模糊控制MPPT实战：STM32 Buck-Boost光伏控制器设计

做MPPT这几年，我最大的体会就是：传统扰动观察法写起来简单，调起来抓狂，光照一突变，工作点直接跑飞。后来把模糊控制搬上去，采样电池电压和电流，用模糊规则去推占空比，跟踪速度和稳态精度一下就拉开了差距。这篇文章把整套做法从采样电路到模糊推理到波形调优完整拆开讲，适合正在做太阳能充电控制器、微型逆变器或者Boost/Buck-Buck-Boost MPPT样机调试的工程师，也适合想搞清楚模糊控制到底怎么落地而不是只停留在论文里的同学。

先说项目背景。我用的是STM32F103平台，主拓扑是同步Buck-Boost四级结构，前级接光伏板，后级接电池。任务很明确：实时采样电池端电压和电流，通过模糊控制器判断当前工作点偏离最大功率点的方向和程度，输出占空比修正量，让系统始终稳定在P-V曲线的峰顶。整体控制周期定在50ms，ADC采用PWM硬件触发同步采样，避免开关噪声污染信号。下文所有电路参数和代码，都是实测验证过的版本。

1. 为什么最后选了模糊控制，而不是继续调PID或扰动观察

1.1 传统MPPT方法在实际工况下的软肋

做光伏MPPT，教科书上最常讲的就是扰动观察法（P&O）和电导增量法（INC）。扰动观察法思路简单：每隔一个周期给占空比加一个固定步长，如果功率变大就继续同方向，功率变小就反向。听起来没毛病，实际上有两个绕不开的坑。

第一个坑是步长和振荡的矛盾。步长设大了，追踪速度快，但到最大功率点附近之后，工作点会在峰顶两侧来回跳，稳态功率振荡可能达到百分之三到五，电池端的电压电流波形肉眼可见地抖。步长设小了，振荡小了，但光照突然变化时，从当前工作点爬到新最大功率点可能要好几秒，甚至会把扰动方向搞反——在光照快速上升瞬间，P&O会误判"电压增加功率增加"是扰动方向正确，结果继续往远离最大功率点的方向走。

第二个坑是部分遮挡下的多峰问题。光伏板被云彩、树叶、鸟粪遮挡一角时，P-V曲线会出现多个局部峰值。P&O本质上是爬山法，爬山法只能保证找到局部最高点，一旦爬上错误的峰，就再也下不来了。这个时候INC同样无能为力，因为它的核心逻辑也是局部寻优。

1.2 模糊控制解决了什么本质问题

模糊控制解决的核心问题，是"不确定性"。它不依赖精确的数学模型，而是把专家经验翻译成一套If-Then规则，比如"如果功率变化率是正大，电压变化率是负小，那么占空比应该正大"。这种推理方式和人的思维非常接近。

在我们的系统里，模糊控制器输入取dP/dV（功率对电压的导数）以及它的变化率，输出占空比修正量ΔD。最大功率点有个经典的数学特性：在P-V曲线顶点处，dP/dV等于0；在顶点左侧，dP/dV大于0；在顶点右侧，dP/dV小于0。这就意味着，dP/dV本身就是指示工作点方位的天然信号。模糊控制器要做的事，就是根据dP/dV的大小和方向，自动调节占空比步长——离顶点远时大步走，离顶点近时小步走，逼近顶点时几乎不动。

这个思路比固定步长的P&O聪明在哪里？P&O的步长是死的，模糊控制的步长是活的。实际测下来，光照从800W/m²突变到1000W/m²时，模糊控制能把重跟踪时间控制在三个控制周期以内，也就是150ms左右；而固定步长P&O在同样条件下往往要十几到几十个周期才能稳定。再加上模糊规则天然包含变步长逻辑，稳态振荡比P&O小一个数量级，这对电池充电来说意义很大，毕竟电压电流纹波直接影响电池寿命。

当然，模糊控制不是银弹。它不会帮你解决所有问题，设计不好的话同样会出现稳态振荡、响应迟钝甚至发散。关键在于输入变量选得对不对、量化因子标得准不准、规则表合不合理。后面几节就按这个顺序，把每一步展开讲。

