1. 震动传感器与STM32的完美结合
作为一名嵌入式开发工程师，我最近完成了一个基于STM32的震动传感器项目，这个看似简单的组合在实际应用中却有着惊人的潜力。震动传感器在工业设备监测、安防系统、智能家居等领域都有广泛应用，而STM32作为业界广泛使用的微控制器，为震动检测提供了稳定可靠的硬件平台。
这个项目的核心在于如何将震动传感器的模拟信号转换为数字信号，并通过STM32进行处理和分析。不同于简单的开关量检测，我们需要捕捉震动的强度、频率和持续时间等多维度信息，这对硬件设计和软件算法都提出了更高要求。
2. 硬件设计与选型要点
2.1 震动传感器的选择
市面上常见的震动传感器主要分为以下几类：
- 机械式震动开关：成本低但精度差，只能检测是否有震动
- 压电式传感器：灵敏度高，频率响应范围广
- MEMS加速度计：集成度高，可检测多轴震动
对于大多数应用场景，我推荐使用压电式震动传感器，比如常见的SW-420模块。这种传感器价格适中（约5-15元），灵敏度可调，输出为模拟信号，能够反映震动强度变化。
注意：选择传感器时要考虑其频率响应范围是否覆盖你的应用场景。工业设备监测通常需要低频响应(1-100Hz)，而碰撞检测可能需要更高频率(>1kHz)。
2.2 STM32型号选择
STM32系列有多个子系列，对于震动检测项目，我建议：
- 基础应用：STM32F103C8T6（蓝色pill开发板）足够胜任
- 高性能需求：STM32F4系列，带硬件浮点运算单元
- 低功耗应用：STM32L系列
我本次项目使用的是STM32F103C8T6，它具备：
- 12位ADC（足够用于震动信号采集）
- 72MHz主频
- 丰富的定时器资源
- 成本低廉（约15-25元）
2.3 电路设计关键点
完整的硬件连接方案如下：
| 传感器引脚 | STM32连接 | 备注 |
|---|---|---|
| VCC | 3.3V | 建议使用LDO稳压 |
| GND | GND | 共地很重要 |
| DOUT | - | 数字输出，本项目不使用 |
| AOUT | PA0 | 接ADC输入通道0 |
特别要注意的是信号调理电路的设计。原始震动信号往往包含高频噪声，需要在ADC前加入低通滤波。我使用了一个简单的RC滤波器（R=10kΩ，C=100nF），截止频率约160Hz，这对大多数应用已经足够。
3. 软件实现与算法优化
3.1 开发环境搭建
我选择的是最常用的开发工具链：
- IDE：Keil MDK-ARM（也可用STM32CubeIDE）
- 调试器：ST-Link V2
- 库：HAL库（比标准库更易用）
安装步骤简要说明：
- 安装Keil MDK-ARM
- 安装STM32F1xx的Device Family Pack
- 安装ST-Link驱动
- 新建工程，选择正确的芯片型号
3.2 ADC采集配置
在STM32CubeMX中配置ADC的步骤：
- 启用ADC1
- 选择通道0（对应PA0）
- 配置为连续转换模式
- 设置采样时间为239.5周期（提高精度）
- 启用DMA传输（减少CPU开销）
关键代码片段：
c复制// ADC初始化
hadc1.Instance = ADC1;
hadc1.Init.ContinuousConvMode = ENABLE;
hadc1.Init.DMAContinuousRequests = ENABLE;
hadc1.Init.ExternalTrigConv = ADC_SOFTWARE_START;
HAL_ADC_Init(&hadc1);
// 启动ADC
HAL_ADC_Start_DMA(&hadc1, (uint32_t*)adc_buffer, BUFFER_SIZE);
3.3 震动检测算法
简单的阈值检测往往会产生大量误报，我采用了基于滑动窗口的智能检测算法：
- 基线校准：系统启动时采集5秒数据计算静态平均值
- 动态阈值：基线值 + 3倍标准差作为触发阈值
- 事件判定：
- 连续3个采样点超阈值才视为有效事件
- 最小事件间隔100ms（防抖）
算法实现代码：
c复制#define WINDOW_SIZE 50
#define THRESHOLD_MULTIPLIER 3
float baseline = 0;
float std_dev = 0;
uint32_t event_count = 0;
void process_adc_data(uint16_t *data, uint32_t size) {
static float window[WINDOW_SIZE];
static uint32_t index = 0;
// 更新滑动窗口
window[index] = (float)data[0];
index = (index + 1) % WINDOW_SIZE;
// 计算统计量
float sum = 0, sum_sq = 0;
for(int i=0; i<WINDOW_SIZE; i++) {
sum += window[i];
sum_sq += window[i] * window[i];
}
float mean = sum / WINDOW_SIZE;
float variance = (sum_sq / WINDOW_SIZE) - (mean * mean);
// 检测事件
if(fabs(data[0] - mean) > THRESHOLD_MULTIPLIER * sqrt(variance)) {
event_count++;
if(event_count >= 3) {
trigger_vibration_event();
event_count = 0;
}
} else {
event_count = 0;
}
}
4. 实际应用与性能优化
4.1 灵敏度校准方法
在实际部署中，传感器灵敏度需要根据现场环境调整。我设计了一套校准流程：
- 将传感器安装在目标位置
- 通过串口发送校准命令："CALIBRATE 10"（10秒校准时间）
- 系统自动计算环境噪声特征
- 保存参数到Flash
校准结果可以通过OLED显示屏实时显示，包括：
- 当前震动强度
- 基线值
- 触发阈值
- 历史事件计数
4.2 低功耗优化技巧
对于电池供电的应用，功耗优化至关重要：
- 采用中断唤醒：配置加速度计的中断引脚连接STM32的EXTI
- 使用STOP模式：震动事件间隔较长时，进入低功耗模式
- 动态采样率：无事件时降低采样率，检测到震动后提高采样率
- 电源管理：使用MOSFET控制传感器电源，非采样时段断电
实测优化后的系统，在1分钟一次事件的场景下，2000mAh电池可工作约6个月。
4.3 抗干扰设计
工业环境中电磁干扰严重，我总结了以下抗干扰措施：
-
硬件层面：
- 传感器信号线使用双绞线
- 在ADC输入端加入TVS二极管
- 电源端加入π型滤波
-
软件层面：
- 采用中值滤波预处理数据
- 实现自适应基线跟踪算法
- 增加频域分析（FFT）区分振动类型
5. 扩展应用与进阶方向
5.1 多传感器融合
单一震动传感器的信息有限，可以考虑：
- 三轴加速度计：MPU6050等，获取更丰富的震动信息
- 环境传感器：温湿度传感器，关联环境变化与设备状态
- 声音传感器：结合声纹分析提高故障检测准确率
5.2 无线传输方案
对于分布式监测系统，可以集成：
- LoRa：SI4432模块，适合远距离低功耗传输
- NB-IoT：BC95模块，直接连接蜂窝网络
- Wi-Fi：ESP8266作为协处理器
我最近尝试的LoRa方案，在厂区环境下可实现500米以上的可靠传输。
5.3 机器学习应用
在STM32上实现简单的机器学习算法：
-
特征提取：
- 时域：均值、方差、峰值
- 频域：FFT主频、谐波分量
-
分类算法：
- 实现KNN算法区分正常振动与异常振动
- 使用TensorFlow Lite for Microcontrollers部署预训练模型
虽然STM32资源有限，但经过优化的算法可以实时运行。我在F407芯片上实现了95%准确率的轴承故障分类。