第3章：控制理论与固件架构

章节概览

3D打印机的控制系统是将G代码指令转换为精确机械运动的核心。本章深入探讨控制理论在3D打印中的应用，从经典的PID控制到现代的输入整形技术，从运动规划算法到实时系统架构。我们将通过数学推导理解各种控制策略的原理，分析主流固件的架构差异，并学习如何在实际系统中优化控制参数。本章内容对于理解打印质量问题的根源、优化打印速度和精度至关重要。

3.1 PID控制器设计与调参

3.1.1 PID控制理论基础

PID（比例-积分-微分）控制器是3D打印机温度控制的基石，其性能直接影响打印质量。温度波动会导致挤出量变化、层间结合强度不一致，甚至材料降解。现代3D打印机的温度控制精度要求达到±0.5°C，这需要精心设计的控制系统。

对于挤出头和热床的温度控制，系统可以建模为一阶加延迟系统：

$$G(s) = \frac{K_p e^{-\tau_d s}}{\tau_p s + 1}$$ 其中$K_p$是过程增益（°C/W），$\tau_p$是时间常数（秒），$\tau_d$是纯延迟（秒）。典型参数范围：

• 挤出头：$K_p = 0.5-3°C/W$，$\tau_p = 20-60s$，$\tau_d = 2-8s$
• 热床：$K_p = 0.1-0.5°C/W$，$\tau_p = 60-300s$，$\tau_d = 5-15s$

PID控制器的传递函数为： $$C(s) = K_p \left(1 + \frac{1}{T_i s} + T_d s\right) = K_p + \frac{K_i}{s} + K_d s$$ 控制器输出与误差的关系在时域中表示为： $$u(t) = K_p e(t) + K_i \int_0^t e(\tau) d\tau + K_d \frac{de(t)}{dt}$$ 离散化是数字实现的关键步骤。使用采样周期$\Delta t$（通常100-1000ms），位置式PID算法： $$u(k) = K_p e(k) + K_i \sum_{j=0}^{k} e(j) \Delta t + K_d \frac{e(k) - e(k-1)}{\Delta t}$$ 增量式PID算法（避免积分饱和和无扰切换）： $$\Delta u(k) = K_p [e(k) - e(k-1)] + K_i e(k) \Delta t + K_d \frac{e(k) - 2e(k-1) + e(k-2)}{\Delta t}$$ 实际系统中，PWM占空比与PID输出的映射关系： $$D_{PWM} = \text{saturate}\left(\frac{u(k)}{u_{max}}, 0, 1\right)$$ 功率输出考虑加热器电阻和电源电压： $$P_{heater} = D_{PWM} \cdot \frac{V^2}{R_{heater}}$$ 热平衡方程描述了系统的动态特性： $$C_{thermal} \frac{dT}{dt} = P_{heater} - h \cdot A \cdot (T - T_{ambient}) - \epsilon \sigma A (T^4 - T_{ambient}^4)$$ 其中$C_{thermal}$是热容，$h$是对流传热系数，$A$是表面积，$\epsilon$是发射率，$\sigma$是斯特藩-玻尔兹曼常数。

3.1.2 自整定算法

手动调参耗时且需要经验，自整定算法能自动识别系统特性并计算合适的PID参数。3D打印机固件中常用的几种方法各有优劣。

Ziegler-Nichols闭环法（最常用）：

该方法通过诱导系统临界振荡来确定参数：

1. 设置$K_i = K_d = 0$，从小值开始逐渐增加$K_p$
2. 当系统出现等幅持续振荡时，记录临界增益$K_u$和振荡周期$T_u$
3. 根据Z-N公式计算PID参数：

| 控制器类型 | $K_p$ | $T_i$ | $T_d$ | 特点 |

振荡检测算法（检测连续过零点）： $$\text{oscillating} = \sum_{i=1}^{N} \text{sign}(e(i)) \neq \text{sign}(e(i-1)) > N_{threshold}$$ Cohen-Coon开环法（适合大延迟系统）：

