ESP32入门六(读取引脚的模拟信号[3]:信号出现误差的原因[硬件篇])

在之前的文章中,我们介绍了ESP32在读取模拟信号时出现的误差的软件方面原因,在这一篇中,将会介绍并测试由于硬件或其它方面导致数据出现误差的原因。

一、厂商原因

首先,我们需要知道,在每块EPS32中,在出厂时都带有一个ADC的基准值,我们可以用两种方法来查看到该基准值:

1、安装esptool工具来查看基准值

我们需要下载并安装python:

Python Release Python 3.12.1 | Python.org

选择合适你电脑的版本,下载并安装,在安装过程中,注意选择安装pip工具和勾选加入环境变量。

安装完成后,打开CMD。我们输入命令:

pip install esptool

等待安装完成

 安装安成后我们输入命令:

espefuse.exe --port COM5 adc_info

注意这里的COM5需要对应你自已ESP32在电脑上的端口号

我们可以得到adc的校准值。

2、用esp_adc_cal_characterize()函数获取ADC特性

函数:
esp_adc_cal_characterize()

作用:将描述 ADC 在特定衰减条件下的特性,并以[y=coeff_a * x + coeff_b]的形式生成ADC电压曲线

格式:
	esp_adc_cal_value_t esp_adc_cal_characterize(
		adc_unit_t adc_num, 
		adc_atten_t atten, 
		adc_bits_width_t bit_width, 
		uint32_t default_vref, 
		esp_adc_cal_characteristics_t *chars
		)

参数:
	adc_num		-ADC特征编码(ADC_UNIT_1 or ADC_UNIT_2)可以在官方文档中的引脚定义中查看
	atten		-衰减值(ADC_ATTEN_DB_0 / ADC_ATTEN_DB_2_5 / ADC_ATTEN_DB_6 / ADC_ATTEN_DB_11)
	bit_width		-位宽设置(ADC_WIDTH_BIT_9 / ADC_WIDTH_BIT_10 / ADC_WIDTH_BIT_11 / ADC_WIDTH_BIT_12 / ADC_WIDTH_MAX)
	default_vref	-默认ADC基准电压(mV)
	*chars		-用于存储ADC特征的空结构指针


返回:
	ESP_ADC_CAL_VAL_EFUSE_VREF	- ADC特性为eFuse中存储的Vref值
	ESP_ADC_CAL_VAL_EFUSE_TP	-特性为两点的值(仅用于线性模式)
	ESP_ADC_CAL_VAL_DEFAULT_VREF	-特性为默认Vref值

 代码:

#include "esp_adc_cal.h"
void setup() {
  // put your setup code here, to run once:
  Serial.begin(115200);
  delay(500);
  float vref_value;
  esp_adc_cal_characteristics_t adcChar;
  esp_adc_cal_value_t cal_mode = esp_adc_cal_characterize(ADC_UNIT_1, ADC_ATTEN_DB_11, ADC_WIDTH_BIT_12, 1100, &adcChar);

  if(cal_mode == ESP_ADC_CAL_VAL_EFUSE_VREF){
    vref_value = adcChar.vref; // 获取参考电压
    Serial.print("参考电压为:");
    Serial.println(vref_value);
  }else if(cal_mode == ESP_ADC_CAL_VAL_DEFAULT_VREF){
    Serial.println("默认参考电压");
  }
}

void loop() {
  // put your main code here, to run repeatedly:

}

运行后串口可以接收到设备的参考电压,当前测试的板子参考电压为1149

 

这个基准电压之所以和参考电压1100V有所误差,是因为每个板子在生产过程中,因为工艺 原因,导致内部电压和参考电压出现误差,所以,在出 厂时,把这个误差值写入到板子,以便使用者可以测量和消除这个误差, 这个基准值可以生成特性曲线,以反映特定 ESP32 芯片 ADC 基准电压的变化,在上一章中所用到的analogReadMillivolts()函数,就是利用这个基准值来消除读取数据时产生的误差。

二、电压误差

大多数情况下,在使用或测试ESP32的过程中,很少人会用到专业的电源来输出。同时,也因为工艺的原因,所以,我们如果用万用表测量3V3引脚时,很可能测量出来的数据并非3.3V。比如本文 中所用的板子是连接到电脑USB接口上的,在所有引脚都悬空的情况下,用万用表测量到的3v3引脚的电压为3.2V。而在另一块板子上测量到的电压为3.32V。在这种情况下,不管是电源的原因还是生产工艺的原因,都会对读取到的数据造成误差。我们同样以上一章中所用的板子,以同样的代码,但生成的电压设置为3.2V来再次测试读取到的数据:

