Amira-shab/WRO-2026-Future-Engineers_XLNC-Lunar

# WRO 2026 未来工程师 - 详细工程文档 **团队：** XCLNC Lunar **平台：** LEGO Spike Prime + Pixy2 **编程语言：** Python (Pybricks) ## 团队 我们是 XLNC Lunar 团队，正在参加 2026 年 WRO 未来工程师类别。  ## 1. 项目概述与“进化”策略 我们 2026 赛季的目标是摆脱“蛮力”设计，转向高精度工程。我们重点关注三个支柱：**稳定性、紧凑性和数据可靠性。** ### 1.1 与之前设计的比较 在上一赛季，我们的机器人体积更大且效率较低。  * **旧设计：** 重型底盘、高重心、结构复杂但“松散”的机械连杆。 * **新设计（当前）：** 体积缩小 50%，质心集中在前轴上方，且传动系统得到加强。      ## 2. 机动性管理：机械卓越 ### 2.1 转向策略辩论：平行转向 vs. 阿克曼转向 在原型设计阶段，我们对转向几何结构进行了研究。虽然**阿克曼转向**对于现实中的汽车来说能减少轮胎磨损，但我们有意为本次机器人选择了**平行转向**。 **为何选择平行转向？** 1. **微运动的精度：** 在 LEGO 零件的微小尺度下，阿克曼连杆中的“间隙”（机械回差）往往会吸收转向输入。平行转向提供了更直接、更刚性的电机连接。 2. **最大转向角度：** 我们的平行机构允许车轮旋转 70 度而不会锁死。这对于空间极其有限的平行停车动作至关重要。 3. **摩擦补偿：** 由于我们使用薄型前轮胎，平行转向产生的轻微“滑动”效应实际上有助于机器人在急转弯时更快地转向，而不会出现复杂 LEGO 连杆常见的弹跳现象。  ### 2.2 后轴与差速器逻辑 为了确保机器人在高速行驶时不打滑，我们集成了一个**乐高 Technic 差速器**。 * **问题：** 固轴迫使两个车轮以相同速度旋转，导致内侧车轮在转弯时失去抓地力。 * **解决方案：** 差速器允许外侧车轮比内侧车轮行驶更长的路径。这实现了平稳、可预测的转弯，并延长了电机的使用寿命。  这是我们更改设计前的差速器，当时的结构还不够美观。 ## 3. 传感器融合与电源架构 ### 3.1 Pixy2 视觉策略 我们使用的**Pixy2.1 LEGO 版**不仅作为颜色传感器，更作为空间坐标生成器。 * **坐标映射：** 我们将检测到的签名中心的 X 坐标映射为 PID 误差值。 * **帧率：** 以 60 FPS 运行，使得机器人能在不到 16 毫秒内响应障碍物，这对于最高速度 1.2 m/s 的机器人至关重要。 *  ### 3.2 电子元件与电源稳定性 * **Hub 放置：** Spike Prime Hub 水平安装以保持低重心。 * **电源管理：** 我们使用 2100 mAh 锂离子电池。我们发现 Pixy2 的电流消耗约为 140mA；为防止 I2C 掉电，我们确保电池电压在比赛运行前不低于 7.2V。 ## 4. 软件工程：Python 的优势 我们使用 **Pybricks (MicroPython)** 而非标准积木块。这使我们能够实现多线程，用于传感器读取和电机控制。 ### 4.1 首轮（开放轮次）： 我们团队决定为完成“开放”轮次采用简单策略。驱动系统本身结合了机载陀螺仪和超声波传感器。超声波传感器测量与外侧/内侧墙壁的距离，机器人尝试保持与该墙壁的特定距离（存储在变量中）。陀螺仪使其以最小偏差向前保持直线轨迹。在本轮第一次转弯时，我们的机器人使用颜色传感器扫描经过的第一条线，并将其值存储在变量中。这一一次性操作告诉程序机器人是顺时针还是逆时针转向（橙色代表顺时针，蓝色代表逆时针）。随后该信息影响所有后续转弯，决定机器人向左还是向右转向，方法是将期望转弯角度变为负值或反之。这些转弯通过将陀螺仪期望角度改为 90 或 -90 来实现。机器人还使用一个变量作为计数器，检查已通过的线数。一旦该变量等于 12（即已完成全部 3 圈），机器人将向前行驶一段设定时间，以停回起始区域并停止。 ### 4.2 障碍轮次： 当摄像头视野中没有障碍物时，机器人行为与资格赛类似：使用超声波传感器保持与墙壁的恒定距离，并利用陀螺仪保持轨道和转弯。一旦障碍物进入摄像头视野，机器人将切换到绕行模式。对于绕行，我们创建了一个以 kx+b 形式的预定义函数，并经过仔细校准。该直线作为障碍物中心在图像帧中应遵循的理想路径。简而言之，我们定义了障碍物在理想情况下应在摄像头中“出现”的位置。利用我们的“绕行直线”和障碍物在图像帧中的 XY 位置，机器人可以计算出障碍物偏离理想路径的偏差并相应调整转向。这种方法为机器人提供了稳定性和易于修改的特性，因为每次绕行在数学上是相同的，且理想路径的系数可以轻松调整以适应各种情况。 ### 4.3 停车： 一旦机器人完成所需的 3 圈，我们启动停车算法。最后一次转弯后，我们减速并继续行驶，直到超声波传感器检测到“停车区”的“左”侧。在此过程中，与资格赛相同的原则适用：机器人尝试与外侧墙壁保持特定距离。 一旦检测到停车区的墙壁，机器人会向前行驶一小段距离，然后执行一组预定义的里程计动作，安全驶入停车区。 正如你可能推断出的，以上说明仅适用于逆时针运动，因为我们主要的超声波传感器位于机器人右侧，没有它就无法检测停车区。然而，解决方案很简单：当顺时针行驶完成最后一圈后，机器人向前行驶并执行 U 转弯，使其位置和方向与逆时针停车算法开始时的位置相似（偏差可忽略）。完成 U 转弯后，机器人应用相同的逆时针停车算法。

标签：CAD设计, LEGO Spike Prime, Pixy2, Pybricks, Python编程, WRO, 工程文档, 平行转向, 开源硬件, 教育机器人, 数据可靠性, 未来工程师, 机器人, 机械设计, 模块化代码, 稳定性, 紧凑设计, 自动驾驶, 视觉导航, 阿克曼转向, 障碍物检测, 颜色识别, 高精度机械