1. 项目概述与核心价值

自动平衡机器人是一个融合了传感器技术、嵌入式控制和实时数据处理的有趣项目。基于STM32和Qt的实现方案，不仅能够展示硬件与软件的完美结合，还能为教育、科研甚至娱乐场景提供高精度的平衡控制演示。这个项目的核心在于通过多传感器（如陀螺仪和加速度计）的数据融合，实时感知机器人的姿态，并通过STM32的实时控制能力驱动电机实现平衡。Qt界面则提供了直观的人机交互体验，让用户能够实时监控数据并调整参数。

我自己在第一次尝试构建这样一个机器人时，最大的感受是：它就像教一个刚学会走路的孩子保持平衡——需要不断感知环境、快速调整动作，而且稍有不慎就会摔倒。但一旦调通，那种成就感简直无与伦比！这个项目特别适合对嵌入式系统、控制算法或人机交互感兴趣的开发者，尤其是那些喜欢从零开始搭建完整系统的技术爱好者。

2. 系统架构设计

整个系统的架构可以分为四个核心模块：传感器模块、控制模块、驱动模块和人机交互模块。传感器模块主要负责采集机器人的姿态数据，通常包括陀螺仪和加速度计（比如常用的MPU6050）。控制模块以STM32为核心，处理传感器数据并计算控制指令。驱动模块则根据控制指令驱动电机（例如步进电机或直流电机），最终实现机器人的平衡。人机交互模块通过Qt开发的桌面应用程序，提供实时数据监控和参数调整功能。

在实际搭建时，我强烈推荐采用模块化设计。这样不仅调试方便，后期扩展功能（比如添加避障或路径规划）也会轻松很多。通信方面，STM32与传感器之间通常使用I2C或SPI协议，而STM32与Qt界面之间可以通过串口（UART）进行数据交换。记得在硬件连接时特别注意电源稳定性——我曾经因为电源波动导致传感器数据跳变，折腾了好久才发现问题！

3. 硬件选型与环境搭建

硬件选型是项目成功的基础。STM32开发板推荐选择Nucleo或Discovery系列，它们自带调试器，非常适合初学者。传感器方面，MPU6050是个不错的选择，它集成了三轴陀螺仪和三轴加速度计，价格便宜且资料丰富。电机部分可以根据需求选择步进电机或直流电机，步进电机的控制精度更高，但直流电机的驱动更简单。

软件环境需要安装STM32CubeIDE（或Keil MDK）和Qt Creator。STM32CubeIDE提供了HAL库，可以大大简化底层驱动开发。Qt Creator则用于设计界面和编写上位机程序。在配置环境时，一定要注意库版本的兼容性——我曾经因为HAL库版本不对，导致I2C通信死活调不通。

提示：电源稳定性是关键！电机启动时的电流冲击很可能导致STM32复位，建议使用单独的电源模块为电机供电，或者在电源入口处加大电容缓冲。

4. 传感器数据采集与滤波

传感器数据采集是整个系统的基础。MPU6050通过I2C接口与STM32连接，需要初始化配置为正常工作模式。数据读取包括原始加速度和角速度值，这些数据需要经过换算才能得到实际物理量。比如角速度的换算公式为：实际值 = 原始值 / 131.0（当量程为±250°/s时）。

但是原始数据往往包含噪声，直接使用会导致机器人剧烈抖动。这里就需要滤波算法了。我尝试过简单的移动平均滤波，效果一般。后来改用互补滤波，效果提升明显。互补滤波结合了加速度计的低频特性和陀螺仪的高频特性，计算简单且实时性好。代码实现大概长这样：

// 互补滤波参数
#define ALPHA 0.98

void ComplementaryFilter(float accelAngle, float gyroRate, float* angle) {
    static float estimatedAngle = 0.0;
    // 加速度计角度（低频可靠）
    // 陀螺仪积分（高频可靠）
    estimatedAngle = ALPHA * (estimatedAngle + gyroRate * dt) + (1-ALPHA) * accelAngle;
    *angle = estimatedAngle;
}

更高级的卡尔曼滤波当然效果更好，但计算量也更大，需要根据STM32的性能权衡。实测在STM32F103上，互补滤波已经能够满足大部分平衡机器人的需求。

5. 姿态解算与数据融合

单纯的角度和角速度数据还不足以准确描述机器人的姿态，我们需要通过数据融合得到更准确的姿态信息。姿态解算的目标是获取机器人的滚转角和俯仰角，这对于平衡控制至关重要。