2. 电压和电流采样：先说清楚信号从哪来、怎么处理才靠谱

2.1 电压采样电路设计与计算

电池电压采样我用的是精密电阻分压加电压跟随器，再进ADC。为什么不用直接分压进MCU？因为STM32的ADC输入阻抗不够高，直接接高阻分压网络，采样保持电容充电时间不足，采集到的值会偏低，而且这个偏差还随温度漂。加一级运放跟随器，把阻抗隔离开，ADC看到的信号源阻抗就很低了。

具体参数：电池电压范围0到60V，分压电阻上端R1用240k，下端R2用10k，分压比是25比1。60V输入时，ADC引脚电压是60×10/250=2.4V，给ADC留了余量，避免接近3.3V参考电压的非线性区。运放我用的是LM358，虽然便宜，但失调电压略大，实测在2.4V满量程下误差大概2到3mV，折算到电池端是75mV左右。对MPPT跟踪来说这个误差可以接受，但如果你做的是高精度采集，建议换OP07等级的低失调运放。

分压电阻的选型有个容易被忽略的点：电阻的温漂系数。普通厚膜电阻温漂可能到100ppm/°C，温度从25°C变到65°C，分压比就会偏0.4%。采样电池电压是用作MPPT判据的，这种系统性漂移会直接影响dP/dV的计算。我最后用的是25ppm/°C的精密电阻，预算有限的话至少也要选50ppm以内的。

ADC参考电压问题也值得说。STM32内部参考电压精度不够高，手册写的是1.2V±0.1V，直接用作满量程基准，量化误差能达到几个百分点。我接了一个外部基准，用TL431搭的2.5V基准电路，再配合运放把信号调理到0到2.5V区间。实测电压采样误差稳定在0.2%以内。

2.2 电流采样：采样电阻和差分放大器的坑

电流采样我选了低边采样，采样电阻放在电池负极和地之间。低边采样的好处是共模电压低，运放选型容易；坏处是采样电阻上的压降会抬高系统地电位，对其它模拟电路有影响，而且LED灯、继电器这类负载动作时电流突变，容易在采样电阻两端产生尖峰，必须加滤波。

采样电阻阻值怎么定？这是很多人上来就踩的坑。阻值选大了，压降大，损耗大；选小了，信号太小，ADC分辨率不够。以设计目标12V/10A电池充电为例，我选了10mΩ合金电阻，满载时压降100mV，损耗1W，用2512封装两个并联，每个分担0.5W，留了余量。采样信号经过INA240差分放大器放大20倍，输出0到2V，正好匹配基准2.5V以内的ADC量程。

INA240这个芯片有个很大的优点，就是它内置了PWM抑制电路。在开关电源场景下，采样电阻两端的电压在开关切换瞬间会出现很大的振铃和尖峰，普通运放即使加了RC滤波，带宽也压得厉害，输出还是会叠加上百毫伏的毛刺。INA240能把开关频率附近的共模噪声抑制掉，实测在小占空比下静态电流误差能控制在20mA以内。

如果你用的是一般差分运放，建议在采样电阻两端并联一个100nF的陶瓷电容做高频旁路，同时差分输入端各串一个100Ω电阻，配合运放输入端的RC形成一个低通滤波器。截止频率最好控制在开关频率的十分之一左右，既滤掉毛刺，又保留MPPT需要的电流变化信息。

2.3 PWM触发ADC同步采样，这一步不能省

采样最容易忽略的问题，是采样时机。Buck-Boost这类开关电源，电感电流是三角波，开关管导通时电流上升，关断时下降。如果你用定时器随机触发ADC采样，采到的是三角波上的任意一点，同一平均电流下，采样结果可能差好几倍。这就是为什么很多人在仿真里好好的，一上实物波形乱成一团。

解决方法是PWM触发ADC同步采样。利用STM32定时器的TRGO事件触发ADC注入组采样，把采样点固定在PWM周期的中点附近。为什么选中点？因为在这条锯齿波的中点采样，电感的平均电流基本等于中点电流，误差最小。具体配置：定时器向上计数，配置为PWM模式1，同时使能TRGO事件，当计数器值等于某个比较值时触发ADC。初始化代码大概是这样的：

