第11章 课程工程实践项目
11 第11章 课程工程实践项目¶
成都信息工程大学 软件工程学院
11.1 本章知识导图¶
11.2 本章概述¶
本章提供6个具有实际工程应用背景的嵌入式系统实践项目，旨在帮助研究生将前序章节所学的理论知识应用于实际工程开发中。每个项目都涵盖从需求分析、系统设计、硬件选型、软件开发到系统集成的完整开发流程，注重培养学生的工程实践能力和系统思维。
11.2.1 学习目标¶
- 掌握嵌入式系统工程开发的完整流程
- 提升系统架构设计和软硬件协同设计能力
- 培养复杂问题分析与解决能力
- 锻炼团队协作和工程文档编写能力
11.2.2 项目特点¶
- 工程性强：所有项目均来自真实工业应用场景
- 复杂度适中：适合研究生在1-2学期内完成
- 技术覆盖面广：融合本课程所有核心知识点
- 可扩展性好：预留功能扩展空间，便于后续深入研究
11.3 项目一：工业现场数据采集与监控系统¶
11.3.1 项目背景¶
在工业4.0和智能制造的大背景下，工业现场数据采集与监控系统（SCADA）是实现生产过程数字化、智能化的基础。本项目针对中小型制造企业的实际需求，设计并实现一套低成本、高可靠性的工业数据采集与监控系统，可应用于车间环境监测、设备状态监控、能耗管理等场景。
工程价值： - 实现生产过程的可视化监控 - 提高设备运维效率，降低故障率 - 为生产决策提供数据支撑 - 降低企业信息化改造成本
11.3.2 系统架构¶
flowchart TB
subgraph "现场设备层"
S1[温度传感器\nDS18B20]
S2[湿度传感器\nDHT22]
S3[压力传感器\nMPX5700]
S4[电流传感器\nACS712]
S5[转速传感器\n光电编码器]
end
subgraph "嵌入式主控层"
STM32[STM32F407\n主控单元]
RS485[RS485总线\n接口模块]
ETH[以太网\nW5500]
SD[SD卡\n数据存储]
RTC[实时时钟\nDS3231]
end
subgraph "通信网络层"
Modbus[Modbus RTU/TCP]
MQTT[MQTT协议]
OPC[OPC UA]
end
subgraph "监控管理层"
Web[Web监控界面]
App[移动端APP]
DB[历史数据库]
Alarm[报警管理]
end
S1 -->|传感器数据| STM32
S2 -->|传感器数据| STM32
S3 -->|传感器数据| STM32
S4 -->|传感器数据| STM32
S5 -->|传感器数据| STM32
STM32 --> RS485
STM32 --> ETH
STM32 --> SD
STM32 --> RTC
RS485 --> Modbus
ETH --> MQTT
ETH --> OPC
Modbus --> Web
MQTT --> Web
OPC --> Web
Modbus --> App
MQTT --> App
OPC --> App
Web --> DB
App --> DB
Web --> Alarm
App --> Alarm
11.3.3 核心功能模块¶
11.3.3.1 多传感器数据采集¶
功能描述：支持多种工业传感器的同时采集，实现温度、湿度、压力、电流、转速等物理量的实时测量。
技术要点： - 使用FreeRTOS实现多任务调度 - 每个传感器分配独立采集任务 - 采用队列机制实现数据传输 - 实现传感器故障检测与自动恢复
核心代码示例：
/* 传感器采集任务 */
void Sensor_Task(void *argument) {
sensor_data_t data;
uint32_t tick;
for (;;) {
tick = osKernelGetTickCount();
/* 采集温度传感器 */
data.temperature = DS18B20_ReadTemp();
/* 采集湿度传感器 */
data.humidity = DHT22_ReadHumidity();
/* 采集压力传感器 */
data.pressure = MPX5700_ReadPressure();
/* 采集电流传感器 */
data.current = ACS712_ReadCurrent();
/* 采集转速传感器 */
data.speed = Encoder_GetSpeed();
/* 时间戳 */
data.timestamp = RTC_GetTime();
/* 将数据发送到数据处理队列 */
osMessageQueuePut(sensor_queue, &data, 0, 0);
/* 定时1秒采集一次 */
osDelayUntil(tick + 1000);
}
}
/* 数据处理任务 */
void DataProcess_Task(void *argument) {
sensor_data_t data;
osStatus_t status;
for (;;) {
/* 从队列获取传感器数据 */
status = osMessageQueueGet(sensor_queue, &data, NULL, osWaitForever);
if (status == osOK) {
/* 数据有效性检查 */
if (ValidateSensorData(&data)) {
/* 数据滤波处理 */
ApplyFilter(&data);
/* 发送到存储任务 */
osMessageQueuePut(storage_queue, &data, 0, 0);
/* 发送到通信任务 */
osMessageQueuePut(comm_queue, &data, 0, 0);
/* 检查报警条件 */
CheckAlarm(&data);
}
}
}
}
11.3.3.2 Modbus协议实现¶
功能描述：实现Modbus RTU和Modbus TCP协议，支持与主流PLC、HMI和SCADA系统对接。
时序图：
sequenceDiagram
participant Master as 上位机/Master
participant STM32 as STM32/Slave
participant Sensor as 传感器
Master->>STM32: Modbus TCP请求\n(读取保持寄存器)
STM32->>STM32: 解析功能码\n0x03读寄存器
STM32->>Sensor: 获取最新数据
Sensor-->>STM32: 返回传感器数据
STM32->>STM32: 组装响应帧
STM32-->>Master: Modbus TCP响应
11.3.4 项目实施要点¶
