Arduino BLDC 智能跟随机器人底盘基于 6.5 寸轮毂电机控制方案

介绍基于 Arduino 与 6.5 寸轮毂电机的智能动态跟随机器人底盘方案。涵盖高扭矩动力架构、多模态感知融合（UWB/视觉/激光雷达）及分层控制策略。提供了六种核心实现案例，包括 UWB 定位差速跟随、OpenMV 视觉纯追踪、激光雷达 SLAM 避障、超声波恒距跟随、蓝牙 RSSI 定向跟随及多传感器防碰撞急停。内容涉及电源管理、EMC 设计、PID 调参及 FOC 控制算法，适用于物流搬运、服务接待及科研教育场景。

监控大屏发布于 2026/4/6更新于 2026/4/121 浏览

基于 Arduino 与 6.5 寸轮毂电机的智能动态跟随机器人底盘，是一种将一体化高扭矩动力单元与实时感知决策系统深度融合的移动平台方案。该方案利用轮毂电机'轮内驱动'的紧凑特性，结合 Arduino（或 ESP32 等兼容主控）的灵活控制能力，旨在实现对人、车或特定目标的平滑、抗扰、低延迟的伴随运动。

一、主要特点

一体化高扭矩动力架构

直驱/准直驱结构：6.5 寸轮毂电机将 BLDC 电机、行星减速器（常见速比 1:10~1:30）、轮毂及轴承高度集成。省去了皮带、链条等中间传动环节，传动效率高（>85%），结构紧凑，底盘离地间隙低，重心稳。
大扭矩低速特性：得益于内置减速，轮毂电机在低转速下可输出极大扭矩（峰值可达 8~~25 N·m），能轻松驱动 30~~80kg 级底盘，具备良好的爬坡（<5°）和越障（过坎）能力，且低速运行平稳无顿挫。
自带霍尔反馈：电机内置霍尔传感器，可直接用于测速和转向判断，无需外接编码器即可实现速度闭环控制，为里程计（Odometry）提供基础数据。

多模态动态感知融合

无线信号定位（BLE/UWB）：利用蓝牙 RSSI（信号强度）或 UWB（超宽带）TOF（飞行时间）技术，精确测量与目标标签的距离和角度，实现非接触式'电子牵绳'跟随。
视觉/激光辅助：结合 OpenCV 进行人脸/特征点识别，或利用激光雷达/ToF 传感器进行轮廓跟踪与避障，确保在复杂动态环境中不跟丢、不碰撞。
IMU 姿态补偿：内置 MPU6050 等 IMU，通过卡尔曼滤波融合数据，补偿底盘在加速/刹车时的俯仰/横滚姿态，防止因重心偏移导致的控制失稳。

分层式智能控制策略

上层：轨迹规划：根据感知到的目标相对位姿（距离、方位角、速度），规划出期望的底盘线速度与角速度。
底层：差速 PID 闭环：Arduino 主控接收上层指令，通过双路 PID 控制器分别调节左右轮毂电机的转速，利用差速运动学实现前进、后退、原地旋转及任意半径转向，响应速度快，机动性强。

二、核心应用场景

智能物流搬运（人机协同 AGV）：在仓库或产线，底盘作为跟随式 AGV，自动尾随工人进行物料配送，解放双手，提升拣选效率。
服务与接待机器人：在商场、酒店、机场，作为智能行李车或导览车，自动跟随顾客移动，提供物品寄存或引导服务。
安防巡检与特种作业：在园区或危险区域，作为移动监控平台，伴随安保人员巡逻，或跟随排爆人员运送设备，保持安全距离。
科研与教育平台：作为 ROS（机器人操作系统）、SLAM（同步定位与建图）、多传感器融合算法的验证平台，用于高校教学与竞赛。

