从‘嘀嗒’声到转速曲线：用MCU捕获霍尔信号实现电机速度的精准测量与滤波

在电机控制系统中，转速测量如同汽车仪表盘上的速度计，是闭环控制的基础。而霍尔传感器作为最常见的非接触式转速检测元件，其输出的方波信号背后隐藏着电机转动的精确信息。本文将深入探讨如何利用STM32等MCU的定时器输入捕获功能，从三相双极性霍尔传感器的开关信号中提取出精准的转速数据，并通过软件滤波算法消除噪声干扰，最终得到平滑可靠的转速曲线。

1. 霍尔传感器信号特性与捕获策略

1.1 三相双极性霍尔传感器的工作机制

三相双极性霍尔传感器通常由三个独立的霍尔元件组成，在电机内部呈120度机械角度分布。这种传感器具有以下关键特性：

• 双极性触发：磁铁的S极和N极均可引起输出状态变化
• 锁存特性：状态变化后会保持当前输出，直到相反极性磁场触发
• 三相输出：三个传感器输出组合形成6种有效状态

当电机旋转时，每个霍尔元件会输出类似下图所示的方波信号：

code复制H1: __|‾‾|__|‾‾|__|‾‾|__
H2: _|‾‾|__|‾‾|__|‾‾|__|
H3: |‾‾|__|‾‾|__|‾‾|__|‾

1.2 信号捕获的硬件配置要点

在STM32中配置定时器进行霍尔信号捕获时，需要注意以下关键参数：

提示：使用定时器的从模式设置为"复位模式"，可以在每个霍尔边沿自动复位计数器，简化周期测量逻辑。

2. 转速计算的核心算法与误差处理

2.1 基于时间戳的转速计算原理

转速计算的核心是测量两个相同极性边沿之间的时间间隔。对于极对数为P的电机：

1. 记录第n个上升沿的时间戳T1
2. 记录第n+1个上升沿的时间戳T2
3. 计算机械角度周期：Δθ = 360°/P
4. 转速计算公式：RPM = (Δθ × 60) / (360 × (T2-T1))

c复制// 示例代码：转速计算函数
float calculate_rpm(uint32_t t1, uint32_t t2, uint8_t pole_pairs) {
    float delta_theta = 360.0f / pole_pairs;  // 机械角度变化
    float time_diff = (t2 - t1) / (float)TIMER_CLOCK; // 转换为秒
    return (delta_theta * 60) / (360 * time_diff); // RPM
}

2.2 常见误差来源及补偿方法

在实际应用中，转速测量会面临多种误差源：

• 机械安装误差：霍尔传感器未严格按120度分布
• 信号抖动：由于磁场不均匀导致的边沿不确定性
• 量化误差：定时器分辨率限制

针对这些误差，可采用以下补偿策略：

1. 多传感器融合：综合三个霍尔信号计算平均值
2. 动态基准调整：根据转速自动调整测量窗口
3. 无效脉冲过滤：设置最小/最大合理脉冲间隔阈值

3. 软件滤波算法的实现与比较

3.1 滑动平均滤波的优化实现

滑动平均是最简单有效的滤波方法之一。针对转速测量特点，可做以下优化：

c复制#define FILTER_WINDOW 8

typedef struct {
    float buffer[FILTER_WINDOW];
    uint8_t index;
    float sum;
} MovingAverage;

float update_moving_average(MovingAverage *filter, float new_value) {
    filter->sum -= filter->buffer[filter->index];
    filter->buffer[filter->index] = new_value;
    filter->sum += new_value;
    filter->index = (filter->index + 1) % FILTER_WINDOW;
    return filter->sum / FILTER_WINDOW;
}

这种实现方式避免了每次重新计算总和，显著提高了计算效率。

3.2 卡尔曼滤波在转速测量中的应用

对于高动态性能要求的场合，卡尔曼滤波能更好地处理测量噪声和系统动态特性。简化的单维卡尔曼滤波实现如下：

c复制typedef struct {
    float q; // 过程噪声协方差
    float r; // 测量噪声协方差
    float x; // 估计值
    float p; // 估计误差协方差
    float k; // 卡尔曼增益
} KalmanFilter;

float update_kalman(KalmanFilter *kf, float measurement) {
    // 预测步骤
    kf->p = kf->p + kf->q;
    
    // 更新步骤
    kf->k = kf->p / (kf->p + kf->r);
    kf->x = kf->x + kf->k * (measurement - kf->x);
    kf->p = (1 - kf->k) * kf->p;
    
    return kf->x;
}

3.3 滤波算法性能对比

下表比较了不同滤波算法在转速测量中的表现：

4. 工程实践中的关键问题与解决方案

4.1 低速测量的挑战与对策

当电机转速低于100RPM时，常规测量方法会面临两个主要问题：

1. 脉冲间隔过长：导致控制环路更新率不足
2. 量化误差显著：定时器分辨率限制测量精度

解决低速测量问题的有效方法包括：

• 周期/频率混合测量法：低速时测量完整周期，高速时测量频率
• 插值补偿技术：结合电机加速度模型预测中间值
• 高分辨率定时器：使用32位定时器或硬件时间戳计数器

4.2 信号丢失处理机制

在实际运行中，霍尔信号可能因以下原因暂时丢失：

• 强电磁干扰
• 连接器接触不良
• 电机堵转

稳健的系统应实现以下保护机制：

1. 超时检测：设置最大允许脉冲间隔
2. 状态估计：基于历史数据预测当前转速
3. 故障恢复：信号恢复时的平滑过渡算法

c复制// 信号丢失检测示例
#define MAX_MISSING_PULSES 3

uint8_t missing_pulse_count = 0;

void handle_hall_signal(void) {
    missing_pulse_count = 0;
    // 正常处理信号...
}

void check_timeout(void) {
    if(++missing_pulse_count > MAX_MISSING_PULSES) {
        enter_safe_mode();
    }
}

4.3 多电机系统的同步测量

在需要同时测量多个电机转速的系统中，可采用以下优化策略：

• 定时器级联：使用一个定时器触发多个从定时器
• DMA传输：将捕获值直接传输到内存，减少CPU开销
• 时间分片：错开不同电机的测量时刻

在调试过程中，发现滤波算法的参数需要根据具体电机特性进行调整。例如，大惯量电机可以接受更强的滤波，而小惯量电机则需要更快的响应速度。实际项目中，建议先记录原始数据，再离线分析确定最佳滤波参数。