项目仓库:https://github.com/yicongl1/EV-Electronic-Differential

上一篇算的是“内外轮应该差多少”,这一篇讲“怎么让一台几十块钱的小车真的差起来”。硬件不复杂:Arduino Uno、L298N、两个 TT 电机、一个 MG995 舵机、一个红外接收器、两节 18650。真正花时间的是接线、供电和几个旧版库的坑。

硬件与接线

功能Arduino 引脚
左电机 A / B(L298N IN1 / IN2)5 / 6
右电机 A / B(L298N IN3 / IN4)9 / 10
MG995 舵机信号11
HX1838 红外接收 OUT3

电源方面,两节 18650 接 L298N 的 12V / GND,Arduino 与 L298N 共地。舵机建议单独 5V 供电——MG995 堵转电流很大,和电机共用一路时,电机一启动舵机就抖,严重时 Arduino 会复位。

L298N 到底在做什么

L298N 是双 H 桥。每一路有 IN1/IN2 两个方向引脚和一个使能端:

  • IN1 = 高,IN2 = 低:正转;
  • IN1 = 低,IN2 = 高:反转;
  • 两路都低:滑行停止;
  • 使能端(或直接对 IN 引脚做 PWM)决定平均电压,也就是转速。

代码里没有用独立的使能引脚,而是直接对 IN1/IN2 做 analogWrite:

void forward() {
  analogWrite(leftA_PIN, 180);
  analogWrite(leftB_PIN, 0);
  analogWrite(righA_PIN, 180);
  analogWrite(righB_PIN, 0);
  myservo.write(90);
}

前进用 180 而不是 255,是留一点余量:满占空比时电机电流最大,电池电压一掉,左右轮的差异反而更明显;留 30% 的余量,转向时内侧降到 120 也还有调节空间。

转弯函数只改内侧:

void turnleft() {
  analogWrite(leftA_PIN, 120);   // 内侧慢
  analogWrite(leftB_PIN, 0);
  analogWrite(righA_PIN, 180);   // 外侧快
  analogWrite(righB_PIN, 0);
  myservo.write(45);
}

这就是上一篇那个 120/180 的开环差速:没有测速,纯粹按几何比例给占空比。

红外遥控的旧 API

红外接收器用 HX1838,接 D3。代码用的是 IRremote 2.x:

#include <IRremote.h>

IRrecv irrecv(3);
decode_results results;

void loop() {
  if (irrecv.decode(&results)) {
    Serial.println(results.value, DEC);
    irrecv.resume();
  }
}

这套 IRrecv / decode_results / resume() 在 IRremote 3.x 里已经不存在了。直接 pip/库管理器装最新版会编译失败,必须锁定 2.x。键值也不同:代码里判断的是 16718055、16730805 这些十进制数,换一个遥控器就要重新记录。

另一个细节是消抖。红外接收在按住按键时会连续输出,代码里用 delay(500) 让一次按键只执行一个动作,再用 results.value == 0x16 加 600 ms 延时处理重复码。这是很粗糙的做法,但在这台小车上够用。

为什么还要做 pygame 动画

硬件小车一次只能演示一个动作,而且调试时经常翻车。pygame 动画把“四个轮子的转速”做成可视变量:

  • 每个轮子有 v、a、turn、angle 四个状态;
  • W 加速,A / D 转向,松开按键停车;
  • 轮速映射为三张图片:静止、中速、高速;
  • 转弯时内侧轮速下降,外侧轮速上升,车身角度跟着转。

四个版本是逐步加上去的:

  • v1.0:四轮 + 速度颜色映射;
  • v1.1:加方向指示;
  • v1.2:加车轮转角;
  • v2.0:加公路背景,车轮随转角旋转。

它不是车辆动力学仿真,只是一个“把差速关系画出来”的教学动画。update_a 里的加速度、上限和转角都是手调参数,不对应真实物理量。

神经网络示例的边界

仓库里还有一个 keras_test.py,用 Boston Housing 数据集做 4 折交叉验证,输出每折 MAE。它的作用是验证回归网络的训练与评估流程,不是用实车数据拟合“差速—转角”关系。README 里写得很清楚:

  • 示例只验证建模流程;
  • 论文里的差速—转角关系属于方案设计;
  • 真要用神经网络,需要先有轮速、转角和车辆状态的实测数据。

把“示例”和“结果”分开写,是这类课程项目最容易被忽略的诚实。

还能怎么改

  • 加编码器:TT 电机尾部可以装霍尔编码器,拿到左右轮实际转速,做速度闭环;
  • 给舵机加反馈:电位器或角度传感器,避免“写 45° 就假设前轮转 30°”;
  • 统一参数:把 120/180、45°/90°/135°、轴距、轮距提到一个配置里,换车时不用改代码;
  • 加电流限制:堵转时 L298N 和电机都容易发热,电池也扛不住。

这台小车完成于 2022 年初,代码保留了原貌。它证明了一件事:电子差速的原理可以用很低的成本跑通;但要把它变成可靠的控制系统,传感器和反馈一个都不能少。

源码、接线、动画与文档:https://github.com/yicongl1/EV-Electronic-Differential