基于ESP8266与ADS1115的智能灌溉压力监测系统DIY指南-编程实验室

1. 项目概述：从灌溉故障到智能预警的DIY之路

去年夏天，我给自家花园装了一套自动灌溉系统，并接入了Home-Assistant，想着从此就能高枕无忧，做个“甩手掌柜”。没想到，现实很快给了我几个下马威。系统总在凌晨5点浇水，好几次我起床后发现，要么草坪一片干旱，要么某个角落成了“水塘”。问题出在哪？是泵坏了，还是管子漏了？等我发现时，损失已经造成，尤其是外出度假时，更是鞭长莫及。

经过一番排查，我锁定了三个“罪魁祸首”：一是水泵的漏水保护功能过于敏感，一根软管轻微渗漏就会导致整个泵站停机；二是水泵的前置过滤器容易被杂质堵塞，导致水泵无法正常吸水或建立水压；三是灌溉主管路上的叠片过滤器也会堵塞，直接造成喷头水压不足。这些故障的共同点，都是系统水压的异常变化。如果能实时、精确地监测关键点的压力，就能在问题刚冒头时发出警报，甚至自动触发应对措施。

恰巧，我用的Rain Bird叠片过滤器预留了两个G1/4”内螺纹的压力传感器接口，这简直是天赐良机。我的思路很简单：在过滤器进水口和出水口各安装一个压力传感器。通过对比这两个点的压力值，就能精准定位故障源。如果进水口压力不足，问题很可能出在水泵或前置过滤器；如果进水口压力正常而出水口压力骤降，那基本就是叠片过滤器堵了。基于这个判断，我就能通过Home-Assistant发送手机推送，或者在特定条件下自动执行“反冲洗”等操作来尝试清除故障。

这个方案的核心硬件并不复杂：一个负责联网和逻辑控制的ESP8266微控制器（我手头正好有块D1 Mini），一个能将传感器模拟信号高精度数字化的ADS1115模数转换器，以及两个量程合适的压力传感器。软件层面，我选择了ESPHome框架，它能让我用YAML配置文件快速定义设备功能，并无缝集成到Home-Assistant中。整个项目从构思、原型测试到最终封装上墙，集中在一个周末搞定，下文我将拆解每一个步骤，分享其中的设计思路、实操细节以及我踩过的那些坑。

2. 核心硬件选型与电路设计解析

一套可靠的监测系统，硬件是基石。选型不仅要考虑性能参数，更要兼顾实际安装环境、供电和信号处理的便利性。我的选型过程就是一系列权衡与妥协的结果。

2.1 压力传感器：量程、接口与信号特性

我的灌溉泵标称最大压力约为4.5巴（Bar）。为留有余量，我选择了量程为0-10巴的传感器。市面上常见的有电压输出型和电流输出型（如4-20mA）。电流型抗干扰能力强，适合远距离传输，但需要额外的电源和接收电路。对于我的短距离（几米内）柜内安装，0.5-4.5V电压输出型更为简单直接，其输出与压力呈线性关系。

传感器型号是WNK83MA，螺纹规格为G1/4”外螺纹，这与过滤器接口匹配。它需要5V供电，输出信号在0巴（表压，即大气压）时为0.5V，在10巴时为4.5V。这意味着在4.5巴的工作点，输出电压大约在2.3V左右。这个电压范围是后续选择ADC（模数转换器）的重要依据。

注意：购买时务必确认传感器的压力类型（表压、绝压或密封压）。灌溉系统监测通常使用表压传感器，其零压参考点为当地大气压。还要注意介质兼容性，确保传感器接触水的部件（通常是不锈钢膜片）能耐受灌溉用水可能含有的氯离子和杂质。

2.2 模数转换器（ADC）：为何必须外置？

ESP8266的D1 Mini开发板本身有一个10位精度的ADC引脚（A0），但只能接一个传感器。虽然有些ESP32型号有多个ADC通道，但其中一个通道（ADC2）在Wi-Fi工作时无法使用，这对于需要持续联网上报数据的物联网设备来说是致命缺陷。因此，使用一个多通道、高精度的外部ADC是必然选择。

我选择了ADS1115。理由如下：

高精度：16位分辨率，远高于ESP8266内置的10位ADC。对于压力监测，更高的精度意味着能分辨更微小的压力变化，提前发现堵塞趋势。
多通道：提供4个差分或单端输入通道，我只需要2个，未来扩展余地大。
I2C接口：仅需两根信号线（SDA, SCL）即可通信，节省微控制器IO口。
可编程增益放大器（PGA）：增益可调（最高至16倍），能适配不同幅度的输入信号，充分利用ADC的量程，提高测量精度。

