基于STM32的智能小车设计

原创于 2025-11-04 15:37:09 发布 · 930 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#STM32 #智能小车 #循迹避障 #红外传感器 #超声波测距 #L298N #PWM控制

AI助手已提取文章相关产品：

基于STM32的智能循迹避障小车设计实践

在高校电子信息类课程中，总有一些项目能真正让学生把“纸上谈兵”变成“真枪实弹”——智能小车就是其中之一。它不像单纯的LED闪烁实验那样简单，也不像无人机飞控那样遥不可及，而是一个刚刚好的“中间态”：既有硬件搭建的乐趣，又有算法调试的挑战，还能看到自己的代码让机器动起来。

我们最近完成的这款基于STM32F103C8T6的智能小车，集成了红外循迹与超声波避障功能。从原理图绘制到代码烧录，从传感器校准到路径决策逻辑优化，整个过程几乎涵盖了嵌入式开发的所有核心环节。更重要的是，它的成本控制在200元以内，完全适合教学批量部署。

为什么选STM32F103C8T6？

说到主控芯片，很多人第一反应是51或Arduino，但当我们需要处理多任务、高实时性控制时，这些8位单片机就显得力不从心了。STM32F103C8T6虽然只是“蓝丸”开发板上的那颗不起眼的小芯片，但它基于ARM Cortex-M3内核，主频高达72MHz，自带64KB Flash和20KB RAM，还配备了丰富的定时器、ADC和通信接口资源。

实际使用中最让人安心的是它的外设成熟度。比如我们要用PWM驱动电机，直接调用TIM3输出即可；要读取多个红外传感器状态？PA0~PA3一组GPIO输入搞定；测距需要精确计时？TIM2配合输入捕获模式轻松实现微秒级精度。更别说Keil、STM32CubeIDE、PlatformIO等工具链的支持，让开发效率大幅提升。

下面这段初始化LED的代码，看似简单，却是所有调试工作的起点：

void LED_Init(void) {
    RCC_APB2PeriphClockCmd(RCC_APB2Periph_GPIOC, ENABLE);
    GPIO_InitTypeDef GPIO_InitStructure;
    GPIO_InitStructure.GPIO_Pin = GPIO_Pin_13;
    GPIO_InitStructure.GPIO_Mode = GPIO_Mode_Out_PP;
    GPIO_InitStructure.GPIO_Speed = GPIO_Speed_50MHz;
    GPIO_Init(GPIOC, &GPIO_InitStructure);
}

PC13接了一个共阴极LED，程序运行时通过 GPIO_ResetBits(GPIOC, GPIO_Pin_13) 点亮作为运行指示。别小看这个灯，它能在系统卡死时帮你判断是否进入了死循环，或者中断有没有正常触发。

红外循迹：低成本路径识别的可靠方案

市面上做循迹小车最常用的还是红外传感器阵列。我们用了四路数字型红外模块（如TCRT5000），并排安装在车体底部，间距约1.8cm，刚好略小于黑线宽度（通常为2cm）。这种布局既能保证在直线上有足够覆盖范围，又能在转弯时提供明确的方向偏差信号。

工作原理其实很直观：红外发射管照向地面，黑色胶带吸光强、反射弱，白色地板则相反。接收端根据反射强度输出高低电平——压在线上为低，偏离为高（具体逻辑取决于比较器电路设计）。

关键在于如何快速准确地读取这四个传感器的状态，并做出转向决策。我们采用了一种紧凑的数据打包方式：

uint16_t Read_Track_Sensors(void) {
    uint16_t sensor_val = 0;
    sensor_val |= (GPIO_ReadInputDataBit(GPIOA, GPIO_Pin_0) << 0);
    sensor_val |= (GPIO_ReadInputDataBit(GPIOA, GPIO_Pin_1) << 1);
    sensor_val |= (GPIO_ReadInputDataBit(GPIOA, GPIO_Pin_2) << 2);
    sensor_val |= (GPIO_ReadInputDataBit(GPIOA, GPIO_Pin_3) << 3);
    return sensor_val;
}

返回值是一个4位二进制数，代表当前各传感器的状态。例如：
- 0b0110 → 中间两个压线，说明处于直线段；
- 0b0011 → 右侧两个压线，说明路径向右偏，应左转纠正；
- 0b1100 → 左侧两个压线，需右转；
- 0b0000 → 所有传感器都在白区，可能已脱轨，进入搜索模式。

这里有个工程经验：不要一检测到状态变化就立即转向。现实中地面反光不均、车身震动都会导致误判。我们在软件中加入了简单的延时滤波机制——连续两次采样结果一致才执行动作，有效减少了“蛇形走位”。

超声波避障：不只是测个距离那么简单

HC-SR04几乎是每个初学者都会接触的超声波模块，便宜、易用、资料多。但真正在动态环境中稳定工作，远没有想象中那么简单。

其基本流程是：给Trig引脚一个≥10μs的高脉冲，模块自动发出40kHz超声波；遇到障碍物后回波被接收，Echo引脚拉高，持续时间即为往返时间。距离计算公式为：

$$
\text{Distance (cm)} = \frac{\text{Echo高电平时间 (μs)} \times 0.034}{2}
$$

我们最初用轮询方式实现测距：

float Get_Distance(void) {
    float distance = 0;
    GPIO_SetBits(GPIOB, GPIO_Pin_1);  // Trig
    Delay_us(10);
    GPIO_ResetBits(GPIOB, GPIO_Pin_1);

    while (!GPIO_ReadInputDataBit(GPIOB, GPIO_Pin_0));  // 等待上升沿
    TIM_Cmd(TIM2, ENABLE);
    while (GPIO_ReadInputDataBit(GPIOB, GPIO_Pin_0));   // 等待下降沿
    TIM_Cmd(TIM2, DISABLE);

    uint32_t time_us = TIM_GetCounter(TIM2);
    distance = (float)(time_us * 0.034 / 2);
    TIM_SetCounter(TIM2, 0);
    return distance;
}