 我们把代码中的

float vout = (dac_value) * 3.3  / 255;
//改为
float vout = (dac_value) * 3.2  / 255;
#include <esp32-hal-adc.h>
uint8_t dac_value = 0;                            //DAC值,2^8长度
void setup() {
  Serial.begin(115200);
}
 
void loop() {
  dac_value++;                              //DAC值累加
  float vout = (dac_value) * 3.2  / 255;    //DAC值转为电压值
  Serial.print("vout = ");
  Serial.print(vout);                     //串口输出当前输出的电压值
  dacWrite(25,dac_value);                   //25号引脚输出对应电压
 
  float vin = analogReadMillivolts(4)/1000.0;   //4号引脚读取25号引脚的电压值
  Serial.print(" | ");
  Serial.print("vin = ");
  Serial.print(vin);                      //串口输出当前输入的电压值
  
  Serial.print(" | ");
  Serial.print("deviation = ");
  Serial.println(vout - vin);             //串口输出当前输出与输入的误差
  
  delay(100);
}

可以观察到,误差对比上一章进一步减少了

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/280617.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

LeetCode二叉树路径和专题:最大路径和与路径总和计数的策略

目录 437. 路径总和 III 深度优先遍历 前缀和优化 124. 二叉树中的最大路径和 437. 路径总和 III 给定一个二叉树的根节点 root &#xff0c;和一个整数 targetSum &#xff0c;求该二叉树里节点值之和等于 targetSum 的 路径 的数目。 路径 不需要从根节点开始&#xf…

2023年03月18日_微软office365 copilot相关介绍

文章目录 Copilot In WordCopilot In PowerpointCopilot In ExcelCopilot In OutlookCopilot In TeamsBusiness Chat1 - copilot in word2 - copilot in excel3 - copilot in powerpoint4 - copilot in outlook5 - copilot in teams6 - business chat word 1、起草草稿 2、自动…

2023年03月17日_微软和谷歌办公AI的感慨

2023年3月17日 最近这个科技圈的消息 有点爆炸的让人应接不暇了 各种大公司简直就是神仙打架 你从来没有见过这么密集的 这么高频的产品发布 昨天微软是发布了Office 365 Copilot 在里边提供了大量的AI的功能 然后谷歌呢也发布了这个Google Workspace AI 也是跟365 Cop…

深入浅出理解TensorFlow的padding填充算法

一、参考资料 notes_on_padding_2 二、TensorFlow的padding算法 本文以TensorFlow v2.14.0版本为例&#xff0c;介绍TensorFlow的padding算法。 1. 引言 tf.nn.conv2d and tf.nn.max_pool2d 函数都有padding参数&#xff0c;在执行函数之前&#xff0c;都需要进行填充padd…

uniapp中uview组件库的丰富Upload 上传上午用法

目录 基础用法 #上传视频 #文件预览 #隐藏上传按钮 #限制上传数量 #自定义上传样式 API #Props #Methods #Slot #Events 基础用法 可以通过设置fileList参数(数组&#xff0c;元素为对象)&#xff0c;显示预置的图片。其中元素的url属性为图片路径 <template>…

nodejs+vue+微信小程序+python+PHP特困救助供养信息管理系统-计算机毕业设计推荐

通过走访某特困救助供养机构实际情况&#xff0c;整理特困救助供养机构管理的业务流程&#xff0c;分析当前特困救助供养机构管理存在的各种问题&#xff0c;利用软件开发思想对特困救助供养机构特困救助供养机构管理进行系统设计分析。通过服务端程序框架进行设计&#xff0c;…

Docker学习(一)

注&#xff1a;此为笔者学习狂神说Docker的笔记&#xff0c;其中包含个人的笔记和理解&#xff0c;仅做学习笔记之用&#xff0c;更多详细资讯请出门左拐B站&#xff1a;狂神说!!! Docker 一、Docker入门 1. Docker 为什么会出现 2.Docker 文档地址: https://docs.docker.co…

计算机网络-动态路由

网络层协议&#xff1a;ip&#xff0c;ospf&#xff0c;rip&#xff0c;icmp共同组成网络层体系 ospf用于自治系统内部。 一个路由器或者网关需要能够支持多个不同的路由协议&#xff0c;以适应不同的网络环境。特别是在连接不同自治系统的边缘路由器或边界网关的情况下&#…

深度学习-数据基本使用

数据使用 文章目录 数据使用一、数据的获取1、图片爬虫工具2、视频爬虫工具3、复杂的爬虫工具(flickr)4、按照用户的ID来爬取图片5、对一些特定的网站进行爬&#xff08;摄影网站&#xff09;(图虫、500px&#xff0c;花瓣网等等)6、爬虫合集 二、数据整理1、数据检查与归一化2…

