智能车电磁循迹系统：基于状态机的全元素处理架构设计
在智能车竞赛的电磁组别中，如何让车辆稳定高效地完成赛道上的各种元素（直道、环岛、直角弯、坡道和障碍物）是每个参赛团队面临的核心挑战。传统方法往往依赖大量if-else条件判断来处理不同场景，导致代码臃肿、调试困难且扩展性差。本文将介绍一种基于状态机（State Machine）的架构设计，通过清晰的状态划分和转换逻辑，实现电磁循迹系统的模块化重构。
1. 状态机设计基础与电磁循迹系统架构
状态机是一种描述系统行为的高效建模工具，特别适合处理具有明确状态划分和状态转换条件的场景。在智能车电磁循迹系统中，我们可以将车辆运行过程抽象为一系列离散状态及其转换关系。
1.1 状态机核心概念
状态机由三个基本要素组成：
- 状态（State）：系统在特定时刻的行为模式
- 事件（Event）：触发状态转换的条件或输入
- 动作（Action）：状态转换时执行的操作
对于电磁循迹系统，典型状态包括：
typedef enum { STATE_STRAIGHT, // 直道行驶 STATE_ROUNDABOUT_IN, // 进入环岛 STATE_ROUNDABOUT_OUT,// 驶出环岛 STATE_OBSTACLE, // 障碍物处理 STATE_SLOPE, // 坡道处理 STATE_ANGLE_TURN, // 直角弯处理 STATE_ERROR // 异常状态 } CarState;1.2 系统架构设计
基于状态机的电磁循迹系统可分为三个层次：
| 层级 | 功能模块 | 说明 |
|---|---|---|
| 感知层 | 电感信号处理 | 采集、滤波、归一化电感值 |
| 编码器反馈 | 获取电机转速信息 | |
| TOF测距 | 障碍物检测 | |
| 决策层 | 状态机引擎 | 状态维护与转换逻辑 |
| PID控制器 | 速度闭环控制 | |
| 执行层 | 电机驱动 | PWM输出与方向控制 |
| 调试接口 | 状态监控与参数调整 |
这种分层架构使系统各模块职责明确，便于单独优化和调试。
2. 电感信号处理与状态检测
电感信号的质量直接影响状态判断的准确性。我们需要对原始电感信号进行多级处理，为状态机提供可靠的输入。
2.1 信号采集与预处理
电磁信号处理流程包括：
- ADC采集：使用12位ADC获取电感电压值
- 去极值滤波：消除瞬时干扰
- 移动平均：平滑信号波动
- 归一化处理：将信号映射到0-100范围
关键处理函数示例：
// 去极值平均滤波 float filterSignal(float* samples, int size) { float min = samples[0], max = samples[0], sum = 0; for(int i=0; i<size; i++) { if(samples[i] < min) min = samples[i]; if(samples[i] > max) max = samples[i]; sum += samples[i]; } return (sum - min - max) / (size - 2); } // 归一化处理 float normalize(float value, float min, float max) { float normalized = (value - min) * 100 / (max - min); return constrain(normalized, 0, 100); // 限制在0-100范围 }2.2 状态检测条件设计
不同赛道元素的检测依赖于电感值的特征模式：
| 元素类型 | 检测条件 | 特征说明 |
|---|---|---|
| 直道 | 差比和绝对值<5 | 左右电感值接近 |
| 环岛入口 | 单侧电感值>95且持续3周期 | 强电感信号持续 |
| 直角弯 | 中间电感>25且两侧电感<50 | 特定电感组合 |
| 坡道 | 两侧电感同时>95 | 前瞻电感接近导线 |
| 障碍物 | TOF距离<600mm且直道状态 | 测距触发+直道确认 |
提示：实际应用中应设置适当的滞环区间，避免状态在边界频繁切换。
3. 状态转换逻辑与电机控制策略
状态机的核心价值在于明确定义状态之间的转换条件和相应的控制策略。
3.1 状态转换图设计
下图展示了主要状态及其转换关系：
