1. 项目概述：基于STM32的智能火灾监控系统设计
这个毕业设计项目构建了一套完整的火灾监控与可视化系统，以STM32F103系列单片机作为核心控制器。系统通过多传感器协同工作，实现了对火灾隐患的实时监测、数据分析与远程预警功能。我在实际开发中发现，这种架构在稳定性与成本控制方面表现出色，特别适合中小型场所的火灾预防需求。
系统采用模块化设计思路，包含传感器采集层、数据处理层和远程通信层三个主要部分。传感器层负责环境参数采集，使用MQ-2烟雾传感器和DS18B20温度传感器作为核心检测元件；数据处理层由STM32完成信号调理与阈值判断；通信层则通过ESP8266 WiFi模块实现数据上传。这种分层设计使得系统具有很好的扩展性，后期可以方便地添加更多传感器类型。
2. 硬件系统设计与实现
2.1 核心控制器选型与电路设计
选择STM32F103C8T6作为主控芯片主要基于三点考虑：首先，其Cortex-M3内核提供足够的处理能力且功耗适中；其次，内置的12位ADC能满足烟雾传感器的精度要求；最后，丰富的外设接口（3个USART、2个SPI）为多传感器集成提供了便利。
电源电路设计时特别注意了稳压问题。采用AMS1117-3.3V稳压芯片为STM32和传感器供电，输入端加入100μF电解电容和0.1μF陶瓷电容组合，有效抑制了电压波动。实际测试中，这种电源方案在传感器突然启动时仍能保持稳定的3.3V输出。
2.2 传感器接口电路详解
烟雾检测采用MQ-2半导体传感器，其输出电压随烟雾浓度升高而增大。传感器输出信号通过LM358运放构成的反相比例放大器进行调理，放大倍数设置为11倍（Rf=100kΩ，Rin=10kΩ）。特别注意在运放输出端加入了1kΩ电阻和100nF电容组成的低通滤波器，有效抑制了高频干扰。
温度监测使用DS18B20数字传感器，采用单总线协议连接。硬件上需在数据线加装4.7kΩ上拉电阻，软件实现时要注意严格遵循时序要求。实测中发现，总线长度超过5米时通信可靠性会下降，建议在长距离应用时改用NTC热敏电阻方案。
2.3 通信模块选型与配置
WiFi通信选用ESP8266-01模块，通过USART2与STM32连接。模块配置为AP模式（SSID:DanChenBS_Fire，密码:12345678），服务器端口设置为5000。在软件初始化阶段，需要依次发送以下AT指令序列：
code复制AT+CWMODE=2 // 设置为AP模式
AT+CWSAP="DanChenBS_Fire","12345678",5,3 // 配置AP参数
AT+CIPMUX=1 // 启用多连接
AT+CIPSERVER=1,5000 // 启动TCP服务器
实际部署中发现，模块天线朝向对信号强度影响显著。建议将天线垂直于地面放置，可提升约30%的传输距离。同时，在代码中加入心跳包机制（每30秒发送"AT+PING"），可及时发现连接异常。
3. 软件系统架构与关键实现
3.1 主程序流程优化
系统软件采用前后台架构，主循环中按优先级处理各任务。上电后首先进行200ms的传感器预热（MQ-2需要预热约1分钟才能稳定工作），然后初始化各外设。关键的外设初始化顺序应为：时钟系统→GPIO→USART→ADC→定时器。错误的初始化顺序可能导致外设工作异常。
数据采集采用定时中断触发方式，设置TIM3每500ms产生一次中断，在中断服务程序中启动ADC转换。这种周期采样方式相比连续采样可降低约40%的CPU占用率。ADC采样配置为12位分辨率，采用DMA传输，有效提高了数据采集效率。
3.2 火灾判断算法实现
火灾判断采用多参数加权算法：
code复制火灾概率 = 0.6×烟雾浓度 + 0.3×温度变化率 + 0.1×持续时长
当该值超过阈值（经验值设为75）时触发报警。温度变化率通过最近5次采样值的差分计算得到，能有效识别突发性温升。实际应用中，建议根据场所特性调整权重系数，例如厨房环境可适当降低烟雾权重。
