Arduino BLDC 之双电机差速转向控制（智能车） 是一种基于无刷直流电机（BLDC）驱动、采用左右轮独立调速实现转向的移动机器人架构，广泛应用于教育、竞赛及轻型自主车辆原型开发中。该系统通过 Arduino 实现运动控制逻辑，结合传感器反馈完成路径跟踪、避障或循迹任务。以下从专业工程视角，系统阐述其主要特点、典型应用场景及需注意的关键事项。
一、主要特点

1. 高效、静音、长寿命的驱动系统
   BLDC 电机优势：
   效率高达 85–90%，显著优于有刷电机，在电池供电场景下延长续航；
   无电刷磨损，免维护，适合频繁启停的智能车应用；
   运行噪声低（<50 dB），适用于对声学环境敏感的室内场景；
   高功率密度支持快速加速与爬坡能力（如 10° 坡度）。
2. 差速转向原理与运动灵活性
   转向机制：通过调节左右 BLDC 轮的转速差实现转向：
   同速 → 直线行驶；
   左快右慢 → 右转；
   反向旋转 → 原地转向（零转弯半径）；
   运动学模型简单：适用于非完整约束系统（unicycle model），便于路径规划与控制算法实现。
3. 闭环速度/位置控制能力
   反馈源：
   霍尔传感器（内置 BLDC）提供粗略换相与速度估算；
   外置增量式编码器（如 1000 PPR）经四倍频后实现高分辨率轮速测量；
   控制策略：
   双路独立 PID 控制器分别调节左右轮目标转速；
   上层路径跟踪算法（如 Pure Pursuit、Stanley）输出期望速度差，下发至底层电机控制器。
4. Arduino 平台的可扩展性与模块化
   主控可选：
   Arduino Mega 2560：多硬件中断支持双编码器计数；
   Teensy 4.1：600 MHz Cortex-M7，支持 FOC + 高频编码器读取；
   ESP32：双核 + Wi-Fi/BLE，支持远程监控与 OTA 更新；
   易集成传感器：超声波、红外循迹、IMU（MPU6050）、摄像头等。
   二、典型应用场景
5. 大学生智能车竞赛（如全国大学生智能汽车竞赛）
   使用 BLDC 提升速度与能效，在“直立组”“全向组”“信标组”中实现高速稳定运行；
   差速控制配合陀螺仪实现抗侧滑直线行驶。
6. 教育与科研实验平台
   用于讲授：
   移动机器人运动学（kinematics）；
   闭环速度控制（PID 调参）；
   路径跟踪算法（A* + 差速跟随）；
   成本远低于商用 AGV，适合本科/研究生课程设计。
7. 轻型室内物流或巡检机器人原型
   在仓库、实验室、医院等结构化环境中执行：
   自主导航配送（结合二维码/UWB 定位）；
   定点巡检（搭载温湿度、气体传感器）；
   BLDC 的静音特性适合人机共存环境。
8. 开源机器人社区项目（如 ROS 小车底层）
   作为 ROS 2 / micro-ROS 的硬件执行层，Arduino 负责底层电机控制，上位机处理 SLAM 与导航。
   三、需要注意的关键事项
9. BLDC 驱动与 Arduino 接口匹配
   关键问题：多数 BLDC 轮毂电机需通过 电子调速器（ESC） 驱动；
   ESC 通常接受 标准 RC PWM 信号（1–2 ms 脉宽，50 Hz），而非 analogWrite() 的 490 Hz PWM；
   必须使用 Servo.h 库或专用 ESC 库（如 ESC.cpp）生成正确信号；
   高端方案：采用支持 FOC 的驱动板（如 SimpleFOC Shield + STSPIN32G4），通过 UART/CAN 接收目标速度指令，实现真正闭环。
10. 编码器信号处理与实时性
    中断资源限制：
    Arduino Uno 仅有 2 个外部中断，无法同时处理双编码器 A/B 相；
    推荐使用 Mega（6 个中断）或 Teensy（任意引脚中断 + 硬件 quadrature decoder）；
    防脉冲丢失：
    高速时主循环若未及时读取计数器，会导致里程计误差；
    使用硬件计数器（如 Teensy 的 Encoder 库）或 DMA（STM32）可避免此问题。
11. 电源管理与电流冲击
    启动/转向瞬间电流可达额定值 3–5 倍；
    使用 高倍率锂电池（如 20C LiPo 或 LiFePO₄）；
    每个 ESC 输入端就近加 2200 μF 电解电容 + 100 nF 陶瓷电容 抑制电压跌落；
    Arduino 与电机电源必须隔离：
    逻辑部分使用 LM2596 或 AMS1117 稳压至 5V/3.3V；
    避免电机启停导致主控复位。
12. 机械对称性与系统标定
    左右轮直径/摩擦系数不一致 会导致直线跑偏；
    必须进行系统标定：
    开环测试：同 PWM 下记录左右轮转速，计算补偿系数；
    闭环校正：通过 IMU（如 MPU6050）检测航向角偏差，动态调整速度差。
    轮胎打滑：在光滑地面易发生，建议使用高摩擦橡胶胎或增加自重。
13. 控制算法鲁棒性
    PID 参数整定：
    内环（速度环）带宽应 > 外环（路径跟踪）；
    避免积分饱和（Integral Windup）：加入 anti-windup 逻辑；
    低速死区补偿：BLDC 在低占空比下响应非线性，需设置最小有效 PWM 阈值。
14. 电磁兼容（EMC）与布线规范
    电机线与信号线分离：
    使用屏蔽线连接 ESC 与 BLDC；
    编码器/IMU 信号线远离电机线，必要时加磁珠；
    共地单点连接：电机地与逻辑地在电源处单点汇接，防止地环路噪声。

