平衡单车串级PID控制：从姿态解算到参数整定实战指南-尧图网络科技

1. 平衡单车控制的核心挑战与串级PID的引入

搞过智能车平衡组的朋友都知道，让一个两轮小车站起来，本质上是在和物理定律做对抗。而当我们把场景换成“平衡单车”时，这个挑战的难度直接上了一个数量级。传统的两轮平衡车，重心低、轮距宽，姿态恢复的容错空间相对较大。但平衡单车呢？它只有一个前轮提供动力和转向，整个车体的平衡完全依赖于一个绕前轮轴旋转的自由度，重心高，惯性大，稍微一点扰动就可能让车体像倒立的钟摆一样无可挽回地倒下。这不再是简单的“不倒翁”问题，而是一个典型的不稳定、非线性系统控制难题。

为什么串级PID会成为解决这个问题的首选架构？这得从我们手头的传感器和控制目标说起。在平衡单车项目中，最核心的传感器通常是MPU6050这类六轴陀螺仪加速度计。它能给我们提供车体相对于惯性空间的角速度和加速度信息。我们的控制目标有两个层次：最内层、最紧急的是保持车体直立，也就是控制“俯仰角”；在这个基础上，我们还需要控制单车的前进、后退以及转向，以实现循迹等功能。这两个目标对控制器的响应速度和精度要求是不同的。直立控制要求极快的响应，任何微小的角度偏差都必须被立刻纠正，否则就是“秒倒”。而速度控制则相对缓和，它需要的是一个平滑、稳定的输出，避免因为速度环的剧烈波动干扰到脆弱的平衡环。

串级PID的精妙之处就在于，它将这两个环“嵌套”了起来。内环（通常是角度环）作为“保镖”，专注于以最高优先级维持车体不倒，它的输出直接作为外环（通常是速度环）的“期望值”的一部分。外环则负责实现更上层的运动意图。这种结构就像一个经验丰富的飞行员：他的大脑（外环）在规划飞行路线（目标速度），但他的双手（内环）会以毫秒级的反应去微调操纵杆，对抗气流扰动（角度偏差），确保飞机（车体）始终稳定在正确的姿态上。内环的快速响应为外环的稳定控制提供了一个坚实的基础平台。

在实际调车时，我深切体会到，理解串级PID中“串”的含义，比死记硬背PID公式重要得多。它不是两个独立PID的简单叠加，而是一个有严格主从关系的控制系统。内环的任何一个参数变动，都会直接影响到整个系统的动态性能。很多新手调参时觉得车“很神经质”，一会抖一会倒，往往就是因为没有理清内外环的职责边界，导致内环响应太慢撑不住车，或者外环指令太猛把内环搞崩溃了。

2. 从传感器数据到控制量：姿态解算与环路的建立

拿到MPU6050的原始数据（三轴加速度、三轴角速度）后，我们离能用的“角度”还有一段距离。这段路就是姿态解算。对于平衡单车，我们最关心的是俯仰角（Pitch）。直接用加速度计计算角度行吗？理论上可以，因为静止时，重力加速度在车体坐标系Z轴的分量与俯仰角有三角函数关系。但车子一动起来，特别是加速、减速时，会产生额外的线性加速度，这会严重污染加速度计的数据，导致计算出的角度严重失真。所以，单纯靠加速度计是绝对不行的。

这时就需要陀螺仪登场了。陀螺仪测量的是角速度，通过对角速度积分，理论上可以得到角度变化。但陀螺仪有零漂，积分会累积误差，时间一长，角度就会漂到天涯海角去。因此，实际工程中普遍采用互补滤波或更复杂的姿态解算算法（如Mahony、Madgwick滤波，或直接使用DMP库）。其核心思想是：用加速度计的数据来修正陀螺仪积分产生的长期漂移，用陀螺仪的数据来抑制加速度计在运动时的短期噪声。以最简单的互补滤波为例，它的代码可能就几行：

// 假设 gyro_y 是陀螺仪Y轴角速度（经过标定和单位转换），accel_angle 是由加速度计计算出的俯仰角 float dt = 0.001; // 控制周期，假设1ms float filter_k = 0.98; // 滤波系数，通常取0.98左右 // 陀螺仪积分得到角度 gyro_angle += gyro_y * dt; // 互补滤波融合 pitch_angle = filter_k * (pitch_angle + gyro_y * dt) + (1 - filter_k) * accel_angle;