硬件选型： - 主控：STM32F407ZGT6（168MHz，192KB RAM，1MB Flash） - 传感器：DS18B20、DHT22、MPX5700、ACS712、光电编码器 - 通信模块：W5500（以太网）、MAX485（RS485） - 存储：SD卡（FATFS文件系统） - 时钟：DS3231（高精度RTC）
软件开发计划： 1. 第1-2周：硬件平台搭建与基础驱动开发 2. 第3-4周：FreeRTOS移植与多任务框架搭建 3. 第5-6周：传感器驱动与数据采集实现 4. 第7-8周：Modbus协议实现与通信调试 5. 第9-10周：数据存储与Web监控界面开发 6. 第11-12周：系统集成测试与性能优化
11.4 项目二：自主导航轮式机器人¶
11.4.1 项目背景¶
随着仓储物流、智能制造的快速发展，自主导航轮式机器人（AGV/AMR）的应用日益广泛。本项目设计实现一套室内自主导航轮式机器人系统，具备环境感知、路径规划、自主避障、精确定位等核心功能，可应用于物料搬运、巡检等场景。
工程价值： - 掌握移动机器人自主导航核心技术 - 理解多传感器融合与状态估计方法 - 提升机器人系统集成与调试能力 - 为后续研究SLAM、机器视觉等方向奠定基础
11.4.2 系统架构¶
graph TB
subgraph "感知层"
IMU[IMU惯性测量\nMPU6050]
US[超声波传感器\nHC-SR04 x8]
IR[红外传感器\nTCRT5000 x4]
ENC[光电编码器\nE6B2-CWZ6C]
CAM[摄像头\nOV2640]
end
subgraph "决策控制层"
STM32[STM32F407\n运动控制]
RPi[树莓派4B\n感知决策]
SLAM[SLAM定位\nGMapping]
PATH[路径规划\nA*/Dijkstra]
PID[PID控制\n速度/位置]
end
subgraph "执行层"
MOTOR_L[左电机驱动\nTB6612]
MOTOR_R[右电机驱动\nTB6612]
SERVO[舵机\n云台控制]
LED[状态指示\nLED灯带]
end
subgraph "交互层"
APP[手机APP\n远程控制]
RVIZ[RViz\n可视化监控]
JOYSTICK[摇杆\n手动控制]
end
IMU -->|姿态数据| STM32
US -->|距离数据| STM32
IR -->|近距检测| STM32
ENC -->|编码器计数| STM32
CAM -->|图像数据| RPi
STM32 <-->|串口通信| RPi
RPi --> SLAM
RPi --> PATH
STM32 --> PID
PID --> MOTOR_L
PID --> MOTOR_R
RPi --> SERVO
STM32 --> LED
RPi <-->|WiFi| APP
RPi <-->|ROS| RVIZ
STM32 <--> JOYSTICK
11.4.3 核心功能模块¶
11.4.3.1 差速驱动控制¶
功能描述：实现两轮差速驱动的速度闭环控制，支持机器人前进、后退、旋转等运动模式。
控制框图：
flowchart LR
Target[目标速度] --> Error[误差计算]
Encoder[编码器反馈] --> Error
Error --> PID[PID控制器]
PID --> PWM[PWM输出]
PWM --> Motor[电机驱动]
Motor --> Encoder
核心代码示例：
/* 电机速度控制结构体 */
typedef struct {
float target_speed; /* 目标速度 (rad/s) */
float current_speed; /* 当前速度 (rad/s) */
float Kp, Ki, Kd; /* PID参数 */
float integral; /* 积分项 */
float last_error; /* 上一次误差 */
int32_t last_encoder; /* 上一次编码器值 */
float output; /* PID输出 */
} Motor_Control_t;
Motor_Control_t motor_left, motor_right;
/* 速度PID控制计算 */
float PID_Calculate(Motor_Control_t *motor, float dt) {
float error = motor->target_speed - motor->current_speed;
float derivative;
/* 积分项（带抗饱和） */
motor->integral += error * dt;
if (motor->integral > INTEGRAL_MAX) motor->integral = INTEGRAL_MAX;
if (motor->integral < -INTEGRAL_MAX) motor->integral = -INTEGRAL_MAX;
/* 微分项 */
derivative = (error - motor->last_error) / dt;
/* PID输出 */
motor->output = motor->Kp * error +
motor->Ki * motor->integral +
motor->Kd * derivative;
/* 输出限幅 */
if (motor->output > PWM_MAX) motor->output = PWM_MAX;
if (motor->output < -PWM_MAX) motor->output = -PWM_MAX;
motor->last_error = error;
return motor->output;
}
/* 速度计算任务（100Hz） */
void SpeedCalculate_Task(void *argument) {
int32_t left_cnt, right_cnt;
float dt = 0.01f;
for (;;) {
/* 获取编码器计数 */
left_cnt = Encoder_GetLeftCount();
right_cnt = Encoder_GetRightCount();
/* 计算速度 (rad/s) */
motor_left.current_speed =
(float)(left_cnt - motor_left.last_encoder) * ENCODER_TO_RAD / dt;
motor_right.current_speed =
(float)(right_cnt - motor_right.last_encoder) * ENCODER_TO_RAD / dt;
/* 保存当前编码器值 */
motor_left.last_encoder = left_cnt;
motor_right.last_encoder = right_cnt;
osDelay(10);
}
}
/* 电机控制任务（1kHz） */