基于阶跃响应的特征参数计算PID参数。首先施加阶跃输入，记录响应曲线，识别过程参数：

• 过程增益：$K_p = \frac{\Delta y}{\Delta u}$
• 延迟时间：$\tau_d$（输出开始变化的时间）
• 时间常数：$\tau_p$（达到63.2%最终值的时间减去延迟）

Cohen-Coon公式（修正原始公式中的符号错误）： $$K_c = \frac{1.35}{K_p} \left(\frac{\tau_p}{\tau_d} + 0.18\right)$$ $$T_i = \tau_d \frac{2.5\tau_p + 0.5\tau_d}{\tau_p + 0.2\tau_d}$$ $$T_d = \tau_d \frac{0.37\tau_p}{\tau_p + 0.2\tau_d}$$ 继电反馈法（Åström-Hägglund方法）：

使用继电器替代比例控制器，自动产生极限环振荡： $$u(t) = \begin{cases} +d & e(t) > +h \\ -d & e(t) < -h \\ u(t-1) & \text{otherwise} \end{cases}$$ 其中$d$是继电幅值，$h$是滞环宽度。从振荡中提取：

• 临界增益：$K_u = \frac{4d}{\pi a}$（$a$是振荡幅值）
• 临界周期：$T_u$直接测量

基于模型的自整定（IMC方法）：

内模控制基于系统模型设计控制器： $$K_p = \frac{\tau_p}{\lambda K_p}$$ $$T_i = \tau_p$$ $$T_d = \frac{\tau_d}{2}$$ 其中$\lambda$是调节参数（闭环时间常数），通常取$\lambda = \tau_d$获得鲁棒性能。

机器学习增强的自整定：

使用神经网络或强化学习优化PID参数： $$J = \int_0^T \left[ w_1 e^2(t) + w_2 u^2(t) + w_3 \left(\frac{du}{dt}\right)^2 \right] dt$$ 通过最小化代价函数$J$，使用梯度下降或遗传算法寻找最优参数。

3.1.3 改进型PID算法

标准PID算法在实际应用中存在诸多问题：积分饱和导致超调、微分对噪声敏感、设定值突变引起冲击等。改进型算法针对这些问题提供解决方案。

带死区的PID：

死区设计减少不必要的控制动作，延长加热器寿命： $$u(k) = \begin{cases} u_{PID}(k) & \text{if } |e(k)| > \delta \\ u(k-1) & \text{if } |e(k)| \leq \delta \end{cases}$$ 死区宽度$\delta$的选择需要平衡控制精度和执行器寿命。对于温度控制，典型值为0.1-0.5°C。自适应死区根据系统状态调整： $$\delta(k) = \delta_0 + k_\delta \cdot \text{var}(e[k-N:k])$$ 抗积分饱和PID：

积分饱和是PID控制的常见问题，特别是在系统启动或大幅设定值变化时。几种抗饱和策略：

1. 积分限幅（最简单）： $$I(k) = \text{saturate}\left(I(k-1) + K_i e(k) \Delta t, -I_{max}, I_{max}\right)$$

2. 条件积分（只在输出未饱和时积分）： $$I(k) = \begin{cases} I(k-1) + K_i e(k) \Delta t & \text{if } u_{min} < u(k-1) < u_{max} \\ I(k-1) & \text{otherwise} \end{cases}$$

3. 反算法（Back-calculation）： $$I(k) = I(k-1) + K_i e(k) \Delta t + K_t (u_{sat} - u_{unsat})$$ 其中$K_t$是反算增益，$u_{sat}$是饱和后输出，$u_{unsat}$是饱和前输出。

微分先行PID：

标准PID对设定值求微分会产生冲击，微分先行只对过程变量求微分： $$u(k) = K_p e(k) + I(k) - K_d \frac{y(k) - y(k-1)}{\Delta t}$$ 进一步改进使用滤波微分项： $$D(k) = \alpha D(k-1) + (1-\alpha) K_d \frac{y(k) - y(k-1)}{\Delta t}$$ 其中$\alpha = \frac{T_f}{T_f + \Delta t}$，$T_f$是滤波时间常数。