这个filter_k参数就是权衡信任谁的关键。取值越接近1，越信任陀螺仪（动态性能好，但会漂移）；越接近0，越信任加速度计（静态准，但动态差）。对于平衡单车，因为需要快速响应，通常会更偏向陀螺仪一些（比如取0.98），同时依赖控制环本身来抑制残余的漂移。

得到可靠的俯仰角pitch_angle和俯仰角速度gyro_y后，我们就可以构建串级PID了。典型的平衡单车串级控制结构如下：

外环（速度环）：

输入（反馈量）：编码器测得的前轮实际转速speed_real。
输入（设定值）：期望的前轮转速speed_target（可能来自遥控器指令或循迹算法）。
输出：一个“目标俯仰角”pitch_target_speed。这个值的物理意义是：为了达到或维持某个速度，车体需要向前或向后倾斜的角度。比如，想让车加速前进，就需要让车体稍微前倾，利用重力的分力来提供加速度。

内环（角度环）：

输入（反馈量）：融合得到的实际俯仰角pitch_angle和角速度gyro_y（角速度通常作为微分项D的输入，也可单独构成PD控制）。
输入（设定值）：由外环输出的pitch_target_speed加上一个可能存在的“平衡零点角”pitch_balance（即车体完全直立静止时的角度，可能不是0度）。
输出：最终的控制量，通常是PWM占空比，直接驱动电机。

整个数据流和控制流是：期望速度 -> 速度PID控制器 -> 目标角度 -> 角度PID控制器 -> 电机PWM。内环的运算频率通常要求比外环更高，因为姿态变化更快。例如，角度环1ms计算一次，速度环可以5ms或10ms计算一次。

3. 内环（角度环）PID的整定：快速与稳定的博弈

内环是平衡单车的“生命线”，它的调参直接决定了车能不能站起来，以及站起来后“稳不稳”。角度环通常使用PD控制，或者PID全用。其中，角速度gyro_y作为微分项D的输入，是抑制震荡、提高阻尼的关键，被称为“阻尼项”。

P（比例）项：P_out = Kp * (pitch_target - pitch_angle)这是恢复力。Kp越大，车体对角度偏差的纠正力就越强。但Kp太大，会导致车体在平衡点附近高频抖动，甚至引发共振直接翻车。调Kp时，我的经验是先把Ki和Kd设为0，用手扶着车，给一个小的角度偏差，观察电机是否产生正确的纠正力矩（车往前倒，电机应该正转使车轮往前追，试图把车拉回来）。然后慢慢增大Kp，直到松手后车能勉强站住，但可能会来回摆动（欠阻尼震荡）。

D（微分）项：D_out = Kd * (gyro_y_target - gyro_y)，通常gyro_y_target为0。这是阻尼力。它的作用是预测角度变化的趋势并施加反方向的力来抑制变化。Kd是抑制震荡的“神器”。当车体开始摆动时，角速度不为零，Kd会产生一个与摆动方向相反的力矩，让车体慢下来。Kd太小，车会摇摆不停；Kd太大，系统会变得“迟钝”，响应变慢，而且会放大陀螺仪的高频噪声，可能引起电机高频啸叫。调Kd就是在Kp已经能让车站住但摆动的基础上，逐渐增加Kd，直到摆动迅速平息，车体稳稳地锁定在平衡点。一个常见的技巧是，如果硬件支持，可以对陀螺仪数据进行低通滤波，以减少噪声对微分项的干扰。

I（积分）项：在角度环中，积分项Ki的使用需要非常谨慎。它的作用是消除静态误差。但对于平衡单车，其“平衡点”本身可能不是一个固定角度（比如为了维持速度需要轻微前倾），而且积分项会引入相位滞后，可能破坏稳定性。很多时候，角度环仅用PD控制就足够了。如果确实存在无法消除的微小角度偏差（比如由于电机死区或机械不对称），可以引入一个很小的Ki，但必须配合积分限幅，防止积分饱和导致控制失控。

注意：调内环参数时，务必确保车体机械结构紧固，轮胎抓地力良好，电池电量充足。一个松动的螺丝或打滑的轮胎，会让任何参数调试都失去意义。另外，一定要在软件里做好PWM输出限幅，防止参数设置错误时产生极大的输出烧坏电机驱动。

实测中的意外情况处理：有时你会发现，按照理论调出的PD参数，车在平地上很稳，但一到赛道起伏处或者启动加速时就倒了。这可能是因为Kd项依赖于角速度。在通过坡道时，车体角速度会有一个突变，如果Kd很大，可能会产生一个过大的反向力矩，反而破坏了平衡。这时可能需要根据实际情况动态调整Kd，或者在角速度信号进入D项前做更细致的滤波和处理。