[直道] -->|检测到环岛特征| [环岛进入] [直道] -->|检测到直角特征| [直角处理] [直道] -->|检测到坡道特征| [坡道处理] [直道] -->|检测到障碍物| [障碍物处理] [环岛进入] -->|编码器计数达标| [环岛驶出] [其他状态] -->|元素处理完成| [直道]3.2 状态专属控制策略
每个状态对应不同的电机控制参数：
| 状态 | 控制策略 | 参数示例 |
|---|---|---|
| 直道 | 差比和PID控制 | KP=0.8, KI=0.05 |
| 环岛进入 | 固定差速控制 | 左轮=1500,右轮=2500 |
| 直角处理 | 单侧减速控制 | 转向侧减速30% |
| 坡道 | 双轮加速控制 | 速度提升20% |
| 障碍物 | 分阶段避障策略 | 先右转再左转 |
状态处理代码框架：
void handleState(CarState currentState) { switch(currentState) { case STATE_STRAIGHT: // 常规PID循迹 pidControl(leftSpeed, rightSpeed); break; case STATE_ROUNDABOUT_IN: // 固定差速入环 setMotorSpeed(ROUND_IN_LEFT, ROUND_IN_RIGHT); if(encoderCount > ROUND_IN_THRESHOLD) { transitionTo(STATE_ROUNDABOUT_OUT); } break; // 其他状态处理... } }4. 系统实现与调试技巧
将状态机理论转化为实际可用的代码需要关注实现细节和调试方法。
4.1 状态机引擎实现
推荐使用状态模式(State Pattern)实现：
typedef struct { void (*enter)(); void (*run)(); void (*exit)(); CarState state; } State; State states[NUM_STATES]; void runStateMachine() { static CarState current = STATE_STRAIGHT; // 检查状态转换 CarState next = checkTransition(current); if(next != current) { states[current].exit(); states[next].enter(); current = next; } // 执行当前状态 states[current].run(); }4.2 调试与优化建议
- 状态可视化：通过蓝牙或显示屏输出当前状态
- 参数隔离：每个状态独立配置PID参数
- 编码器辅助：使用编码器计数作为状态退出条件
- 安全机制：
- 状态超时保护
- 异常状态恢复
- 手动状态重置
调试时可关注的关键指标：
| 指标 | 正常范围 | 监测方法 |
|---|---|---|
| 状态停留时间 | 元素相关 | 计时器统计 |
| 状态切换频率 | <1Hz | 逻辑分析仪 |
| 电机输出差异 | 与预期一致 | PWM示波器测量 |
5. 进阶优化方向
基础状态机实现后，可以考虑以下优化策略提升系统性能。
5.1 状态预测与提前切换
通过历史数据分析预测即将到来的状态：
bool predictRoundabout() { // 分析电感变化趋势 float trend = calcTrend(leftInductor, 5); // 5个采样周期 return trend > PREDICT_THRESHOLD; }5.2 参数自适应调整
根据运行状态动态调整控制参数：
| 条件 | 调整策略 | 目的 |
|---|---|---|
| 长时间直道 | 提高速度设定值 | 提升成绩 |
| 频繁纠偏 | 增大微分项 | 增强稳定性 |
| 元素识别困难 | 降低状态切换阈值 | 提高灵敏度 |
5.3 多传感器融合
结合陀螺仪、摄像头等传感器提升状态判断准确性：
- 陀螺仪辅助环岛检测：积分角度变化验证环岛状态
- 视觉辅助直角识别：补充电感信号的不足
- 多源障碍物确认：TOF+超声波交叉验证
状态机架构为智能车电磁循迹系统提供了清晰、可维护的设计框架。通过合理划分状态和精心设计转换条件，可以显著提升代码的组织性和扩展性。在实际应用中，建议先构建基础状态机，再逐步添加高级功能，同时充分利用调试工具验证每个状态的运行效果。