设定值加权PID：

通过对设定值加权，平衡跟踪性能和扰动抑制： $$u(k) = K_p (\beta r(k) - y(k)) + I(k) + K_d (\gamma r(k) - y(k))$$ 典型取值：$\beta = 0.3-1.0$（比例加权），$\gamma = 0$（微分不作用于设定值）。

分段线性PID：

根据误差大小使用不同的增益，加快响应同时减少超调： $$K_p(e) = \begin{cases} K_{p,high} & |e| > e_{threshold} \\ K_{p,low} + \frac{K_{p,high} - K_{p,low}}{e_{threshold}}|e| & |e| \leq e_{threshold} \end{cases}$$

3.1.4 多区域PID控制

3D打印机的热系统表现出强非线性：低温时散热慢、高温时辐射散热显著、不同温度下材料特性变化。单一PID参数无法在全温度范围内获得最优性能。

温度分段策略：

根据工作温度划分控制区域，每个区域使用独立的PID参数： $$K_p(T) = \begin{cases} K_{p1} & T < T_1 \text{（冷启动区）} \\ K_{p2} & T_1 \leq T < T_2 \text{（工作区）} \\ K_{p3} & T \geq T_2 \text{（高温区）} \end{cases}$$ 典型分区（PLA材料）：

• 冷启动区：$T < 100°C$，使用激进参数快速升温
• 工作区：$100°C \leq T < 250°C$，精确控制
• 高温区：$T \geq 250°C$，防止过热损坏

参数平滑过渡避免切换震荡： $$K_p(T) = K_{pi} + (K_{p(i+1)} - K_{pi}) \cdot S\left(\frac{T - T_i}{T_{i+1} - T_i}\right)$$ 其中$S(x)$是平滑函数，如$S(x) = 3x^2 - 2x^3$（Hermite插值）。

增益调度控制：

使用状态空间模型实现连续的参数调度： $$\dot{x} = A(\theta)x + B(\theta)u$$ $$y = C(\theta)x + D(\theta)u$$ 其中调度变量$\theta$可以是温度、功率或多个变量的组合。线性参数变化（LPV）模型： $$A(\theta) = A_0 + \sum_{i=1}^{n} \theta_i A_i$$ 模糊PID控制：

使用模糊逻辑实现非线性增益调整。输入变量：误差$e$和误差变化率$\Delta e$。输出：PID参数修正因子。

模糊规则示例：

• IF $e$ is Large AND $\Delta e$ is Positive THEN $K_p$ is High
• IF $e$ is Small AND $\Delta e$ is Zero THEN $K_i$ is Medium
• IF $e$ is Zero AND $\Delta e$ is Negative THEN $K_d$ is Low

隶属度函数（三角形）： $$\mu_{Small}(e) = \max\left(0, 1 - \frac{|e|}{e_{threshold}}\right)$$ 去模糊化（重心法）： $$K_p = \frac{\sum_i \mu_i \cdot K_{p,i}}{\sum_i \mu_i}$$ 自适应多模型控制：

并行运行多个模型，根据性能选择最佳控制器： $$J_i(k) = \alpha J_i(k-1) + (1-\alpha)[y(k) - \hat{y}_i(k)]^2$$ 控制器选择： $$i^* = \arg\min_i J_i(k)$$ 切换时使用软切换避免跳变： $$u(k) = \sum_{i=1}^{N} w_i(k) u_i(k)$$ 其中权重$w_i(k) = \frac{e^{-\beta J_i(k)}}{\sum_j e^{-\beta J_j(k)}}$。

3.2 运动规划与加减速曲线

运动规划决定了打印头如何在空间中移动，直接影响打印速度、精度和振动。良好的运动规划需要在速度、加速度、加加速度约束下，生成平滑的轨迹，同时最小化打印时间。

3.2.1 梯形速度曲线

梯形速度曲线因其简单高效而广泛应用于3D打印机。它将运动分为三个阶段：加速、匀速、减速，形成梯形的速度剖面。

基本梯形规划：

给定参数：

• 起点位置：$x_0$
• 终点位置：$x_f$
• 最大速度：$v_{max}$
• 加速度：$a$
• 起始速度：$v_0$（通常为0）
• 结束速度：$v_f$（通常为0）