// 以PWM中心对齐模式为例，触发ADC注入组采样 TIM_TimeBaseInitTypeDef TIM_TimeBaseStructure; ADC_InitTypeDef ADC_InitStructure; // 定时器配置：中心对齐模式，周期=7200，即10kHz TIM_TimeBaseStructure.TIM_Period = 7200 - 1; TIM_TimeBaseStructure.TIM_Prescaler = 72 - 1; TIM_TimeBaseStructure.TIM_ClockDivision = 0; TIM_TimeBaseStructure.TIM_CounterMode = TIM_CounterMode_CenterAligned1; TIM_TimeBaseInit(TIM1, &TIM_TimeBaseStructure); // 触发事件配置：update事件触发ADC TIM_SelectOutputTrigger(TIM1, TIM_TRGOSource_Update); // ADC配置：注入组采样，定时器触发 ADC_InitStructure.ADC_Mode = ADC_Mode_Independent; ADC_InitStructure.ADC_ExternalTrigConv = ADC_ExternalTrigInjecConv_T1_CC4; ADC_InitStructure.ADC_ExternalTrigInjecConvState = ADC_ExternalTrigInjecConvState_Enable; ADC_Init(ADC1, &ADC_InitStructure);

中心对齐模式下，更新事件发生在计数器到达周期值又回到0的时刻，正好是PWM波形的中点。实际采样点可能因为ADC启动延迟有几微秒偏差，但相比随机采样已经好太多。注意ADC的采样时间也要合理设置，我设成239.5个周期，保证内部采样电容充足充电，尤其在高阻源条件下，采样时间不够会引入非线性误差。

2.4 数字滤波：滑动平均加中值，两层保险

就算做了同步采样，PCB布局不好或者负载变化剧烈时，ADC读到的数据还是会有跳变。直接拿这种数据去算dP/dV，结果会非常毛躁，模糊控制器甚至可能误判方向。

我的处理方法是两层滤波。第一层是滑动平均，窗口长度取8。每来一个新采样值，去掉最旧的一个，加上最新的一个，求平均。8个点对应80ms（按10kHz采样率算），响应延迟不大，但能把高频抖动滤掉。第二层是中值滤波，滑动窗口中取中间值，对付偶发的尖峰脉冲特别有效。两个配合起来，实测峰值噪声从原始信号的加减80mV压到加减10mV以内。

滤波窗口大小的选择是个权衡。窗口太短，滤不干净；窗口太长，MPPT跟踪速度变慢，光照突变时响应迟钝。8到16是经验区间，我用8采样的滑动平均加中值滤波，效果最好。对于控制周期50ms的系统来说，这个延迟完全在可接受范围内。

3. 模糊控制器设计：输入量、隶属度函数、规则表与反模糊化

3.1 输入变量为什么选dP/dV和它的变化率

模糊控制器的性能，一半取决于输入变量选得好不好。我选的第一个输入是E = dP/dV，也就是功率对电压的导数；第二个输入是dE，也就是E的变化率，即d(dP/dV)/dt。为什么选这两个？

dP/dV的大小和符号直接反映了当前工作点在P-V曲线上的方位。E大于0说明工作点在最大功率点左边，应该增大占空比让电压下降；E小于0说明在右边，应该减小占空比；E接近0说明已经贴近峰顶。这个变量是MPPT控制器的天然误差信号，用它做模糊输入，规则表写起来非常直观。

dE这个变量提供的是动态信息。当E本身很大但在快速减小，说明工作点正在快速接近最大功率点，这时候即使E还大，步长也该收一点，避免冲过头；反过来，当E很大而且在继续增大，说明偏离在加重，需要更大步长拉回去。有了dE参与，相当于给控制器加了一个阻尼项，能有效抑制超调和振荡。

实际计算中，E和dE都是离散化的。控制周期T=50ms，第k个周期算得功率P(k)和电压V(k)，那么：

E(k) = (P(k) - P(k-1)) / (V(k) - V(k-1)) dE(k) = E(k) - E(k-1)

