面向未来的科创学习与实践记录
由来自不同专业背景的学生组成，致力于科技创新与实践
彳亍组在2月23日成立，团队协助能力和团结能力很强。我们有3个人，机械工程师由孙浩然担任，网页工程师由胡博皓担任，还有嵌入式工程师和小组组长是由谭哲夫担任。我们小组将制造一辆炫酷的平衡车。
网页工程师
负责制作网页
嵌入式工程师、组长
Pid调参、管理小组
机械工程师
负责机械结构设计与3D建模
2026年2月23日平衡车小组成立
2026年2月，团队启动首个项目"智能平衡车"，开始探索PID控制算法与机械设计的结合。
2026年2月28平衡车制造成功。
在三人同心协作下，网页圆满完成
我们是阳光、自律、有爱的团队：管好情绪，勇敢尝试，主动担当；友善相待，彼此尊重，互帮互助；爱惜物品，爱护环境，用心守护共同的家。遇事不抱怨，做事有担当，相处有温度，一起努力，一起成长，做最棒的团队！
探索四大元能力：学习力、创造力、批判性思维与沟通协作
元能力是所有能力的底层能力，包含自我认知、自控、专注、复盘、目标管理，勤反思、重行动，可快速提升各项能力。
学习力是快速吸收知识、掌握方法、解决新问题并持续迭代的综合能力，是学习效率与成长潜力的核心
创造力是突破常规、提出新想法、创造新事物的能力，是把想象变成现实、解决未知问题的核心力量。
批判性思维是不盲从、会质疑、能理性分析与判断，用逻辑和证据独立思考的能力
沟通与协作是清晰表达、耐心倾听，互相配合、分工协作，共同完成目标的团队能力
我们团队注重培养的沟通协作能力包括：
我们团队在实践中总结了一套行之有效的元能力培养方法，通过系统性的训练与实践，不断提升团队成员的核心能力。
沟通与协作是清晰表达、耐心倾听，互相配合、分工协作，共同完成目标的团队能力
把学到的知识运用到实际任务中，在动手操作中提升能力。
建立及时、双向的反馈机制，通过复盘与点评，形成 “实践 — 反馈 — 改进” 的闭环，快速迭代提升。
保持学习的热情与习惯，不断更新知识体系。我们团队有定期的学习分享会，鼓励成员学习前沿知识并分享给团队。
在我们的项目实践中，四大元能力的应用让我们能够更高效地解决问题、实现创新。以下是一个具体案例：
学习力：团队成员快速学习PID控制算法、传感器原理等新知识，并将其应用于项目中。
创造力：针对平衡车的稳定性问题，团队提出了多种创新解决方案，最终选择了最优方案。
批判性思维：在方案设计过程中，团队成员对每个想法进行严格评估，确保方案的可行性。
沟通协作：机械设计、电子电路、软件开发等不同专业背景的成员密切合作，共同解决跨学科问题。
探索人工智能的核心原理与创作实践
人工智能（AI）是让计算机模仿人类的感知、思考、学习和决策能力的技术。它是一种智能工具，相比传统工具更强大、更灵活，能通过数据不断优化自身，在语音、文字、图像等多个领域为我们提供帮助。
AI不是魔法，它是数学、统计学和计算机科学的结合。理解其背后的原理，将帮助我们更好地利用这一强大工具。
一、情绪自控的秘密 • 管好自己的情绪，不急躁、不冲动 • 遇到问题先冷静，不抱怨、不指责 • 用理性面对困难，做情绪的主人
1. 敢于尝试新事物，不怕犯错，不怕失败。 2. 主动思考，大胆提问，勇于表达自己的想法。 3. 积极动手实践，在操作中学习，在体验中成长。
1. 友好相处，团结队友，互相尊重，互相包容。 2. 主动帮助他人，也愿意接受别人的帮助。 3. 爱护个人物品，更爱护公共物品和工具。
在理解了AI的核心原理后，我们团队开展了一系列AI创作实践，探索AI在不同领域的应用可能性。以下是我们的几个代表性项目：
我们使用AI技术辅助创作了一部短电影，包括剧本生成、角色设计、场景渲染等环节。通过这一项目，我们探索了AI在创意领域的潜力和局限性。