void MotorControl_Task(void *argument) {
float pwm_left, pwm_right;
for (;;) {
/* PID计算 */
pwm_left = PID_Calculate(&motor_left, 0.001f);
pwm_right = PID_Calculate(&motor_right, 0.001f);
/* 输出PWM */
Motor_SetPWM(LEFT_MOTOR, (int16_t)pwm_left);
Motor_SetPWM(RIGHT_MOTOR, (int16_t)pwm_right);
osDelay(1);
}
}
11.4.3.2 避障策略实现¶
功能描述：基于多传感器融合实现动态避障，支持静态障碍物规避和动态障碍物绕行。
超声波传感器布局：
graph TB
subgraph "机器人俯视图"
C[中心]
F[前\n0°]
FL[左前\n45°]
FR[右前\n45°]
L[左\n90°]
R[右\n90°]
BL[左后\n135°]
BR[右后\n135°]
B[后\n180°]
end
C --- F
C --- FL
C --- FR
C --- L
C --- R
C --- BL
C --- BR
C --- B
11.4.4 项目实施要点¶
硬件选型： - 运动控制：STM32F407ZGT6 - 上层决策：树莓派4B（4GB） - 电机：直流减速电机（12V，200rpm）x2 - 电机驱动：TB6612FNG x2 - 传感器：MPU6050（IMU）、HC-SR04（超声波x8）、光电编码器x2 - 电源：12V 5AH锂电池组
软件开发计划： 1. 第1-2周：机器人机械结构搭建与硬件连接 2. 第3-4周：电机驱动与速度闭环控制 3. 第5-6周：传感器驱动与数据融合 4. 第7-8周：ROS环境搭建与基础通信 5. 第9-10周：SLAM定位与路径规划 6. 第11-12周：系统集成与自主导航测试
11.5 项目三：智能家居中控系统¶
11.5.1 项目背景¶
智能家居是物联网技术的重要应用领域，通过将家庭设备互联互通，实现智能化控制和场景联动。本项目设计实现一套智能家居中控系统，支持多协议设备接入、场景自动化、语音控制、能耗管理等功能，为用户提供舒适、安全、节能的智能家居体验。
工程价值： - 掌握物联网多协议融合技术 - 理解智能家居系统架构设计 - 提升嵌入式+Linux全栈开发能力 - 探索AIoT在智能家居中的应用
11.5.2 系统架构¶
graph TB
subgraph "设备接入层"
Light[智能灯光\nWiFi/BLE]
Curtain[电动窗帘\nZigbee]
AC[空调控制\n红外]
Door[智能门锁\nNB-IoT]
Sensor[环境传感器\n温湿度/人体]
Camera[智能摄像头\nRTSP]
end
subgraph "中控网关层"
STM32[STM32H743\n实时控制]
RK3568[瑞芯微RK3568\nLinux主控]
Zigbee[Zigbee协调器\nCC2530]
BLE[蓝牙模块\nnRF52840]
IR[红外发射\nVS1838B]
end
subgraph "服务层"
MQTT_Broker[MQTT Broker\nEMQX]
DB[数据库\nSQLite/InfluxDB]
RuleEngine[规则引擎\nNode-RED]
Voice[语音服务\n离线ASR/TTS]
AI[AI推理\nTFLite]
end
subgraph "用户交互层"
Web[Web管理界面]
App[移动端APP\nFlutter]
VoiceCtrl[语音控制\n本地/云端]
Panel[触控面板\nLCD]
end
Light <-->|WiFi| RK3568
Curtain <-->|Zigbee| Zigbee
AC <-->|红外| IR
Door <-->|NB-IoT| RK3568
Sensor -->|BLE| BLE
Camera -->|RTSP| RK3568
Zigbee <-->|UART| STM32
BLE <-->|UART| STM32
IR <-->|GPIO| STM32
STM32 <-->|SPI| RK3568
RK3568 --> MQTT_Broker
RK3568 <--> DB
RK3568 --> RuleEngine
RK3568 --> Voice
RK3568 --> AI
MQTT_Broker <--> Web
MQTT_Broker <--> App
Voice <--> VoiceCtrl
RK3568 <--> Panel
11.5.3 核心功能模块¶
11.5.3.1 多协议设备接入¶
功能描述：支持WiFi、BLE、Zigbee、红外等多种协议设备的统一接入和管理。
核心代码示例（Zigbee协调器）：
/* Zigbee设备信息结构体 */
typedef struct {
uint16_t short_addr; /* 网络短地址 */
uint64_t ieee_addr; /* IEEE地址 */
uint8_t endpoint; /* 端点号 */
uint8_t device_type; /* 设备类型 */
char device_name[32]; /* 设备名称 */
uint8_t status; /* 在线状态 */
uint32_t last_seen; /* 最后在线时间 */
} Zigbee_Device_t;
#define MAX_DEVICES 32
Zigbee_Device_t device_list[MAX_DEVICES];
uint8_t device_count = 0;
/* Zigbee数据包接收处理 */
void Zigbee_ProcessPacket(uint8_t *data, uint16_t len) {
zigbee_packet_t *pkt = (zigbee_packet_t *)data;
switch (pkt->frame_type) {
case ZIGBEE_DEVICE_ANNCE:
/* 新设备加入 */
Zigbee_AddDevice(pkt);
break;
case ZIGBEE_REPORT_ATTR:
/* 设备属性上报 */
Zigbee_UpdateAttribute(pkt);
break;
case ZIGBEE_ZCL_COMMAND:
/* ZCL命令响应 */
Zigbee_HandleCommand(pkt);
break;
}
}
/* 发送控制命令到Zigbee设备 */
int Zigbee_SendControl(uint16_t short_addr, uint8_t endpoint,