这里有一个关键的设计细节：电平匹配问题。ADS1115的输入电压绝对不能超过其供电电压（VDD）+0.3V。我的传感器用5V供电，最大输出4.5V。如果ADS1115也用5V供电，那么4.5V输入是安全的。但我为了简化电路，想直接用ESP8266的3.3V为ADS1115供电，这样两者的I2C通信就无需电平转换。此时，ADS1115的VDD=3.3V，其最大允许输入电压为3.6V。而我的传感器在5巴时输出约2.25V，在10巴时才达到4.5V。考虑到我的泵实际最大压力仅4.5巴，且有安全余量，传感器输出预计不会超过2.5V，低于3.6V的限制。因此，让ADS1115工作在3.3V，直接连接5V供电的传感器输出，在这个具体应用场景下是可行的风险权衡。如果你的系统压力可能更高，则必须采用5V为ADS1115供电，并在其I2C线上增加电平转换电路。

2.3 微控制器与电源：稳定是王道

ESP8266（D1 Mini）是物联网项目的“万金油”，功耗低、Wi-Fi稳定、生态丰富。选择它毫无悬念。电源方面，我翻出一个闲置的迷你220V AC转5V DC、600mA的电源模块。ESP8266和ADS1115功耗都很低，两个压力传感器也属于静态功耗很小的器件，600mA的容量绰绰有余。我将此5V电源直接供给两个压力传感器，同时通过D1 Mini板载的3.3V稳压器，为ESP8266和ADS1115提供3.3V电源。这种供电方案避免了多个电源引入的共地噪声问题。

2.4 电路连接与PCB布局

在洞洞板上搭建最终电路时，我遵循了以下原则：

电源去耦：在ESP8266和ADS1115的电源引脚附近，都放置了0.1uF的陶瓷电容，用于滤除高频噪声。
I2C上拉电阻：D1 Mini板载了I2C总线的上拉电阻，通常无需外接。但如果总线较长或设备较多，可以额外在SDA和SCL线上各加一个4.7kΩ上拉电阻到3.3V，以确保信号质量。
ADS1115地址设置：ADS1115的ADDR引脚决定了其I2C地址。我将它接地（GND），将地址固定为0x48。如果需要连接多个ADS1115，可以通过将此引脚接至VDD或SDA等来改变地址。
传感器线缆保护：连接压力传感器的三芯线（5V、GND、信号）我穿入了直径20mm的波纹管，并在进入控制箱处使用防水格兰头，防止鼠咬和机械损伤。

最终的接线非常简单：

ADS1115：VDD接3.3V，GND接GND，SDA接D2（GPIO4），SCL接D1（GPIO5）。A0、A1分别接两个压力传感器的信号线（黄线）。
压力传感器：红线接5V电源正极，黑线接5V电源负极（同时也是系统的GND参考点），黄线（信号）接ADS1115的A0或A1。
电源：5V电源正极接传感器红线和D1 Mini的5V引脚，负极接所有GND。

3. 软件配置：ESPHome从入门到精通

ESPHome的强大之处在于，你几乎不用写传统的C++代码，通过声明式的YAML配置文件就能定义设备的所有功能。下面是我的核心配置文件详解。

3.1 基础设备与日志配置

esphome: name: irrigation-pressure friendly_name: Irrigation-Pressure esp8266: board: esp01_1m platform_version: 2.7.4 # 建议指定一个稳定版本 # 启用日志，调试时可设为DEBUG，稳定后设为WARN或ERROR以减少网络流量 logger: level: WARN baud_rate: 0 # 禁用串口日志，仅通过网络输出 # 状态指示灯，利用板载LED，正常运行时低电平点亮 status_led: pin: number: GPIO2 inverted: true

friendly_name这个设置很重要，它会在Home-Assistant中显示为一个友好的设备名。platform_version锁定ESP8266核心版本，可以避免因自动更新带来的意外兼容性问题。

