從物理模型走到安全驅動
AI 可以決定機器人想去哪裡,控制系統決定它會不會摔倒,馬達驅動決定它到底能不能動起來。
本週任務: 讓 STM32 安全、可控、可反轉地驅動一顆 DC 馬達。
| 層級 | 責任 | 例子 |
|---|---|---|
| 高階規劃 | 決定目標 | 視覺、SLAM、路徑規劃、AI |
| 中階控制 | 把目標變成可執行命令 | 姿態估測、PID、MPC |
| 低階致動 | 每一毫秒安全輸出力量 | PWM、H 橋、驅動 IC、馬達 |
W11 聚焦第三層,也替 W12 的速度回授與 W13 的平衡控制準備致動器。
先問自己:輸入電壓之後,中間經過哪些物理量才變成轉速?
\[F=ma,\qquad \tau=I\alpha\]
\[e_a=K_E\omega_m\]
馬達轉得越快,產生的反電動勢越大;它會抵消外加電壓,使電流下降。
這是馬達內建的負回授。堵轉時 \(\omega_m=0\)、\(e_a=0\),電流可能接近 \(V_a/R_a\),也是最危險的狀態。
時域方程式保留物理因果;s 域把微分轉成代數,方便觀察極點、時間常數與穩定性。
\[s=\sigma+j\omega,\qquad e^{st}=e^{\sigma t}[\cos(\omega t)+j\sin(\omega t)]\]
從能量平衡的標準形式開始:
\[\text{慣性}\frac{dy}{dt}+\text{阻力}\,y=\text{推力}\,x\]
除以阻力,令 \(\tau=\text{慣性}/\text{阻力}\)、\(K=\text{推力}/\text{阻力}\):
\[\tau\frac{dy}{dt}+y=Kx \quad\Longrightarrow\quad \frac{Y(s)}{X(s)}=\frac{K}{\tau s+1}\]
\(\tau\) 越大,狀態越不容易改變,反應越慢。
\[V_a=i_aR_a+L_a\frac{di_a}{dt}+e_a\]
\[T_e=K_Ti_a\]
\[e_a=K_E\omega_m\]
\[T_e-T_L=J\frac{d\omega_m}{dt}+B\omega_m\]
每一式都能在實體馬達上找到對應的電壓、電流、轉矩或運動。
不要只抄最後一式:沿著箭頭指出電壓如何形成電流、電流如何形成轉矩、轉速又如何回到電氣端。
\[\frac{\Omega_m(s)}{V_a(s)} =\frac{K_T}{(L_as+R_a)(Js+B)+K_TK_E}\]
完整模型包含電氣與機械動態,通常是二階。若
\[\tau_e=\frac{L_a}{R_a}\ll\tau_m=\frac{J}{B},\]
速度控制可先把快速電氣動態近似為已穩定,得到較容易使用的一階模型。
\[V_{motor,avg}\approx D V_M\]
| 狀態 | 馬達端狀態 | 結果 |
|---|---|---|
| 正轉 | 一端高、一端低 | 正向電流 |
| 反轉 | 極性互換 | 反向電流 |
| 滑行 | 兩端高阻 | 靠摩擦慢慢停 |
| 短路煞車 | 兩端接同電位 | 反電動勢形成制動電流 |
同一橋臂上下開關同時導通會造成 shoot-through;切換時需要合理 dead-time。
所有腳位、額定值與停止真值表,以手上的模組與 datasheet 為準。
motor_drive(cmd) 應集中處理:
第一次測試從低 duty 開始,不用「馬達有轉」取代量測與紀錄。
開迴路只有:
\[PWM\rightarrow Motor\rightarrow Speed\]
加入編碼器與 PID 後:
\[setpoint\rightarrow error\rightarrow PID\rightarrow PWM\rightarrow Motor\rightarrow feedback\]
PID 沒有消滅馬達物理,而是把馬達、驅動器、感測器與控制器組成新的閉迴路系統。
完成後再進入 W12 編碼器速度回授。
115-2 嵌入式系統設計