uint8_t cluster, uint8_t command,
uint8_t *payload, uint8_t payload_len) {
zigbee_packet_t pkt;
pkt.frame_type = ZIGBEE_ZCL_COMMAND;
pkt.short_addr = short_addr;
pkt.endpoint = endpoint;
pkt.cluster = cluster;
pkt.command = command;
memcpy(pkt.payload, payload, payload_len);
pkt.payload_len = payload_len;
return Zigbee_SendPacket(&pkt);
}
/* 控制灯光开关 */
int Zigbee_ControlLight(uint16_t short_addr, bool on_off) {
uint8_t payload = on_off ? 0x01 : 0x00;
return Zigbee_SendControl(short_addr, 1,
ZCL_CLUSTER_ON_OFF,
ZCL_CMD_ON_OFF,
&payload, 1);
}
/* 控制窗帘位置 */
int Zigbee_ControlCurtain(uint16_t short_addr, uint8_t position) {
return Zigbee_SendControl(short_addr, 1,
ZCL_CLUSTER_WINDOW_COVERING,
ZCL_CMD_GOTO_LIFT_PERCENTAGE,
&position, 1);
}
11.5.3.2 场景自动化规则引擎¶
功能描述：基于规则引擎实现设备场景联动，支持时间触发、条件触发、手动触发等多种触发方式。
场景规则示例：
flowchart LR
Trigger[触发器] --> Condition{条件判断}
Condition -->|满足| Action[执行动作]
Condition -->|不满足| End[结束]
Action --> End
subgraph "触发器类型"
Time[时间触发\n7:00]
Sensor[传感器触发\n人体检测]
Manual[手动触发\nAPP/面板]
Voice[语音触发\n"回家模式"]
end
subgraph "条件类型"
Lux[照度条件\n< 100lux]
Temp[温度条件\n> 26°C]
TimeCond[时间条件\n工作日]
Presence[人员条件\n在家]
end
subgraph "动作类型"
LightOn[开灯\n客厅主灯]
AcOn[开空调\n制冷24°C]
CurtainOpen[开窗帘\n70%]
MusicOn[播放音乐\n背景音乐]
end
11.5.4 项目实施要点¶
硬件选型： - 实时控制：STM32H743VIT6（400MHz，1MB RAM，2MB Flash） - Linux主控：瑞芯微RK3568（四核A55，2GB RAM） - Zigbee协调器：CC2530 + PA - BLE模块：nRF52840 - 显示：7寸LCD电容触控屏（MIPI） - 存储：eMMC 32GB
软件开发计划： 1. 第1-2周：硬件平台搭建与系统启动 2. 第3-4周：Linux系统裁剪与驱动开发 3. 第5-6周：多协议设备接入驱动开发 4. 第7-8周：MQTT服务与规则引擎实现 5. 第9-10周：Web界面与移动端APP开发 6. 第11-12周：系统集成与场景测试
11.6 项目四：无人机飞控系统原型¶
11.6.1 项目背景¶
无人机技术在近年来取得了快速发展，在航拍、测绘、巡检、物流等领域得到广泛应用。飞控系统是无人机的核心，负责姿态稳定、导航控制、飞行模式管理等关键功能。本项目设计实现一套四旋翼无人机飞控系统原型，帮助学生深入理解无人机飞控的核心原理和实现方法。
工程价值： - 掌握多旋翼无人机飞控原理 - 理解多传感器融合与姿态解算 - 提升实时控制系统设计能力 - 为无人机相关研究奠定基础
11.6.2 系统架构¶
graph TB
subgraph "传感器层"
IMU[IMU\nICM-20602]
MAG[磁力计\nIST8310]
BARO[气压计\nMS5611]
GPS[GPS模块\nNEO-M8N]
RC[遥控接收机\nSBUS]
end
subgraph "飞控主控层"
STM32[STM32F427\n飞控主控]
FILTER[传感器滤波\n低通/卡尔曼]
AHRS[姿态解算\nEKF/互补滤波]
PID[PID控制器\n姿态/位置]
MIXER[混控器\n电机分配]
Failsafe[故障保护\n失控保护]
end
subgraph "执行层"
ESC1[电调1\nBLHeli_S]
ESC2[电调2\nBLHeli_S]
ESC3[电调3\nBLHeli_S]
ESC4[电调4\nBLHeli_S]
Motor1[电机1\n2204-2300KV]
Motor2[电机2\n2204-2300KV]
Motor3[电机3\n2204-2300KV]
Motor4[电机4\n2204-2300KV]
end
subgraph "数据链路层"
Telemetry[数传电台\n433MHz]
OSD[OSD模块\n视频叠加]
Blackbox[黑匣子\nFlash存储]
end
IMU -->|SPI| STM32
MAG -->|I2C| STM32
BARO -->|I2C| STM32
GPS -->|UART| STM32
RC -->|UART| STM32
STM32 --> FILTER
FILTER --> AHRS
AHRS --> PID
PID --> MIXER
MIXER --> ESC1 & ESC2 & ESC3 & ESC4
STM32 --> Failsafe
Failsafe --> MIXER
ESC1 --> Motor1
ESC2 --> Motor2
ESC3 --> Motor3
ESC4 --> Motor4
STM32 <--> Telemetry
STM32 --> OSD
STM32 --> Blackbox
11.6.3 核心功能模块¶
11.6.3.1 姿态解算（互补滤波）¶
功能描述：融合加速度计和陀螺仪数据，实现高精度的姿态角（俯仰、横滚、偏航）解算。
核心代码示例：
/* 姿态解算结构体 */
typedef struct {
float roll; /* 横滚角 (rad) */
float pitch; /* 俯仰角 (rad) */
float yaw; /* 偏航角 (rad) */
float gyro_bias_x; /* 陀螺仪零偏 X */
