本次介绍了一套基于 STM32H533RE(搭载于 NUCLEO-H533RE 开发板)的边缘运动状态识别系统。系统以 LIS3DHTR 三轴加速度计为感知器件,以 CX28BYJ-48 减速步进电机配 ULN2003 驱动板为执行机构,在板端部署 NanoEdge AI Studio 训练的轻量级卷积神经网络分类模型,实现对电机运行/停止状态的实时识别。
系统软件采用分层架构设计,自底向上划分为四层:传感器驱动层(motion_sense)、执行机构驱动层(actuator_drive)、边缘推理层(edge_inference)与控制输出层(console_report),主程序(main.c)仅承担调度职责。感知链路采用 LIS3DHTR 的 FIFO Stream 模式,以 400 Hz 连续采样并通过环形缓冲区维持不间断的数据流;推理链路每 1 s 取出一个完整时间窗(400 样本 × 3 轴 = 1200 个 12 位原始计数)送入模型。系统以板载 LED 作为主要状态指示载体,串口仅在状态发生跃变时输出记录。
1 系统总体设计
1.1 系统组成
系统硬件配置
引脚分配并非随意选取。根据 UM3121《STM32H5 Nucleo-64 board MB1814》第 13 章的 I/O 分配表 [1],开发板已将 PB6/PB7 引出至 Arduino UNO R3 兼容排针的 ARD_D15/ARD_D14 位(即 I2C 通道),并将 PC6/PC7/PC9/PA7 引出至 ARD_D9/ARD_D8/ARD_D10/ARD_D11。这一事实使得传感器模块与电机驱动板可以直接插接排针完成连接,无需额外设计转接板。同时,PA2/PA3 对应 ARD_A2/ARD_D0,在板载已连接到 ST-LINK 的虚拟串口,无需外接 USB-TTL 模块。
这种引脚分配的巧合具有实际工程价值:它使得整套系统的硬件验证周期从"设计 PCB 并打样"缩短为"插接两根杜邦线"。
1.2 软件架构
系统软件按职责划分为四个独立模块,主程序仅负责调度,各模块之间通过明确的接口函数通信。这种划分使得传感器驱动的更换或执行机构的调整不影响其他层次。
软件模块职责划分1.3 主循环设计
主循环采用无阻塞结构,每周期依次调用四个服务函数:while (1)
{
COM_ProcessRx(); /* 串口命令处理 */
motion_sense_poll(); /* 采集服务 */
edge_inference_update(); /* 推理服务 */
actuator_drive_poll(); /* 执行器推进 */
HAL_Delay(1U);
}这一结构的必要性在于:传感器 FIFO 的深度为 32 样本,在 400 Hz 下仅能容纳 80 ms 的数据,若主循环被任何阻塞操作长时间占用,FIFO 将溢出并丢失最早的数据。因此系统内所有耗时操作(步进推进、格式输出)均采用时间戳比较而非延时等待实现。
2 传感器驱动:LIS3DHTR 的 FIFO 连续采集
2.1 器件特性与工作模式选择
LIS3DHTR 是一款三轴 MEMS 加速度计 [2]。根据数据手册,其输出数据可配置为三种精度:低功耗模式 8 bit、普通模式 10 bit、高分辨率(High Resolution, HR)模式 12 bit。HR 模式下器件内部以高于输出速率的频率完成过采样,再以 12 bit 量化输出,精度优于普通模式。
本系统选用 HR 模式配合 ±8 g 量程,理由有三:其一,后续的运动状态识别需要容纳较大幅度的动作冲击,±8 g 提供了足够的动态范围;其二,12 bit 量化使噪声本底更低,有利于区分"静止"与"运转"两种状态;其三,HR 模式下的模拟带宽自动适配输出速率,无需额外配置抗混叠滤波器。
LIS3DHTR 寄存器配置
其中 BDU(Block Data Update)位的启用值得单独说明。该位的作用是在新转换结果写入输出寄存器期间锁存旧值,避免主机读取时 X、Y、Z 三个轴来自不同时刻。对于多轴数据的一致性分析,BDU 几乎总是应当开启的。
CTRL_REG2 配置为全零是有意为之。LIS3DH 默认对输出施加高通滤波,这会使静止时的零偏被缓慢拉向零点,输出曲线看起来更为"干净"。但本系统的识别目标依赖于振动特征与重力投影的相对关系,旁路滤波以保留真实的偏置信息更为合适。
2.2 I2C 事务的三个关键细节
在实现该器件的 I2C 访问层时,需要处理三个与常规 EEPROM 类器件不同的细节。(1)SUB 字节中的地址自增位。 LIS3DHTR 的寄存器地址通过 I2C 事务的 SUB 字节传递,该字节低 7 位为寄存器地址,最高位为地址自增标志位。多字节读取时必须置位该标志,否则器件将反复返回同一寄存器的内容——表现为 X 轴数据正常而 Y、Z 轴数值与 X 轴完全相同。这一现象具有迷惑性,因为它不产生任何错误提示。因此访问层将标志位的处理与传输长度绑定:
