基于 Arduino 与 6.5 寸轮毂电机的智能动态跟随机器人底盘设计

基于 Arduino 与 6.5 寸轮毂电机的智能动态跟随机器人底盘

这是一个将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。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

1. 一体化高扭矩动力架构

直驱/准直驱结构让 6.5 寸轮毂电机将 BLDC 电机、行星减速器（常见速比 1:101:30）、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。 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 825 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。 电机自带霍尔反馈，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。

2. 多模态动态感知融合

• 无线信号定位：利用蓝牙 RSSI 或 UWB TOF 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。

3. 分层式智能控制策略

上层负责轨迹规划，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。底层则由 Arduino 主控接收指令，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：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：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、SLAM、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

1. 电源管理与电磁兼容（EMC）

独立供电至关重要。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。 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。 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。

2. 控制算法的实时性与平滑性

标准 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。 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。 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）。

3. 机械安装与轮胎选型

6.5 寸轮毂电机通常通过 16mm 轴或法兰固定。必须使用紧定螺钉 + 夹紧套或刚性连接板确保轴不松动，任何晃动都会导致霍尔测速不准和底盘跑偏。 PU 实心胎适合室内平坦地面，控制精准、不爆胎；橡胶充气胎适合室外不平地面，减震好、越障强，但需注意胎压，气压不足会影响里程计精度。

4. 安全冗余机制

硬件急停：必须设计独立的硬件急停回路（如串联急停按钮），当触发时直接切断电机供电，优先级高于软件逻辑。 软件限幅：在代码中限制 PWM 输出最大值，防止因算法 bug 输出全速指令；同时设置软件限位，防止机器人冲出安全区域。

四、核心代码实现方案

这里提供几个典型的跟随控制思路，实际开发中可根据硬件条件组合使用。

方案一：基于 UWB 超宽带定位的差速跟随

功能是通过 UWB 模块获取目标与机器人的相对位置，使用 PID 算法控制轮毂电机实现平滑跟随。

#include <SimpleFOC.h>
// 注意：DW1000 库需根据具体硬件型号引入
#include <DW1000.h>

// 左轮电机配置
BLDCMotor leftMotor(7);
BLDCDriver3PWM leftDriver(9, 10, 11, 8);
MagneticSensorI2C leftEncoder(AS5600_I2C);

// 右轮电机配置
BLDCMotor rightMotor(12);
BLDCDriver3PWM rightDriver(13, 14, 15, 16);
MagneticSensorI2C rightEncoder(AS5600_I2C);

// UWB 定位参数
float targetX = 0, targetY = 0;
float robotX = 0, robotY = 0;
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;
float Kp_angle = 1.0, Ki_angle = 0.1, Kd_angle = 0.2;

float lastErrorDist = 0;
float lastErrorAngle = 0;

void setup() {
    // 电机初始化
    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
    DW1000.begin(Serial1);
    DW1000.setAddress(0x1234);
    Serial.begin(115200);
}

void loop() {
    // 1. 获取目标位置
    if (DW1000.available()) {
        float dist, angle;
        DW1000.getRelativePosition(&dist, &angle);
        targetX = robotX + dist * cos(angle);
        targetY = robotY + dist * sin(angle);
    }

    // 2. 计算误差
    float dx = targetX - robotX;
    float dy = targetY - robotY;
    float currentDistance = sqrt(dx * dx + dy * dy);
    float currentAngle = atan2(dy, dx);

    float errorDist = desiredDistance - currentDistance;
    float errorAngle = desiredAngle - currentAngle;
    
    // 角度归一化
    errorAngle = (errorAngle > PI) ? errorAngle - 2 * PI : (errorAngle < -PI) ? errorAngle + 2 * PI : errorAngle;

    // 3. PID 控制
    static float integralDist = 0, integralAngle = 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
    float baseSpeed = outputDist * 1.5;
    float turnRate = outputAngle * 0.8;
    float leftSpeed = baseSpeed - turnRate;
    float rightSpeed = baseSpeed + turnRate;
    
    leftMotor.move(leftSpeed);
    rightMotor.move(rightSpeed);

    // 5. 更新里程计
    robotX += (leftSpeed + rightSpeed) * 0.02 * cos(currentAngle) / 2;
    robotY += (leftSpeed + rightSpeed) * 0.02 * sin(currentAngle) / 2;
    
    delay(20);
}

方案二：基于超声波与 PID 的恒距平滑跟随

这是最经典的跟随方案。利用超声波测距，通过 PID 算法将距离误差转化为电机速度指令。相比简单的'近了就退，远了就进'，PID 能让底盘在接近目标时自动减速，实现平滑停靠，避免急停急启造成的晃动。