三、注意事项与关键技术挑战

电源管理与电磁兼容（EMC）

独立供电：轮毂电机启动电流极大（峰值可达 10A 以上），严禁使用同一路电源直接为 Arduino 及传感器供电，否则电压跌落将导致 MCU 复位。必须采用隔离 DC-DC 模块（如 24V 转 5V）为控制电路单独供电。
去耦电容：在 ESC（电调）电源输入端并联大容量低 ESR 电解电容（1000μF~4700μF），吸收电机换向产生的反电动势尖峰，稳定母线电压。
布线抗干扰：动力线（粗）与信号线（细）必须分开走线，避免平行布线，最好垂直交叉。霍尔线、IMU 线需使用屏蔽线，防止 PWM 噪声干扰传感器读数。

控制算法的实时性与平滑性

主控算力升级：标准的 Arduino Uno（ATmega328P）处理复杂的传感器融合（如卡尔曼滤波）和多路 PID 闭环时可能力不从心。推荐使用 ESP32（双核，可一核处理通信一核处理控制）或 Teensy 4.0 等高算力板卡，确保控制频率≥50Hz。
S 曲线加减速：直接给阶跃速度指令会导致电机冲击大、轮胎打滑。必须采用 S 型速度规划，限制加加速度（Jerk），使速度曲线平滑过渡，提升乘坐舒适性和跟随精度。
抗积分饱和：在目标突然消失或被障碍物阻挡时，PID 积分项会累积导致电机'飞车'。必须设置积分限幅和失控保护逻辑（如信号丢失超时自动刹车）。

相关免费在线工具

加密/解密文本

使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。在线工具，加密/解密文本在线工具，online

RSA密钥对生成器

生成新的随机RSA私钥和公钥pem证书。在线工具，RSA密钥对生成器在线工具，online

Mermaid 预览与可视化编辑

基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。在线工具，Mermaid 预览与可视化编辑在线工具，online

Base64 字符串编码/解码

将字符串编码和解码为其 Base64 格式表示形式即可。在线工具，Base64 字符串编码/解码在线工具，online

Base64 文件转换器

将字符串、文件或图像转换为其 Base64 表示形式。在线工具，Base64 文件转换器在线工具，online

Markdown 转 HTML

将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。在线工具，Markdown 转 HTML在线工具，online

#include <SimpleFOC.h> #include <DW1000.h> // UWB 库（需自行实现或使用第三方库） BLDCMotor leftMotor(7); BLDCDriver3PWM leftDriver(9, 10, 11, 8); MagneticSensorI2C leftEncoder(AS5600_I2C); BLDCMotor rightMotor(12); BLDCDriver3PWM rightDriver(13, 14, 15, 16); MagneticSensorI2C rightEncoder(AS5600_I2C); // UWB 定位参数 float targetX = 0, targetY = 0; // 目标坐标（通过 UWB 更新） float robotX = 0, robotY = 0; // 机器人坐标 float desiredDistance = 1.0; // 期望跟随距离（米） float desiredAngle = 0; // 期望朝向（弧度） // PID 参数 float Kp_dist = 0.8, Ki_dist = 0.05, Kd_dist = 0.1; // 距离 PID float Kp_angle = 1.0, Ki_angle = 0.1, Kd_angle = 0.2; // 角度 PID void setup() { // 电机初始化（同前文案例） leftMotor.linkSensor(&leftEncoder); leftMotor.linkDriver(&leftDriver); leftMotor.controller = MotionControlType::velocity; leftMotor.PID_velocity.P = 0.2; leftMotor.initFOC(); rightMotor.linkSensor(&rightEncoder); rightMotor.linkDriver(&rightDriver); rightMotor.controller = MotionControlType::velocity; rightMotor.PID_velocity.P = 0.2; rightMotor.initFOC(); // UWB 初始化（简化示例） DW1000.begin(Serial1); // 使用硬件串口 1 DW1000.setAddress(0x1234); // 机器人地址 Serial.begin(115200); } void loop() { // 1. 通过 UWB 获取目标位置（实际需实现通信协议） if (DW1000.available()) { float dist, angle; DW1000.getRelativePosition(&dist, &angle); // 假设 UWB 返回极坐标 targetX = robotX + dist * cos(angle); targetY = robotY + dist * sin(angle); } // 2. 计算误差（距离和角度） float dx = targetX - robotX; float dy = targetY - robotY; float currentDistance = sqrt(dx * dx + dy * dy); float currentAngle = atan2(dy, dx); // 目标相对于机器人的方位角 float errorDist = desiredDistance - currentDistance; float errorAngle = desiredAngle - currentAngle; errorAngle = (errorAngle > PI) ? errorAngle - 2 * PI : (errorAngle < -PI) ? errorAngle + 2 * PI : errorAngle; // 3. PID 控制（距离和角度解耦） static float integralDist = 0, integralAngle = 0; static float lastErrorDist = 0, lastErrorAngle = 0; float derivativeDist = (errorDist - lastErrorDist) / 0.02; float derivativeAngle = (errorAngle - lastErrorAngle) / 0.02; float outputDist = Kp_dist * errorDist + Ki_dist * integralDist + Kd_dist * derivativeDist; float outputAngle = Kp_angle * errorAngle + Ki_angle * integralAngle + Kd_angle * derivativeAngle; integralDist += errorDist * 0.02; integralAngle += errorAngle * 0.02; lastErrorDist = errorDist; lastErrorAngle = errorAngle; // 4. 差速转向控制（融合距离和角度输出） float baseSpeed = outputDist * 1.5; // 基础速度与距离误差成比例 float turnRate = outputAngle * 0.8; // 转向速率与角度误差成比例 float leftSpeed = baseSpeed - turnRate; float rightSpeed = baseSpeed + turnRate; leftMotor.move(leftSpeed); rightMotor.move(rightSpeed); // 5. 更新机器人位置（简化里程计模型） robotX += (leftSpeed + rightSpeed) * 0.02 * cos(currentAngle) / 2; robotY += (leftSpeed + rightSpeed) * 0.02 * sin(currentAngle) / 2; delay(20); }