/* The increment flag is only useful when more than one byte is fetched; * for a single byte it would be harmless but pointless. */ sub = (uint8_t)(reg | ((len > 1U) ? LIS3DH_SUB_AUTO_INCREMENT : 0x00U));
(2)器件地址必须左移一位。 STM32H5 的 I2C 外设将地址写入 CR2 的 SADD 字段,而该字段最低位被硬件保留用于传输方向标志,因此七位地址需左移一位后再提交给 HAL。这一要求可由数据手册 RM0481 [3] 中 I2C 章节的寄存器说明确认。
(3)器件地址与寄存器地址是两个不同概念。 器件地址用于在总线上寻址,寄存器地址用于在器件内部选择,两者分别对应 HAL 函数的 DevAddress 与 MemAddress 参数。
除上述三点外,器件的七位地址存在两种可能:SA0 引脚接地时为 0x18,接高时为 0x19。不同厂商的模块焊接方式不一致,与其查阅文档推测,不如在初始化时依次尝试两个地址并读取 WHO_AM_I 寄存器(0x0F,期望值 0x33)加以判定:
static const uint8_t candidates[2] = { LIS3DH_ADDR_SA0_HIGH, LIS3DH_ADDR_SA0_LOW };
for (i = 0U; i < 2U; ++i)
{
motion_address = candidates[i];
if ((lis3dh_read_id(&id) == MOTION_OK) && (id == LIS3DH_ID_VALUE))
{
status = MOTION_OK;
break;
}
}这一处理将模块的焊接差异从使用者的负担转化为驱动内部的实现细节。
2.3 FIFO 模式的寄存器时序
FIFO 模式的启用涉及三个寄存器的协同配置,其写入顺序对功能有决定性影响。
根据数据手册 [2],CTRL_REG5 的 FIFO_EN 位与 FIFO_CTRL_REG 的工作模式位 FM[1:0] 存在时序耦合:器件在 FIFO_EN 由 0 变 1 的时刻锁存 FIFO 的工作模式。因此必须先写入 FIFO_CTRL_REG 中的模式,再置位 FIFO_EN。若顺序颠倒,器件将在进入旁路模式的状态下释放 FIFO,表现为寄存器读值全部正确但 FIFO 始终为空。
同理,watermark 阈值的写入也应在 FIFO 释放之前完成,以避免释放瞬间恰好触发阈值中断。
/* Watermark: five bits above the mode bits. */ value = (uint8_t)((LIS3DH_FIFO_WATERMARK_MAX << LIS3DH_FIFO_WATERMARK_POS) | LIS3DH_FIFO_MODE_STREAM); status = lis3dh_write_reg(LIS3DH_REG_FIFO_CTRL, &value, 1U); /* Release the FIFO, then select the working mode. */ value = LIS3DH_CTRL5_FIFO_ENABLE; status = lis3dh_write_reg(LIS3DH_REG_CTRL5, &value, 1U); value = (uint8_t)((LIS3DH_FIFO_WATERMARK_MAX << LIS3DH_FIFO_WATERMARK_POS) | LIS3DH_FIFO_MODE_STREAM); status = lis3dh_write_reg(LIS3DH_REG_FIFO_CTRL, &value, 1U);
此处还有一个易被忽略的边界条件:FTH 字段宽度为 5 bit,可表示的最大值为 31。若使用 FIFO 深度 32 作为阈值,32 << 3 = 0x100 超出 8 位寄存器范围,截断后阈值为 0。因此代码中以独立的常量 LIS3DH_FIFO_WATERMARK_MAX(31)而非 FIFO 深度作为阈值。
2.4 批量读取与环形缓冲
在 FIFO Stream 模式下,每当主机从输出寄存器读取满 6 字节(X 低、X 高、Y 低、Y 高、Z 低、Z 高),器件即弹出一个 FIFO 条目。利用地址自增机制,可以将整个 FIFO 一次性读出。