我常用的方法是Mahony滤波，它是一种基于四元数的数据融合算法，计算效率比卡尔曼滤波高，适合在STM32上运行。基本思路是利用加速度计数据校正陀螺仪的漂移，通过PI控制器不断修正误差。核心代码结构如下：

void MahonyUpdate(float gx, float gy, float gz, float ax, float ay, float az, float dt) {
    // 归一化加速度计数据
    float norm = sqrt(ax*ax + ay*ay + az*az);
    ax /= norm; ay /= norm; az /= norm;
    
    // 计算误差
    float ex = (ay*vz - az*vy);
    float ey = (az*vx - ax*vz);
    float ez = (ax*vy - ay*vx);
    
    // 积分误差
    integralFBx += Ki * ex * dt;
    integralFBy += Ki * ey * dt;
    integralFBz += Ki * ez * dt;
    
    // 校正陀螺仪数据
    gx += Kp*ex + integralFBx;
    gy += Kp*ey + integralFBy;
    gz += Kp*ez + integralFBz;
    
    // 四元数更新
    // ... 四元数微分方程求解
}

调参时，Kp决定收敛速度，Ki决定稳态误差。一开始可以设Kp=0.5，Ki=0.1，然后根据实际效果微调。太激进会导致震荡，太保守则响应迟钝。

6. 控制算法实现

控制算法是平衡机器人的大脑，我采用经典的串级PID控制。外环是角度环，负责保持机器人直立；内环是速度环，控制机器人的移动。角度环使用PD控制，因为角度本身不需要积分项；速度环使用PI控制，需要积分项来消除静差。

具体实现时，角度环计算基于当前姿态与目标姿态（通常是0°）的偏差：

float anglePID(float targetAngle, float currentAngle, float gyroRate) {
    float error = currentAngle - targetAngle;
    float output = Kp_angle * error + Kd_angle * gyroRate;
    return output;
}

速度环则处理编码器反馈的速度信息：

float velocityPID(float targetVel, float currentVel) {
    static float integral = 0;
    float error = targetVel - currentVel;
    integral += error * dt;
    float output = Kp_velocity * error + Ki_velocity * integral;
    return output;
}

两个环的输出相加后作为最终的控制量发送给电机。调试时一定要先调角度环，再调速度环。如果机器人来回震荡，可能是D参数太小；如果反应迟钝，可能是P参数太小。记得积分项要有抗饱和处理，否则会出现"windup"现象。

7. 电机驱动与控制

电机驱动是实现精确控制的关键环节。我推荐使用步进电机而不是直流电机，因为步进电机可以精确控制位置和速度，无需编码器就能实现开环控制。驱动步进电机时，需要产生脉冲信号控制转速，通过改变脉冲频率调节速度，改变方向引脚电平控制转向。

STM32的定时器非常适合产生脉冲信号。以下是一个配置定时器为PWM模式的示例：

void PWM_Init(TIM_HandleTypeDef* htim, uint32_t channel) {
    TIM_OC_InitTypeDef sConfigOC = {0};
    htim->Instance = TIM3;
    htim->Init.Prescaler = 71; // 72MHz/72 = 1MHz
    htim->Init.CounterMode = TIM_COUNTERMODE_UP;
    htim->Init.Period = 1000; // 初始频率1kHz
    htim->Init.ClockDivision = TIM_CLOCKDIVISION_DIV1;
    HAL_TIM_PWM_Init(htim);
    
    sConfigOC.OCMode = TIM_OCMODE_PWM1;
    sConfigOC.Pulse = 500; // 50%占空比
    sConfigOC.OCPolarity = TIM_OCPOLARITY_HIGH;
    sConfigOC.OCFastMode = TIM_OCFAST_DISABLE;
    HAL_TIM_PWM_ConfigChannel(htim, &sConfigOC, channel);
    HAL_TIM_PWM_Start(htim, channel);
}

实时调整电机速度时，只需修改ARR寄存器的值：

void Set_Motor_Speed(TIM_HandleTypeDef* htim, uint16_t speed) {
    __HAL_TIM_SET_AUTORELOAD(htim, speed);
    __HAL_TIM_SET_COMPARE(htim, TIM_CHANNEL_1, speed/2);
}