V(k)和V(k-1)相等时怎么办？实际不可能完全相等，但接近相等时E会变得很大或很小，出现尖峰。我的做法是对V差设一个死区，小于0.01V时用上一次E值，等下一个周期再更新。这个细节在仿真里不容易暴露，实测里经常变成搞乱规则表的元凶。

3.2 模糊子集与隶属度函数的实际取值

两个输入和一个输出各定义5个模糊子集：NB（负大）、NS（负小）、ZE（零）、PS（正小）、PB（正大）。论域归一化到[-1, 1]，通过量化因子把实际E和dE映射到这个区间。

量化因子的标定非常关键。我先把E的实际物理范围摸清楚：在光伏板开路电压和最大功率电压之间，dP/dV大概是负几瓦每伏正到几瓦每伏。空载到短路之间会更宽。我取E的基本论域为[-4, 4]，dE为[-2, 2]，通过量化因子映射：

e_k = E / 4 de_k = dE / 2

这里有一个经验教训：量化因子最大值取得太保守，会导致大部分时间输入都落在ZE附近，控制器死气沉沉；取得太小，输入容易饱和，导致步长频繁顶到上限。标定方法是在实际系统上跑几轮光照阶跃实验，记录E和dE的峰值，然后按三分之二峰值的思路留一点余量，再迭代调整。

隶属度函数我选了三角型。三角型实现简单、计算量小、直观性好，在嵌入式MCU上不需要查表也能算。各模糊子集的隶属度定义如下。

• 输入E的三角型函数：

• 输出ΔD同样分为5档，论域归一化到[-1, 1]，实际输出占空比修正量映射到[-5%, +5%]。也就是说，控制规则输出的是相对量，不是绝对占空比。实际占空比D = D_prev + ΔD × ko，其中ko是输出比例因子，我取5。

3.3 模糊规则表是怎么定出来的

写规则表是最能体现"专家经验"的地方，但它的逻辑其实完全可以推出来。P-V曲线的特点决定了：E为正大且dE为正大，说明工作点远在峰左侧且还在远离，要加大占空比，步长要大，输出NB（这里符号约定要统一：我定义输出为正表示增大占空比，让电压下降）。

把这条逻辑推广到所有组合，规则表长这样：

这个表怎么读：行是当前E，列是当前dE，交叉处的值就是输出ΔD。比如E是NS、dE是ZE，说明工作点在峰左侧但接近峰，输出PS（微小增大占空比即可）；E是PB、dE是NB，说明工作点偏右且正在快速往左回来，此时输出NS（稍微减小占空比让它平稳落在峰顶）。

规则表的核心逻辑就是对角线对称，因为P-V曲线左右两侧的修正方向天然对称。不对称的规则表会在某个方向收敛慢，这种问题在仿真里看不出来，但实际光照变化时会表现为单向阴影下追踪慢。

3.4 模糊推理与重心法解模糊

推理方法我用Mamdani型，也就是取最小运算作为模糊蕴含，再通过重心法解模糊。为什么选Mamdani而不是TS型？Mamdani的推理规则更贴近语言描述，规则表天然对应专家经验，调试时非常直观；TS型虽然输出是线性函数、数学上更好分析，但调参门槛高，不太适合我们这种快速迭代的实验场景。

每一步推理的流程是：先根据当前输入e_k和de_k，计算各模糊子集的隶属度；然后对每条规则取前提隶属度的最小值，作为这条规则输出的激活度；最后把所有激活规则输出子集的隶属度函数叠加重心，得到精确输出值。用C实现重心法的时候，不需要真正绘制隶属度函数曲线，而是按论域离散点加权求和：