加速阶段（$0 \leq t \leq t_1$）： $$v(t) = v_0 + at$$ $$x(t) = x_0 + v_0 t + \frac{1}{2}at^2$$ $$a(t) = a$$ 匀速阶段（$t_1 < t \leq t_2$）： $$v(t) = v_{max}$$ $$x(t) = x_0 + \frac{v_{max}^2 - v_0^2}{2a} + v_{max}(t - t_1)$$ $$a(t) = 0$$ 减速阶段（$t_2 < t \leq t_3$）： $$v(t) = v_{max} - a(t - t_2)$$ $$x(t) = x_f - v_f(t_3 - t) - \frac{1}{2}a(t_3 - t)^2$$ $$a(t) = -a$$ 时间参数计算：

加速时间： $$t_1 = \frac{v_{max} - v_0}{a}$$ 减速时间： $$t_3 - t_2 = \frac{v_{max} - v_f}{a}$$ 匀速距离： $$d_{cruise} = d_{total} - d_{accel} - d_{decel}$$ 其中： $$d_{accel} = \frac{v_{max}^2 - v_0^2}{2a}$$ $$d_{decel} = \frac{v_{max}^2 - v_f^2}{2a}$$ 三角形速度曲线：

当距离较短，无法达到最大速度时，曲线退化为三角形： $$v_{peak} = \sqrt{\frac{2a \cdot d_{total} + v_0^2 + v_f^2}{2}}$$ 判断条件： $$d_{total} < \frac{v_{max}^2 - v_0^2}{2a} + \frac{v_{max}^2 - v_f^2}{2a}$$ 非对称梯形曲线：

考虑不同的加速和减速度（$a_{accel} \neq a_{decel}$）： $$t_1 = \frac{v_{max} - v_0}{a_{accel}}$$ $$t_3 - t_2 = \frac{v_{max} - v_f}{a_{decel}}$$ 峰值速度（三角形情况）： $$v_{peak} = \frac{-v_0 a_{decel} - v_f a_{accel} + \sqrt{\Delta}}{a_{accel} + a_{decel}}$$ 其中： $$\Delta = (v_0 a_{decel} + v_f a_{accel})^2 + 2a_{accel} a_{decel} (a_{accel} + a_{decel}) d_{total}$$ 实时轨迹生成：

步进频率计算（Bresenham-like算法）： $$f_{step}(t) = \frac{v(t)}{step_{size}}$$ 时间到步数的映射： $$n(t) = \int_0^t f_{step}(\tau) d\tau$$

3.2.2 S型速度曲线

S型曲线通过限制加加速度（jerk）$j$来减少振动：

七段式S曲线的速度规划：

1. 加加速段：$a(t) = jt$, $v(t) = \frac{1}{2}jt^2$
2. 匀加速段：$a(t) = a_{max}$, $v(t) = v_0 + a_{max}t$
3. 减加速段：$a(t) = a_{max} - j(t-t_2)$
4. 匀速段：$v(t) = v_{max}$
5. 加减速段：$a(t) = -j(t-t_4)$
6. 匀减速段：$a(t) = -a_{max}$
7. 减减速段：$a(t) = -a_{max} + j(t-t_6)$

位置的五次多项式： $$x(t) = c_0 + c_1t + c_2t^2 + c_3t^3 + c_4t^4 + c_5t^5$$ 边界条件：

• $x(0) = x_0, \dot{x}(0) = v_0, \ddot{x}(0) = 0$
• $x(T) = x_f, \dot{x}(T) = v_f, \ddot{x}(T) = 0$

3.2.3 贝塞尔曲线加速

使用三次贝塞尔曲线实现平滑加速： $$v(t) = v_0(1-u)^3 + 3v_1u(1-u)^2 + 3v_2u^2(1-u) + v_fu^3$$ 其中$u = t/T$，控制点$v_1, v_2$决定曲线形状。