1、红外循迹智能车

#include <AFMotor.h>
// 定义前后两路电机
AF_DCMotor leftMotor(1, MOTOR12_64KHZ); // 左轮电机
AF_DCMotor rightMotor(2, MOTOR12_64KHZ); // 右轮电机

const int IR_SENSOR_PIN = A0; // 红外循迹传感器
float targetLinePosition = 0.5; // 目标位置比例（0~1）
float currentDeviation = 0;    // 当前偏离量

void setup() {
  pinMode(IR_SENSOR_PIN, INPUT);
  leftMotor.setSpeed(0);
  rightMotor.setSpeed(0);
}

void loop() {
  static uint32_t lastTime = 0;
  if (millis() - lastTime > CONTROL_PERIOD) {
    // 读取传感器值并归一化处理
    int sensorValue = analogRead(IR_SENSOR_PIN);
    float normalizedPos = map(sensorValue, MIN_ADC, MAX_ADC, 0, 1);
    
    // PID控制器计算转向比例
    currentDeviation = targetLinePosition - normalizedPos;
    float turnRatio = Kp * currentDeviation + Ki * integral + Kd * derivative;
    
    // 差速转向执行
    int baseSpeed = BASE_SPEED;
    int leftSpeed = constrain(baseSpeed * (1 - turnRatio), 0, MAX_SPEED);
    int rightSpeed = constrain(baseSpeed * (1 + turnRatio), 0, MAX_SPEED);
    
    leftMotor.setSpeed(leftSpeed);
    rightMotor.setSpeed(rightSpeed);
    
    lastTime = millis();
  }
}

// 中断服务函数用于高速采样
void handleEncoderInterrupt() {
  static int count = 0;
  count++;
  if (count >= ENCODER_TICKS_PER_UPDATE) {
    updateOdometry();
    count = 0;
  }
}

技术要点解读：

PID参数整定方法：采用齐格勒-尼科尔斯法现场调试获得最优PID系数
非线性补偿机制：建立电机扭矩-转速特性曲线进行前馈补偿
电磁兼容设计：TVS二极管吸收反电动势尖峰保护H桥电路
热失效防护：NTC热敏电阻监测绕组温度自动降额运行
故障诊断树：分级报警机制区分传感器故障/电机堵转/电源异常

