Arduino BLDC 机器人 IMU 角度读取与 PID 互补滤波控制

基于 Arduino 平台实现 BLDC 机器人 IMU 角度读取 + 互补滤波 + PID 控制，构成了一个典型的姿态闭环控制系统。该架构是自平衡机器人（如两轮平衡车、倒立摆）或稳定云台的核心技术栈。它通过 互补滤波 融合 IMU 原始数据以获得精准姿态角，再利用 PID 控制器 计算出维持平衡所需的电机驱动力矩，驱动 BLDC 电机 执行动作。

1、主要特点 传感器融合：互补滤波（Complementary Filter） 这是系统的'感知中枢'，解决了单一传感器无法同时满足动态与静态精度需求的矛盾。 频域分割策略：互补滤波本质上是一个频域滤波器。它利用低通滤波（LPF）处理加速度计数据，提取低频的重力方向分量（长期稳定，用于修正漂移）；同时利用高通滤波（HPF）处理陀螺仪数据，提取高频的角速度变化分量（动态响应快，短期精度高）。 时域加权实现：在离散的嵌入式系统中，该过程通常简化为加权平均公式：Angle = α * (Angle + Gyro_Rate * dt) + (1-α) * Accel_Angle。其中 α 通常取值在 0.95~0.98 之间，决定了系统对陀螺仪的信任程度。 优势：相较于复杂的卡尔曼滤波，互补滤波计算量极小，仅需几次乘法和加法，非常适合 Arduino 这类资源受限平台，且参数调节直观。 核心算法：PID 控制器（Proportional-Integral-Derivative） 这是系统的'决策大脑'，负责将姿态误差转化为电机控制指令。 比例项（P）：提供与当前倾角误差成正比的恢复力。这是维持平衡的主力项，决定了系统的'刚度'。P 值过小会导致软瘫（无法站稳），过大则会引起高频振荡。 微分项（D）：提供与倾角变化率（即角速度）成正比的阻尼力。它能预测未来的倾角趋势并提前刹车，有效抑制系统的超调和振荡，使运动更加平滑。 积分项（I）：通常在此类平衡系统中设为 0 或极小值。因为平衡环是快速动态环，积分累积容易导致过冲。但在需要消除静差（如精确位置控制）时，需谨慎加入 I 项并配合抗饱和策略。 执行机构：BLDC 电机闭环驱动 这是系统的'肌肉'，负责将控制信号转化为物理动作。 快速响应特性：BLDC 电机相较于有刷电机，具有更高的功率密度和更快的动态响应速度，能够迅速跟随 PID 控制器输出的 PWM 指令，产生所需的恢复力矩。 驱动模式：通常工作在速度环或电流环（力矩环）模式。对于自平衡机器人，速度环更为常用，通过控制轮子的转速来抵消车身的倾角。

2、应用场景 两轮自平衡机器人（Segway 类） 这是最经典的倒立摆应用。系统通过 IMU 检测车身的俯仰角（Pitch），PID 控制器计算出左右轮子的目标转速，驱动 BLDC 电机转动以维持车身在垂直位置的动态平衡。 云台稳定系统（Gimbal） 用于相机或传感器的减震稳定。IMU 检测云台的姿态角，PID 控制器驱动 BLDC 电机反向旋转，以抵消载体（如无人机、手持杆）的晃动，从而保持画面或传感器的水平稳定。 倒立摆实验装置 在自动控制原理的教学实验中，该系统用于验证各种控制算法（如 PID、LQR）的有效性，直观展示开环不稳定系统如何通过闭环控制实现稳定。 双足/多足机器人基座平衡 对于腿部机器人，维持躯干的姿态稳定是行走的基础。该技术栈可用于控制机器人躯干的俯仰和横滚角，防止机器人在迈步时倾倒。

3、注意事项 硬件选型与抗干扰 IMU 选型与安装：推荐使用集成度高、稳定性好的 MPU6050 或 ICM-20689。IMU 模块必须刚性固定在机器人车身的重心附近，且尽量远离电机和大电流导线，防止振动和电磁干扰（EMI）引入噪声。 电源隔离：BLDC 电机启停时的大电流会拉低电源电压，导致 Arduino 复位或 IMU 数据异常。务必使用独立的稳压电路（如 LM2596 或隔离 DC-DC 模块）为传感器和逻辑电路供电，并在电源端并联大容量电容（如 1000μF）。 电机驱动：严禁使用普通航模 ESC（仅支持油门 PWM，无闭环能力）。必须使用支持闭环控制的驱动方案，如 SimpleFOC 库配合专用驱动板（如 B-G431B-ESC1），或带有编码器反馈的伺服驱动器。 算法实现细节 滤波器参数整定：互补滤波系数 α 需要根据采样频率 dt 调整。α 越大，系统响应越快但漂移越明显；α 越小，系统越稳但动态响应越迟钝。通常先通过公式 α = τ / (τ + dt) 进行估算（τ 为时间常数，通常取 0.1s）。 PID 参数整定：建议采用'由小到大'的试凑法。先将 I、D 设为 0，逐步增大 P 直到系统开始振荡，然后加入 D 项抑制振荡。对于平衡车，通常 D 项至关重要，用于提供阻尼。 采样频率与定时：控制回路的频率必须稳定且足够高（建议 ≥ 100Hz）。严禁在主循环中使用 delay() 函数阻塞程序。应使用硬件定时器中断（如 Timer1）来触发控制周期，确保 dt 的精确性。 机械结构设计 重心位置：对于自平衡机器人，重心越高，系统的不稳定性越强，对控制算法的响应速度要求也越高。建议在调试初期尽量降低重心（如将电池放低），待参数调好后再恢复。 传动刚性：电机与轮子之间的连接必须牢固，避免皮带过松或齿轮间隙过大。传动系统的弹性会导致相位滞后，容易引发 PID 控制的振荡。

1、两轮自平衡机器人（IMU 角度读取 + PID 控制）

#include <Wire.h>
#include <MPU6050.h>
#include <SimpleFOC.h>

MPU6050 mpu;
BLDCMotor motor();
; 


 Kp = , Ki = , Kd = ;
 targetAngle = ; 
 previousError = , integral = ;


 alpha = ; 
 dt = ; 
 filteredAngle = ;

{
  Serial.();
  Wire.();
  mpu.();
  mpu.(MPU6050_GYRO_FS_250);
  mpu.(MPU6050_ACCEL_FS_2);
  motor.();
  encoder.();
  motor.(&encoder);
}

{
  
   ax, ay, az, gx, gy, gz;
  mpu.(&ax, &ay, &az, &gx, &gy, &gz);

  
   accelAngle = (ay, az) * RAD_TO_DEG;
   gyroRate = gx / ; 
    gyroAngle = ;
  gyroAngle += gyroRate * dt;
  filteredAngle = alpha * (filteredAngle + gyroAngle * dt) + ( - alpha) * accelAngle;

  
   error = targetAngle - filteredAngle;
  integral += error * dt;
   derivative = (error - previousError) / dt;
   output = Kp * error + Ki * integral + Kd * derivative;
  previousError = error;

  
  motor.((output, , ));

  
  Serial.();
  Serial.(filteredAngle);
  Serial.();
  Serial.(output);

  (dt * ); 
}