企业官网建设流程全解析

1. 项目概述：从赛题到一辆能跑的小车

看到“智能送药小车”这个题目，很多参加过电赛或者正在备赛的同学应该都不陌生。这不仅仅是2021年电赛F题的原型，更是一个集机械、电子、控制、算法于一体的经典综合实践项目。它远不止是让一个小车底盘在地上跑起来那么简单，其核心是模拟一个真实的院内物流场景：小车需要自主识别路径（循迹），准确抵达指定的病房（房间号识别），完成模拟的药品投放（执行机构动作），最后还要能自己返回起点。整个过程要求全自动，这对系统的稳定性和算法的鲁棒性提出了很高的要求。

我当年带队做这个题目时，最大的感触是：它完美地区分了“玩具小车”和“竞赛级智能车”。你可能用51单片机加几个红外传感器就能做一个简单的循迹小车，但智能送药小车要求你在有限的资源（通常是8位或32位单片机）内，集成路径识别、位置判断、决策控制、人机交互等多个模块，并让它们协同工作，稳定运行数分钟甚至更久。这其中的每一个环节，从传感器数据的滤波处理，到电机控制的PID调节，再到状态机的逻辑设计，都是对开发者综合能力的考验。

为什么直到今天，这个题目以及“循迹小车”依然是电赛、课程设计的热门选题？因为它是一个绝佳的“最小可行产品”实践。它涵盖了嵌入式开发从底层驱动到上层应用的大部分关键知识点：GPIO控制、定时器/PWM、ADC采样、外部中断、串口通信，以及更上层的传感器融合、控制算法和系统调度。无论你是初学者想入门，还是有一定基础的同学想深化理解，把这个项目吃透，都能让你对电子系统的设计有一个质的飞跃。接下来，我就结合当年的实战经验，把这辆小车的“五脏六腑”拆开，从设计思路到代码调试，毫无保留地分享给大家。

2. 核心需求解析与系统方案设计

拿到一个赛题或项目需求，第一步不是急着画电路图或写代码，而是要把任务书“嚼碎”，提炼出明确、可量化的技术指标，并据此规划系统架构。2021年F题的“智能送药小车”任务书通常包含几个核心任务点，我们将其转化为工程需求：

2.1 功能性需求分解

1. 自主循迹与路径跟踪：小车需在铺有黑色引导线的白色赛道上稳定行驶。这是所有功能的基础，要求小车能识别直线、弯道（尤其是急弯）、十字路口、丁字路口等路径元素，并做出正确的转向决策。
2. 房间识别与定位：赛道旁会设置代表病房的标识，可能是二维码、AprilTag、特定颜色的色块或数字编号。小车需要在行驶过程中识别出目标房间号，并判断是否到达指定送药点。
3. 精准停车与动作执行：到达目标房间后，小车需在指定区域内精准停车（通常要求车身完全进入停车区）。随后，触发执行机构，完成“送药”动作，例如通过舵机控制的机械臂投放一个小球，或者点亮一个LED作为送达指示。
4. 任务管理与状态控制：小车需要根据预设的送药清单（如“去3号房，然后去5号房”），有序地执行多个任务。这涉及到任务队列管理、行驶状态（寻线、识别、停车、转弯）之间的切换，是一个典型的状态机设计问题。
5. 人机交互与调试：需要提供基础的人机界面，如按键启动/停止、LCD显示当前状态和目标房间、蜂鸣器提示等。同时，必须预留调试接口（如串口打印），这是后期排查问题的生命线。

2.2 非功能性需求（性能指标）

• 实时性：传感器数据采集、电机控制指令输出必须在毫秒级完成，否则会导致小车响应迟钝，冲出赛道。
• 稳定性：系统需能抵抗环境光变化、赛道轻微污渍、电池电压波动等干扰，连续运行多次而不出错。
• 准确性：房间识别不能误判或漏判；停车位置误差需控制在厘米级。
• 可维护性：代码结构清晰，模块化程度高，便于调试和功能增减。

2.3 主流系统方案对比与选型

基于以上需求，核心控制器（MCU）的选型是首要决策点。热搜词里提到了“51单片机”，这确实是入门首选，但在应对复杂任务时有其局限性。

选型心得：对于“智能送药小车”这种综合性强、有一定性能要求的项目，我强烈建议使用Cortex-M内核的32位单片机，如STM32F103C8T6（蓝色药丸板）。它的性价比极高，资源完全够用，能让你把精力集中在算法和系统设计上，而不是绞尽脑汁地优化代码节省那几百字节的内存。如果学校课程或基础限制必须用51，那么请选择STC15系列增强型51，并做好在代码优化上投入更多时间的准备。

