STM32多传感器火灾监控系统设计与实现

1. 项目概述：基于STM32的火灾监控系统设计

这个基于STM32的火灾监控与可视化系统是我去年指导的一个本科毕业设计项目，从实际应用效果来看，它确实解决了传统火灾报警系统的一些痛点。系统采用STM32F103C8T6作为主控芯片，通过多传感器融合技术实现对火灾隐患的早期预警。相比市面上常见的单一烟雾报警器，我们这个设计有三个显著优势：

首先，系统同时监测烟雾浓度（MQ-2传感器）、PM2.5颗粒物（GP2Y1010AU0F）和环境温度（DS18B20），通过多参数交叉验证大幅降低了误报率。在实际测试中，当有人在传感器附近吸烟时，单纯的烟雾传感器会产生误报，而我们的系统通过PM2.5浓度和温度变化的综合判断，能够有效区分真实火情和日常干扰。

其次，系统创新性地采用了双模通信设计。常规方案通常只使用WiFi模块（ESP8266）进行数据传输，我们在硬件设计时预留了NB-IoT模块接口。当WiFi网络不可用时，系统可以自动切换到NB-IoT网络，确保报警信息能够可靠传输。这个设计思路来源于实际工程经验——很多火灾现场的第一时间网络连接往往不稳定。

最后，可视化监控界面采用PyQt5开发，不仅显示实时数据，还具备历史数据存储和分析功能。上位机软件可以设置多级报警阈值，当检测值超过一级阈值时发出预警，超过二级阈值时自动触发声光报警并发送短信通知。这种分级报警机制在实际应用中非常实用，避免了频繁的误报警扰民问题。

2. 硬件设计详解与选型考量

2.1 主控芯片选型与电路设计

选择STM32F103C8T6作为主控芯片主要基于三点考虑：首先是性价比，这款Cortex-M3内核的MCU价格约10元，却拥有72MHz主频和丰富的外设接口；其次是开发资源丰富，标准库和HAL库都很成熟；最后是引脚数量（48pin）刚好满足我们的需求。

电源电路设计时特别要注意传感器的供电稳定性。系统采用AMS1117-3.3V稳压芯片为STM32和数字传感器供电，而模拟传感器（MQ-2）则需要单独的5V供电。我们在PCB布局时将模拟和数字地分开，最后通过0Ω电阻单点连接，有效降低了信号干扰。

关键提示：MQ-2传感器需要预热5-10分钟才能稳定工作，硬件设计时建议增加电源指示灯，方便观察传感器状态。

2.2 传感器模块设计与信号调理

烟雾检测采用MQ-2半导体传感器，其输出电压随烟雾浓度变化。为了提升检测精度，我们设计了专门的信号调理电路：

1. 一级放大：采用LM358运放构成同相放大器，增益设置为11倍（Rf=100kΩ，Rg=10kΩ）
2. 低通滤波：截止频率设为10Hz的二阶有源滤波器，消除高频干扰
3. 电压跟随：最后加一级电压跟随器提高带载能力

PM2.5传感器选用夏普GP2Y1010AU0F，其输出为模拟电压信号。由于该传感器需要外部提供脉冲驱动，我们使用STM32的TIM3产生周期为10ms的PWM波来控制LED光源。

温度传感器采用DS18B20数字传感器，单总线接口节省IO资源。实际布线时要注意上拉电阻（4.7kΩ）尽量靠近传感器放置，总线长度不宜超过20米。

2.3 通信接口设计

WiFi模块选用ESP8266-01S，通过串口与STM32通信。硬件连接需要注意三点：

1. 电平转换：ESP8266工作电压为3.3V，需要通过电平转换芯片（如TXS0108E）与STM32的5V TTL接口连接
2. 复位电路：模块的EN引脚需接10kΩ上拉电阻，CH_PD引脚通过按键接地可实现硬件复位
3. 天线布局：模块PCB天线周围要留出足够的净空区，避免金属元件影响信号质量

为扩展NB-IoT功能，我们预留了BC95模块的接口位置，采用SIM卡座设计支持可更换物联网卡。通信模块的电源输入端都增加了100μF钽电容，确保瞬间大电流时的电压稳定。

3. 软件架构与关键算法实现

3.1 系统软件框架设计

软件采用分层架构设计，分为驱动层、中间层和应用层：

code复制├── 驱动层
│   ├── sensor_driver（传感器驱动）
│   ├── wifi_driver（通信驱动）
│   └── display_driver（显示驱动）
├── 中间层  
│   ├── data_filter（数据滤波）
│   ├── alarm_logic（报警逻辑）
│   └── protocol（通信协议）
└── 应用层
    ├── main_task（主任务）
    ├── monitor_task（监控任务）
    └── comm_task（通信任务）