float gyro_bias_y; /* 陀螺仪零偏 Y */
float gyro_bias_z; /* 陀螺仪零偏 Z */
float Kp; /* 比例增益 */
float Ki; /* 积分增益 */
} AHRS_t;
AHRS_t ahrs;
/* 互补滤波姿态更新 */
void AHRS_Update(float ax, float ay, float az,
float gx, float gy, float gz,
float mx, float my, float mz,
float dt) {
float halfvx, halfvy, halfvz;
float halfex, halfey, halfez;
float qa, qb, qc;
/* 减去陀螺仪零偏 */
gx -= ahrs.gyro_bias_x;
gy -= ahrs.gyro_bias_y;
gz -= ahrs.gyro_bias_z;
/* 归一化加速度计数据 */
float norm = 1.0f / sqrtf(ax*ax + ay*ay + az*az);
ax *= norm;
ay *= norm;
az *= norm;
/* 归一化磁力计数据 */
norm = 1.0f / sqrtf(mx*mx + my*my + mz*mz);
mx *= norm;
my *= norm;
mz *= norm;
/* 四元数微分方程（仅陀螺仪） */
float q0 = ahrs.q0, q1 = ahrs.q1, q2 = ahrs.q2, q3 = ahrs.q3;
float q0dot = 0.5f * (-q1*gx - q2*gy - q3*gz);
float q1dot = 0.5f * ( q0*gx + q2*gz - q3*gy);
float q2dot = 0.5f * ( q0*gy - q1*gz + q3*gx);
float q3dot = 0.5f * ( q0*gz + q1*gy - q2*gx);
/* 计算重力向量在机体坐标系的估计 */
halfvx = q1*q3 - q0*q2;
halfvy = q0*q1 + q2*q3;
halfvz = q0*q0 - 0.5f + q3*q3;
/* 计算误差（加速度计测量 - 估计） */
halfex = (ay*halfvz - az*halfvy);
halfey = (az*halfvx - ax*halfvz);
halfez = (ax*halfvy - ay*halfvx);
/* 积分修正陀螺仪零偏 */
if (ahrs.Ki > 0.0f) {
ahrs.gyro_bias_x += ahrs.Ki * halfex * dt;
ahrs.gyro_bias_y += ahrs.Ki * halfey * dt;
ahrs.gyro_bias_z += ahrs.Ki * halfez * dt;
/* 应用比例修正 */
gx += ahrs.Kp * halfex;
gy += ahrs.Kp * halfey;
gz += ahrs.Kp * halfez;
}
/* 更新四元数 */
q0 += q0dot * dt;
q1 += q1dot * dt;
q2 += q2dot * dt;
q3 += q3dot * dt;
/* 归一化四元数 */
norm = 1.0f / sqrtf(q0*q0 + q1*q1 + q2*q2 + q3*q3);
ahrs.q0 = q0 * norm;
ahrs.q1 = q1 * norm;
ahrs.q2 = q2 * norm;
ahrs.q3 = q3 * norm;
/* 转换为欧拉角 */
ahrs.roll = atan2f(2.0f * (q0*q1 + q2*q3), 1.0f - 2.0f * (q1*q1 + q2*q2));
ahrs.pitch = asinf(2.0f * (q0*q2 - q3*q1));
ahrs.yaw = atan2f(2.0f * (q0*q3 + q1*q2), 1.0f - 2.0f * (q2*q2 + q3*q3));
}
11.6.3.2 姿态PID控制与混控¶
功能描述：实现姿态环PID控制，并将控制输出分配到四个电机。
四旋翼布局（X型）：
graph TB
subgraph "X型四旋翼布局"
M1[电机1\n前左\n逆时针]
M2[电机2\n前右\n顺时针]
M3[电机3\n后右\n逆时针]
M4[电机4\n后左\n顺时针]
C[中心\n飞控]
end
C --- M1
C --- M2
C --- M3
C --- M4
style M1 fill:#ff9999
style M2 fill:#99ff99
style M3 fill:#ff9999
style M4 fill:#99ff99
混控公式（X型）：
Motor1 = Throttle - Roll - Pitch + Yaw
Motor2 = Throttle + Roll - Pitch - Yaw
Motor3 = Throttle + Roll + Pitch + Yaw
Motor4 = Throttle - Roll + Pitch - Yaw
11.6.4 项目实施要点¶
硬件选型： - 飞控主控：STM32F427VIT6（168MHz，256KB RAM，1MB Flash） - IMU：ICM-20602（加速度计+陀螺仪） - 磁力计：IST8310 - 气压计：MS5611 - GPS：NEO-M8N - 电调：BLHeli_S 4in1（20A） - 电机：2204-2300KV无刷电机x4 - 机架：250mm四旋翼机架
软件开发计划： 1. 第1-2周：飞控硬件平台搭建与传感器驱动 2. 第3-4周：传感器滤波与姿态解算实现 3. 第5-6周：姿态PID控制与电机混控 4. 第7-8周：遥控接收与飞行模式实现 5. 第9-10周：故障保护与安全机制 6. 第11-12周：地面站联调与试飞测试
11.7 项目五：智能电力监控终端¶
11.7.1 项目背景¶
电力系统的安全稳定运行对国民经济至关重要，智能电力监控终端是实现电力系统自动化、智能化的关键设备。本项目设计实现一套智能电力监控终端，具备高精度电参数测量、谐波分析、故障录波、远程通信等功能，可广泛应用于配电网监测、工业用电管理、新能源并网等场景。
工程价值： - 掌握电力电子测量技术 - 理解信号处理与谐波分析方法 - 提升高精度采集系统设计能力 - 为电力系统相关研究奠定基础
11.7.2 系统架构¶
graph TB
subgraph "信号采集层"
VT[电压互感器\nPT]
CT[电流互感器\nCT]
SignalCond[信号调理电路\n滤波/偏置]