批量读取的事务数对比
批量方式将 I2C 事务数降低了一个数量级,在 100 kHz 总线速率下节约约 1.6 ms 的总线占用时间。
采集到的样本写入容量为 800 个样本的环形缓冲区(两个窗口的容量)。环形缓冲的设计考虑了两个并行需求:推理侧每个周期需要一个完整的 400 样本窗口,而传感器侧必须持续排空 FIFO 以防溢出。双倍容量保证了在旧窗口被消费的同时新窗口正在形成。
/**
* @brief Copy the most recent complete window into the caller's buffer.
*/
bool motion_sense_read_window(int16_t *dst)
{
uint32_t first;
uint32_t slot;
if (dst == NULL)
{
return false;
}
if (motion_ring_total < MOTION_WINDOW_SAMPLES)
{
return false;
}
/* The window that ends with the newest sample. */
first = motion_ring_total - MOTION_WINDOW_SAMPLES;
slot = first % MOTION_RING_CAPACITY;
for (uint32_t i = 0U; i < MOTION_WINDOW_SAMPLES; ++i)
{
dst[i * MOTION_AXIS_COUNT + 0U] = motion_ring[slot * MOTION_AXIS_COUNT + 0U];
dst[i * MOTION_AXIS_COUNT + 1U] = motion_ring[slot * MOTION_AXIS_COUNT + 1U];
dst[i * MOTION_AXIS_COUNT + 2U] = motion_ring[slot * MOTION_AXIS_COUNT + 2U];
slot++;
if (slot >= MOTION_RING_CAPACITY)
{
slot = 0U;
}
}
return true;
}2.5 训练集的数据格式
在模型训练阶段,采集模块需要以特定的格式导出样本,以便 NanoEdge AI Studio 正确解析。该格式要求每个 signal 为一行,每行包含固定长度的三轴交错数据:
X₀ Y₀ Z₀ X₁ Y₁ Z₁ X₂ Y₂ Z₂ ... X₃₉₉ Y₃₉₉ Z₃₉₉
字段之间以单个空格分隔,取值为十进制整数,行尾为换行符。每一行对应一个时间窗,行的集合构成一个信号文件;文件首行通常为类别标识。
以 400 样本/轴计算,单行的字段数为 1200 个。考虑最坏情况(每个字段均为 5 字符的负数),单行长度上限约为 7.2 KB。在 115200 bps、8N1 格式下,每字节需 10 bit,传输一行约需 0.63 s。这一带宽占用接近串口能力的一半,因此在部署阶段不启用该输出路径,而仅在数据采集阶段使用。
该格式与推理阶段的输入缓冲布局严格对应:训练时行内第 i 个三元素组为 Xᵢ Yᵢ Zᵢ,推理时浮点缓冲的第 3i、3i+1、3i+2 元素同样对应 Xᵢ Yᵢ Zᵢ。这一对应关系保证了模型训练与部署所见的特征排列完全一致。
2.9 采集链路的时序预算
为验证 FIFO 排空节奏的合理性,对一个完整周期内的时序占用进行分析。
采集链路时序预算(100 kHz I2C)
主循环以 1 ms 为周期运行,单次轮询中仅包含一次 FIFO 状态读取(1 字节)与至多一次排空事务。即使在每毫秒都恰好需要排空的极端情况下,总线占用率仍在 20% 以内,系统具备充足的余量。
3 执行机构驱动:CX28BYJ-48 与 ULN2003
3.1 驱动板电气特性与极性判定
ULN2003 是一块四路达林顿晶体管阵列,常用于驱动四相步进电机 [5]。其输入侧逻辑与输出侧电流之间存在明确的对应关系:输入为高电平时,内部达林顿管饱和导通,电流由 +5 V 经电机绕组流入 ULN2003 输出端并流向地,绕组得电;输入为低电平时,晶体管截止,绕组中无电流。
ULN2003 输入电平与绕组状态
停机时四路输入全部驱动为低电平,使全部绕组断电。这一策略基于两点考虑:其一,步进电机在失电状态下依靠减速箱的自锁特性保持位置,不会因断电而失位;其二,绕组持续通电将产生无谓的热耗散,实测中电机外壳温升明显。因此在系统设计中将"停止"定义为"四路 IN 线全低"而非"保持最后相位"。
/**
* @brief Switch every coil off by driving all four inputs LOW.