#include <SimpleFOC.h> // 电机初始化（同案例 1） BLDCMotor leftMotor(7); BLDCDriver3PWM leftDriver(9, 10, 11, 8); MagneticSensorI2C leftEncoder(AS5600_I2C); BLDCMotor rightMotor(12); BLDCDriver3PWM rightDriver(13, 14, 15, 16); MagneticSensorI2C rightEncoder(AS5600_I2C); // 视觉参数 float targetX = 160, targetY = 120; // OpenMV 图像中心坐标（320x240） float lookaheadRatio = 0.5; // 预瞄点比例（0~1） void setup() { // 电机初始化 leftMotor.linkSensor(&leftEncoder); leftMotor.linkDriver(&leftDriver); leftMotor.controller = MotionControlType::velocity; leftMotor.initFOC(); rightMotor.linkSensor(&rightEncoder); rightMotor.linkDriver(&rightDriver); rightMotor.controller = MotionControlType::velocity; rightMotor.initFOC(); Serial2.begin(115200); // OpenMV UART Serial.begin(115200); } void loop() { // 1. 从 OpenMV 获取目标坐标（通过 UART） if (Serial2.available() > 0) { String msg = Serial2.readStringUntil('\n'); int commaIndex = msg.indexOf(','); targetX = msg.substring(0, commaIndex).toFloat(); targetY = msg.substring(commaIndex + 1).toFloat(); } // 2. 计算预瞄点（纯追踪算法） float imageCenterX = 160, imageCenterY = 120; float dx = targetX - imageCenterX; float dy = targetY - imageCenterY; float angleToTarget = atan2(dy, dx); // 目标在图像中的方位角（弧度） // 3. 转换为机器人坐标系（假设摄像头朝前） float robotAngle = 0; // 通过 IMU 或编码器估计（此处简化） float globalAngle = angleToTarget + robotAngle; // 4. 差速控制（简化版） float baseSpeed = 2.0; // 基础速度 float turnGain = 0.5; // 转向增益 float errorAngle = globalAngle; // 直接使用图像角度误差 leftMotor.move(baseSpeed - errorAngle * turnGain); rightMotor.move(baseSpeed + errorAngle * turnGain); Serial.print("Target: ("); Serial.print(targetX); Serial.print(","); Serial.print(targetY); Serial.print(") Angle: "); Serial.println(angleToTarget * 180 / PI); delay(20); }

