制偏航角越大转向速度越快floatv0.3;// 基础前进速度floatomegatarget_angle*0.05;// 转向灵敏度// 运动学解算与控制同案例1floatw_left(v-omega*wheelbase/2)/wheel_radius;floatw_right(vomega*wheelbase/2)/wheel_radius;motorLeft.move(w_left);motorRight.move(w_right);delay(50);// 适应超声波采样周期}要点多传感器融合超声波矩阵提供目标方位信息替代单一传感器的局限性。动态参数调整根据目标距离和角度实时调整 v 和 ω实现“近慢远快”的跟随策略。低速稳定性FOC驱动器确保低速下平稳运行避免近距离跟随时的抖动。要点解读运动学解算的准确性轮距 D 和轮半径 R 的测量误差会通过解算放大为轨迹偏差。需通过标定实验如空载直线行驶反推有效参数。实时性与硬件选型8位单片机如Arduino Uno无法满足多电机FOC的高频控制需求。推荐使用ESP32、Teensy 4.0等32位平台支持硬件PWM、编码器接口和浮点运算。滑移检测与补偿单纯依赖编码器积分会导致里程计漂移。需融合IMU数据如角速度或电流特征打滑时电流突降提高检测鲁棒性。扭矩分配的优化目标最小化轮胎附着裕度避免打滑、能量消耗和执行器损耗。可通过二次规划QP或加权最小二乘法实时求解最优分配矩阵。容错与降级设计在电机或传感器故障时需动态调整控制策略如切换为单边驱动。需建立电机的灰箱模型通过残差观测器诊断故障类型。核心控制原理graph LR A[目标线速度ω曲率半径R]--B(左轮扭矩 Tlkp*(ω_target - ω_actual) ki*∫error)A --C(右轮扭矩 TrTl kd*Δθ)B --D[ESC驱动左电机]C --E[ESC驱动右电机]DE --F[编码器反馈实际转速]F --G{闭环校正}4、基于PID的双电机同步调速// Arduino Mega 2x带编码器BLDC 2xESC#includePID_v1.h// 引脚定义constintENC_LEFT_A2,ENC_LEFT_B3;constintENC_RIGHT_A4,ENC_RIGHT_B5;constintESC_LEFT9,ESC_RIGHT10;volatilelongleftCount0,rightCount0;// 编码器计数// PID参数 (需整定)doubleKp2.0,Ki0.5,Kd0.1;PIDleftPID(leftSpeed,leftOutput,leftTarget,Kp,Ki,Kd,DIRECT);PIDrightPID(rightSpeed,rightOutput,rightTarget,Kp,Ki,Kd,DIRECT);voidsetup(){attachInterrupt(0,countLeft,CHANGE);// 左编码器中断attachInterrupt(1,countRight,CHANGE);// 右编码器中断pinMode(ESC_LEFT,OUTPUT);pinMode(ESC_RIGHT,OUTPUT);leftPID.SetMode(AUTOMATIC);rightPID.SetMode(AUTOMATIC);}voidloop(){staticunsignedlonglastTimemillis();if(millis()-lastTime10){// 10ms更新周期// 计算当前转速 (脉冲/秒)leftSpeedleftCount*100L;rightSpeedrightCount*100L;leftCountrightCount0;// 执行PID运算leftPID.Compute();rightPID.Compute();// 输出到ESC (映射到0-2000us油门脉宽)analogWrite(ESC_LEFT,map(leftOutput,0,255,1000,2000));analogWrite(ESC_RIGHT,map(rightOutput,0,255,1000,2000));lastTimemillis();}}// 编码器中断服务函数voidcountLeft(){leftCount;}voidcountRight(){rightCount;}5、自适应扭矩分配策略// 根据地形阻力动态调整左右轮扭矩floatterrainCompensation(intbaseTorque,intleftEncDelta,intrightEncDelta){floatslipRatioabs((leftEncDelta-rightEncDelta)/max(leftEncDelta,rightEncDelta));if(slipRatio0.3){// 检测到打滑returnbaseTorque*(1.0/(1.0slipRatio*2.0));// 降低总输出防止空转}returnbaseTorque;}voidadjustForIncline(floatleftTq,floatrightTq){// 使用IMU俯仰角补偿重力分量floatpitchAnglegetIMU_Pitch();// 需自行实现floatgravityCompcos(radians(90-pitchAngle))*0.5;// 简化模型leftTqgravityComp*(random()%10?1:-1);// 随机增减模拟崎岖路面rightTq-gravityComp*(random()%10?1:-1);}6、零半径原地旋转控制voidspinInPlace(floatdegrees,floatmaxTorque){floattargetAngledegrees*(PI/180.0);floatcurrentAngle0;while(abs(currentAngle)abs(targetAngle)){// 左右轮反向驱动产生力矩intleftDirsign(targetAngle);intrightDir-sign(targetAngle);// 限制最大电流防止烧毁intsafeTorqueconstrain(maxTorque*fabs(sin(currentAngle)),0,255);setMotorPower(LEFT_MOTOR,leftDir*safeTorque);setMotorPower(RIGHT_MOTOR,rightDir*safeTorque);// 积分累计角度变化currentAnglegetEncoderDelta()*wheelSeparationFactor;delay(10);}stopMotors();}要点解读请注意以上案例仅作为思路拓展的参考示例不保证完全正确、适配所有场景或可直接编译运行。由于硬件平台、实际使用场景、Arduino 版本的差异均可能影响代码的适配性与使用方法的选择。在实际编程开发时请务必根据自身硬件配置、使用场景及具体功能需求进行针对性调整并通过多次实测验证效果同时需确保硬件接线正确充分了解所用传感器、执行器等设备的技术规范与核心特性。对于涉及硬件操作的代码使用前务必核对引脚定义、电平参数等关键信息的准确性与安全性避免因参数错误导致硬件损坏或运行异常。