*/
static void actuator_release_coils(void)
{
HAL_GPIO_WritePin(MOTOR_IN1_GPIO_Port, MOTOR_IN1_Pin, GPIO_PIN_RESET);
HAL_GPIO_WritePin(MOTOR_IN2_GPIO_Port, MOTOR_IN2_Pin, GPIO_PIN_RESET);
HAL_GPIO_WritePin(MOTOR_IN3_GPIO_Port, MOTOR_IN3_Pin, GPIO_PIN_RESET);
HAL_GPIO_WritePin(MOTOR_IN4_GPIO_Port, MOTOR_IN4_Pin, GPIO_PIN_RESET);
}此外,CubeMX 生成的 GPIO 初始输出电平被配置为低电平,因此系统上电瞬间绕组即处于断电状态,不会出现"上电瞬间电机抖动"的现象。
3.2 八相半步序列
四相步进电机的基本驱动方式为波驱动(wave drive),按 A、B、C、D 顺序依次励磁单相。本系统采用八相半步序列,在相邻相位之间增加两个绕组同时励磁的中间态,将分辨率提升一倍。
八相半步相位表
半步序列的步距角为 7.5°,是全步模式的一半,代价是任一时刻有更多绕组同时导通,驱动电流需求相应增加。ULN2003 的输出能力(每路 500 mA)对于本系统的负载完全足够。
3.3 非阻塞步进实现
步进时序不应采用阻塞式延时实现,否则主循环将在每个半步上停顿 2 ms,导致 FIFO 排空周期被拉长至数十毫秒,传感器数据将出现丢失。本系统采用时间戳比较方式:
void actuator_drive_poll(void)
{
uint32_t now;
if (actuator_state != ACTUATOR_TURNING)
{
return;
}
now = HAL_GetTick();
/* The subtraction is written this way on purpose: the tick counter wraps
* around after roughly 49 days and the unsigned arithmetic stays correct
* across that boundary. */
if ((uint32_t)(now - actuator_last_step) >= ACTUATOR_STEP_INTERVAL_MS)
{
actuator_last_step = now;
actuator_phase = (uint8_t)((actuator_phase + 1U) % ACTUATOR_PHASE_COUNT);
actuator_apply_phase(actuator_phase);
actuator_step_count++;
}
}其中 (uint32_t)(now - actuator_last_step) 的写法值得注意。HAL 的 tick 计数器为 32 位,约 49.7 天回绕一次。无符号减法在回绕点仍然给出正确的间隔,而直接写 now - last >= interval 在跨越回绕边界时会漏判一次。因此在代码中统一采用无符号减法形式。
此外,相位索引的推进采用取模运算而非位掩码,相位表长度若发生调整,逻辑无需同步修改。4 边缘推理:NanoEdge AI 模型部署
4.1 模型规格与输入约束
模型由 NanoEdge AI Studio 训练生成 [7],采用一维卷积神经网络对运动信号进行二分类。
模型配置参数
其中输入长度与固件侧的窗口定义构成一组强约束。固件中 MOTION_WINDOW_SAMPLES 由输出数据率与窗口时长共同决定:
#define MOTION_ODR_HZ 400U #define MOTION_WINDOW_MS 1000U #define MOTION_WINDOW_SAMPLES ((MOTION_ODR_HZ * MOTION_WINDOW_MS) / 1000U)
4.2 输入值表示:禁止任何额外处理
推理输入为整型缓冲,模型接口要求浮点类型,转换过程仅执行数值类型转换:
count = (uint32_t)NEAI_INPUT_SIGNAL_LENGTH * (uint32_t)NEAI_INPUT_AXIS_NUMBER;
for (uint32_t i = 0U; i < count; ++i)
{
