2025

惯性控制系统

我与一名搭档共同设计了一款惯性遥控器,通过手部动作来控制移动机器人。

ICM-20948ESP32-C3ESP-NOWMahony 滤波器

原型验证

项目成品的演示视频

这段演示验证了我们的工作:从感知手部姿态,到按比例控制机器人的电机。

在 YouTube 上观看 ↗

背景

这个 SAÉ(法国的一种学习与考核项目)是我在电气工程二年级、电子与嵌入式系统方向时与一名同学两人合作完成的。它要求我把惯性单元集成到一条完整的链路中,从测量一直到机器人的运动。

目标

我的目标是学会使用 IMU(惯性测量单元)来采集并解读运动,然后探索两块 ESP 系列微控制器之间的无线通信,从而远程控制机器人。

核心问题

IMU 并不直接给出位置,而主要测量各轴的角速度,那么如何确定手的姿态?又如何把这些带噪声的测量值转换成稳定、灵敏且可靠的指令,用于实时控制机器人?

需求规格

  • 通过 I²C 采集 ICM-20948 的全部九个轴
  • 实时估算横滚、俯仰和偏航
  • 在两块 ESP32-C3 开发板之间建立直接通信
  • 按手的倾斜程度成比例地控制电机转速
  • 在 OLED 屏幕上显示姿态、方向和链路状态
  • 设计专用的发射端和接收端电路板

所用硬件

  • ICM-20948 九轴惯性测量单元
  • 两块 XIAO ESP32-C3 Mini 微控制器
  • I²C OLED 显示屏
  • 配有直流电机的四轮移动机器人
  • L298N H 桥电机驱动器
  • 定制的发射端和接收端电路板
惯性遥控器电路原理图,包含 ESP32-C3、ICM-20948 和 OLED 显示屏
遥控器电路原理图:ESP32-C3、ICM-20948 IMU、OLED 显示屏和电源
惯性系统主电路板的 3D 渲染图
主 PCB 制造前的 3D 渲染图
装在红色外壳内的惯性系统成品电路板
装入外壳的成品电路板

系统架构

我负责的架构把发射端和接收端分开。发射端通过 I²C 读取 ICM-20948,计算姿态并在 OLED 上显示数值。接收端再把通过 ESP-NOW 收到的角度转换成电机的 PWM 信号。

惯性系统中两块 XIAO ESP32-C3 开发板之间的 ESP-NOW 通信
惯性遥控器与机器人接收端之间的 ESP-NOW 直连链路

工作原理

从手势到机器人的运动

这个仿真重现了项目的完整链路:我倾斜遥控器,它计算自身姿态并通过 Wi-Fi 发送,机器人再将其转换成每一侧的速度。

  • 1 · 陀螺仪

    0 °/s

    ICM-20948 · I²C

  • 2 · 前 / 后

    0°

    Mahony 滤波器

  • 3 · 左 / 右

    0°

    Mahony 滤波器

  • 4 · 左电机

    ■ 0

    PWM / 255

  • 5 · 右电机

    ■ 0

    PWM / 255

转换

从接收到的角度到电机指令

死区 −30−8+8+30 +10−1 接收到的角度 (°)指令
  1. A · 通过 Wi-Fi 接收的角度

    前/后 0°左/右 0°

  2. B · 死区,然后缩放到 −1 至 +1

    前进 0.00转向 0.00

  3. C · 混合:每侧一个速度

    左 = 前进 + 转向 = 0.00右 = 前进 − 转向 = 0.00

  4. D · PWM 输出与方向

    左 ■ 0 / 255右 ■ 0 / 255

示意性仿真:所显示的角度、阈值和占空比并非在原型上实测的数值。

开发过程

我和搭档采用循序渐进的方法:比较元器件和协议,在面包板上测试,估算姿态,制作 3D 可视化工具,设计 PCB,并逐步整合发射端和接收端的固件。

惯性系统外壳 3D 设计的爆炸图
外壳及其盖板的 3D 设计
集成在外壳中的 OLED 显示屏和 ICM-20948 传感器特写
OLED 显示屏与 ICM-20948 IMU 的集成

机械设计

探索 3D 模型

预览保持紧凑以便阅读。拖动模型可旋转,使用鼠标滚轮或按钮可缩放,打开全屏可更舒适地查看。

下载 STL ↓

正在加载 3D 模型…

滚轮:放大和缩小

系统调试

以 3D 方式呈现姿态

我用这个 3D 模型实时对比实际运动与计算出的角度。它帮助我在连接机器人之前发现漂移、核对各轴方向,并调整校准和 Mahony 滤波器的参数。

在 YouTube 上观看测试 ↗

难点

我主要需要理解 IMU 的噪声和漂移,正确校准各轴,保持稳定的无线链路,并把抽象的角度转化为机器人自然的动作。

解决方案

我们用 Mahony 滤波器做传感器融合,在中立位置附近加入死区,并在与 HTTP 和 WebSocket 比较后选择了 ESP-NOW。调试期间,OLED 和 3D 立方体成了诊断工具。

成果

我们共同完成了一个可用且响应灵敏的原型,在主要方向上保持稳定。斜向控制的精度较低;这让我学会如实说明原型的局限,并制定可衡量的改进方向。

获得的技能

  • 九轴 MEMS IMU 的采集与校准
  • 使用 Mahony 滤波器进行传感器融合和姿态估算
  • 在 ESP32-C3 上进行嵌入式编程
  • 使用 ESP-NOW 进行点对点无线通信
  • 电路板的设计、布线与测试
  • PWM 电机控制与 OLED 界面集成
  • 功能分析、技术写作与团队合作

项目报告

查阅完整的 70 页项目报告,内容涵盖理论、元器件选型、原理图、电路板设计、软件和测试。演示文稿则以图文方式概述了项目的关键阶段和成果。