从跌倒检测到平衡小车：用ADXL345传感器玩转STM32的几种实战应用

从跌倒检测到平衡小车：用ADXL345传感器玩转STM32的几种实战应用

当你已经成功驱动ADXL345传感器并能够读取XYZ三轴数据时，是否曾思考过这些数字背后隐藏的无限可能？在创客的世界里，传感器从来不只是冰冷的数据采集器，而是连接物理世界与数字世界的魔法棒。本文将带你跳出基础驱动的舒适区，探索ADXL345在STM32平台上的三个惊艳应用：从保护老人安全的跌倒检测装置，到酷炫的自平衡小车，再到打破传统输入方式的体感游戏控制器。每个项目都配有核心算法解析和可落地的代码片段，让你手中的传感器真正"活"起来。

1. 跌倒检测报警器：当科技守护生命

跌倒对老年人造成的威胁远超想象。根据世界卫生组织数据，全球每年有超过37万人因跌倒致死。利用ADXL345制作的原型系统，可以在成本不到百元的情况下实现专业级跌倒监测功能的核心算法。

1.1 原理与算法设计

跌倒检测的核心是识别突然的加速度变化与后续的姿态异常。ADXL345的±16g量程正好满足捕捉剧烈运动的需求。我们需要重点关注三个关键参数：

• 合加速度矢量：√(x²+y²+z²)
• 姿态角度：atan2(y, √(x²+z²))
• 冲击持续时间：高加速度的持续采样点数

// 合加速度计算示例 float calculate_total_accel(int16_t x, int16_t y, int16_t z) { float g_x = (float)x * 0.0039; // 转换为重力加速度单位(±16g量程) float g_y = (float)y * 0.0039; float g_z = (float)z * 0.0039; return sqrt(g_x*g_x + g_y*g_y + g_z*g_z); }

1.2 状态机实现

一个可靠的检测系统应该包含以下状态：

// 简易状态机实现 typedef enum {NORMAL, IMPACT, FALL, FALSE_ALARM} State; State current_state = NORMAL; uint32_t impact_time = 0; void detect_fall(int16_t x, int16_t y, int16_t z) { float accel = calculate_total_accel(x,y,z); float angle = atan2(y, sqrt(x*x+z*z)) * 180/M_PI; switch(current_state) { case NORMAL: if(accel > 3.0) { current_state = IMPACT; impact_time = HAL_GetTick(); } break; case IMPACT: if(accel < 1.0 && fabs(angle) < 15) { current_state = FALSE_ALARM; } else if(HAL_GetTick() - impact_time > 5000) { if(fabs(angle) > 60) { current_state = FALL; trigger_alarm(); } else { current_state = NORMAL; } } break; // 其他状态处理... } }

1.3 系统集成与优化

完整的系统还需要考虑：

• 低功耗设计：利用ADXL345的运动唤醒功能
• 无线报警：通过HC-05蓝牙模块发送警报到手机
• 误报过滤：加入移动平均滤波算法

提示：实际部署时需要针对不同体型的人进行阈值校准，可以考虑增加学习模式让用户录入正常活动数据。

2. 平衡小车：从传感器到PID控制

将ADXL345用于平衡小车是理解惯性测量单元(IMU)最直观的方式。相比完整的6轴IMU，单用加速度计虽然存在局限，但正是这种限制能帮助我们深入理解姿态估计的本质。

2.1 姿态解算基础

仅用加速度计计算倾角有其物理限制：

• 静态时：倾角 = atan2(accY, accZ)
• 动态时：加速度干扰会导致"虚假重力"现象

互补滤波是解决这一问题的经典方案：

angle = 0.98*(angle + gyro*dt) + 0.02*acc_angle

虽然我们没有陀螺仪，但可以通过以下方式优化：

#define ALPHA 0.1 // 滤波系数 float estimated_angle = 0; void update_angle(int16_t y, int16_t z) { float acc_angle = atan2(y, z) * 180/M_PI; static float last_angle = 0; float gyro_estimate = (acc_angle - last_angle) / 0.01; // 假设采样率100Hz last_angle = acc_angle; estimated_angle = (1-ALPHA)*(estimated_angle + gyro_estimate*0.01) + ALPHA*acc_angle; }

2.2 电机控制实现

平衡小车的核心是PID控制器，主要参数包括：

• 比例项(P)：与倾角成正比
• 积分项(I)：消除稳态误差
• 微分项(D)：抑制振荡

// 简易PID实现 typedef struct { float Kp, Ki, Kd; float integral; float prev_error; } PIDController; float pid_update(PIDController* pid, float error, float dt) { pid->integral += error * dt; float derivative = (error - pid->prev_error) / dt; pid->prev_error = error; return pid->Kp*error + pid->Ki*pid->integral + pid->Kd*derivative; } // 使用示例 PIDController pid = {20.0, 0.5, 1.0, 0, 0}; float output = pid_update(&pid, estimated_angle, 0.01); set_motor_speed(output);

2.3 硬件集成要点

1. 传感器安装：确保ADXL345的Y轴与小车前后方向一致
2. 电机驱动：推荐使用TB6612FNG驱动模块
3. 电源管理：单独为电机供电，避免电压波动影响传感器
4. 机械结构：重心位置决定控制难度