查看项目详情我们创建了一个在线平台，展示AI生成的各种创意作品，包括绘画、音乐、诗歌等。这个平台旨在促进人们对AI创造力的理解和讨论。
访问创作广场我们开发了一个集成大语言模型的网页应用，提供智能问答、内容生成、知识检索等功能。这个项目展示了AI在实用工具领域的应用。
体验AI助手AI Agent是当前AI研究的热点领域，它代表了一种更高级的AI系统形态，能够自主感知环境、做出决策并执行行动。我们团队对AI Agent进行了深入研究，并开展了实践探索。
我们认为，一个完整的AI Agent应该具备以下核心要素：
AI技术正在快速发展，我们相信它将在未来发挥更加重要的作用。作为一个科技创新团队，我们将继续深入研究AI技术，并探索其在更多领域的应用可能性。
我们认为，未来的AI将更加注重与人类的协作，而不是替代人类。通过人机协作，我们可以充分发挥人类的创造力和AI的处理能力，共同解决复杂问题，创造更大价值。
AI不是我们的竞争对手，而是我们的工具和伙伴。理解AI，就是理解我们未来的工作和生活方式。
记录我们在科创基地的学习与参观体验
2026年2月26日参观了明月湖科创基地和明月湖，现场看到了大疆直升机、无人机、扫地机器人、电子吉他、两轮平衡车等许多先进科技产品。各式各样的智能设备让我们大开眼界，真切感受到科技创新的魅力，不仅开阔了视野，也激发了我对科学技术的兴趣与探索热情。
在参观过程中，我深刻感受到科技创新不仅仅是技术的突破，更是科技与人文的深度融合。我们不仅要关注技术本身，更要关注技术如何服务于人。
通过与基地工程师的交流，我了解到许多创新产品的灵感都来源于解决实际问题。他们不是为了创新而创新，而是为了解决问题而创新。
在参观过程中，我注意到几乎所有的项目都是由跨学科团队完成的。不同专业背景的人相互协作，各自发挥所长，共同解决复杂问题。
在参观过程中，我们有幸听到了几位资深工程师分享的工程故事，这些故事让我们对设计思维有了更深刻的理解。
设计思维不是一种工具，而是一种思维方式。它要求我们以用户为中心，通过 empathy（共情）、define（定义）、ideate（构思）、prototype（原型）、test（测试）的流程，不断迭代优化解决方案。
— 科创基地资深工程师
以下是我们从这些工程故事中提炼出的几点关键 insights：
真正优秀的产品设计始于对用户需求的深刻理解。这不仅包括用户明确表达的需求，还包括那些隐含的、未被满足的需求。
在创新过程中，失败是不可避免的。基地的工程师们分享了许多项目失败的经历，但他们强调，这些失败不是终点，而是学习和改进的机会。
没有完美的初始方案，创新是一个不断迭代优化的过程。迭代思维不仅适用于产品设计，也适用于我们的学习和工作。
这次科创基地参观对我们团队来说是一次宝贵的学习经历，它不仅让我们了解了前沿科技的发展动态，还让我们对创新、设计、团队协作等方面有了更深刻的认识。
回到学校后，我们团队进行了深入的讨论和反思，并将这些收获和启示应用到我们的项目实践中。我们相信，这些经历和 insights 将对我们未来的学习和工作产生积极的影响。
参观不仅是为了开阔眼界，更是为了启发思考。这次参观让我们重新思考了科技的本质、创新的意义以及我们作为学习者的责任。
— 彳亍组
记录三维设计学习与平衡车底盘设计的迭代过程
平衡车底盘设计是我们彳亍组的重要项目之一。在这个项目中，我们从零开始学习三维设计软件，然后设计并不断迭代优化平衡车底盘。这个过程不仅让我们掌握了三维设计的技能，还让我们深刻体会到了迭代设计的重要性。
以下是我们在平衡车底盘设计过程中的迭代记录、对比分析与反思要点，希望能为类似项目的学习者提供参考。
在开始设计之前，我们首先学习了三维设计软件的基本操作。然后，基于对平衡车原理的初步理解，我们设计了第一个版本的底盘。