2、超声波避障智能车

#include <NewPing.h>
// 超声波传感器配置
#define TRIGGER_PIN 7
#define ECHO_PIN 8
#define MAX_DISTANCE 200 // cm
NewPing sonar(TRIGGER_PIN, ECHO_PIN, MAX_DISTANCE);

struct ObstacleData {
  float frontDistance;
  float leftDistance;
  float rightDistance;
};

ObstacleData obs;
bool obstacleDetected = false;

void setup() {
  pinMode(BUZZER_PIN, OUTPUT);
  attachInterrupt(digitalPinToInterrupt(ECHO_PIN), captureEchoPulse, RISING);
}

void loop() {
  static uint32_t lastScanTime = 0;
  if (millis() - lastScanTime > SCAN_INTERVAL) {
    // 多方向障碍物检测
    obs.frontDistance = sonar.ping_cm(FRONT_SENSOR);
    obs.leftDistance = sonar.ping_cm(LEFT_SENSOR);
    obs.rightDistance = sonar.ping_cm(RIGHT_SENSOR);
    
    // 动态窗口法局部路径规划
    if (obs.frontDistance < SAFETY_DISTANCE) {
      obstacleDetected = true;
      executeAvoidanceManeuver();
    } else {
      obstacleDetected = false;
      continueNormalOperation();
    }
    
    lastScanTime = millis();
  }
}

// 复杂动作序列执行
void executeAvoidanceManeuver() {
  switch (currentState) {
    case DETECTION:
      stopVehicle();
      rotateHeadTowardsObstacle();
      break;
    case DECISION:
      calculateOptimalPath();
      break;
    case EXECUTION:
      performDifferentialTurn();
      break;
    default:
      enterSafeMode();
  }
}

// 模糊逻辑转向决策
float fuzzyTurnDecision(float distance, float rateOfChange) {
  if (distance < CRITICAL_DISTANCE && rateOfChange > APPROACH_RATE) {
    return HARD_TURN_RATIO;
  } else if (distance < CAUTION_DISTANCE) {
    return MEDIUM_TURN_RATIO;
  } else {
    return SOFT_TURN_RATIO;
  }
}

技术要点解读：

时空一致性校验：时间戳同步保证多传感器数据对齐
概率占据栅格更新：贝叶斯法则融合多次测量结果降低误报率
能量最优轨迹生成：Dubins曲线算法规划最短路径转向
声光警示系统：LED闪烁频率随接近速度加快而增加
应急制动预案：当制动距离不足时触发机械抱闸装置

3、惯性导航+蓝牙遥控智能车

#include <Wire.h>
#include <MPU6050.h>
#include <SoftwareSerial.h>
// MPU6050惯性测量单元
MPU6050 imu;
SoftwareSerial bluetoothSerial(BT_RX_PIN, BT_TX_PIN);

struct CommandPacket {
  uint8_t mode;        // 工作模式选择
  float headingAngle;  // 目标航向角
  float travelDistance;// 目标行驶距离
};

CommandPacket remoteCmd;
float actualHeading = 0;
float traveledDistance = 0;

void setup() {
  imu.initialize();
  bluetoothSerial.begin(BAUD_RATE);
  delay(1000);
}

void loop() {
  // 接收远程指令
  if (bluetoothSerial.available()) {
    parseIncomingPacket(&remoteCmd);
  }
  
  // 航位推算定位
  updateHeadingEstimation();
  updateDistanceTraveled();
  
  // 双环PID控制
  float headingError = remoteCmd.headingAngle - actualHeading;
  float distanceError = remoteCmd.travelDistance - traveledDistance;
  
  float angularVelocity = Kp_heading * headingError + Ki_heading * integral_heading;
  float linearVelocity = Kp_distance * distanceError + Ki_distance * integral_distance;
  
  setMotorSpeeds(linearVelocity, angularVelocity);
}

// 互补滤波姿态估计
void updateHeadingEstimation() {
  int16_t ax, ay, az;
  int16_t gx, gy, gz;
  imu.getMotion6(&ax, &ay, &az, &gx, &gy, &gz);
  
  float dt = (millis() - lastUpdateTime) / 1000.0f;
  float quaternion[4];
  MadgwickAHRSupdate(gx, gy, gz, ax, ay, az, dt, quaternion);
  
  actualHeading = atan2(quaternion[0], quaternion[1]) * RADIANS_TO_DEGREES;
}

// 里程计积分修正
void updateDistanceTraveled() {
  int pulseCount = getEncoderTicks();
  traveledDistance += (pulseCount * WHEEL_CIRCUMFERENCE) / ENCODER_RESOLUTION;
}