#include <SimpleFOC.h> #include <RPLidar.h> // 需自行实现或使用第三方库 BLDCMotor leftMotor(7); BLDCDriver3PWM leftDriver(9, 10, 11, 8); MagneticSensorI2C leftEncoder(AS5600_I2C); BLDCMotor rightMotor(12); BLDCDriver3PWM rightDriver(13, 14, 15, 16); MagneticSensorI2C rightEncoder(AS5600_I2C); // 激光雷达参数 RPLidar lidar; float robotPos[2] = {0, 0}; // 机器人位置（通过 SLAM 更新） float targetPos[2] = {2, 0}; // 目标位置 float path[100][2]; // 存储路径点 int pathLength = 0; void setup() { // 电机初始化 leftMotor.linkSensor(&leftEncoder); leftMotor.linkDriver(&leftDriver); leftMotor.controller = MotionControlType::velocity; leftMotor.initFOC(); rightMotor.linkSensor(&rightEncoder); rightMotor.linkDriver(&rightDriver); rightMotor.controller = MotionControlType::velocity; rightMotor.initFOC(); // 激光雷达初始化 lidar.begin(Serial2); // 使用硬件串口 2 Serial.begin(115200); } void loop() { // 1. 获取激光雷达数据并更新 SLAM 地图（简化示例） if (lidar.available()) { float scanData[360][2]; // 存储极坐标点 lidar.getScan(scanData); // 假设通过 SLAM 算法更新机器人位置和目标路径 updateSLAM(scanData); generatePath(robotPos, targetPos, path, &pathLength); } // 2. 纯追踪算法跟踪路径 if (pathLength > 0) { Vector2 currentPos(robotPos[0], robotPos[1]); Vector2 nextPoint(path[0][0], path[0][1]); // 计算预瞄点（动态调整预瞄距离） float lookaheadDist = 0.3 + (pathLength > 5 ? 0.2 : 0); // 根据路径长度调整 Vector2 lookahead = getLookaheadPoint(currentPos, nextPoint, lookaheadDist); // 差速控制 float dx = lookahead.x - robotPos[0]; float dy = lookahead.y - robotPos[1]; float angleToTarget = atan2(dy, dx); float baseSpeed = 1.5; float turnRate = angleToTarget * 0.8; leftMotor.move(baseSpeed - turnRate); rightMotor.move(baseSpeed + turnRate); } delay(20); } // 简化版 SLAM 和路径规划函数（需实际实现） void updateSLAM(float scanData[360][2]) {/* ... */} void generatePath(float start[2], float end[2], float path[100][2], int* length) {/* ... */} Vector2 getLookaheadPoint(Vector2 pos, Vector2 next, float dist) {/* ... */}

#include <SimpleFOC.h> // --- 硬件定义 --- // 假设使用 SimpleFOC 驱动 6.5 寸轮毂电机 BLDCMotor motorL(7); // 7 对极电机 BLDCMotor motorR(7); // 驱动器引脚需根据实际板卡定义 BLDCDriver3PWM driverL(9, 10, 11, 8); BLDCDriver3PWM driverR(5, 6, 7, 4); // 超声波引脚 #define TRIG_PIN 2 #define ECHO_PIN 3 // --- 跟随参数 --- const float TARGET_DIST = 50.0; // 目标跟随距离 (cm) const float MAX_DIST = 200.0; // 最大检测距离 const float MIN_DIST = 20.0; // 最小安全距离 // --- PID 控制器 --- // 输入是距离误差，输出是电机速度 float Kp = 2.0, Ki = 0.0, Kd = 1.0; // 需实测整定 float lastError = 0; float integral = 0; void setup() { Serial.begin(115200); // 初始化超声波 pinMode(TRIG_PIN, OUTPUT); pinMode(ECHO_PIN, INPUT); // 初始化电机 (SimpleFOC) driverL.voltage_power_supply = 12; // 根据实际电压调整 driverL.init(); motorL.linkDriver(&driverL); motorL.init(); motorL.initFOC(); driverR.voltage_power_supply = 12; driverR.init(); motorR.linkDriver(&driverR); motorR.init(); motorR.initFOC(); } float readDistance() { digitalWrite(TRIG_PIN, LOW); delayMicroseconds(2); digitalWrite(TRIG_PIN, HIGH); delayMicroseconds(10); digitalWrite(TRIG_PIN, LOW); long duration = pulseIn(ECHO_PIN, HIGH, 30000); // 30ms 超时 return (duration * 0.034) / 2; // 转换为 cm } void loop() { // 1. 读取距离 float distance = readDistance(); // 2. 有效性检查 if (distance > MAX_DIST || distance < 2) { motorL.move(0); motorR.move(0); return; } // 3. PID 计算 float error = distance - TARGET_DIST; integral += error; float derivative = error - lastError; // 计算速度指令 float speedCmd = (Kp * error) + (Ki * integral) + (Kd * derivative); lastError = error; // 4. 速度限制与死区处理 // 简单的死区补偿，防止低速不动 if (abs(speedCmd) < 0.5) speedCmd = 0; // 限制最大速度 (rad/s) speedCmd = constrain(speedCmd, -5.0, 5.0); // 5. 差速电机控制 motorL.move(speedCmd); motorR.move(speedCmd); // SimpleFOC 核心循环 motorL.loopFOC(); motorR.loopFOC(); delay(10); // 100Hz 控制频率 }