ADC[高速ADC\nADS8688\n16bit/500ksps]
end
subgraph "数据处理层"
STM32[STM32H750\n主控]
FPU[浮点运算\nFPU/DSP]
FFT[FFT变换\n谐波分析]
RMS[有效值计算\n电压/电流]
Energy[电能计量\n有功/无功]
FaultDetect[故障检测\n过压/过流]
end
subgraph "存储层"
Flash[Nor Flash\nW25Q256]
SD[SD卡\n故障录波]
RTC[实时时钟\nDS3231]
end
subgraph "通信层"
ETH[以太网\nW5500]
4G[4G模块\nEC200S]
LoRa[LoRa模块\nSX1262]
RS485[RS485\nModbus-RTU]
end
subgraph "交互层"
LCD[LCD显示\n3.5寸IPS]
LED[状态指示]
Key[按键\n本地操作]
Alarm[报警输出\n继电器]
end
VT --> SignalCond
CT --> SignalCond
SignalCond --> ADC
ADC -->|SPI| STM32
STM32 --> FPU
FPU --> FFT
FPU --> RMS
FPU --> Energy
STM32 --> FaultDetect
STM32 <--> Flash
STM32 <--> SD
STM32 <--> RTC
STM32 <--> ETH
STM32 <--> 4G
STM32 <--> LoRa
STM32 <--> RS485
STM32 --> LCD
STM32 --> LED
Key --> STM32
STM32 --> Alarm
11.7.3 核心功能模块¶
11.7.3.1 高精度电参数测量¶
功能描述：实现电压、电流、功率、电能等电参数的高精度测量。
核心代码示例：
/* 电参数测量结构体 */
typedef struct {
/* 电压参数 */
float voltage_rms; /* 电压有效值 (V) */
float voltage_thd; /* 电压总谐波畸变率 (%) */
/* 电流参数 */
float current_rms; /* 电流有效值 (A) */
float current_thd; /* 电流总谐波畸变率 (%) */
/* 功率参数 */
float active_power; /* 有功功率 (W) */
float reactive_power; /* 无功功率 (Var) */
float apparent_power; /* 视在功率 (VA) */
float power_factor; /* 功率因数 */
/* 电能参数 */
float active_energy; /* 有功电能 (kWh) */
float reactive_energy; /* 无功电能 (kVarh) */
/* 频率 */
float frequency; /* 电网频率 (Hz) */
} PowerParam_t;
PowerParam_t power_param;
#define SAMPLE_RATE 12800 /* 采样率 12.8kHz */
#define SAMPLES_PER_CYCLE 256 /* 每周期采样点数 (50Hz) */
/* 电参数计算 */
void PowerParam_Calculate(int16_t *adc_voltage, int16_t *adc_current, uint16_t samples) {
float sum_v2 = 0.0f, sum_i2 = 0.0f;
float sum_vi = 0.0f, sum_v = 0.0f, sum_i = 0.0f;
float v, i;
/* 计算均值 */
for (uint16_t n = 0; n < samples; n++) {
v = ADC_to_Voltage(adc_voltage[n]);
i = ADC_to_Current(adc_current[n]);
sum_v += v;
sum_i += i;
}
float mean_v = sum_v / samples;
float mean_i = sum_i / samples;
/* 计算有效值和功率 */
for (uint16_t n = 0; n < samples; n++) {
v = ADC_to_Voltage(adc_voltage[n]) - mean_v;
i = ADC_to_Current(adc_current[n]) - mean_i;
sum_v2 += v * v;
sum_i2 += i * i;
sum_vi += v * i;
}
/* 电压有效值 */
power_param.voltage_rms = sqrtf(sum_v2 / samples);
/* 电流有效值 */
power_param.current_rms = sqrtf(sum_i2 / samples);
/* 有功功率 */
power_param.active_power = sum_vi / samples;
/* 视在功率 */
power_param.apparent_power = power_param.voltage_rms * power_param.current_rms;
/* 功率因数 */
if (power_param.apparent_power > 0.1f) {
power_param.power_factor = power_param.active_power / power_param.apparent_power;
} else {
power_param.power_factor = 1.0f;
}
/* 无功功率 */
power_param.reactive_power =
sqrtf(power_param.apparent_power * power_param.apparent_power -
power_param.active_power * power_param.active_power);
}
/* 过零检测与频率计算 */
float Frequency_Calculate(int16_t *adc_voltage, uint16_t samples) {
static int16_t last_sample = 0;
static uint32_t last_cross_time = 0;
static float frequency = 50.0f;
for (uint16_t n = 1; n < samples; n++) {
/* 检测上升沿过零 */
if (last_sample < 0 && adc_voltage[n] >= 0) {