对于对称的加减速曲线： $$v_1 = v_0 + k(v_{max} - v_0)$$ $$v_2 = v_f + k(v_{max} - v_f)$$ 典型取$k = 0.5$获得平滑过渡。

3.2.4 多轴同步

对于多轴联动，需要同步规划以保证路径精度：

主轴选择（路径最长的轴）： $$t_{total} = \max\left(\frac{|\Delta x|}{v_x}, \frac{|\Delta y|}{v_y}, \frac{|\Delta z|}{v_z}\right)$$ 从轴速度缩放： $$v_i = \frac{\Delta s_i}{t_{total}}$$ 对角线速度限制： $$v_{actual} = \min\left(v_{commanded}, \frac{v_{max}}{\sqrt{(\Delta x/\Delta s)^2 + (\Delta y/\Delta s)^2 + (\Delta z/\Delta s)^2}}\right)$$

3.3 前瞻规划与路径平滑

3.3.1 前瞻算法原理

前瞻规划通过预先分析未来N个运动段来优化速度过渡。核心思想是计算每个转角处的最大允许速度。

转角速度计算（基于向心加速度限制）： $$v_{corner} = \sqrt{a_{max} \cdot r}$$ 其中半径$r$可以从两个线段的夹角$\theta$估算： $$r = \frac{d}{\tan(\theta/2)}$$ 连接速度约束： $$v_{junction} = \min(v_{entry}, v_{exit}, v_{corner})$$

3.3.2 反向规划算法

从路径终点反向计算每个段的最大进入速度：

for i from N-1 to 0:
    v_exit = segments[i+1].v_entry if i < N-1 else 0
    v_max_decel = sqrt(v_exit^2 + 2 * a_max * segment[i].length)
    segments[i].v_entry = min(v_max_decel, segments[i].v_nominal)

正向规划确保加速度限制：

for i from 0 to N-1:
    v_entry = segments[i-1].v_exit if i > 0 else 0  
    v_max_accel = sqrt(v_entry^2 + 2 * a_max * segment[i].length)
    segments[i].v_exit = min(v_max_accel, segments[i+1].v_entry)

3.3.3 圆弧过渡

使用圆弧过渡替代尖角，半径$R$的圆弧插入：

切点计算： $$L = R \cdot \tan(\theta/2)$$ 圆弧参数方程： $$x(t) = x_c + R\cos(\phi_0 + t\Delta\phi/T)$$ $$y(t) = y_c + R\sin(\phi_0 + t\Delta\phi/T)$$ 速度约束： $$v_{arc} = \sqrt{a_{centripetal} \cdot R}$$

3.3.4 B样条路径平滑

三次B样条曲线定义： $$P(u) = \sum_{i=0}^{n} N_{i,3}(u) P_i$$ 基函数： $$N_{i,3}(u) = \frac{u - t_i}{t_{i+3} - t_i}N_{i,2}(u) + \frac{t_{i+4} - u}{t_{i+4} - t_{i+1}}N_{i+1,2}(u)$$ 曲率计算： $$\kappa = \frac{|P'(u) \times P''(u)|}{|P'(u)|^3}$$ 速度限制： $$v_{max}(u) = \sqrt{\frac{a_{max}}{\kappa(u)}}$$

3.4 输入整形与振动抑制

3.4.1 振动模型

二阶系统振动模型： $$\ddot{x} + 2\zeta\omega_n\dot{x} + \omega_n^2 x = \omega_n^2 u(t)$$ 其中$\omega_n$是自然频率，$\zeta$是阻尼比。

传递函数： $$G(s) = \frac{\omega_n^2}{s^2 + 2\zeta\omega_n s + \omega_n^2}$$ 阶跃响应： $$x(t) = 1 - e^{-\zeta\omega_n t}\left(\cos(\omega_d t) + \frac{\zeta}{\sqrt{1-\zeta^2}}\sin(\omega_d t)\right)$$ 其中$\omega_d = \omega_n\sqrt{1-\zeta^2}$是阻尼自然频率。

