基于ESP32的智能衣柜物联网系统设计与实现

1. 项目概述：当传统衣柜遇上物联网技术

每次换季整理衣柜时，你是否也经历过"明明有衣服却找不到"的尴尬？三年前我帮妻子改造传统衣柜时，意外发现这个痛点远比想象中普遍。通过给衣柜加装传感器和控制系统，我们不仅实现了衣物数字化管理，还能自动调节存储环境——这就是智能衣柜系统的雏形。

这个基于ESP32的物联网系统，核心在于用硬件感知+云端管理重构传统储物场景。通过重量传感器记录衣物存取，温湿度模块监测环境数据，配合手机APP就能远程查看衣柜状态。最实用的功能是"衣物定位"——输入要找的连衣裙，APP会亮起对应的储物格LED灯。毕业设计选择这个方向，正是因为其兼具技术创新和生活实用性。

2. 系统架构设计解析

2.1 硬件层：传感器选型与布局

主控选用ESP32-C3而非传统Arduino，看中的是其内置Wi-Fi/蓝牙双模和RISC-V架构的低功耗特性（实测待机电流仅8μA）。每个储物格底部安装HX711模块配合薄膜压力传感器，精度可达±10g，足以检测单件T恤的存取。

环境监测采用SHT30温湿度传感器，其±2%RH的精度比DHT11高出一个数量级。为准确反映不同区域的微环境，我在衣柜顶部、中部和背板各部署一个监测点，通过I2C总线级联。曾尝试用摄像头做衣物识别，后发现普通RGB摄像头在弱光环境下误判率高，最终改用RFID标签方案——每件衣物缝制硬币大小的无源标签，通过间距5cm的天线阵列定位。

2.2 通信协议设计

在Wi-Fi和蓝牙Mesh间做过对比测试：普通公寓环境下，2.4GHz Wi-Fi穿墙后信号衰减达12dB，而蓝牙Mesh通过中继节点可将传输距离延伸至15米。最终采用混合方案：柜内传感器用蓝牙Mesh组网，网关设备通过Wi-Fi连接云端。为降低功耗，所有终端设备采用事件触发式通信，静止状态下每小时仅发送1次心跳包。

MQTT协议选用3.1.1版本，设置QoS=1保证消息必达。遇到过Wi-Fi频繁重连的问题，后通过以下配置优化：

cpp复制// ESP32 Wi-Fi配置优化
WiFi.setSleep(false);  // 禁用睡眠模式
WiFi.setTxPower(WIFI_POWER_19_5dBm); // 提高发射功率

2.3 云端服务架构

放弃直接使用公有云IoT平台，选择自建MQTT broker（Mosquitto）+时序数据库（InfluxDB）组合。这样做的优势是能自定义数据存储策略，比如设置温湿度数据保留365天，而开关门事件只保留30天。前端采用Vue.js+ECharts构建的管理后台，关键代码如下：

javascript复制// 衣物存取频率热力图渲染
this.chart.setOption({
  series: [{
    type: 'heatmap',
    data: this.formatData(weightSensorHistory),
    itemStyle: { opacity: 0.8 }
  }]
});

3. 核心功能实现细节

3.1 动态重量校准算法

初始方案直接读取HX711原始值，发现不同位置放置相同衣物时读数差异可达15%。通过引入动态校准系数矩阵解决该问题：

1. 在每个储物格均匀放置500g砝码，记录9个测试点的ADC值
2. 计算位置补偿系数k=标准值/实测值
3. 实际测量时应用公式：W_corrected = k(x,y) * W_raw

实测显示校准后误差降至3%以内。存储校准数据时需要注意：ESP32的NVS存储区有擦写次数限制，应避免频繁写入。我们采用"首次校准+手动触发重校准"的策略。

3.2 衣物推荐引擎

基于历史存取数据构建衣物使用特征向量，包含：

• 季节系数（夏季服装在7月权重+0.2）
• 最近使用频率（LRU算法）
• 搭配关联度（西装裤与衬衫的共现次数）

用余弦相似度计算推荐得分，前端展示时特别处理了连续多天未使用的衣物（标记为"可能遗忘"）。曾尝试用TensorFlow Lite做图像风格分类，后发现嵌入式设备推理耗时过长（>800ms），改用预先标记的品类标签。

3.3 环境智能调节

当检测到湿度持续>65%时，系统会：

1. 启动衣柜顶部的PTC加热器（50℃恒温）
2. 通过蓝牙Mesh广播唤醒所有除湿盒的半导体冷凝模块
3. 向APP推送提醒："检测到高湿度，已开启防潮模式"

温度控制采用PID算法，参数整定过程发现衣柜这类大惯性系统需要特别设置：

python复制# PID参数经验值
Kp = 2.0  # 比例系数较常规系统降低
Ki = 0.05 # 积分时间延长
Kd = 8.0  # 微分作用增强

4. 开发中的典型问题与解决方案

4.1 传感器数据漂移

现象：连续运行72小时后，重量传感器出现±50g的零点漂移。排查发现是HX711芯片温度特性导致，解决方案：

• 在初始化时读取环境温度T0
• 每次测量前读取当前温度T1
• 应用温度补偿公式：ΔW=0.05*(T1-T0)^2

4.2 蓝牙Mesh组网不稳定

测试中发现边缘节点时有掉线，通过以下措施改善：

1. 修改网络拓扑为"星形+中继"混合结构
2. 将广播间隔从100ms调整为300ms
3. 添加信号强度RSSI监测，低于-85dBm时触发路由切换

4.3 云端数据同步冲突

多设备同时操作时出现状态不一致，最终采用操作日志+版本号的解决方案：

1. 每个修改操作生成带时间戳的日志项
2. 本地保存最后同步版本号lastSyncedVersion
3. 同步时上传lastSyncedVersion，服务端返回所有新版本日志

5. 系统优化与实测数据

经过三个月的迭代，关键指标达到：

• 重量检测平均误差：±2.8%（校准后）
• 温湿度采样精度：±0.3℃/±1.5%RH
• 云端指令延迟：Wi-Fi环境下<300ms
• 整机待机功耗：0.15W（约合年耗电1.3度）

在衣物查找效率测试中，与传统衣柜对比：

功耗优化方面，通过以下策略使电池续航提升3倍：

1. 将温湿度采样间隔从5分钟调整为10分钟
2. 重量传感器采用中断唤醒模式
3. 蓝牙广播包长度压缩至31字节

这套系统最让我意外的收获是发现了衣物使用规律：用户实际常穿的衣物只占总数量的28%，剩余72%的衣物年均使用次数不足5次。这为后续开发"智能衣橱精简建议"功能提供了数据基础。