FreeRTOS实时操作系统管理任务调度，三个主要任务优先级设置如下：

• 监控任务（最高优先级）：实时采集传感器数据
• 通信任务（中等优先级）：处理数据传输
• 显示任务（低优先级）：更新LCD界面

3.2 数据采集与处理算法

传感器数据采集采用定时中断触发方式，每100ms采集一次。为提高数据可靠性，我们实现了三重滤波算法：

1. 硬件滤波：传感器信号先经过硬件RC滤波（f_cutoff=10Hz）
2. 软件滑动平均：窗口大小设为5，消除瞬时干扰
3. 中值滤波：取最近10次数据的中值作为最终结果

火灾判断算法采用多条件融合策略：

c复制#define SMOKE_THRESHOLD  800  // 烟雾ADC阈值
#define PM25_THRESHOLD   150  // PM2.5浓度阈值
#define TEMP_THRESHOLD   60   // 温度阈值(℃)

uint8_t check_fire_alarm(void)
{
    // 条件1：烟雾和PM2.5同时超阈值
    if((smoke_adc > SMOKE_THRESHOLD) && (pm25_value > PM25_THRESHOLD)) 
        return 1;
    
    // 条件2：温度骤升检测（5分钟内上升超过15℃）
    if((current_temp - last_temp) > 15) 
        return 2;
        
    // 条件3：烟雾浓度持续升高
    if(smoke_increase_rate > 50) 
        return 3;
        
    return 0; // 无火警
}

3.3 通信协议设计

上下位机通信采用自定义的轻量级协议，帧格式如下：

常用命令字定义：

• 0x01：上传传感器数据
• 0x02：设置报警阈值
• 0x03：手动触发报警
• 0x04：切换工作模式

数据上传示例（烟雾值+温度+PM2.5）：

c复制void send_sensor_data(void)
{
    uint8_t buf[12];
    buf[0] = 0xAA;  // 帧头
    buf[1] = 0x55;
    buf[2] = 0x01;  // 命令字
    buf[3] = 6;     // 数据长度
    
    // 烟雾值（2字节）
    buf[4] = smoke_adc >> 8;
    buf[5] = smoke_adc & 0xFF;
    
    // 温度值（2字节，实际值×10）
    int16_t temp = current_temp * 10;
    buf[6] = temp >> 8;
    buf[7] = temp & 0xFF;
    
    // PM2.5值（2字节）
    buf[8] = pm25_value >> 8;
    buf[9] = pm25_value & 0xFF;
    
    // 计算校验和
    buf[10] = 0;
    for(int i=0; i<10; i++)
        buf[10] += buf[i];
    buf[10] = ~buf[10];
    
    // 发送数据
    USART_SendData(USART2, buf, 11);
}

4. 系统实现与调试经验

4.1 开发环境搭建

软件开发使用Keil MDK-ARM V5，关键配置步骤如下：

1. 安装STM32F1xx_DFP芯片支持包
2. 创建工程时选择"STM32F103C8"器件
3. 配置调试工具为ST-Link，设置SWD接口
4. 在Options→Target中勾选"Use MicroLIB"以减小代码体积
5. 配置FreeRTOS内核，设置堆大小为4KB

硬件调试推荐工具：

• 逻辑分析仪（Saleae）：用于分析SPI/I2C通信
• 串口调试助手（SSCOM）：查看WiFi模块AT指令交互
• J-Link EDU：支持实时变量监控和断点调试

4.2 常见问题与解决方案

问题1：MQ-2传感器输出不稳定

• 现象：上电初期输出波动大，预热后仍有小幅跳动
• 解决方案：
  1. 硬件上在输出端并联0.1μF电容
  2. 软件中增加30秒的预热延时
  3. 采用动态基线校准算法：

c复制void dynamic_calibration(void)
{
    static uint16_t baseline = 0;
    if(baseline == 0) {
        baseline = get_adc_value();
    } else {
        baseline = baseline * 0.9 + get_adc_value() * 0.1;
    }
    current_value = get_adc_value() - baseline;
}