uint32_t current_time = osKernelGetTickCount();
uint32_t period = current_time - last_cross_time;
if (period > 15 && period < 25) { /* 40-66.7Hz范围 */
frequency = 1000.0f / period;
last_cross_time = current_time;
}
}
last_sample = adc_voltage[n];
}
return frequency;
}
11.7.3.2 FFT谐波分析¶
功能描述：基于FFT变换实现电压、电流的谐波分析，计算各次谐波含量和总谐波畸变率（THD）。
FFT处理流程：
flowchart LR
ADC[ADC采样] --> Window[加窗\n汉宁窗]
Window --> FFT[FFT变换]
FFT --> Magnitude[幅值计算]
Magnitude --> Harmonic[谐波提取\n2-50次]
Harmonic --> THD[THD计算]
THD --> Output[结果输出]
11.7.4 项目实施要点¶
硬件选型： - 主控：STM32H750VBT6（480MHz，1MB RAM，128KB Flash） - ADC：ADS8688（16位，8通道，500ksps） - 电压互感器：ZMPT107 - 电流互感器：ZMCT103C - 通信：W5500（以太网）、EC200S（4G）、SX1262（LoRa） - 显示：3.5寸IPS LCD（RGB接口） - 存储：W25Q256（Nor Flash）、SD卡
软件开发计划： 1. 第1-2周：硬件平台搭建与信号调理电路调试 2. 第3-4周：ADC驱动与数据采集实现 3. 第5-6周：电参数测量算法实现 4. 第7-8周：FFT谐波分析与故障录波 5. 第9-10周：通信协议与远程监控 6. 第11-12周：系统集成与精度校准
11.8 项目六：边缘计算视觉感知节点¶
11.8.1 项目背景¶
随着边缘计算和人工智能技术的发展，将AI推理部署在嵌入式边缘设备上成为趋势。边缘计算视觉感知节点将图像采集、预处理、AI推理、结果输出等功能集成在一个嵌入式设备上，具备低延迟、高隐私、低带宽等优势，可应用于工业视觉检测、智能安防、自动驾驶感知等领域。
工程价值： - 掌握边缘AI部署技术 - 理解模型轻量化与优化方法 - 提升计算机视觉嵌入式实现能力 - 探索AIoT在工业领域的应用
11.8.2 系统架构¶
graph TB
subgraph "图像采集层"
Camera[摄像头\nOV5640/IMX219]
MIPI[MIPI CSI接口]
ISP[ISP图像处理]
end
subgraph "预处理层"
Resize[图像缩放]
Normalize[归一化]
Crop[裁剪/填充]
ColorConvert[颜色空间转换]
end
subgraph "AI推理层"
NPU[NPU硬件加速\nRK3588/ETHOS-U]
TFLite[TensorFlow Lite Micro]
Detection[目标检测\nYOLO/Faster R-CNN]
Classification[图像分类]
Segmentation[语义分割]
end
subgraph "后处理层"
NMS[NMS非极大值抑制]
Decode[结果解码]
Filter[结果过滤]
Tracking[目标跟踪]
end
subgraph "输出层"
GPIO[GPIO控制\n报警/触发]
CAN[CAN总线\n数据上传]
ETH[以太网\n视频流]
LCD[LCD显示\n结果可视化]
end
subgraph "系统层"
Power[电源管理\n低功耗模式]
Storage[存储\n模型/日志]
Watchdog[看门狗\n异常恢复]
OTA[OTA升级]
end
Camera --> MIPI
MIPI --> ISP
ISP --> Resize
Resize --> Normalize
Normalize --> Crop
Crop --> ColorConvert
ColorConvert --> NPU
ColorConvert --> TFLite
NPU --> Detection
NPU --> Classification
NPU --> Segmentation
TFLite --> Detection
Detection --> NMS
Classification --> Decode
Segmentation --> Decode
NMS --> Filter
Decode --> Filter
Filter --> Tracking
Tracking --> GPIO
Tracking --> CAN
Tracking --> ETH
Tracking --> LCD
Power --> NPU
Storage --> NPU
Watchdog --> NPU
OTA --> Storage
11.8.3 核心功能模块¶
11.8.3.1 图像预处理¶
功能描述：实现图像采集、缩放、归一化等预处理操作，为AI推理准备输入数据。
核心代码示例：
/* 图像预处理结构体 */
typedef struct {
uint8_t *input_buf; /* 输入图像缓冲区 */
uint8_t *output_buf; /* 输出图像缓冲区 */
uint16_t input_width; /* 输入宽度 */
uint16_t input_height; /* 输入高度 */
uint16_t output_width; /* 输出宽度 */
uint16_t output_height; /* 输出高度 */
uint8_t input_format; /* 输入格式 */
uint8_t output_format; /* 输出格式 */
} ImagePreprocess_t;
ImagePreprocess_t preprocess;
/* 图像双线性插值缩放 */
void Image_ResizeBilinear(uint8_t *src, uint16_t src_w, uint16_t src_h,
uint8_t *dst, uint16_t dst_w, uint16_t dst_h) {
float x_ratio = (float)(src_w - 1) / dst_w;
float y_ratio = (float)(src_h - 1) / dst_h;
for (uint16_t y = 0; y < dst_h; y++) {
for (uint16_t x = 0; x < dst_w; x++) {
float src_x = x * x_ratio;