方向控制则通过GPIO实现：

void Set_Motor_Direction(GPIO_TypeDef* GPIOx, uint16_t GPIO_Pin, uint8_t dir) {
    HAL_GPIO_WritePin(GPIOx, GPIO_Pin, (dir > 0) ? GPIO_PIN_SET : GPIO_PIN_RESET);
}

8. Qt人机交互界面设计

Qt界面是与用户交互的窗口，好的设计能让调试过程事半功倍。我建议包含以下元素：实时数据显示区域（角度、角速度、电机速度等）、参数调整滑动条（PID参数）、控制按钮（启动/停止/重置）和数据图表（实时曲线）。

创建一个基本的监控界面：

class MainWindow : public QMainWindow {
    Q_OBJECT
public:
    MainWindow(QWidget* parent = nullptr);
    
private slots:
    void updateData(); // 定时更新数据
    void onStartClicked();
    void onStopClicked();
    
private:
    QLabel* angleLabel;
    QLabel* velocityLabel;
    QPushButton* startButton;
    QPushButton* stopButton;
    QCustomPlot* plot; // 用于绘制曲线
    QTimer* dataTimer;
};

实现数据更新槽函数：

void MainWindow::updateData() {
    // 从串口读取数据
    QByteArray data = serialPort->readAll();
    processData(data); // 解析数据
    
    // 更新界面
    angleLabel->setText(QString("角度: %1°").arg(currentAngle));
    velocityLabel->setText(QString("速度: %1").arg(currentVelocity));
    
    // 更新曲线
    plot->graph(0)->addData(time, currentAngle);
    plot->replot();
}

参数调整可以通过滑动条实现：

// PID参数调整
connect(kpSlider, &QSlider::valueChanged, [](int value) {
    float kp = value / 100.0;
    sendCommandToSTM32(QString("KP %1").arg(kp));
});

注意：Qt与STM32的通信数据格式要事先约定好。我常用JSON格式，虽然效率不是最高，但可读性和扩展性很好。

9. 系统集成与调试技巧

系统集成是最考验耐心和技巧的环节。我建议分阶段进行：首先单独测试传感器数据采集，确保数据准确稳定；然后测试电机驱动，确保能正常控制转速和方向；接着实现基本的控制算法，让机器人能勉强站稳；最后再优化参数和添加高级功能。

调试过程中，串口打印是最有用的工具。但要注意实时性要求高的地方不能频繁打印，会影响控制周期。我通常会在STM32端实现一个调试帧，只在需要时发送数据：

typedef struct {
    float angle;
    float gyro;
    float controlOutput;
} DebugData_t;

void Send_Debug_Data(UART_HandleTypeDef* huart, DebugData_t* data) {
    HAL_UART_Transmit(huart, (uint8_t*)data, sizeof(DebugData_t), 100);
}

Qt端接收后解析并显示。如果遇到机器人震荡问题，可以录制数据并导入MATLAB分析，看看是哪个环节的问题。电源管理也很重要——电池电量不足时电机扭矩会下降，导致机器人突然失去平衡。可以添加低压检测功能，电量低时自动进入安全模式。

10. 常见问题与解决方案

在开发过程中，我踩过不少坑，这里分享几个常见问题及解决方法：

问题1：传感器数据噪声大 解决方案：除了软件滤波，硬件上可以在传感器电源引脚加磁珠和去耦电容。I2C线上加上拉电阻（通常4.7kΩ）。

问题2：电机响应延迟 解决方案：检查控制周期是否足够快（建议1-5ms），优化算法计算量。使用DMA方式传输数据，减少CPU开销。

问题3：机器人往一边偏 解决方案：可能是机械结构不对称或传感器安装倾斜。可以在程序中添加零偏校准功能，启动时自动计算零偏。

问题4：Qt界面卡顿 解决方案：数据更新不要放在主线程，单独开一个线程处理串口数据。使用QCustomPlot等高效绘图库。

问题5：电池续航短 解决方案：优化控制算法，减少不必要的电机动作。选择高效率的电机和驱动电路。添加休眠功能，闲置时自动进入低功耗模式。

最后，不要期望一次就能成功。调试平衡机器人是一个反复迭代的过程，耐心记录每次参数修改的效果，慢慢就能找到最佳配置。