这个版本的设计比较简单，主要考虑了基本的结构稳定性和安装空间。我们使用了简单的矩形框架，安装了两个电机和车轮，并预留了电池和控制板的位置。
在测试了V1.0版本后，我们发现了一些问题：
V2.0版本主要改进了以下几点：
在测试了V2.0版本后，我们进一步优化了设计。这次优化主要关注于细节和性能的提升。
V3.0版本的主要改进包括：
通过对三个版本的设计进行对比分析，我们可以清晰地看到设计的演进过程和改进方向。以下是几个关键方面的对比：
V1.0：基本满足需求，但在高速运动或受到冲击时容易变形。
V2.0：通过增加支撑结构，稳定性有了明显提升，但局部结构仍有优化空间。
V3.0：通过有限元分析优化了结构分布，在减轻重量的同时保证了足够的强度和稳定性。
V1.0：重量分布不均匀，重心偏高，不利于平衡控制。
V2.0：降低了重心位置，改善了重量分布，但仍有优化空间。
V3.0：通过精确计算和调整，实现了更理想的重量分布，重心位置适中，有利于平衡控制。
V1.0：空间利用不够合理，存在较多浪费的空间。
V2.0：优化了各部件的布局，提高了空间利用率。
V3.0：通过精细化设计，进一步提高了空间利用率，同时为后续升级预留了空间。
V1.0：结构简单，制造难度低，但精度要求不高。
V2.0：结构复杂度增加，对制造精度有了更高要求。
V3.0：虽然结构更加复杂，但通过优化设计，降低了制造难度，同时提高了精度要求。
在整个设计迭代过程中，我们积累了许多宝贵的经验和教训。以下是我们的几点主要反思：
在开始设计之前，充分的调研和学习是非常重要的。我们在V1.0设计中遇到的许多问题，都是因为前期调研不够充分导致的。后来，我们加强了对平衡车原理、材料特性、制造工艺等方面的研究，为后续的优化设计奠定了基础。
设计是一个不断迭代优化的过程。我们的三个版本设计，每一个都比前一个有明显的提升。这让我们认识到，不要追求一次性完美的设计，而是应该通过不断的测试、反馈和优化，逐步完善设计方案。
平衡车底盘设计涉及机械设计、电子工程、控制理论等多个学科。我们团队成员来自不同专业背景，通过密切合作，我们能够从不同角度思考问题，提出更全面的解决方案。
在设计过程中，我们不仅学习了理论知识，还通过实际测试验证了设计方案。这种理论与实践的结合，让我们对设计有了更深刻的理解，也帮助我们发现了许多仅靠理论分析难以发现的问题。
在设计过程中，我们发现许多看似微小的细节，如螺丝孔的位置、线缆的走向等，都会对最终产品的性能和使用体验产生重要影响。因此，在设计中关注细节是非常重要的。
在整个项目过程中，我们不断学习新的知识和技能，如三维设计软件的高级功能、有限元分析方法等。这让我们认识到，在快速发展的科技领域，持续学习是非常必要的。
虽然我们已经完成了平衡车底盘的设计，但这并不意味着设计过程的结束。未来，我们计划在以下几个方面继续改进和探索：
通过这个项目，我们不仅掌握了三维设计和机械设计的技能，还培养了团队协作、问题解决、持续学习等重要能力。这些经验和能力将对我们未来的学习和工作产生积极的影响。
探索倒立摆平衡原理与 PID 控制算法
倒立摆是控制理论中的经典问题，它是一个不稳定的系统，需要通过控制算法使其保持平衡。在我们的"彳亍组"团队项目中，我们设计并实现了一个基于PID控制算法的倒立摆系统。这个项目不仅帮助我们深入理解了控制理论的核心概念，还让我们掌握了PID算法的原理与应用。
在这个板块中，我们将详细介绍倒立摆的平衡原理、PID控制器的工作原理，以及我们在实践过程中的经验与体会。
倒立摆系统是一个典型的非线性、多变量、强耦合、自然不稳定的系统。它的基本结构包括一个可以在水平方向上移动的底座和一个安装在底座上的摆杆。摆杆的一端固定在底座上，另一端可以自由摆动。