float src_y = y * y_ratio;
int x0 = (int)src_x;
int y0 = (int)src_y;
int x1 = x0 + 1;
int y1 = y0 + 1;
if (x1 >= src_w) x1 = src_w - 1;
if (y1 >= src_h) y1 = src_h - 1;
float dx = src_x - x0;
float dy = src_y - y0;
/* 双线性插值 */
for (int c = 0; c < 3; c++) {
float v00 = src[(y0 * src_w + x0) * 3 + c];
float v10 = src[(y0 * src_w + x1) * 3 + c];
float v01 = src[(y1 * src_w + x0) * 3 + c];
float v11 = src[(y1 * src_w + x1) * 3 + c];
float v0 = v00 * (1 - dx) + v10 * dx;
float v1 = v01 * (1 - dx) + v11 * dx;
float v = v0 * (1 - dy) + v1 * dy;
dst[(y * dst_w + x) * 3 + c] = (uint8_t)v;
}
}
}
}
/* 图像归一化 */
void Image_Normalize(uint8_t *src, float *dst,
uint16_t width, uint16_t height,
float mean[3], float std[3]) {
for (uint32_t i = 0; i < width * height; i++) {
for (int c = 0; c < 3; c++) {
float val = src[i * 3 + c] / 255.0f;
dst[i * 3 + c] = (val - mean[c]) / std[c];
}
}
}
/* 完整预处理流程 */
int Image_Preprocess(uint8_t *raw_image, float *model_input) {
uint8_t *resized_buf = (uint8_t *)malloc(preprocess.output_width *
preprocess.output_height * 3);
/* 1. 图像缩放 */
Image_ResizeBilinear(raw_image,
preprocess.input_width, preprocess.input_height,
resized_buf,
preprocess.output_width, preprocess.output_height);
/* 2. 归一化 */
float mean[3] = {0.485f, 0.456f, 0.406f};
float std[3] = {0.229f, 0.224f, 0.225f};
Image_Normalize(resized_buf, model_input,
preprocess.output_width, preprocess.output_height,
mean, std);
free(resized_buf);
return 0;
}
11.8.3.2 目标检测后处理¶
功能描述：实现NMS（非极大值抑制）等后处理算法，过滤重复检测框，输出最终检测结果。
目标检测流程：
flowchart LR
ModelOutput[模型输出] --> DecodeBoxes[解码边界框]
DecodeBoxes --> Confidence[置信度过滤]
Confidence --> NMS[NMS非极大值抑制]
NMS --> ClassFilter[类别过滤]
ClassFilter --> Output[输出检测结果]
11.8.4 项目实施要点¶
硬件选型： - 主控：瑞芯微RK3588（八核A76+A55，6TOPS NPU） - 摄像头：IMX219（800万像素，MIPI CSI） - 存储：eMMC 64GB + LPDDR4X 8GB - 显示：5寸MIPI LCD电容屏 - 通信：千兆以太网、WiFi6、蓝牙5.2 - 接口：GPIO、CAN、RS485、USB3.0
软件开发计划： 1. 第1-2周：硬件平台搭建与系统环境配置 2. 第3-4周：摄像头驱动与图像采集实现 3. 第5-6周：图像预处理算法优化 4. 第7-8周：AI模型转换与NPU部署 5. 第9-10周：后处理算法与结果输出 6. 第11-12周：系统集成与性能优化
11.9 本章总结¶
本章提供了6个具有实际工程应用背景的嵌入式系统实践项目，涵盖了工业物联网、移动机器人、智能家居、无人机飞控、电力监控、边缘计算视觉等多个热门应用领域。
项目特点回顾： 1. 工业现场数据采集与监控系统：聚焦Modbus协议、多传感器融合、实时数据处理 2. 自主导航轮式机器人：涵盖运动控制、SLAM定位、路径规划、自主避障 3. 智能家居中控系统：涉及多协议融合、规则引擎、嵌入式Linux开发 4. 无人机飞控系统原型：聚焦姿态解算、PID控制、多传感器融合 5. 智能电力监控终端：涵盖高精度测量、FFT谐波分析、故障录波 6. 边缘计算视觉感知节点：涉及图像预处理、NPU部署、目标检测
能力培养目标： - 系统设计能力：能够独立完成从需求分析到系统集成的完整流程 - 软硬件协同能力：掌握硬件选型、驱动开发、软件设计的协同优化 - 工程实践能力：具备解决实际工程问题的能力和调试经验 - 创新思维能力：能够在项目基础上进行功能扩展和技术创新
11.10 本章测验¶
Quiz results are saved to your browser's local storage and will persist between sessions.
1) 在工业现场数据采集与监控系统中，Modbus TCP协议的默认端口号是：
2) 四旋翼无人机X型布局中，电机1（前左）的混控公式是：
3) 在电力监控系统中，电压有效值的计算公式是：
4) 智能家居系统中，Zigbee协议的主要优势是：
5) 在边缘计算视觉感知节点中，图像预处理的归一化操作目的是：
6) 自主导航轮式机器人中，PID控制的三个参数分别对应：
7) 在无人机姿态解算中，互补滤波融合了哪些传感器数据？
8) 电力监控系统中，FFT变换主要用于：
9) 智能家居规则引擎中，场景联动的触发方式不包括：
10) 边缘计算相比云端计算的主要优势是：
Quiz Progress
0 / 0 questions answered (0%)
0 correct
本章参考资料：各项目相关技术手册、开源项目代码、嵌入式系统开发最佳实践文献。