确定了“大脑”，我们再来规划“感官”和“四肢”。

• 循迹传感器：这是小车的“眼睛”。常见的有红外对管式（五路、八路灰度传感器）和摄像头式。
  • 红外对管/灰度传感器：原理简单，价格便宜，输出数字量或模拟量。五路、八路循迹模块通过多路传感器感知黑线在车底下的相对位置，误差信号直观（如：01000表示线在右边）。优点是响应快，处理简单；缺点是前瞻距离短，对路径曲率变化大的弯道适应性较差，且受环境光影响。
  • 摄像头（如OV7670）：获取全局图像信息，通过图像算法提取中线，可以实现更远的“预见性”，过弯更平滑。但需要较强的图像处理能力和MCU资源，调试复杂。对于初次参赛或时间紧迫的队伍，建议从多路灰度传感器起步，先保证基础循迹的稳定。
• 房间识别传感器：这是小车的“目标识别系统”。
  • 方案一：颜色传感器（如TCS3200）：识别赛道旁边特定颜色的色块。简单直接，但受光照影响大，需精心校准。
  • 方案二：二维码/AprilTag识别：配合摄像头使用，识别率高，信息容量大。是更高级、更可靠的方案，但同样有图像处理的负担。
  • 方案三：数字识别：对于显示数字的房间号，可以使用灰度传感器阵列“扫描”数字图案，或者使用小型OLED屏显示数字，再由摄像头识别。复杂度较高。
  • 折中方案：在电赛中，有时为了降低难度，房间标识可能就是一张打印了数字的纸。这时，一个布置在车头侧方的单独的红外对管或灰度传感器，当检测到与赛道地面不同的灰度值（即标识纸）时，结合编码器记录的行进距离，也可以实现简单的“到达检测”，虽然无法识别具体房号，但可以配合预设的路径地图使用。
• 电机与驱动：这是小车的“腿”。
  • 电机：常用N20减速电机或TT马达，需搭配编码器（用于测速和里程计算）。
  • 驱动芯片：TB6612FNG或DRV8833是比传统L298N更好的选择，它们效率更高，发热小，支持PWM调速和正反转控制。
• 电源管理：这是常被忽视但至关重要的“心脏”。电机启动瞬间电流很大，会造成电压跌落，导致单片机复位。必须为单片机和数字电路（传感器、驱动芯片逻辑电源）与电机驱动电源进行隔离或使用独立的LDO/DC-DC稳压。例如，用一块7.4V锂电池供电，一路通过大电流降压模块给电机驱动供电，另一路通过低压差线性稳压器（如AMS1117-5.0/3.3）得到稳定的5V或3.3V给单片机和传感器。

3. 硬件系统搭建与核心电路详解

硬件是算法运行的舞台，一个稳定可靠的硬件平台能省去后期无数调试的烦恼。我们按照信号流向来梳理硬件搭建要点。

3.1 控制器最小系统与电源树

无论你选用51还是STM32，一个稳定的最小系统是基石。

• STM32最小系统：包含MCU、复位电路（10k上拉电阻+0.1uF电容到地）、 boot模式选择电路（通常boot0下拉，boot1任意）、外部高速晶振（8MHz，并匹配两个22pF负载电容）以及电源滤波网络。每个电源引脚（VDD/VSS）附近都必须放置一个0.1uF的退耦电容，且尽量靠近引脚。这是抑制高频噪声、保证芯片稳定工作的关键，绝不能省略。
• 电源树设计：
  • 输入：7.4V 2S锂电池。
  • 电机驱动级：7.4V直接接入TB6612FNG的VM引脚。TB6612的VCC引脚（逻辑供电）需要接5V。
  • 核心控制级：7.4V经过一个二极管防反接后，输入至开关降压稳压模块（如MP1584EN），输出稳定的5V。这路5V主要给TB6612的VCC、部分5V传感器供电。
  • 单片机与数字传感器级：上述5V再经过AMS1117-3.3稳压芯片，得到3.3V，给STM32、OLED屏、3.3V传感器供电。
  • 关键点：电机的地线和单片机系统的地线，最终应在电池负极处单点汇合，避免电机大电流噪声通过地线干扰敏感的信号地。