这种方式简单直接，但在主循环中频繁调用会阻塞其他任务。后来我们改用定时器输入捕获+中断的方式，大大提升了系统的响应能力和测量精度。

不过更大的问题是误检。比如斜面墙壁会导致回波偏移，无法返回；软质材料（如布料沙发）吸音严重，测不出有效距离；甚至有时地面反射也会造成干扰。为此我们做了几点改进：

设置最小有效距离阈值（如15cm） ，低于该值才认为是真实障碍；
多次测量取平均 ，剔除异常值；
增加探测频率 ，每100ms测一次，避免因单次误差导致急停；
结合运动状态判断 ，若小车静止时距离突变，优先怀疑传感器异常而非环境变化。

电机驱动：L298N真的够用吗？

L298N作为一款经典双H桥驱动芯片，虽然封装老旧、发热较大，但在教学场景下依然表现出色。它支持最高35V供电，每通道持续电流2A，足以带动常见的TT马达减速电机。

连接方式也很清晰：
- IN1/IN2 控制左电机正反转
- IN3/IN4 控制右电机
- ENA/ENB 接PWM信号实现调速

我们使用TIM3_CH1（PB6）输出PWM来调节速度：

void PWM_Motor_Init(void) {
    RCC_APB1PeriphClockCmd(RCC_APB1Periph_TIM3, ENABLE);
    RCC_APB2PeriphClockCmd(RCC_APB2Periph_GPIOB | RCC_APB2Periph_AFIO, ENABLE);

    GPIO_InitTypeDef GPIO_InitStructure;
    GPIO_InitStructure.GPIO_Pin = GPIO_Pin_6;
    GPIO_InitStructure.GPIO_Mode = GPIO_Mode_AF_PP;  // 复用推挽输出
    GPIO_InitStructure.GPIO_Speed = GPIO_Speed_50MHz;
    GPIO_Init(GPIOB, &GPIO_InitStructure);

    TIM_TimeBaseInitTypeDef TIM_TimeBaseStructure;
    TIM_TimeBaseStructure.TIM_Period = 99;      // 100步周期
    TIM_TimeBaseStructure.TIM_Prescaler = 71;   // 72MHz → 1MHz
    TIM_TimeBaseInit(TIM3, &TIM_TimeBaseStructure);

    TIM_OCInitTypeDef TIM_OCInitStructure;
    TIM_OCInitStructure.TIM_OCMode = TIM_OCMode_PWM1;
    TIM_OCInitStructure.TIM_OutputState = TIM_OutputState_Enable;
    TIM_OCInitStructure.TIM_Pulse = 50;         // 初始占空比50%
    TIM_OCInitStructure.TIM_OCPolarity = TIM_OCPolarity_High;
    TIM_OC1Init(TIM3, &TIM_OCInitStructure);

    TIM_Cmd(TIM3, ENABLE);
}

通过修改 TIM_Pulse 值即可动态调整占空比，实现无级调速。但我们发现一个问题：电机启动瞬间电流冲击大，容易打滑。于是加入了渐变加速策略——每次增加5%占空比，间隔50ms，直到达到目标速度。同理，停车时也逐步降速，显著提升了行驶平稳性。

电源方面，采用两节18650串联提供7.4V，经LM2596降压至5V供给STM32和传感器。特别注意的是，L298N的逻辑供电必须独立稳定，否则可能导致控制信号紊乱。

系统整合：从模块拼接到闭环控制

当各个模块单独测试都正常后，真正的挑战才开始：如何让它们协同工作？

我们的主控逻辑采用状态机结构，默认进入“循迹优先”模式。每50ms执行一次传感器采集：

while (1) {
    uint16_t track_state = Read_Track_Sensors();
    float dist = Get_Distance();

    if (dist < 20.0f) {
        // 进入避障模式
        Stop();
        Backward(800);  // 后退800ms
        TurnLeft(500);  // 尝试左转
        delay_ms(100);
    } else {
        // 继续循迹
        Track_Control(track_state);
    }
}

Track_Control() 函数根据传感器组合决定动作：
- 0110 ：直行
- 0011 ：左转（右轮快）
- 1100 ：右转（左轮快）
- 0000 ：原地旋转查找路径

为了防止在十字路口或断线处无限打转，我们加入了超时机制：若连续10次未能恢复轨迹，则自动切换至随机探索模式，尝试重新定位路线。

调试过程中最有效的手段是串口输出。我们将传感器原始数据、当前状态、电机指令等信息通过USART发送到PC端，用串口助手实时监控，极大加快了问题排查速度。比如有一次发现小车总是往右偏，查看日志才发现右侧红外传感器灵敏度偏低，重新调节电位器后恢复正常。

遇到的问题与实战经验

任何项目都不可能一帆风顺，以下是几个典型问题及解决方案：

问题现象	根本原因	解决方案
循迹时左右晃动严重	传感器响应延迟 + 控制过于激进	加入状态滤波，限制转向角度
超声波偶尔返回0或超大量程	回波未接收到或中断丢失	增加重试机制，三次无效则取上次有效值
电池电压下降后传感器误判	供电波动影响比较器阈值	使用独立稳压模块，确保传感器电压稳定
电机启停抖动大	PWM跳变更剧烈	实现软启动/停止，逐步增减占空比