edge_input[i] = (float)edge_window[i];
}此处刻意不引入缩放、归一化或去重力处理。训练阶段使用的数据是 LIS3DHTR 的 12 位原始计数,范围 −2048 ~ +2047;推理阶段若加入任何形式的量纲变换,输入将偏离模型训练时所见到的分布,导致识别准确率以难以定位的方式下降。
这种"训练与推理同源"的要求在架构层面得到了保证:环形缓冲区是系统中唯一的数据源,训练集导出与在线推理读取的是同一份数据,只是读取时机不同。相较于事后校验,这种做法从根本上消除了两条路径产生偏差的可能。
4.3 模型的预处理链
模型的输入在进入卷积层之前并非直接使用原始信号,而是经过一段由 NanoEdge AI Studio 在训练阶段自动确定、并固化到静态库中的预处理链。了解这一链条对于理解模型行为与排查异常结果具有重要意义。
模型预处理链配置第一环节为最大池化。该环节在时间维度上对原始信号做局部极大值提取,输出比例 6 % 意味着 400 个样本被压缩为 24 个特征点。这一压缩具有明确的物理意义:步进电机运转时产生的振动在时域上呈现周期性特征,池化操作提取的是每个局部窗口内的峰值,从而将"是否在振动"这一判别信息从细密的时域波形中提炼出来。第二环节的交错变换则调整了轴间数据的组织方式,便于卷积核同时处理三个轴的信息。
这一设计带来一个重要的推论:模型对时间轴上的绝对位置不敏感,但对振动的存在与否高度敏感。 这与系统的识别目标完全吻合——电机转与停的区别本质上是振动特征的有无,而非波形相位的差异。
预处理链完全由静态库内部实现,应用层无需干预。所幸的是,这段代码在部署前已随模型一同编译并经过验证,因而不存在"训练时的预处理与部署时不一致"这一常见风险源。
最后我们选择最优的模型就可以:

4.4 推理周期与状态判定
推理服务每 1000 ms 执行一次分类,并维护状态跃变的判定逻辑:bool edge_inference_update(edge_state_t *state, uint8_t *confidence)
{
edge_state_t verdict = EDGE_STATE_UNKNOWN;
uint8_t score = 0U;
bool changed;
if ((uint32_t)(HAL_GetTick() - edge_last_run) < EDGE_INFERENCE_INTERVAL_MS)
{
return false;
}
edge_last_run = HAL_GetTick();
if (!edge_inference_evaluate(&verdict, &score))
{
return false;
}
changed = (verdict != edge_last_state);
edge_last_state = verdict;
/* ... 输出状态与置信度 ... */
return changed;
}返回值语义为"本次判定是否发生了状态变化",主程序据此决定是否更新指示灯与输出记录。这一设计使得串口输出量与状态稳定性直接挂钩,避免了周期性的重复输出淹没关键信息。
置信度以百分比形式对外提供,计算时对模型输出的 0~1 区间做边界保护后换算:
if (value < 0.0F) { value = 0.0F; }
if (value > 1.0F) { value = 1.0F; }
*confidence = (uint8_t)((value * 100.0F) + 0.5F);5 系统集成与人机交互设计
5.1 指示策略:以板载资源为主要载体
在嵌入式人机交互设计中,指示方式的选择应考虑使用场景。本系统以板载 LED 作为主要状态载体,串口仅作为辅助记录渠道。
状态指示策略
LED 的语义直接绑定模型判定结果,而非执行器的实际状态。二者的区别在于:LED 反映的是"模型认为电机在转",这是本系统的核心输出信息;若改为绑定执行器实际状态,AI 推理的结果便失去了可视化载体。
相应地,串口输出遵循"仅在变化时记录"的原则:
if (edge_inference_update(&monitored_state, &monitored_score))
{
if (monitored_state == EDGE_STATE_RUNNING)
{
BSP_LED_On(LED_GREEN);
}
else
{
BSP_LED_Off(LED_GREEN);
}
console_report_line("[ ai ] %s (%u%%)\r\n",