技术要点解读：

四元数姿态解算：Madgwick梯度下降法实现低成本IMU融合
非完整约束处理：考虑车轮打滑时的滑动因子校正
自适应卡尔曼滤波：根据运动状态动态调整过程噪声矩阵
数字孪生映射：将物理坐标系与虚拟地图坐标系关联
低功耗待机策略：无操作时进入深度睡眠模式仅保留RTC时钟

4、基于PWM调速的差速转向（使用SimpleFOC库）

#include <SimpleFOC.h>

// 左电机配置
BLDCMotor motorL = BLDCMotor(7); // 7对极
BLDCDriver3PWM driverL = BLDCDriver3PWM(9, 10, 11, 8); // PWM引脚+使能引脚

// 右电机配置
BLDCMotor motorR = BLDCMotor(7);
BLDCDriver3PWM driverR = BLDCDriver3PWM(5, 6, 7, 4);

// 编码器或传感器（假设使用无感FOC）
void setup() {
  Serial.begin(115200);
  
  // 初始化左电机
  driverL.init();
  motorL.linkDriver(&driverL);
  motorL.voltage_sensor_align = 3; // 对齐电压
  motorL.init();
  motorL.initFOC();

  // 初始化右电机
  driverR.init();
  motorR.linkDriver(&driverR);
  motorR.voltage_sensor_align = 3;
  motorR.init();
  motorR.initFOC();
}

void loop() {
  // 读取遥控器或传感器输入（这里用串口模拟）
  if (Serial.available()) {
    String input = Serial.readStringUntil('\n');
    int commaIndex = input.indexOf(',');
    float linear = input.substring(0, commaIndex).toFloat(); // 线性速度 (-1~1)
    float angular = input.substring(commaIndex + 1).toFloat(); // 角速度 (-1~1)

    // 差速模型：左轮速度 = 线性速度 - 角速度/2，右轮速度 = 线性速度 + 角速度/2
    float speedL = linear - angular / 2.0;
    float speedR = linear + angular / 2.0;

    // 设置电机速度（单位：转/秒）
    motorL.move(speedL * 10.0); // 缩放因子根据实际调整
    motorR.move(speedR * 10.0);
  }
  motorL.loopFOC();
  motorR.loopFOC();
  motorL.update();
  motorR.update();
}

5、基于串口指令的差速控制（使用Arduino标准PWM）

// 左电机引脚
#define ENA 5  // PWM速度控制
#define IN1 6  // 方向控制
#define IN2 7

// 右电机引脚
#define ENB 10
#define IN3 8
#define IN4 9

void setup() {
  Serial.begin(9600);
  pinMode(ENA, OUTPUT);
  pinMode(IN1, OUTPUT);
  pinMode(IN2, OUTPUT);
  pinMode(ENB, OUTPUT);
  pinMode(IN3, OUTPUT);
  pinMode(IN4, OUTPUT);
}

void setMotorSpeed(int pwmPin, int dirPin1, int dirPin2, float speed) {
  if (speed >= 0) {
    digitalWrite(dirPin1, HIGH);
    digitalWrite(dirPin2, LOW);
  } else {
    digitalWrite(dirPin1, LOW);
    digitalWrite(dirPin2, HIGH);
    speed = -speed;
  }
  analogWrite(pwmPin, constrain(speed * 255, 0, 255));
}

void loop() {
  if (Serial.available()) {
    String input = Serial.readStringUntil('\n');
    int commaIndex = input.indexOf(',');
    float linear = input.substring(0, commaIndex).toFloat(); // 0~1
    float angular = input.substring(commaIndex + 1).toFloat(); // -1~1

    // 差速计算
    float speedL = linear - angular / 2.0;
    float speedR = linear + angular / 2.0;

