乐高EV3自平衡机器人如何实现平衡控制？

99ANYc3cd6 机器人 2026-01-14 8

第一部分：核心原理 - 它是如何做到不倒的？

自平衡机器人的核心原理是“倒立摆”，想象一下，你用手掌托着一根长长的杆子，目标是让杆子垂直地立在手掌上，你的眼睛会不断观察杆子倾斜的角度和方向，然后你的大脑会迅速判断：杆子要往哪边倒了？我的手应该往哪个方向、多快地移动才能把它“扶”正？

（图片来源网络，侵删）

EV3自平衡机器人做的就是完全相同的事情,只是用传感器和程序代替了你的眼睛和大脑。

传感器 - “眼睛”：
- EV3陀螺仪传感器：这是最关键的部件，它能精确地检测机器人自身的角速度，也就是机器人倾斜和旋转的速度，通过积分角速度，我们可以推算出机器人当前的倾斜角度。
控制器 - “大脑”：
- 我们需要一个快速、智能的算法来处理传感器数据并控制电机，最常用的是PID控制器。
- P (Proportional - 比例)：根据倾斜角度的大小，按比例输出力量，如果机器人倾斜角度很大，就给电机一个很大的力来纠正；如果倾斜角度很小，就给一个很小的力，这就像你看到杆子快要倒了,赶紧用力扶一下。
- I (Integral - 积分)：解决长期存在的“稳态误差”，由于机械摩擦或重量分布不均，机器人总是倾向于往一个方向慢慢倒，积分项会累积这个微小的、持续的偏差，并产生一个额外的纠正力,让机器人能精确地停在垂直位置。
- D (Derivative - 微分)：根据倾斜角度的变化率来“预测”未来的趋势，如果机器人倾斜得越来越快，微分项会施加一个“阻尼”力，防止它冲过平衡点，从而让运动更平滑,减少震荡。
执行器 - “肌肉”：
（图片来源网络，侵删）
- 两个大型EV3电机：它们作为驱动轮，根据“大脑”（PID控制器）的指令，精确地前进或后退，来抵消机器人身体的倾斜,从而保持平衡。

简单流程图： 机器人倾斜 -> 陀螺仪检测角速度 -> 计算倾斜角度 -> PID控制器计算所需电机力量 -> 电机驱动轮子前进/后退 -> 机器人身体被扶正 -> 循环往复

第二部分：搭建指南

虽然网上有很多种设计，但一个经典的、性能较好的设计通常包含以下特点，你可以参考乐高官方设计（如SPIK3R的腿部改造）或社区流行的设计（如NXTway-GS的EV3版）。

关键部件：

EV3主机 x1
大型电机 x2
陀螺仪传感器 x1
大型轮子 x2
多种尺寸和类型的梁、轴、连接件、齿轮等

核心结构要点：

底盘与轮子：
- 将两个大型电机平行地安装在底盘上，作为驱动轮，注意轮距（两个轮子之间的距离）不宜过宽或过窄。
- 在电机上安装好大型轮子。
身体（配重）：
（图片来源网络，侵删）
- 在两个电机和轮子的上方，搭建一个“身体”结构，这个身体需要有一定的重量和高度，因为重心越高，倒立摆效应越明显，控制难度越大，但一旦平衡，姿态也更稳定。
- 将EV3主机和陀螺仪传感器安装在这个身体上，陀螺仪的标记（箭头）方向必须与机器人前进方向一致。
电池盒：

将电池盒安装在身体上方，作为额外的配重,并确保重心在轮轴的上方。
结构加固：

整个机器人结构必须非常坚固！任何微小的晃动都会被陀螺仪检测到，并导致控制算法失效,使用交叉梁和三角形结构来增强刚性。

搭建建议：

先从成熟的图纸开始：强烈建议你先在网上找一个经过验证的搭建图纸（例如在YouTube上搜索 "EV3 Self Balancing Robot Build"）,确保你的机械结构是正确的。
重心位置：搭建完成后，试着让机器人“躺”下,其重心应该在驱动轮轴的垂直上方。
传感器安装：陀螺仪必须牢固地固定在机器人主体上,不能有任何晃动。

第三部分：EV3-G 图形化编程

这是最有趣的部分,我们将分步实现一个基本的自平衡程序。

步骤 1：传感器初始化

陀螺仪需要先校准，告诉它什么是“静止”状态。

// 1. 传感器初始化
// 陀螺仪传感器连接在端口S1
gyro_sensor = GyroSensor(S1)
// 2. 校准陀螺仪
// 等待用户按下中心按钮，然后开始校准
Wait(Button.CENTER) // 按下中心按钮开始
gyro_sensor.reset_angle() // 将当前角度重置为0
gyro_sensor.reset_rate() // 将当前速率重置为0