注意：纯加速度计方案在快速运动时会有明显延迟，适合作为教学原型。实际产品建议搭配陀螺仪使用MPU6050等6轴IMU。

3. 体感游戏控制器：重新定义交互方式

将ADXL345变身游戏控制器，不仅是个酷炫的项目，更能深入理解手势识别的基本原理。我们以控制贪吃蛇游戏为例，展示如何将加速度数据转化为游戏指令。

3.1 手势识别算法

定义四个基本方向指令：

// 手势状态跟踪结构体 typedef struct { float x_threshold; float y_threshold; uint32_t hold_duration; uint32_t start_time; bool detecting; } GestureDetector; bool detect_gesture(GestureDetector* det, float x, float y) { bool x_active = fabs(x) > det->x_threshold; bool y_active = fabs(y) > det->y_threshold; if(!det->detecting && (x_active || y_active)) { det->detecting = true; det->start_time = HAL_GetTick(); return false; } if(det->detecting) { if((!x_active && !y_active) || (HAL_GetTick() - det->start_time > det->hold_duration)) { det->detecting = false; return HAL_GetTick() - det->start_time >= det->hold_duration; } } return false; }

3.2 数据无线传输

通过蓝牙串口模块发送控制指令：

1. 硬件连接：STM32的USART接口连接HC-05
2. 协议设计：简化指令格式如"U\n"表示向上
3. 抗干扰处理：加入校验和与重传机制

void send_gesture_command(char cmd) { static char last_cmd = 0; if(cmd != last_cmd) { uint8_t buf[3] = {cmd, '\n', 0}; HAL_UART_Transmit(&huart1, buf, 2, 100); last_cmd = cmd; } } // 在检测到手势后调用 if(detect_gesture(&detector, acc_x, acc_y)) { if(acc_y > 0.8) send_gesture_command('U'); else if(acc_y < -0.8) send_gesture_command('D'); else if(acc_x > 0.8) send_gesture_command('L'); else if(acc_x < -0.8) send_gesture_command('R'); }

3.3 性能优化技巧

• 采样率匹配：游戏通常30fps足够，可降低传感器采样率省电
• 运动去抖：短时间内的连续手势只响应第一个
• 校准功能：长按按键进入校准模式，自动计算中立位置
• 电池供电：利用STM32的低功耗模式延长使用时间

4. 进阶技巧：提升ADXL345应用性能

当把这些项目真正做出来时，你会发现几个共性的挑战。以下是经过多个项目验证的实用技巧。

4.1 传感器校准方法论

准确的测量从校准开始。ADXL345需要两种校准：

1. 偏移校准：
   • 将传感器静止放置在水平面
   • 记录100次采样取平均值
   • 计算各轴偏移量

void calibrate_offset(int16_t* offset_x, int16_t* offset_y, int16_t* offset_z) { int32_t sum_x = 0, sum_y = 0, sum_z = 0; for(int i=0; i<100; i++) { int16_t x, y, z; adxl345_get_data(&x, &y, &z); sum_x += x; sum_y += y; sum_z += z; HAL_Delay(10); } *offset_x = sum_x / 100; *offset_y = sum_y / 100; *offset_z = (sum_z / 100) - 256; // 假设Z轴正方向重力 }

2. 灵敏度校准：
   • 分别将各轴对准重力方向
   • 测量输出值与理论值(256LSB/g)的比值

4.2 数字滤波实战

不同的应用需要不同的滤波策略：

二阶低通滤波实现示例：

typedef struct { float a0, a1, a2, b1, b2; float x1, x2, y1, y2; } BiquadFilter; void init_lowpass(BiquadFilter* f, float cutoff, float sample_rate) { float omega = 2 * M_PI * cutoff / sample_rate; float sn = sin(omega); float cs = cos(omega); float alpha = sn / (2 * 0.7071); // Q=0.7071 f->a0 = 1 + alpha; f->a1 = -2 * cs; f->a2 = 1 - alpha; f->b1 = 1 - cs; f->b2 = (1 - alpha) / f->a0; f->a1 /= f->a0; f->a2 /= f->a0; f->b1 /= f->a0; f->b2 /= f->a0; } float biquad_process(BiquadFilter* f, float x) { float y = x - f->a1*f->x1 - f->a2*f->x2 + f->b1*f->y1 + f->b2*f->y2; f->x2 = f->x1; f->x1 = x; f->y2 = f->y1; f->y1 = y; return y; }

4.3 资源优化策略

在STM32F103这类资源有限的MCU上：

• 合理配置数据速率：平衡响应速度与噪声
• 使用定点数运算：Q格式数学比浮点高效
• 选择性更新：只有变化超过阈值时才处理数据
• DMA传输：解放CPU处理其他任务

// 使用Q15定点数示例 int16_t accel_to_q15(float g) { return (int16_t)(g * 32767 / 16); // ±16g范围映射到Q15 } float q15_to_accel(int16_t q) { return (float)q * 16 / 32767; }

在完成这些项目后，你会发现ADXL345这个看似简单的传感器，其实蕴含着改变物理世界交互方式的巨大能量。从保护生命的严肃应用，到充满乐趣的游戏创新，正是这种跨越领域的可能性，让嵌入式开发如此迷人。