    // 设置电机
    setMotorSpeed(ENA, IN1, IN2, speedL);
    setMotorSpeed(ENB, IN3, IN4, speedR);
  }
}

6、带PID闭环的差速转向（使用MPU6050反馈）

#include <Wire.h>
#include <MPU6050.h>
#include <PID_v1.h>

// 电机控制引脚（同案例5）
#define ENA 5
#define IN1 6
#define IN2 7
#define ENB 10
#define IN3 8
#define IN4 9

// MPU6050配置
MPU6050 mpu;
double targetAngle = 0; // 目标航向角（度）
double currentAngle = 0;
double pidOutput = 0;

// PID参数
double Kp = 1.0, Ki = 0.1, Kd = 0.05;
PID pid(&currentAngle, &pidOutput, &targetAngle, Kp, Ki, Kd, DIRECT);

void setup() {
  Serial.begin(115200);
  Wire.begin();
  mpu.initialize();
  mpu.setFullScaleGyroRange(MPU6050_GYRO_FS_250);

  // 电机引脚初始化
  pinMode(ENA, OUTPUT);
  pinMode(IN1, OUTPUT);
  pinMode(IN2, OUTPUT);
  pinMode(ENB, OUTPUT);
  pinMode(IN3, OUTPUT);
  pinMode(IN4, OUTPUT);

  // PID初始化
  pid.SetMode(AUTOMATIC);
  pid.SetOutputLimits(-1, 1); // 输出范围对应电机速度
}

void loop() {
  // 读取陀螺仪数据（简化处理，实际需积分或使用DMP）
  int16_t gz;
  mpu.getRotation(&gz, NULL, NULL);
  currentAngle += gz * 0.01; // 假设10ms采样周期

  // 更新PID（例如通过串口设置目标角度）
  if (Serial.available()) {
    targetAngle = Serial.parseFloat();
  }
  pid.Compute();

  // 差速控制：pidOutput为转向修正量
  float linearSpeed = 0.5; // 固定前进速度
  float turnCompensation = pidOutput * 0.3; // 转向补偿系数

  float speedL = linearSpeed - turnCompensation;
  float speedR = linearSpeed + turnCompensation;

  // 设置电机方向
  setMotorSpeed(ENA, IN1, IN2, speedL);
  setMotorSpeed(ENB, IN3, IN4, speedR);

  delay(10);
}

void setMotorSpeed(int pwmPin, int dirPin1, int dirPin2, float speed) {
  // 同案例5
}

要点解读
差速控制核心公式
左轮速度 = 线性速度 - 角速度/2
右轮速度 = 线性速度 + 角速度/2
此公式确保车辆以指定角速度绕瞬时中心旋转（阿克曼几何简化模型）。
电机驱动方式选择
无刷电机（BLDC）：需专用驱动器（如案例4的SimpleFOC库），支持FOC控制，效率高但复杂。
有刷电机：可直接用PWM+方向引脚（案例5、6），适合低成本方案。
闭环控制的必要性
开环差速（案例4、5）依赖输入精度，易受摩擦、轮胎差异影响。
闭环（案例6）通过传感器（如MPU6050陀螺仪）反馈航向角，用PID修正偏差，适合高精度转向。
实时性优化
BLDC需高频调用loopFOC()（案例1），否则会抖动。
有刷电机需避免delay()，可用millis()实现非阻塞控制（案例5、6中未体现，但实际应优化）。
安全与调试
限制最大速度（如constrain(speed, -1, 1)）防止失控。
通过串口输出实际速度/角度，便于调试（如案例4的Serial.print）。
急停功能：检测到异常时立即设置PWM为0。

注意，以上案例只是为了拓展思路，仅供参考。它们可能有错误、不适用或者无法编译。您的硬件平台、使用场景和Arduino版本可能影响使用方法的选择。实际编程时，您要根据自己的硬件配置、使用场景和具体需求进行调整，并多次实际测试。您还要正确连接硬件，了解所用传感器和设备的规范和特性。涉及硬件操作的代码，您要在使用前确认引脚和电平等参数的正确性和安全性。