对于简化的单级倒立摆系统，其运动方程可以表示为：
由于这个系统的数学模型比较复杂，在实际应用中，我们通常会在平衡点附近对其进行线性化处理，然后设计控制器。
PID控制器是工业控制中最常用的控制器之一，它通过比例（Proportional）、积分（Integral）和微分（Derivative）三个环节的组合，对系统进行控制。PID控制器的基本原理是将系统的实际输出与期望输出之间的误差作为输入，通过计算得到控制量，从而使系统的输出尽可能接近期望值。
PID控制器的数学表达式为：
其中，u(t)是控制量，e(t)是误差信号，Kp是比例系数，Ki是积分系数，Kd是微分系数。
比例环节的作用是根据当前误差的大小，直接产生一个与误差成正比的控制量。比例系数Kp越大，系统对误差的响应越敏感，但过大的Kp可能导致系统振荡。
比例环节的数学表达式：uP(t) = Kp·e(t)
积分环节的作用是消除系统的稳态误差。它通过累积历史误差，产生一个与误差积分成正比的控制量。积分系数Ki越大，系统消除稳态误差的能力越强，但过大的Ki可能导致系统超调和振荡。
积分环节的数学表达式：uI(t) = Ki·∫e(t)dt
微分环节的作用是预测误差的变化趋势，提前产生一个与误差变化率成正比的控制量。微分系数Kd越大，系统的阻尼作用越强，越不容易振荡，但过大的Kd可能导致系统对噪声敏感。
微分环节的数学表达式：uD(t) = Kd·de(t)/dt
PID控制器的性能很大程度上取决于其参数（Kp、Ki、Kd）的选择。参数调优是PID控制器应用中的关键环节，也是一个比较复杂的过程。
首先，将Ki和Kd设为0，逐渐增大Kp，直到系统出现轻微振荡。此时的Kp值称为临界比例系数Kp_critical。然后，根据经验公式，取Kp = 0.6·Kp_critical。
在确定了Kp之后，逐渐增大Ki，直到系统的稳态误差被消除，同时保持系统的稳定性。根据经验公式，取Ki = 1.2·Kp/Ti，其中Ti是系统的积分时间常数。
最后，逐渐增大Kd，直到系统的超调量减小，响应速度加快。根据经验公式，取Kd = 0.075·Kp·Td，其中Td是系统的微分时间常数。
在初步确定了Kp、Ki、Kd之后，通过实际测试，对这些参数进行微调，直到系统的性能达到最佳。
通过这个倒立摆项目，我们不仅深入理解了PID控制算法的原理，还积累了丰富的实践经验。以下是我们的几点主要体会：
在开始项目之前，我们学习了大量关于控制理论和PID算法的知识。但在实际实现过程中，我们发现理论与实践之间存在一定的差距。只有将理论知识与实践相结合，才能真正理解和掌握这些知识。
系统调试是实践的核心，每一次排查与优化，都能让设备更稳定、功能更精准。 调试的过程虽繁琐，却能帮我们发现隐藏问题，真正理解技术的底层逻辑。 重视调试，就是重视实践的价值，只有反复打磨，才能让成果落地、让能力成长。 从平衡车到 AI 系统，调试都是通往稳定与高效的必经之路，缺一不可。
团队制作让我们分工协作、互相帮助，把每个人的优点集中起来，更快更好地完成任务。遇到问题时一起思考、一起解决，不仅提高效率，也让我们学会沟通与担当。团队合作让作品更完整，也让我们在共同努力中收获成长与友谊。
我技术体系持续迭代，新算法与工况不断涌现，仅凭旧经验难以应对复杂系统的调试需求。唯有持续学习，才能更新理论认知、积累实操案例，在 PID 调优这类精密工作中精准定位问题，实现技术能力的螺旋式上升。
虽然我们已经成功实现了基于PID控制的倒立摆系统，但这个项目还有很多可以改进和探索的地方。未来，我们计划在以下几个方面继续深入研究：
通过这个项目，我们不仅掌握了控制理论和PID算法的知识，还培养了团队协作、问题解决、持续学习等重要能力。这些经验和能力将对我们未来的学习和工作产生积极的影响。