3.2 传感器接口电路与布局

• 五路/八路灰度传感器：这类模块通常输出模拟电压（0-3.3V或0-5V），对应不同的反射强度。需要连接到MCU的ADC采集引脚。如果模块输出已经是数字量（阈值比较后的高低电平），则接普通GPIO即可。
  • 布局黄金法则：传感器的安装位置直接决定循迹性能。对于前瞻性要求，可以将中间几个传感器安装在车头前伸的“探杆”上。传感器间距需要根据赛道黑线宽度（通常是2.5cm）调整，理想状态是当小车压线行驶时，黑线能覆盖中间1-2个传感器。安装高度也需要反复调试（通常距地面1-2cm），以获取信噪比最好的信号。
• 编码器接口：电机编码器输出两路相位差90度的方波（A相、B相）。需要连接到MCU的定时器编码器接口（如STM32的TIMx_CH1, CH2），或者配置为外部中断输入。利用硬件编码器模式可以极大减轻CPU负担，精准计算轮子转速和累计脉冲数（用于里程计算）。
• 按键与显示：按键接GPIO，注意软件消抖。OLED屏（I2C或SPI接口）用于显示状态、调试信息，是必备的调试利器。

3.3 电机驱动电路与布线

• TB6612FNG电路：接线务必准确。
  • AIN1/AIN2、BIN1/BIN2：接MCU的GPIO，控制电机方向。
  • PWMA/PWMB：接MCU的定时器PWM输出通道，控制电机速度。
  • STBY：使能引脚，接高电平（如3.3V）使能芯片。
  • VM：接电池电源（7.4V）。
  • VCC：接逻辑电源（5V）。
  • AO1/AO2, BO1/BO2：接电机两极。
• 布线避坑指南：
  1. 大电流路径最短最粗：从电池到驱动芯片VM，再到电机的导线，应尽可能短并使用粗线（如AWG18），以减少压降和发热。
  2. 信号线与功率线分离：PWM和方向控制线不要与电机电源线捆扎在一起，平行走线，避免电磁干扰。
  3. 地线环路：注意避免形成大的地线环路，所有地最终星型汇聚到电池负极。

4. 软件架构设计与核心算法实现

硬件搭好只是有了躯体，软件才是赋予其灵魂的关键。一个清晰的软件架构能让开发、调试事半功倍。

4.1 基于时间片轮询的软件框架

对于资源有限的单片机，不建议上实时操作系统（RTOS），一个轻量级的时间片轮询框架就非常高效。其核心思想是利用一个1ms的定时器中断作为系统时钟基准，在主循环中查询各个任务是否到达其执行周期。

// 伪代码示例 volatile uint32_t sys_tick = 0; // 1ms递增，在定时器中断中更新 void TIMx_IRQHandler(void) { // 1ms定时器中断 if(TIM_GetITStatus(TIMx, TIM_IT_Update) != RESET) { sys_tick++; TIM_ClearITPendingBit(TIMx, TIM_IT_Update); } } // 任务结构体 typedef struct { uint32_t interval; // 执行间隔 (ms) uint32_t last_run; // 上次运行时间 void (*task_func)(void); // 任务函数指针 } Task_t; Task_t task_list[] = { { 2, 0, Sensor_Data_Update }, // 2ms: 传感器数据采集 { 5, 0, Speed_Control }, // 5ms: 速度PID控制 {10, 0, Trace_Algorithm }, // 10ms: 循迹算法 {20, 0, State_Machine_Update }, // 20ms: 状态机更新 {100, 0, OLED_Display_Update }, // 100ms: 显示更新 // ... 更多任务 }; int main(void) { Hardware_Init(); // 初始化所有硬件 while(1) { uint32_t now = sys_tick; for(int i=0; i<TASK_COUNT; i++) { if(now - task_list[i].last_run >= task_list[i].interval) { task_list[i].task_func(); task_list[i].last_run = now; } } // 可以在这里处理一些非实时性任务 } }

这个框架保证了关键任务（如传感器采集、电机控制）的定时执行，又避免了中断嵌套过深的问题，结构清晰，易于扩展。

4.2 循迹算法：从简单逻辑到PID控制

循迹算法的目标是根据传感器阵列的数据，计算出一个“偏差”error，然后通过控制左右轮速差来修正这个偏差，使小车保持在黑线上。

• 基础逻辑法（适用于数字传感器）： 如果传感器是数字输出（1为白，0为黑），可以定义一个简单的规则表。例如，五路传感器S1 S2 S3 S4 S5（S3为中）：

  • 00100：线在正中，直行。
  • 00010或00011：线微微偏右，轻微左转。
  • 11000：线在很左边，急右转。
  • 00000：全部见白，可能脱线，根据上次偏差记忆或减速停车。
  • 11111：全部见黑，可能到十字路口或停车区，触发特殊逻辑。 这种方法简单粗暴，但转弯生硬，速度稍快就容易震荡或冲出赛道。