问题2：ESP8266频繁断连

• 现象：WiFi连接不稳定，平均每10分钟断开一次
• 排查过程：
  1. 先用AT+PING命令测试网络延迟（应<100ms）
  2. 检查电源电压波动（示波器观察3.3V纹波应<50mV）
  3. 测试信号强度（AT+CWJAP?查看RSSI应>-70dBm）
• 最终解决方案：
  1. 在电源端增加470μF电解电容
  2. 修改软件增加心跳包机制（每30秒发送0x00命令）
  3. 设置断线自动重连（最多重试3次）

问题3：LCD显示残影

• 现象：屏幕刷新时出现上一帧内容残留
• 解决方法：
  1. 在每次刷新前先清屏（发送全屏空白数据）
  2. 降低SPI时钟频率（从18MHz降至8MHz）
  3. 在LCD背光电路串联10Ω电阻减小电流冲击

4.3 上位机开发要点

Python上位机采用PyQt5框架，主要功能模块包括：

1. 网络通信类（TCPClient）
2. 数据解析线程（QThread）
3. 实时曲线显示（QCustomPlot）
4. 数据库存储（SQLite）

关键代码片段——数据接收线程：

python复制class RecvThread(QThread):
    data_signal = pyqtSignal(dict)
    
    def __init__(self, socket):
        super().__init__()
        self.socket = socket
        self.running = True
        
    def run(self):
        while self.running:
            try:
                data = self.socket.recv(1024)
                if data:
                    parsed = self.parse_data(data)
                    self.data_signal.emit(parsed)
            except Exception as e:
                print("Recv error:", e)
                break
                
    def parse_data(self, raw):
        # 解析AA 55开头的协议数据
        if raw[0]==0xAA and raw[1]==0x55:
            return {
                'smoke': (raw[4]<<8) + raw[5],
                'temp': ((raw[6]<<8) + raw[7]) / 10.0,
                'pm25': (raw[8]<<8) + raw[9]
            }
        return None

界面设计使用Qt Designer，两个重要优化点：

1. 使用QSS样式表美化界面：

css复制QFrame#mainFrame {
    background: qlineargradient(x1:0, y1:0, x2:1, y2:1,
                stop:0 #2b5876, stop:1 #4e4376);
    border-radius: 15px;
}
QLabel {
    color: white;
    font: 12pt "Microsoft YaHei";
}

2. 实时曲线采用双缓冲技术防止闪烁：

python复制class RealTimePlot(QCustomPlot):
    def __init__(self):
        super().__init__()
        self.setupUi()
        self.timer = QTimer()
        self.timer.timeout.connect(self.update_plot)
        self.timer.start(200)  # 200ms刷新间隔
        
    def setupUi(self):
        self.setBackground(QBrush(QColor(40,40,40)))
        # X轴为时间轴
        now = QDateTime.currentDateTime()
        self.xAxis.setRange(now.addSecs(-60).toTime_t(), 
                           now.toTime_t())
        # 添加三条曲线
        self.addGraph()
        self.graph(0).setPen(QPen(Qt.red))
        # ...其他曲线初始化

5. 项目优化与扩展方向

在实际部署测试中，我们发现系统还有以下可改进空间：

1. 低功耗优化：当前连续工作电流约120mA，可通过以下方式降低：

   • 使用STM32的STOP模式，间隔唤醒（每5秒采集一次）
   • 传感器供电改为MOS管控制，采样时才上电
   • 选用低功耗WiFi模块（如ESP32的Deep-sleep模式）

2. 多节点组网：扩展为分布式监测系统

   • 硬件上增加LoRa模块（如SX1278）
   • 软件实现Mesh网络协议，支持中继转发
   • 上位机显示多个节点位置和状态

3. AI火灾预测：增加早期预警功能

   • 采集历史数据训练LSTM神经网络
   • 在边缘端实现简单的趋势预测
   • 当预测值超过阈值时提前预警

一个实用的扩展案例是增加摄像头联动功能：

python复制# 当检测到火警时自动拍照并上传
def fire_alarm_callback():
    cap = cv2.VideoCapture(0)
    ret, frame = cap.read()
    if ret:
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        filename = f"fire_{timestamp}.jpg"
        cv2.imwrite(filename, frame)
        upload_to_ftp(filename)
    cap.release()

这个项目从选题到实现共耗时3个月，期间经历了多次方案调整。最大的收获是认识到嵌入式系统开发必须兼顾硬件和软件的协同优化。比如最初版本的功耗问题，单纯靠软件优化只能降低10%功耗，后来结合硬件修改（如增加电源开关电路）才实现大幅改善。