#include <SoftwareSerial.h> // --- 硬件定义 --- SoftwareSerial btSerial(10, 11); // RX, TX 连接蓝牙模块 // --- 跟随参数 --- const int RSSI_TARGET = -40; // 目标信号强度 (dBm)，需实测校准 const int RSSI_TOO_CLOSE = -20; // 太近阈值 const int RSSI_TOO_FAR = -70; // 太远阈值 // --- 电机控制 --- const int MOTOR_L_PWM = 9; const int MOTOR_R_PWM = 10; const int MOTOR_L_DIR = 2; const int MOTOR_R_DIR = 3; void setup() { Serial.begin(9600); btSerial.begin(9600); // 蓝牙波特率通常为 9600 或 38400 pinMode(MOTOR_L_PWM, OUTPUT); pinMode(MOTOR_R_PWM, OUTPUT); pinMode(MOTOR_L_DIR, OUTPUT); pinMode(MOTOR_R_DIR, OUTPUT); // 初始化电机方向... } void loop() { // 1. 读取 RSSI (AT 指令模式或特定模块会自动上报) // 这里假设通过串口发送 "AT+CSQ" 或解析模块自动上报的数据 // 实际代码需根据蓝牙模块协议解析 int rssi = readRSSI(); // 模拟函数，返回 -100 到 0 之间的整数 if (rssi == 0) return; // 无信号 // 2. 逻辑判断 int speed = 0; if (rssi > RSSI_TOO_CLOSE) { // 信号太强 -> 距离太近 -> 后退 speed = -100; digitalWrite(MOTOR_L_DIR, LOW); // 设置方向 digitalWrite(MOTOR_R_DIR, LOW); } else if (rssi < RSSI_TOO_FAR) { // 信号太弱 -> 距离太远 -> 前进 speed = 150; digitalWrite(MOTOR_L_DIR, HIGH); digitalWrite(MOTOR_R_DIR, HIGH); } else { // 信号适中 -> 保持或微调 // 简单的比例控制：信号越弱，速度越快 speed = map(rssi, RSSI_TOO_FAR, RSSI_TARGET, 150, 0); digitalWrite(MOTOR_L_DIR, HIGH); digitalWrite(MOTOR_R_DIR, HIGH); } // 3. 输出 PWM analogWrite(MOTOR_L_PWM, abs(speed)); analogWrite(MOTOR_R_PWM, abs(speed)); Serial.print("RSSI: "); Serial.print(rssi); Serial.print(" Speed: "); Serial.println(speed); delay(100); // 蓝牙读取不宜过快 } // 模拟 RSSI 读取函数 int readRSSI() { // 实际需解析 AT+CSQ 返回的值 // 这里仅做演示 return -45; }

Arduino BLDC 智能跟随机器人底盘基于 6.5 寸轮毂电机控制方案

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具