edge_inference_state_name(monitored_state),
(unsigned)monitored_score);
}电机状态变化由按键触发,并在主循环中记录:

从输出序列可以看出,状态跃变的时间关系清晰可辨,且不存在周期性刷屏。
5.2 按键交互与中断安全
电机启停由板载 USER 按键控制。考虑到按键事件发生在外设中断(EXTI)上下文中,而中断处理程序不应执行耗时或可能阻塞的操作,系统采用"中断内改变状态、主循环内输出信息"的分工:
void BSP_PB_Callback(Button_TypeDef Button)
{
if (Button == BUTTON_USER)
{
toggle_motor();
}
}
static void toggle_motor(void)
{
if (actuator_drive_state() == ACTUATOR_TURNING)
{
actuator_drive_stop();
}
else
{
actuator_drive_start();
}
motor_request_pending = true;
}中断上下文仅完成 GPIO 状态翻转与标志位置位,串口输出在主循环中执行,从而避免了在中断中占用 UART 资源可能引发的竞争。
5.3 控制输出的实现
Nucleo 板级库已实现 fputc() 并将其导向 COM 端口,该函数正是 MicroLIB 库 printf() 的输出钩子,因此无需自行实现串口重定向。控制输出模块在此基础上提供两项补充能力:启动横幅,以及将整行格式化结果一次性送出的辅助函数。
void console_report_line(const char *format, ...)
{
char buffer[CONSOLE_LINE_BUFFER_SIZE];
va_list arguments;
int length;
if ((format == NULL) || (console_port_ready() == 0))
{
return;
}
va_start(arguments, format);
length = vsnprintf(buffer, sizeof(buffer), format, arguments);
va_end(arguments);
if (length <= 0)
{
return;
}
if (length > (int)(sizeof(buffer) - 1U))
{
length = (int)(sizeof(buffer) - 1U);
}
(void)HAL_UART_Transmit(&hcom_uart[COM1], (uint8_t *)buffer,
(uint16_t)length, 100U);
}整行一次传输的实现方式与板级库的逐字符输出存在本质差异:后者每次输出一个字符即产生一次 UART 事务,一行 60 字符的消息将产生 60 次事务与相应的事务开销;前者仅一次事务。在状态变化频繁的场景中,该差异对主循环占用率的影响是可观的。
5.4 时钟与系统配置
系统时钟配置为:
其中电压档位、Flash 等待周期与主频构成一组必须整体保持的参数,单独调整其中任意一项都可能导致芯片无法正常启动。
6 总结
本文完成了一套边缘运动状态识别系统的设计与实现。系统以 STM32H533RE 为核心,通过 I2C 采集 LIS3DHTR 的三轴加速度数据,利用器件 FIFO 实现 400 Hz 的连续不间断采样,在板端部署 NanoEdge AI Studio 训练的卷积神经网络模型,每秒输出一次电机运行状态的判定结果,并以板载 LED 作为主要指示载体。
系统实现过程中重点解决了三个问题:ULN2003 驱动电路的极性判定与停机线圈断电策略;LIS3DHTR FIFO 模式的寄存器写入时序、批量读取效率与 12 位左对齐数据的符号处理;以及第三方静态库部署时 ARM ABI 属性(枚举宽度、wchar 宽度、浮点 ABI)的一致性对齐。
7 效果展示
最后的效果展示通过视频方式进行,可以详细了解:
【基于 STM32H533 的边缘AI电机运动状态识别系统】 https://www.bilibili.com/video/BV1R7sn6mEfs/?share_source=copy_web&vd_source=b04da51472e5874aa452f4a273672c46
我要赚赏金