float fuzzyInference(float e, float de) { float muE[5], muDE[5]; float output[9] = {-1.0f, -0.75f, -0.5f, -0.25f, 0.0f, 0.25f, 0.5f, 0.75f, 1.0f}; float weights[5][5] = { {0.5f, 0.5f, 1.0f, 1.0f, 1.0f}, {0.0f, 0.5f, 0.5f, 0.5f, 1.0f}, {-0.5f, 0.0f, 0.0f, 0.5f, 0.5f}, {-1.0f, -0.5f, -0.5f, -0.5f, 0.0f}, {-1.0f, -1.0f, -1.0f, -0.5f, -0.5f} }; // 计算输入隶属度 muE[0] = trimf(e, -1.5f, -1.0f, -0.5f); muE[1] = trimf(e, -1.0f, -0.5f, 0.0f); muE[2] = trimf(e, -0.5f, 0.0f, 0.5f); muE[3] = trimf(e, 0.0f, 0.5f, 1.0f); muE[4] = trimf(e, 0.5f, 1.0f, 1.5f); muDE[0] = trimf(de, -1.5f, -1.0f, -0.5f); muDE[1] = trimf(de, -1.0f, -0.5f, 0.0f); muDE[2] = trimf(de, -0.5f, 0.0f, 0.5f); muDE[3] = trimf(de, 0.0f, 0.5f, 1.0f); muDE[4] = trimf(de, 0.5f, 1.0f, 1.5f); // 模糊推理：取最小激活度，输出离散重心 float numerator = 0.0f, denominator = 0.0f; for (int i = 0; i < 5; i++) { for (int j = 0; j < 5; j++) { float w = fminf(muE[i], muDE[j]); int idx = (int)((weights[i][j] + 1.0f) * 4.0f); // 映射到0-8 if (idx < 0) idx = 0; if (idx > 8) idx = 8; numerator += w * output[idx]; denominator += w; } } if (denominator < 1e-6f) return 0.0f; return numerator / denominator; }

上面的weights数组就是规则表每个格子的输出值。注意最后输出要用denominator做个判断，避免除零。实际跑下来，模糊推理整个周期在72MHz的STM32F103上耗时不到50微秒，完全不影响50ms的控制周期。

4. 变流器拓扑与跟踪控制策略：Buck、Boost还是Buck-Boost

4.1 为什么我的系统选了Buck-Boost而不是单级拓扑

MPPT前端拓扑的选择，直接决定了模糊控制器的输出规则能不能正常工作。光伏板的特性是：开路电压高，带载后电压跌。如果光伏板开路电压总是远高于电池电压，用Buck就够了；如果光伏板电压总是低于电池电压（比如18V光伏板充24V电池组），用Boost；但光伏电压和电池电压范围有交叉时，Buck-Boost是唯一的选择。

我现在的系统是36V光伏板给12V/24V电池充电，光伏板最大功率点电压大概在30V，而电池充满电压阶段可能到28.8V。低温时光伏板开路电压可能冲到43V，高温时又掉到28V以下。Buck和Boost都覆盖不了这个范围，所以用的是Buck-Boost四开关结构，前级是Buck，后级是Boost，中间共用电感。这种结构比SEPIC的器件应力低，效率也更高，实测峰值效率到94%左右。

在Buck-Boost结构下，MPPT控制的实质是控制光伏板的负载阻抗。模糊控制器输出的占空比修正量，最终通过改变开关管导通占空比来改变等效输入阻抗。Buck模式下占空比和输入阻抗关系简单，Boost模式则要绕一下，但这些都已经包含在系统的开环响应里，模糊规则不需要区分Buck和Boost模式，统一调整占空比即可。这个特性让调试简单了很多。

4.2 电感电容参数和开关频率选型

电感值的选择是Buck-Boost设计里的关键。电感太小，电流纹波大，采样信号变差，模糊控制器的dP/dV计算会被噪声淹没；电感太大，动态响应慢，MPPT重跟踪速度受影响。经验值是让电感电流纹波控制在满载平均电流的20%到40%。

以4A平均电流、10kHz开关频率、28V输入12V输出为例，Buck模式下占空比D=12/28=0.43，电感纹波电流ΔI = Vout×(1-D)/(L×f)。取ΔI=1.2A，反推出L = 12×0.57/(1.2×10000) = 570uH。实际我选了470uH的铁硅铝磁环电感，纹波会到1.5A左右，稍微大一点但感量不足会导致电流断续，对采样更不利。输出电容我用的是470uF电解加10uF陶瓷并联，主要是稳定电池端电压，让电压采样更干净。