报警延时处理采用状态机实现，分为预备报警（黄灯慢闪）、确认报警（红灯快闪）和持续报警（红灯常亮+蜂鸣器）三个阶段。这种渐进式报警策略可减少误报带来的干扰，每个阶段持续10秒，只有持续达到阈值才会进入下一阶段。
3.3 WiFi通信协议设计
自定义的通信协议帧格式如下：
code复制帧头(3B) | 数据长度(1B) | 命令字(1B) | 数据(NB) | 校验和(1B)
其中帧头固定为"###"，校验和采用累加和方式。重要命令包括：
- 0x01：上传环境数据（烟雾、温度值）
- 0x02：设置工作模式（自动/手动）
- 0x03：远程报警控制
数据发送前会进行TCP连接状态检测，如果连接断开会自动尝试重连。为提高可靠性，关键指令采用应答机制，上位机收到数据后需回复ACK帧，否则下位机会在300ms后重发，最多重试3次。
4. 上位机软件开发要点
4.1 数据可视化实现
使用PyQt5开发的上位机界面包含三个主要视图：
- 实时数据曲线图：采用QCustomPlot库绘制，支持双Y轴显示烟雾和温度数据
- 仪表盘：使用QDial控件模拟指针式仪表，直观显示当前值
- 报警日志：QTableWidget实现的滚动表格，记录所有报警事件
数据刷新采用定时器驱动，每800ms请求一次最新数据。为避免界面卡顿，将网络通信放在独立线程中运行，通过信号槽机制与主线程交互。实测中，这种设计即使在高负载下也能保持界面响应流畅。
4.2 多线程处理技巧
上位机采用生产者-消费者模型处理网络数据：
python复制class ComThread(QThread):
data_received = pyqtSignal(bytes)
def run(self):
while self._running:
data = tcp_client.recv(1024)
if data:
self.data_received.emit(data)
time.sleep(0.1)
主线程接收到数据后放入队列，由解析线程提取有效信息。这种设计避免了直接在主线程中处理网络数据可能导致的界面冻结问题。特别注意，线程退出时需要安全关闭socket连接。
5. 系统调试与优化经验
5.1 常见问题排查指南
传感器读数不稳：
- 检查电源电压是否稳定（应在3.3V±0.1V）
- 确认ADC参考电压引脚已接0.1μF去耦电容
- 尝试增加软件滤波（如中值平均滤波）
WiFi频繁断开：
- 检查天线阻抗匹配（建议使用PCB天线或外接天线）
- 降低发射功率（AT+CIPSTAMAC命令）
- 添加看门狗定时器复位机制
误报率高：
- 调整算法阈值（建议先用历史数据测试确定最佳值）
- 增加环境基线自适应功能
- 引入多传感器投票机制
5.2 性能优化实践
通过以下措施显著提升了系统性能：
- 将ADC采样时钟从14MHz降为6MHz，噪声降低约40%
- 使用DMA传输ADC数据，CPU占用率从15%降至3%
- WiFi数据包合并发送，每3次采样发送一次，流量减少65%
- 关键代码段用汇编重写（如CRC校验），速度提升5倍
电源管理方面，在非活跃期（如夜间）自动切换至低功耗模式：关闭LCD背光、降低CPU频率至8MHz、延长采样间隔至5秒。实测可使整机功耗从120mA降至25mA，适合电池供电场景。
6. 项目扩展方向
在实际部署后，可以考虑以下增强功能：
- 增加GPS模块，实现多节点组网定位
- 集成微信/短信报警接口（需注意网络通信安全）
- 添加自学习功能，自动适应不同环境
- 改用LoRa无线传输，提升覆盖范围（适合大型厂房）
- 开发移动端APP，实现远程监控
硬件上可升级为STM32F4系列，利用其浮点运算单元实现更复杂的火灾预测算法。传感器方面，增加CO检测和火焰识别模块，构建多维度火灾识别系统。
这个项目最值得分享的经验是：在初期就建立完善的调试日志系统，我在每个关键模块都添加了状态输出接口，通过串口打印运行信息，这使后期调试效率提高了至少3倍。同时，建议使用版本控制工具（如Git）管理代码，方便回溯和协作开发。