3.4.2 ZV输入整形器

Zero Vibration (ZV)整形器设计：

脉冲时间和幅值： $$A_1 = \frac{1}{1 + K}, \quad t_1 = 0$$ $$A_2 = \frac{K}{1 + K}, \quad t_2 = \frac{\pi}{\omega_d}$$ 其中$K = e^{-\zeta\pi/\sqrt{1-\zeta^2}}$

ZVD（Zero Vibration and Derivative）整形器： $$A_1 = \frac{1}{1 + 2K + K^2}$$ $$A_2 = \frac{2K}{1 + 2K + K^2}$$ $$A_3 = \frac{K^2}{1 + 2K + K^2}$$ 时间间隔：$t_2 - t_1 = t_3 - t_2 = \frac{\pi}{\omega_d}$

3.4.3 EI输入整形器

Extra-Insensitive (EI)整形器提供更好的鲁棒性：

四脉冲EI整形器： $$A_i = \frac{1}{4}\left[1 + (-1)^{i+1}V\right]$$ $$t_i = (i-1)\frac{\pi}{\omega_d}$$ 其中$V = e^{-2\zeta\pi/\sqrt{1-\zeta^2}}$

频率响应： $$M(\omega) = \left|\sum_{i=1}^{N} A_i e^{-j\omega t_i}\right|$$

3.4.4 自适应输入整形

实时频率估计（使用RLS算法）： $$\hat{\theta}(k) = \hat{\theta}(k-1) + K(k)[y(k) - \phi^T(k)\hat{\theta}(k-1)]$$ $$K(k) = \frac{P(k-1)\phi(k)}{\lambda + \phi^T(k)P(k-1)\phi(k)}$$ $$P(k) = \frac{1}{\lambda}[P(k-1) - K(k)\phi^T(k)P(k-1)]$$ 基于估计频率更新整形器参数： $$\omega_n(k) = f(\hat{\theta}(k))$$ $$A_i(k), t_i(k) = \text{UpdateShaper}(\omega_n(k), \zeta)$$

3.5 Marlin vs Klipper架构对比

3.5.1 Marlin架构

Marlin采用单片机架构，所有计算在MCU上完成：

主循环架构：

loop() {

    1. 读取命令缓冲区
    2. 解析G代码
    3. 运动规划
    4. 步进中断生成
    5. 温度PID控制
    6. 状态更新
}

步进中断计算（Bresenham算法）： $$\text{error}_x = 2|\Delta y| - |\Delta x|$$ $$\text{if error}_x > 0: \text{step}_y, \text{error}_x -= 2|\Delta x|$$ $$\text{error}_x += 2|\Delta y|$$ 规划器队列：

• 块缓冲区：16-32个运动块
• 每块包含：位置、速度、加速度、步数
• 实时重算连接速度

3.5.2 Klipper架构

Klipper采用主机-MCU分离架构：

主机端（Python）：

• G代码解析
• 运动学计算
• 路径规划
• 压力提前计算

MCU端（C）：

• 精确定时步进
• 传感器读取
• 紧急停止

通信协议： 压缩的步进队列格式：

struct step_cmd {
    uint32_t interval;  // 步进间隔（时钟周期）
    uint16_t count;     // 步数
    uint8_t add;        // 间隔增量
}

时间同步算法（线性回归）： $$T_{mcu} = a \cdot T_{host} + b$$ 最小二乘法估计： $$a = \frac{n\sum T_h T_m - \sum T_h \sum T_m}{n\sum T_h^2 - (\sum T_h)^2}$$

3.5.3 性能对比

计算能力分配：

| 功能 | Marlin | Klipper |

实时性能：

• Marlin：中断延迟 ~10μs
• Klipper：步进精度 ~25μs（取决于MCU时钟）

前瞻深度：

• Marlin：16-32段
• Klipper：无限制（主机内存）

3.5.4 压力提前实现差异

Marlin线性提前： $$E_{actual} = E_{nominal} + K \cdot v$$ Klipper平滑压力提前： $$E_{actual} = E_{nominal} + K \cdot v \cdot \text{smooth}(v)$$ 平滑函数： $$\text{smooth}(v) = \tanh\left(\frac{v}{v_{smooth}}\right)$$