步骤 2：主循环 - 核心控制逻辑

这是一个无限循环,机器人会一直运行其中的代码。

// 3. 主循环
while True:
    // 4. 获取传感器数据
    current_angle = gyro_sensor.angle() // 获取当前倾斜角度
    current_rate = gyro_sensor.rate() // 获取当前角速度
    // 5. PID计算
    // --- P项 ---
    error = current_angle - target_angle // 目标角度是0度（垂直）
    P_term = Kp * error // Kp是比例系数，需要调试
    // --- I项 ---
    integral_error += error // 累积误差
    I_term = Ki * integral_error // Ki是积分系数，需要调试
    // 积分限幅，防止过大
    if I_term > max_I:
        I_term = max_I
    if I_term < -max_I:
        I_term = -max_I
    // --- D项 ---
    D_term = Kd * (error - last_error) // Ki是微分系数，需要调试
    last_error = error // 保存本次误差，用于下次计算
    // 计算最终输出功率
    power = P_term + I_term + D_term
    // 6. 限制功率范围 (-100 到 100)
    if power > 100:
        power = 100
    if power < -100:
        power = -100
    // 7. 控制电机
    // 注意：如果机器人向后倾斜，power为负，电机应向后转，使机器人向前移动以平衡
    Move_Steering(0, power) // 0号端口（直接功率），输出计算出的功率

步骤 3：参数调试

这是整个项目中最耗时也最关键的一步！你需要不断地调整 Kp, Ki, Kd 这三个参数。

调试策略（非常重要！）：

先调P (Kp)：
- 将 Ki 和 Kd 设为0。
- 从一个很小的 Kp 值开始（0）。
- 运行程序，观察机器人,它会先剧烈晃动然后倒下。
- 逐渐增加 Kp 的值，直到机器人能够“抖动”着，试图站起来，但还是会倒下,这个抖动就是P控制的作用。
- 如果机器人直接冲出去倒下，说明Kp太大，减小它。
再调D (Kd)：
- 在当前的 Kp 基础上，加入一个很小的 Kd 值（1）。
- Kd 的作用是抑制震荡，你会发现，机器人的抖动会变小,运动更平滑。
- 逐渐增加 Kd，直到机器人能稳定地、小幅度地“呼吸”（在平衡点附近轻微摆动）,但不会倒下。
- 如果机器人变得迟钝，跟不上倾斜，说明Kd太大，减小它。
最后调I (Ki)：
- 在 Kp 和 Kd 调试好后，加入一个很小的 Ki 值（01）。
- Ki 的作用是消除静差，如果机器人总是向一个方向慢慢移动，Ki 可以纠正它。
- 逐渐增加 Ki,直到机器人能够长时间地稳定在平衡点。
- 如果机器人开始出现低频的、缓慢的震荡，说明Ki太大，减小它。

参数参考范围（仅作参考，你的机器人可能完全不同）：

Kp: 5.0 ~ 15.0
Ki: 0.01 ~ 0.1
Kd: 0.1 ~ 1.0

第四部分：进阶功能与挑战

当你成功实现基本平衡后，可以尝试增加更多功能，让它变得更“聪明”。

遥控前进/后退：
- 使用另一个EV3红外遥控器。
- 在主循环中，检测遥控器上的按键（如“上箭头”和“下箭头”）。
- 当按下按键时，给电机的输出功率增加一个固定的偏移量（如 +10 或 -10），机器人就会前进或后退，松开后，偏移量消失,机器人恢复平衡。
转向：
- 使用一个颜色传感器或红外传感器来检测地面上的标记线。
- 当检测到线时，让一个轮子的速度比另一个快一点,实现原地转向。
数据记录与可视化：
- 使用EV3主机上的“数据日志”功能，记录下平衡过程中的角度、功率等数据。
- 通过EV3软件将数据导出为CSV文件，用Excel或Python的Matplotlib库绘制成图表，你可以直观地看到PID控制的效果,这对于分析和优化参数非常有帮助。
从Python编程：
- 对于追求更高性能和更灵活控制的玩家，可以使用 ev3dev 或 Pybricks 等固件/库，用Python进行编程，Python的循环速度和计算能力通常比EV3-G更快,可以实现更复杂的算法。