4. 外环（速度环）PID的整定：赋予单车“目的性”

当内环调稳，单车能像不倒翁一样原地站稳后，我们就要赋予它“行动能力”，这就是外环——速度环的职责。速度环的输入是编码器测得的电机转速，输出是内环角度环的设定值偏移量。

速度环的核心作用：将抽象的速度指令，转化为具体的车身姿态调整。例如：

目标速度 > 实际速度：速度环PID输出一个正的角度偏移量，告诉内环：“请让车身稍微前倾”。车身前倾后，重力会产生一个向前的分力，驱动车轮加速，从而提升实际速度。
目标速度 < 实际速度：输出一个负的角度偏移量，让车身后仰，利用重力减速。
目标速度 = 实际速度 = 0：输出为0，内环只维持静态平衡角。

速度环PID调参要点：

先P后I，慎用D：速度环通常使用PI控制就够了。微分项D对速度噪声非常敏感，容易引入抖动。先从较小的Kp_speed开始。Kp_speed决定了你想改变速度的“意愿”有多强。Kp_speed太大，会导致车体为了追速度而过度前倾/后仰，从而干扰内环的平衡，甚至直接拉倒整车。表现就是车在平衡点附近“前后窜动”。Kp_speed太小，则车速响应迟钝，加速慢。
积分项I的重要性：速度环的积分项Ki_speed非常关键。它的作用是消除稳态误差。比如，地面有轻微的坡度阻力，仅靠P项，可能需要一个永久的姿态角才能维持速度，这增加了内环的负担。加入Ki_speed后，它可以累积速度误差，输出一个持续的角度偏移，最终在某个特定的姿态角下，车的驱动力刚好抵消阻力，实现无静差的速度跟踪。调Ki_speed时，要观察车从静止加速到目标速度，以及稳速运行的过程，速度是否能够平稳且无静差地跟上。
内外环的耦合与带宽：这是串级调参最精髓也最困难的部分。外环的响应速度必须显著慢于内环。这是稳定性要求。你可以把内环想象成一个反应极快的仆人，外环是下命令的主人。如果仆人反应慢（内环带宽低），主人下一个命令他半天才动，系统效率低下。但如果主人命令变得太快、太频繁（外环带宽高），仆人就会手忙脚乱，甚至执行了上一个命令的一半就去执行下一个，导致系统崩溃。
- 如何判断？如果调速度环参数时，原本稳定的单车开始出现高频抖动或周期性摇摆，这很可能是外环（速度环）的响应过快，其输出的角度指令变化频率接近甚至超过了内环（角度环）能稳定跟踪的带宽，引发了震荡。这时必须降低速度环的Kp_speed和Ki_speed，让它的输出更“平滑”。
- 一个实用的调试技巧：先让速度环只输出一个很小的固定值（相当于给一个固定的倾角指令），看单车是否能稳定地匀速运动。如果能，再接入真实的PI控制器，从小参数开始慢慢加大。

5. 上位机调试与参数整定实战流程

“盲调”PID参数是极其低效的。借助上位机软件（如VOFA+、SerialPlot、自己写的QT程序等）实时可视化关键数据，是智能车调试的“眼睛”。我们需要通过串口将单片机内的数据发送到电脑。

需要发送的关键波形包括：

实际俯仰角与目标俯仰角：观察内环的跟踪效果。
实际角速度：观察微分项的效果和噪声。
实际速度与目标速度：观察外环的跟踪效果。
最终PWM输出：观察控制量是否饱和。
PID各分项输出（P_out, I_out, D_out）：高级调试时用于分析哪个环节出了问题。

基于波形的调参实战步骤：

阶段一：内环（角度环）粗调

将速度环目标设为0，输出限幅设为一个很小的值（防止车冲出去）。
扶住车，用手施加一个小扰动然后松开，通过上位机观察角度恢复的曲线。
调Kp_angle：目标是让车在松手后能往回走，即使有超调和震荡。曲线应表现出明显的恢复趋势。
调Kd_angle：目标是抑制Kp引起的震荡。观察曲线，震荡次数应减少，回复过程变得更“干脆”，接近临界阻尼。

阶段二：内环细调与抗扰测试

让车在平衡点附近稳定。
用手轻轻、快速地推一下车（施加阶跃扰动）。
观察波形：车体角度偏离后，是否能快速、平稳地回到平衡点，且没有持续震荡或明显的过冲？如果不是，微调Kp和Kd。
测试在不同初始角度放手时，车是否都能稳定站住。