3.6 实时系统约束与优先级

3.6.1 实时调度理论

Rate Monotonic Scheduling (RMS)： 任务集$\{T_1, T_2, ..., T_n\}$可调度的充分条件： $$U = \sum_{i=1}^{n} \frac{C_i}{P_i} \leq n(2^{1/n} - 1)$$ 其中$C_i$是执行时间，$P_i$是周期。

对于3D打印机典型任务：

• 步进中断：$C_1 = 50\mu s$, $P_1 = 100\mu s$
• 温度采样：$C_2 = 1ms$, $P_2 = 100ms$
• 规划器：$C_3 = 5ms$, $P_3 = 20ms$

利用率：$U = 0.5 + 0.01 + 0.25 = 0.76 < 0.78$ (可调度)

3.6.2 中断优先级设计

优先级分配（数字越小优先级越高）：

1. 步进中断（最高）：确保运动精度
2. 限位开关：安全保护
3. 串口接收：命令响应
4. 温度ADC：热控制
5. 显示更新（最低）：用户界面

中断嵌套管理：

ISR(TIMER1_COMPA_vect) {
    sei();  // 允许嵌套
    step_motors();
    cli();  // 禁止嵌套
}

3.6.3 缓冲区管理

环形缓冲区实现：

write_index = (write_index + 1) % BUFFER_SIZE
read_index = (read_index + 1) % BUFFER_SIZE
count = (write_index - read_index + BUFFER_SIZE) % BUFFER_SIZE

防止优先级反转（优先级继承协议）： $$\pi_i' = \max(\pi_i, \max_{j \in blocked} \pi_j)$$

3.6.4 看门狗设计

分层看门狗系统：

1. 硬件看门狗：250ms超时，系统复位
2. 软件看门狗：检查关键任务
3. 通信看门狗：主机连接超时

看门狗喂狗策略：

if (step_interrupt_ok && temp_control_ok && comms_ok) {
    wdt_reset();
}

故障恢复状态机：

State: NORMAL -> DEGRADED -> SAFE -> HALT
Transitions: timeout, error, recovery

本章小结

本章深入探讨了3D打印机控制系统的核心技术。我们从经典的PID控制开始，理解了温度控制的数学模型和调参方法。运动规划部分介绍了从简单的梯形曲线到复杂的S型曲线，以及多轴同步的关键算法。前瞻规划通过预分析路径实现了平滑的速度过渡，而输入整形技术则从频域角度抑制了机械振动。通过对比Marlin和Klipper两种架构，我们理解了集中式和分布式控制的权衡。最后，实时系统的约束和优先级管理确保了控制系统的稳定性和可靠性。

关键公式回顾：

1. PID控制器：$u(k) = K_p e(k) + K_i \sum e(j) \Delta t + K_d \frac{de}{dt}$
2. S型曲线加加速度限制：$j = \frac{da}{dt} \leq j_{max}$
3. 转角速度：$v_{corner} = \sqrt{a_{max} \cdot r}$
4. ZV整形器：$K = e^{-\zeta\pi/\sqrt{1-\zeta^2}}$
5. RMS可调度性：$U \leq n(2^{1/n} - 1)$

核心概念：

• 闭环控制与系统稳定性
• 运动规划与路径优化
• 振动抑制与输入整形
• 实时调度与资源管理
• 分布式架构与通信协议

练习题

基础题

3.1 某3D打印机挤出头的温度响应可建模为一阶系统$G(s) = \frac{2.5}{30s + 1}e^{-5s}$（增益2.5°C/W，时间常数30s，延迟5s）。使用Ziegler-Nichols开环法计算PID参数。