• 位置式PID控制（适用于模拟传感器）： 这是提升循迹平滑度和速度的关键。我们将多路模拟传感器的AD值进行加权处理，计算出一个连续的偏差量。

  1. 偏差计算：假设五路传感器AD值分别为V1到V5（值越小表示越黑）。可以定义一个位置权重，例如W = [-2, -1, 0, 1, 2]。error = (V1*W1 + V2*W2 + V3*W3 + V4*W4 + V5*W5) / (V1+V2+V3+V4+V5)。 这个error是一个连续值，正负代表偏离中心的方向，大小代表偏离程度。
  2. PID控制器：output = Kp * error + Ki * integral + Kd * derivative。
     • Kp（比例）：决定了对当前偏差的反应强度。Kp太大易震荡，太小则响应慢。
     • Ki（积分）：累积历史偏差，消除静态误差（如小车始终偏向一侧）。但Ki太大会引起积分饱和，导致控制滞后。
     • Kd（微分）：预测偏差变化趋势，抑制超调，增加稳定性。对噪声敏感，需要配合滤波。
  3. 输出融合：output作为转向控制量。设定一个基础速度BaseSpeed。LeftMotorSpeed = BaseSpeed + output;RightMotorSpeed = BaseSpeed - output;这样就实现了差速转向。

PID调参心得：“先P后I再D”。先将Ki和Kd设为0，逐渐增大Kp，直到小车在直道上出现轻微、稳定的振荡。此时Kp约为临界值的0.6倍。然后加入较小的Kd，用于抑制振荡。最后，如果小车在长期运行后存在固定的偏向，再加入很小的Ki。调试时，一定要通过串口或OLED实时打印出error和output的波形，这是最直观的调试手段。

4.3 房间识别与状态机设计

房间识别逻辑与传感器选型强相关。假设我们使用侧向的单个灰度传感器检测数字标牌（标牌区域灰度值与赛道不同）。

// 状态机示例 typedef enum { STATE_IDLE, // 空闲 STATE_TRACING, // 循迹中 STATE_DETECTING, // 检测到标识（可能为房间） STATE_ARRIVED, // 确认到达目标房间 STATE_STOPPING, // 停车中 STATE_DELIVERING, // 执行送药动作 STATE_TURNING, // 转弯（如路口转向） STATE_RETURNING // 返回中 } CarState_t; volatile CarState_t current_state = STATE_IDLE; uint8_t target_room = 3; // 目标房间号 uint8_t detected_room_counter = 0; // 房间计数器 uint32_t entry_detect_time = 0; // 进入检测状态的时间 void State_Machine_Update(void) { switch(current_state) { case STATE_TRACING: // 正常PID循迹 if(Side_Sensor_Detected_Marker()) { // 侧边传感器触发 current_state = STATE_DETECTING; entry_detect_time = sys_tick; detected_room_counter++; // 可以根据编码器里程判断这是第几个房间，与target_room比较 if(detected_room_counter == target_room) { // 准备停车 } } if(Crossroad_Detected()) { // 五路传感器同时见黑，检测到十字路口 current_state = STATE_TURNING; // 根据路径规划，执行左转/右转/直行逻辑 } break; case STATE_DETECTING: // 持续检测一段时间，防抖 if(sys_tick - entry_detect_time > 50) { // 持续检测50ms if(Side_Sensor_Detected_Marker()) { // 确认检测到房间标识 if(detected_room_counter == target_room) { current_state = STATE_ARRIVED; } else { current_state = STATE_TRACING; // 不是目标，继续走 } } else { // 可能是误触发，回到循迹 current_state = STATE_TRACING; } } break; case STATE_ARRIVED: // 触发精准停车程序（例如使用编码器定距离前进进入停车区） Start_Precise_Stop(); current_state = STATE_STOPPING; break; case STATE_STOPPING: if(Is_Stopped_In_Zone()) { // 判断是否停稳在区域内 current_state = STATE_DELIVERING; } break; case STATE_DELIVERING: Servo_Drop_Medicine(); // 控制舵机投药 delay_ms(1000); // 送药完毕，规划下一步（去下一个房间或返回） current_state = STATE_TRACING; break; // ... 其他状态处理 } }

这个状态机清晰地划分了小车的不同行为阶段，逻辑严密，避免了功能之间的相互干扰。

4.4 速度闭环控制与里程计

开环控制电机（只给PWM不管实际转速）受电池电量、负载影响大。加入速度闭环能让小车运行更稳定。

1. 速度获取：通过定时器编码器模式读取电机在一定时间间隔（如10ms）内的脉冲数，根据轮子周长和编码器线数换算成实际速度。
2. 速度PID：设定目标速度TargetSpeed，测量实际速度ActualSpeed，计算速度误差SpeedError，通过另一个PID控制器计算出PWM占空比。这个PID的参数通常比循迹PID更柔和。
3. 里程计：累计编码器的总脉冲数，可以估算行驶距离，用于精准停车（例如，检测到房间标识后，再前进20cm停车）和路径规划。