阶段三：外环（速度环）引入

保持内环参数不变，将速度环Kp_speed和Ki_speed设为0。
给一个很小的目标速度（比如0.1 m/s）。
调Kp_speed：观察车是否开始缓慢而稳定地移动，实际速度能否跟随目标速度变化。如果车开始剧烈前后抖动，立即减小Kp_speed。
调Ki_speed：让车在平地上匀速运行，观察实际速度与目标速度的稳态误差。逐渐增加Ki_speed直到稳态误差被消除。注意观察积分项是否在合理范围内累积，防止饱和。

阶段四：联合调试与性能优化

进行加速、减速、匀速测试。
观察在速度变化过程中，车体俯仰角的变化是否平滑？有没有因为速度环指令变化太快导致内环失稳？
尝试在赛道上跑动，观察过弯、上下坡时的表现。可能需要根据不同的运动状态（如转向时），对速度环的目标值或PID参数进行动态调整或前馈补偿。

踩坑实录：我曾遇到过车在直道很稳，但一到弯道就内侧倒的情况。通过上位机发现，在转向时，由于差速和离心力，车体实际姿态角会发生复杂变化。单纯的速度-角度串级控制无法处理这种耦合扰动。后来在速度环的输出上，叠加了一个与转向角速度相关的微小前馈补偿量，相当于提前给了一个抵抗离心力倾覆的“预瞄”指令，才解决了问题。这说明，串级PID是基础框架，但在复杂场景下，往往需要结合前馈、模糊控制等策略进行增强。

6. 超越基础串级PID：应对复杂场景的策略

当基础的串级PID能让你的平衡单车在平地上稳稳跑起来后，你会很快发现它在应对真实赛道时的局限性：启动加速太慢、刹车点头、过弯侧翻、坡道调节不力。这时就需要引入更高级的策略。

前馈控制（Feedforward）：这是提升响应速度的利器。串级PID是反馈控制，它基于“误差”来行动，总是慢半拍。而前馈是“预测”控制。例如，在知道目标速度将从0突变到V时，我们可以直接给速度环的输出（即角度环的设定值）加上一个与V成正比的阶跃信号。这个信号不是基于当前速度误差算出来的，而是基于我们“知道”要加速这个命令。这相当于在反馈控制还没反应过来的时候，就提前让车体摆出了加速所需的倾角，极大地减少了加速延迟和超调。同理，在刹车、转向时也可以加入相应的前馈量。

变参数PID与模糊PID：一套固定的PID参数很难在所有工况下都表现最优。比如，高速运行时可能需要更“柔和”的参数来保证平稳，而低速或静止时需要更“强硬”的参数来对抗扰动。我们可以根据车速、姿态角误差大小等状态量，设计简单的规则来动态切换或插值计算PID参数。模糊PID则将专家的调参经验（如“如果误差为正且较大，则增大P”）规则化，用模糊逻辑在线计算参数，适应能力更强。

转向平衡耦合处理：这是平衡单车独有的难题。传统两轮车转向靠差速，对俯仰平衡影响较小。但单车转向时，车把转动会直接改变整车质心的投影位置，强烈耦合进俯仰动力学中。简单的处理方法是：在转向时，根据转向角速度，给角度环的设定值一个动态的补偿偏移，或者临时微调角度环的Kp、Kd参数，以增强抗侧倾能力。更高级的做法是建立包含转向自由度的动力学模型，进行解耦控制。

能量管理与防饱和：平衡单车是一个能量敏感系统。猛加速或上坡时，电机可能持续输出大PWM，导致电池电压骤降，进而影响控制芯片和传感器供电，形成恶性循环。需要在软件中加入能量管理策略，例如对总输出PWM进行限幅，或者根据电池电压动态缩放PID输出。同时，积分项的饱和（Windup）问题必须妥善处理，必须对积分项的输出进行限幅，并在某些条件下（如输出已饱和）停止积分，防止系统“失控”。

调车到最后，我个人的体会是，PID控制就像骑自行车本身，理论告诉你平衡的原理，但真正的“手感”需要在无数次摔倒和调整中获得。串级PID提供了一个清晰、强大的框架，但它不是万能的公式。最重要的永远是理解你的被控对象——你的这辆平衡单车——它独特的机械结构、传感器特性、电机响应。通过上位机仔细观察它的每一次“呼吸”和“颤抖”，理解数据曲线背后的物理意义，你才能从“调参数”进化到“与车对话”，最终让它不仅站得稳，更能跑得顺、转得灵，从容应对赛道上的一切挑战。