Grafana监控数据可视化

Grafana 是一个可视化面板&#xff0c;有着非常漂亮的图表和布局展示&#xff0c;功能齐全的度量仪表盘和图形编辑器&#xff0c;支持 Graphite、zabbix、InfluxDB、Prometheus、OpenTSDB、Elasticsearch 等作为数据源&#xff0c;比 Prometheus 自带的图表展示功能强大太多&am…

K8S容器的一则故障记录

一、故障现象 XXX反馈说某某业务服务异常&#xff0c;无法启动&#xff0c;需要进行协助排查。经常会接到这样一个需求&#xff0c;一开始无法清楚知道具体什么问题&#xff0c;需要跟一线运维人员详细做沟通&#xff0c;了解故障问题的细节。 根据一线运维人员的反馈&#xff…

unity随笔- 2D动画制作animation

1.前提&#xff1a;将连续的动作图片制为图集。 2.在Hierarchy中选中含图集的sprites对象。 3.打开animator组件&#xff0c;点击create创建动画组件 4.添加property选择sprite 5.选择图集需要的部分加入animation。&#xff08;animation使用见animator&#xff09;

Dragonfly-SM X9H核心板 SM6700Q PMIC供电配置烧录介绍

一、概述 核心板采用 1 片芯迈 SM6700Q PMIC 芯片搭配 3 片 MPQ8861 DCDC 电源芯片和 2 片安森美 LDO&#xff0c;型号分别 NCV8164ASN180T1G 和 NCV8130BMX080TCG 为系统供电。 二、核心板供电框图 系统供电主要是 MCU 的 RTC 域、安全域、应用域的供电&#xff0c;其中 RTC 域…

攻防世界easyphp解题

攻防世界easyphp解题 <?php highlight_file(__FILE__); $key1 0; $key2 0;$a $_GET[a]; $b $_GET[b];if(isset($a) && intval($a) > 6000000 && strlen($a) < 3){if(isset($b) && 8b184b substr(md5($b),-6,6)){$key1 1;}else{die(&q…

【Vue2+3入门到实战】(15)VUE路由入门声明式导航的基本使用与详细代码示例

目录 一、声明式导航-导航链接1.需求2.解决方案3.通过router-link自带的两个样式进行高亮4.总结 二、声明式导航-两个类名1.router-link-active2.router-link-exact-active3.在地址栏中输入二级路由查看类名的添加4.总结 三、声明式导航-自定义类名&#xff08;了解&#xff09…

【华为机试】2023年真题B卷(python)-解密犯罪时间

一、题目 题目描述&#xff1a; 警察在侦破一个案件时&#xff0c;得到了线人给出的可能犯罪时间&#xff0c;形如 “HH:MM” 表示的时刻。 根据警察和线人的约定&#xff0c;为了隐蔽&#xff0c;该时间是修改过的&#xff0c;解密规则为&#xff1a; 利用当前出现过的数字&am…

大创项目推荐 深度学习交通车辆流量分析 - 目标检测与跟踪 - python opencv

文章目录 0 前言1 课题背景2 实现效果3 DeepSORT车辆跟踪3.1 Deep SORT多目标跟踪算法3.2 算法流程 4 YOLOV5算法4.1 网络架构图4.2 输入端4.3 基准网络4.4 Neck网络4.5 Head输出层 5 最后 0 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; *…

基于轻量级GhostNet模型开发构建生活场景下生活垃圾图像识别系统

轻量级识别模型在我们前面的博文中已经有过很多实践了&#xff0c;感兴趣的话可以自行移步阅读&#xff1a; 《移动端轻量级模型开发谁更胜一筹&#xff0c;efficientnet、mobilenetv2、mobilenetv3、ghostnet、mnasnet、shufflenetv2驾驶危险行为识别模型对比开发测试》 《基…

论文阅读<Contrastive Learning-based Robust Object Detection under Smoky Conditions>

论文链接&#xff1a;https://openaccess.thecvf.com/content/CVPR2022W/UG2/papers/Wu_Contrastive_Learning-Based_Robust_Object_Detection_Under_Smoky_Conditions_CVPRW_2022_paper.pdf Abstract 目标检测是指有效地找出图像中感兴趣的目标&#xff0c;然后准确地确定它们…

阶段性复习(三)

if后面是赋值符&#xff0c;所以最后的值是a for&#xff08;&#xff1b; &#xff1b;&#xff09;是死循环 大小写转换 在这道题中&#xff0c;通过分析可知&#xff0c;在小写转换大写的过程中&#xff0c;需要满足的条件是word0&#xff0c;同时是小写&#xff0c;而在第…
最新文章