5. 系统调试与性能优化实录

调试是项目开发中耗时最长、也最能积累经验的环节。以下是一些实战中总结的“血泪”经验。

5.1 分模块调试法

绝对不要把所有代码写完后一次性调试。务必遵循“硬件测试 -> 底层驱动 -> 功能模块 -> 算法联调 -> 系统集成”的顺序。

1. 硬件裸测：上电前，万用表检查电源和地是否短路。上电后，测量各点电压（电池电压、5V、3.3V）是否正常。手动触碰传感器，观察其输出信号（用万用表或示波器）是否变化。
2. 驱动测试：单独写一个测试程序，让电机正转、反转、调速，看是否受控。单独测试每个传感器，通过串口打印其原始AD值，用手在传感器下移动，观察数值变化是否灵敏、范围是否合理。
3. 功能模块测试：
   • 循迹模块：将小车放在赛道上，打印五路传感器的AD值或二值化状态，观察是否能正确反映黑线位置。
   • 速度闭环：让小车空载运行，设定一个目标速度，打印实际速度，看是否能稳定跟随。调整速度PID参数。
   • 状态机：通过按键模拟各种触发条件（如检测到房间、到达路口），观察状态切换和对应的执行动作（如停车、转弯）是否正确。
4. 联调与优化：所有模块工作正常后，进行整体联调。重点关注模块间耦合带来的问题，例如电机PWM噪声对ADC采样的干扰。

5.2 传感器数据处理与滤波

传感器原始数据通常带有噪声，直接使用会导致控制抖动。

• 软件滤波：
  • 均值滤波：连续采样N次取平均。简单有效，但会引入滞后。
  • 滑动平均滤波：维护一个长度为N的队列，每次更新队列并计算平均值。实时性更好。
  • 限幅滤波：若本次采样值与上次有效值差值超过一个阈值，则视为干扰，保留上次值。
  • 复合滤波：实践中常结合使用，例如“限幅+滑动平均”。

  #define FILTER_LEN 5 uint16_t adc_buf[FILTER_LEN] = {0}; uint8_t buf_index = 0; uint16_t ADC_Filter(uint16_t new_val) { static uint16_t last_valid = 0; // 1. 限幅滤波 if(abs(new_val - last_valid) > 50) { // 阈值根据实际情况调整 new_val = last_valid; } // 2. 滑动平均 adc_buf[buf_index] = new_val; buf_index = (buf_index + 1) % FILTER_LEN; uint32_t sum = 0; for(int i=0; i<FILTER_LEN; i++) { sum += adc_buf[i]; } last_valid = sum / FILTER_LEN; return last_valid; }

5.3 抗干扰与稳定性提升

1. 电源噪声：电机PWM频率建议选择在20kHz以上（人耳听不到），避免低频噪声。在电机两端并联一个104（0.1uF）陶瓷电容和一个电解电容（如100uF），可以有效吸收高频和低频干扰。
2. 信号干扰：传感器信号线使用双绞线或屏蔽线。在MCU的ADC输入引脚对地加一个几十皮法的小电容，可以滤除高频毛刺。
3. 软件看门狗：开启独立看门狗（IWDG），在主循环中定期喂狗。防止程序跑飞导致小车失控。
4. 参数存储：将调试好的PID参数、传感器阈值等存储在单片机的Flash或EEPROM中，避免每次上电重新校准。

5.4 经典问题排查速查表

调试的过程就是不断假设、验证、修正的过程。养成用数据说话的习惯，善用串口打印、OLED显示、甚至蓝牙透传数据到电脑上位机绘图分析，能让你快速定位问题根源。

从读懂题目到小车稳稳地停在目标房间前完成动作，这个过程是对知识综合运用能力的一次淬炼。它没有唯一的正确答案，只有更优的解决方案。我强烈建议你在实现基础功能后，尝试挑战更优的算法，比如将循迹PID升级为模糊PID，或者尝试用摄像头和OpenMV进行图像识别，甚至尝试简单的路径规划算法。这些探索不仅能让你在比赛中脱颖而出，更是你工程能力成长的坚实阶梯。最后，别忘了整理一份清晰的报告，记录你的设计思路、硬件选型、算法原理和调试过程，这既是比赛的必需，也是对自己工作的最好总结。