1. 项目概述：当STM32遇上AI按摩椅
去年帮学弟调试毕业设计时，他拿着块STM32开发板愁眉苦脸："学长，大家都用STM32做智能车、温湿度计，我这选题毫无新意啊"。当时我正用ESP32做语音识别实验，突然想到：如果把STM32的精准控制能力与AI的情绪识别结合，不就能做出有差异化的项目了吗？这个灵感冒出来后，我们花了三周时间捣鼓出了这个"会察言观色的按摩椅"原型。
这个系统的核心价值在于：传统按摩设备需要手动选择模式，而我们的方案能通过语音情绪自动判断用户状态。当你说"最近压力好大"时，ESP32会识别出焦虑情绪，STM32随即启动深层敲击模式；当检测到"有点累了"的疲惫语气，则切换为舒缓震动模式。这种"情感感知-物理反馈"的闭环，正是AI+嵌入式最有魅力的结合点。
2. 硬件架构设计
2.1 双核协同方案选型
市面上常见的AI开发板大致分三类：
- 纯STM32方案（如F407）：控制能力强但AI算力不足
- 纯ESP32方案：AI能力优秀但PWM精度较差
- 树莓派方案：性能过剩且实时性不佳
最终选择华清远见F103&ESP32-S3双核板，主要基于三点考量：
- 成本控制：学生党预算有限（整套含电机<500元）
- 功能互补：ESP32的WiFi/BLE和语音识别 + STM32的8路PWM精准控制
- 开发便利：板载麦克风和电机驱动接口，省去大量外设调试时间
硬件选型心得：早期用过ESP32单独驱动电机，发现PWM在负载变化时会出现抖动。后来改用STM32的TIM3硬件PWM后，电机转速稳定性提升明显，这印证了"让专业芯片做专业事"的设计哲学。
2.2 关键外设连接图
code复制[ESP32-S3]
│
├─I2S─麦克风(INMP441)
│
├─UART─STM32F103(USART1)
│
└─WiFi─云平台(可选)
[STM32F103]
│
├─TIM3_CH2─震动电机(PC7)
│
├─USART1─ESP32
│
└─I2C─OLED显示屏(SSD1306)
电机驱动部分特别需要注意：
- 选用6V直流偏心轮电机（型号：JG-1806H）
- 必须加装MOSFET驱动电路（我用的是IRLZ44N）
- 并联续流二极管防止反电动势损坏MCU
3. 核心功能实现
3.1 情绪识别模块
在ESP32端实现基于关键词的情绪分类：
python复制# 情绪关键词库
emotion_dict = {
'stress': ['压力','紧张','好烦'],
'tired': ['累','困','疲惫'],
'sad': ['难过','伤心','郁闷']
}
def detect_emotion(text):
for emotion, keywords in emotion_dict.items():
if any(keyword in text for keyword in keywords):
return emotion
return None
实际测试中发现三个优化点：
- 中文需要先做分词处理（推荐结巴分词）
- 加入语气词权重（如"好累啊"比"有点累"程度更强）
- 设置情绪强度阈值，避免误触发
3.2 双机通信协议
自定义的9字节串口协议格式：
| 字节位 | 含义 | 示例值 |
|---|---|---|
| 0 | 帧头 | 0xAA |
| 1 | 指令类型 | 0x21(电机控制) |
| 2-5 | 数据域 | 强度值(0-100) |
| 6-7 | 校验和 | CRC16 |
| 8 | 帧尾 | 0x55 |
STM32端接收处理逻辑：
c复制void USART1_IRQHandler() {
static uint8_t rx_buf[9], idx=0;
if(USART_GetITStatus(USART1, USART_IT_RXNE)) {
rx_buf[idx++] = USART_ReceiveData(USART1);
if(idx>=9 && rx_buf[0]==0xAA && rx_buf[8]==0x55){
if(check_crc(rx_buf)) process_cmd(rx_buf);
idx = 0;
}
}
}
3.3 电机控制算法
根据情绪类型生成不同的PWM波形：
- 压力模式：50Hz方波（占空比70%）
- 疲劳模式：30Hz正弦波（渐变占空比）
- 悲伤模式：随机间隔脉冲（模拟拍打）
TIM3配置代码关键点：
c复制void PWM_Init() {
TIM_TimeBaseInitTypeDef TIM_TimeBaseStructure;
TIM_OCInitTypeDef TIM_OCInitStructure;
RCC_APB1PeriphClockCmd(RCC_APB1Periph_TIM3, ENABLE);
TIM_TimeBaseStructure.TIM_Period = 999; // 1kHz
TIM_TimeBaseStructure.TIM_Prescaler = 71; // 72MHz/72=1MHz
TIM_TimeBaseInit(TIM3, &TIM_TimeBaseStructure);
TIM_OCInitStructure.TIM_OCMode = TIM_OCMode_PWM1;
TIM_OCInitStructure.TIM_OutputState = TIM_OutputState_Enable;
TIM_OCInitStructure.TIM_Pulse = 700; // 初始占空比70%
TIM_OC2Init(TIM3, &TIM_OCInitStructure);
TIM_Cmd(TIM3, ENABLE);
}
4. 典型问题排查实录
4.1 电机启动异常
现象：上电后电机抖动但不转动
排查过程：
- 用万用表测量PC7脚电压 - 正常（3.3V）
- 检查MOSFET栅极电压 - 始终为0V
- 发现驱动电阻焊错（应为100Ω焊成10kΩ）
解决方案：更换电阻后增加栅极加速电容
4.2 语音识别延迟
现象：说完指令后2-3秒才有反应
优化步骤：
- 将ESP32的WiFi模式改为STA（节省扫描时间）
- 禁用不必要的BLE服务
- 优化词库匹配算法（改用Trie树结构）
最终延迟降至800ms以内
4.3 串口通信丢包
现象：偶尔收不到完整数据帧
改进方案：
- 在STM32端启用DMA接收
- 添加软件超时重传机制
- 将波特率从115200降为57600（实测更稳定）
5. 项目进阶方向
目前正在尝试的三个扩展方案：
- 云端情绪分析：把语音数据上传至云平台做更复杂的情绪识别（测试了百度语音情感识别API，但延迟较高）
- 多电机协同：用STM32的4个定时器控制不同部位电机
- 学习用户偏好：在ESP32上实现简单的强化学习算法，记录用户对不同模式的反馈评分
这个项目最让我惊喜的是答辩时的效果——当演示到系统识别出"答辩好紧张"并自动启动按摩时，连评委老师都笑出了声。或许技术项目的最高境界，就是让冷硬的电路板也能传递温度吧。