开关频率10kHz是不是低了点？我特意没用高频。因为模糊控制器的控制周期是50ms，开关频率主要是影响采样噪声和电感体积。10kHz下，PWM触发ADC采样、运放选型、PCB布线压力都小很多。如果你用100kHz以上频率，电感可以小一大截，但采样电路的滤波和布局要求会高不少，初次调试不建议这么玩。

4.3 软启动和占空比限幅

直接从占空比0跳到模糊控制器算出的某个值，启动瞬间电感电流会飙升。实测不设软启动时，上电瞬间电流能到正常工作电流的5倍以上，非常危险。我的做法是分三步：

1. 上电后先运行开环软启动程序，占空比从0缓慢增加，每20ms增加0.5%，直到光伏板电压进入最大功率电压附近的窗口。
2. 软启动完成后，切换为闭环模糊控制，但前50个控制周期内把输出步长限制在正负2%以内，让工作点平滑进入稳态。
3. 正常工作后，把模糊控制的步长恢复为5%上限，同时加占空比绝对值限幅：Buck模式下占空比限制在0.1到0.95，防止极端情况烧开关管。

软启动还有个附带好处：它能提前给电池电压电流采样建立稳定的工作点，避免模糊控制器在条件极差的非线性区乱跳。很多项目一上电就跑飞，多半就是没做软启动直接闭环。

5. 从波形看系统状态：启动、跟踪、稳态和突变响应

5.1 正常启动和进入最大功率点的波形特征

示波器接电流探头看电感电流，再加上电池电压和电流的缓变包络，可以直接判断系统工作状态。软启动阶段应该看到占空比缓慢展宽，电感电流三角波幅值在增加，电池端电流爬升。这时如果模糊控制介入，电流包络会有个小幅回落再缓慢上升的过程——这个回落就是控制器从开环切换到闭环、修正占空比造成的正常响应。

稳态时，电池端电流波形应该是非常平稳的一条直线，叠加很小的三角波纹波。模糊控制下实测稳态功率振荡幅度在1%以内，对应的电流波动大概加减50mA。如果你看到的电流波形在来回锯齿状摆动，说明规则表里ZE区域太窄、死区不够，或者输出比例因子偏大，工作点在峰顶两侧来回冲过冲。

5.2 光照突变时的波形和响应时间

光照突变是检验模糊控制性能的试金石。用一块白布突然遮住光伏板半边再迅速拿开，模拟云层遮挡和恢复。观察电池电流波形：先是快速下跌到接近原电流的40%，模糊控制器应该在3个控制周期内让电流开始回升，并在150ms到300ms内回到新光照下的最大功率点附近。

如果重跟踪时间超过500ms，常见原因是dE的量化因子标得太大，导致dE频繁落在ZE区域，控制器反应迟钝。把dE的量化因子缩小，让它对变化更敏感，重跟踪速度立竿见影。但要注意，量化因子缩小的同时，稳态下dE的小抖动也更容易触发规则输出，所以要和规则表里ZE列的宽度配合调整。

波形上还有个大坑：光照突变瞬间，功率计算和电压变化不同步。比如光照突然增强的100ms内，电流瞬间增大了，但电压还没有明显变化，这时候P(k)-P(k-1)很大、V(k)-V(k-1)几乎为0，算出来的dP/dV是接近无穷大的毛刺。我的处理是前面提到的V差死区，再叠加一个"功率突变检测"：当相邻周期功率跳变超过30%且电压变化小于0.1V，直接判定为外部光照突变，暂停模糊推理两个周期，等电压建立后再继续。加了这一条以后，光照突变时的误调大幅减少。

5.3 稳态振荡的定位方法：从波形倒推参数

稳态振荡是模糊MPPT最常遇到的问题。从波形上定位原因有一套固定思路：

先看振荡周期。如果振荡周期和控制周期基本一致，比如50ms，那就是模糊控制器的输出在相邻两个周期之间来回跳，典型的原因是规则表在ZE附近不够平滑，输出没有死区或死区太小。解决办法是在输出侧加一个死区判断，当解模糊结果的绝对值小于0.05时，输出直接置0，相当于给系统一个"静默区"。