#include <SimpleFOC.h>

// --- 硬件定义 ---
BLDCMotor motorL(7); // 假设 7 对极电机
BLDCMotor motorR(7);
BLDCDriver3PWM driverL(9, 10, 11, 8);
BLDCDriver3PWM driverR(5, 6, 7, 4);

#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;
const float MIN_DIST = 20.0;

// --- PID 控制器 ---
float Kp = 2.0, Ki = 0.0, Kd = 1.0;
float lastError = 0;
float integral = 0;

void setup() {
    Serial.begin(115200);
    pinMode(TRIG_PIN, OUTPUT);
    pinMode(ECHO_PIN, INPUT);

    // 初始化电机
    driverL.voltage_power_supply = 12;
    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);
    return (duration * 0.034) / 2;
}

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;

    float speedCmd = (Kp * error) + (Ki * integral) + (Kd * derivative);
    lastError = error;

    // 4. 速度限制与死区处理
    if (abs(speedCmd) < 0.5) speedCmd = 0;
    speedCmd = constrain(speedCmd, -5.0, 5.0);

    // 5. 差速电机控制
    motorL.move(speedCmd);
    motorR.move(speedCmd);

    motorL.loopFOC();
    motorR.loopFOC();
    delay(10); // 100Hz 控制频率
}

方案三：多传感器融合与防碰撞急停

单纯的跟随容易发生碰撞。本案例在跟随的基础上，增加了前后双超声波检测，构建了一个简单的'安全包围盒'。一旦检测到前方有突发障碍物或后方有人靠近，立即触发急停或避让逻辑，提升安全性。

#include <NewPing.h>

#define SONAR_NUM 2
#define TRIG_PIN_FRONT 2
#define ECHO_PIN_FRONT 3
#define TRIG_PIN_REAR 4
#define ECHO_PIN_REAR 5
#define MAX_DIST 200

NewPing sonar[SONAR_NUM] = {
    NewPing(TRIG_PIN_FRONT, ECHO_PIN_FRONT, MAX_DIST),
    NewPing(TRIG_PIN_REAR, ECHO_PIN_REAR, MAX_DIST)
};

const int STOP_DIST_FRONT = 30;
const int STOP_DIST_REAR = 20;

int motorSpeed = 0;

void setup() {
    Serial.begin(9600);
    // 初始化电机驱动...
}

void setMotors(int left, int right) {
    // 实际驱动函数
}

void loop() {
    // 1. 读取传感器 (分时触发避免干扰)
    delay(50);
    unsigned int distFront = sonar[0].ping_cm();
    delay(50);
    unsigned int distRear = sonar[1].ping_cm();

    // 2. 安全逻辑判断 (优先级最高)
    if ((distFront > 0 && distFront < STOP_DIST_FRONT) ||
        (distRear > 0 && distRear < STOP_DIST_REAR)) {
        motorSpeed = 0;
        setMotors(0, 0);
        Serial.println("⚠️ 障碍物检测！紧急制动");
        return;
    }

    // 3. 正常跟随逻辑
    if (distFront > 0 && distFront < MAX_DIST) {
        if (distFront > 100) {
            motorSpeed = 150;
        } else {
            motorSpeed = 0;
        }
        setMotors(motorSpeed, motorSpeed);
    }

    Serial.print("Front: ");
    Serial.print(distFront);
    Serial.print(" Rear: ");
    Serial.println(distRear);
}

五、技术解读与建议

1. FOC 控制优势

使用 SimpleFOC 库驱动 6.5 寸轮毂电机，相比传统直流电机，FOC（磁场定向控制）能实现极低速下的平稳运行和精准扭矩控制。这对于跟随机器人至关重要，因为它能避免低速跟随时的'顿挫感'。

2. PID 在距离控制中的应用

我们不是简单地控制'动'或'停'，而是控制'速度'。PID 算法将距离误差转化为速度指令。当距离远时速度快，距离近时速度慢，到达目标距离时速度为 0，这种平滑过渡是提升用户体验的关键。

3. 安全冗余机制

在涉及大功率轮毂电机的应用中，惯性很大，刹车距离长。展示了'安全包围盒'的概念：不仅要看前面（跟随目标），还要看后面（防止被撞击）。一旦检测到任何方向的突发障碍，急停逻辑的优先级必须高于跟随逻辑，这是机器人安全设计的铁律。

4. 开发建议

以上案例仅作为思路拓展的参考示例。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。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。