3.2 打印机需要在100mm距离内从静止加速到100mm/s然后减速到静止。最大加速度为3000mm/s²。计算梯形速度曲线的时间参数和实际达到的最大速度。

3.3 两条直线路径夹角为60°，进给速度60mm/s，最大向心加速度2000mm/s²。计算转角处的最大允许速度。

挑战题

3.4 推导双自由度系统的ZVD输入整形器设计。系统有两个振动模式：$\omega_1 = 10Hz, \zeta_1 = 0.1$和$\omega_2 = 25Hz, \zeta_2 = 0.05$。计算组合整形器的脉冲序列。

3.5 设计一个自适应前瞻算法，动态调整前瞻窗口大小N。给定：处理一个段需要$t_p = 100\mu s$，通信延迟$t_c = 1ms$，最短段执行时间$t_{min} = 5ms$。确定最优窗口大小。

3.6 分析Klipper的时钟同步算法。主机和MCU之间有可变延迟$d \sim N(10ms, 2ms^2)$。设计一个卡尔曼滤波器来估计时钟偏移和漂移。写出状态方程和测量方程。

3.7 开放性问题：设计一个新的固件架构，结合Marlin的简单性和Klipper的性能。描述你的设计决策和权衡。

常见陷阱与错误

PID调参陷阱

1. 过度调节P增益：导致持续振荡 - 症状：温度围绕设定值±2°C振荡 - 解决：降低P，增加I

2. 忽视积分饱和：长时间偏差导致超调 - 症状：首次加热严重超调 - 解决：实施抗积分饱和或积分限幅

3. 微分噪声放大：D项对噪声敏感 - 症状：加热器快速开关 - 解决：低通滤波或使用微分先行

运动规划错误

4. 忽略加加速度限制：导致机械冲击 - 症状：转角处听到撞击声 - 解决：实施S型曲线或贝塞尔过渡

5. 前瞻深度不足：短线段打印速度慢 - 症状：曲线打印断断续续 - 解决：增加前瞻缓冲区或优化算法

6. 浮点累积误差：长路径位置偏移 - 症状：大模型尺寸偏差 - 解决：使用定点运算或误差补偿

振动控制问题

7. 错误的共振频率识别：输入整形无效 - 症状：启用整形后振纹依旧 - 解决：使用加速度计测量或扫频测试

8. 过度整形：响应变慢 - 症状：转角圆滑但打印时间大增 - 解决：优化整形器类型和参数

固件配置错误

9. 步进脉冲时序违规：丢步或电机噪音 - 症状：随机层偏移 - 解决：检查脉冲宽度和间隔设置

10. 中断优先级倒置：运动不流畅

    • 症状：打印时显示卡顿影响运动
    • 解决：正确设置中断优先级

最佳实践检查清单

控制器设计审查

• [ ] PID参数是否经过系统化整定？
• [ ] 是否实施了抗积分饱和措施？
• [ ] 温度采样率是否满足香农定理（>2倍带宽）？
• [ ] 是否有异常值过滤和故障检测？

运动规划审查

• [ ] 加速度和加加速度限制是否合理？
• [ ] 前瞻算法是否考虑了所有约束？
• [ ] 多轴同步是否保证路径精度？
• [ ] 是否处理了数值精度问题？

振动抑制审查

• [ ] 是否测量了系统共振频率？
• [ ] 输入整形器类型是否适合应用？
• [ ] 是否验证了整形效果？
• [ ] 性能损失是否在可接受范围？

实时系统审查

• [ ] 任务是否满足可调度性条件？
• [ ] 中断延迟是否在规格内？
• [ ] 是否有死锁和优先级反转保护？
• [ ] 看门狗超时时间是否合理？

架构选择审查

• [ ] 计算资源分配是否合理？
• [ ] 通信带宽是否充足？
• [ ] 是否有故障恢复机制？
• [ ] 扩展性和维护性如何？

测试验证审查

• [ ] 是否进行了阶跃响应测试？
• [ ] 是否测试了极限工况？
• [ ] 长时间运行稳定性如何？
• [ ] 是否有性能基准测试？