如果振荡周期是几个控制周期，比如200ms到300ms的慢波动，那就是系统阻尼不足。检查dE的输出规则，确保E为ZE且dE为PB时输出不是过大的反向值，让控制器在峰顶附近更"温和"。

还有一类振荡是采样噪声引起的假象。如果电池电流波形看起来是随机抖动的，而不是规律三角波，多半是采样时序不对或滤波不够。把ADC采样点用示波器同步抓出来，看是不是稳定在PWM中点，以及采样点附近有没有毛刺。很多时候数据看起来乱，其实是采样时机不对，不是控制器的问题。

6. 工程落地的几个关键细节，以及我踩过的坑

6.1 采样与控制的时序：50ms控制周期怎么安排

控制周期内的时序安排容易被新手忽略。我现在的做法是：PWM触发ADC采集注入组，采样完成中断里只做数据搬运和滤波累加；控制周期定时器每50ms触发主循环，主循环里取过去50ms内的滤波结果计算dP/dV和dE，执行模糊推理，更新占空比。

为什么要把采样和控制分开算？因为ADC采的是瞬时值，即使同步采样在PWM中点，它也只代表一个开关周期的瞬时状态。如果主循环里直接拿当前采样的瞬时值去算功率，噪声会很大。我在主循环里取的是过去50ms内多个PWM周期采样值的平均值，这样功率计算的是平均功率，和MPPT的物理意义完全一致。

其实最开始我犯过一个错：在主循环里直接调用ADC读取函数去采样。结果每次读到的点相对PWM的位置都不一样，波形乱得一塌糊涂。这个坑建议所有做开关电源MPPT的朋友都记一下：ADC采样必须由硬件触发，绝不能在主循环里随机采样。

6.2 保护逻辑不可省：过压、过流、反接

模糊控制只管追踪最大功率点，不管安全。电池的过压保护尤其重要，锂电池充电到满电后如果还继续长时间按最大功率点充电，电池电压会持续上升，轻则保护板动作，重则出安全事故。我在模糊控制之外加了三层保护：

1. 硬件比较器保护：电池电压超过设定值的1.1倍，直接关断PWM输出，不依赖软件判断。
2. 软件ADC保护：每个控制周期检查电池电压，超过设定值连续3个周期，中断MPPT，切换为恒压充电模式。
3. 电流限幅保护：模糊控制器输出的占空比修正量，在软件里做电流环限幅——采样电流超过当前电池最大允许电流时，占空比修正量直接改为负向减小。

这三层保护优先级从高到低，保证任何一层失效时还有兜底。实测可靠性很好，比单纯依赖一种保护稳得多。

6.3 参数整定的迭代过程和后续改进方向

模糊控制器的参数整定，我建议按这个顺序调：先调量化因子，让E和dE在正常工况下能覆盖大部分模糊子集；再调规则表在ZE附近的行为，解决稳态振荡；最后调输出比例因子，决定跟踪速度和稳态精度。

如果出现振荡，优先检查输出比例因子和ZE死区，这两个因素对稳定性影响最大。跟踪慢，优先检查dE量化因子，让控制器对变化更敏感。调试时我习惯在PC上位机里同时记录E、dE、输出ΔD、实际占空比四个变量，画成曲线对照，比盯示波器效率高很多。

后续可以从两个方向继续改进：一是把量化因子和比例因子做成自适应，比如根据光照强度动态调整输出比例因子，强光时步长大一些，弱光时步长小一些，进一步提升跟踪速度；二是在模糊控制器基础上叠加一个简单的I-V曲线扫描功能，定期扫描光伏板全电压范围，解决多峰遮挡问题。扫描期间暂停模糊控制，扫描完把工作点定位到最优峰值，再交回模糊控制维持。这两个方向都是工程上验证过有效的扩展路径，做出来以后系统会更强壮。

最后再分享一个实测中的小技巧：给模糊控制器的dE加一个一阶低通滤波，时间常数取一个控制周期，对抑制输出抖动效果非常明显。我最后一次整定就是因为加了这级滤波，稳态振荡从正负1.5%降到了正负0.5%以内，波形干净了很多。这个技巧很小，但真的值得写在你的调试笔记里。