3.2 I2C总线与ADS1115传感器定义

i2c: sda: GPIO4 scl: GPIO5 scan: false # 初始调试时可设为true以确认设备地址，正常后设为false sensor: - platform: ads1115 address: 0x48 gain: 4.096 # 增益设置，对应量程为±4.096V update_interval: 1s # 采样间隔，1秒对于压力监测足够 # 通道0：过滤器进水口压力 multiplexer: A0_GND # 测量A0引脚对GND的电压（单端输入） id: pressure_inlet_raw name: "Inlet Pressure Raw" unit_of_measurement: "V" accuracy_decimals: 4 filters: - median: # 中值滤波，取5次采样的中间值，有效抑制尖峰噪声 window_size: 5 send_every: 2 - lambda: 'return x * 1000.0;' # 将伏特转换为毫伏，方便后续计算 # 通道1：过滤器出水口压力 multiplexer: A1_GND id: pressure_outlet_raw name: "Outlet Pressure Raw" unit_of_measurement: "V" accuracy_decimals: 4 filters: - median: window_size: 5 send_every: 2 - lambda: 'return x * 1000.0;'

这里有几个关键点：

增益（Gain）：设置为4.096，意味着ADC将±4.096V的输入范围映射到其全部的16位输出。我的信号最大约2.5V，在此量程下能获得最佳分辨率。
滤波（Filters）：median中值滤波器是处理传感器读数跳动的利器。它取最近N次采样（窗口大小）的中位数作为输出，能有效滤除偶发的、幅度大的干扰脉冲，比简单的移动平均滤波效果更好。send_every: 2表示每2次更新才向Home-Assistant发送一次数据，减少网络流量。
Lambda转换：在滤波后立即将电压值乘以1000，单位从V变为mV。这样做是因为后续的线性插值校准在mV级别进行时，系数更直观，且能避免YAML配置文件处理过小浮点数时可能出现的精度问题。

3.3 压力值计算、校准与差分传感器

原始电压值需要转换为有意义的压力值（巴），并计算进出口压差。

sensor: # 进水口压力校准与计算 - platform: template name: "Inlet Pressure" id: pressure_inlet unit_of_measurement: "bar" icon: "mdi:water-pump" device_class: "pressure" state_class: "measurement" accuracy_decimals: 2 update_interval: 2s # 继承上游传感器的更新节奏 lambda: |- float mv = id(pressure_inlet_raw).state; // 获取以mV为单位的原始值 // 线性插值校准：y = k*x + b // 通过实测数据点计算得出，示例数据如下： // 0.5 bar -> 642 mV, 5.0 bar -> 2534 mV float pressure = (mv - 642.0) / (2534.0 - 642.0) * (5.0 - 0.5) + 0.5; return pressure; filters: - delta: 0.01 # 仅当压力变化超过0.01 bar时才更新状态，减少不必要的数据传输 # 出水口压力校准与计算（公式同理，但校准系数可能因传感器个体差异而不同） - platform: template name: "Outlet Pressure" id: pressure_outlet unit_of_measurement: "bar" icon: "mdi:sprinkler" device_class: "pressure" state_class: "measurement" accuracy_decimals: 2 update_interval: 2s lambda: |- float mv = id(pressure_outlet_raw).state; // 假设另一个传感器的校准点：0.5 bar -> 635 mV, 5.0 bar -> 2520 mV float pressure = (mv - 635.0) / (2520.0 - 635.0) * (5.0 - 0.5) + 0.5; return pressure; filters: - delta: 0.01 # 计算压差：这是一个非常重要的诊断指标 - platform: template name: "Pressure Difference" id: pressure_diff unit_of_measurement: "bar" icon: "mdi:delta" accuracy_decimals: 3 lambda: |- return id(pressure_inlet).state - id(pressure_outlet).state; filters: - delta: 0.005 # 压差变化敏感度更高 - throttle_average: 10s # 对压差进行10秒平均，使其更稳定

校准是精度保障的核心。我采用的方法是：

在系统运行时，同时记录传感器输出电压（mV）和一个可信的参考压力表读数（Bar）。
至少取两个点（例如系统静止时的低压点和泵全开时的高压点），记录多组数据。
在Excel或任何绘图工具中，以电压为X轴，压力为Y轴，绘制散点图并添加线性趋势线。
获取趋势线的公式y = k*x + b，其中的斜率k和截距b就是校准系数。
将系数代入上述Lambda表达式中。calibrate_linear指令本质上就是执行这个线性方程计算。

实操心得：校准最好在系统水温与环境温度接近时进行，因为传感器输出可能有轻微的温度漂移。压差传感器throttle_average（节流平均）滤波非常有用，因为单次采样的微小波动在求差后可能会被放大，进行短期平均能获得更平滑、更有代表性的压差值。

3.4 OLED显示屏的集成（可选但推荐）

添加一个小型OLED显示屏（我用的0.96寸SSD1306）能让你在现场无需打开手机APP就能快速查看状态，调试时尤其方便。

font: - file: "gfonts://Roboto" id: roboto_small size: 12 display: - platform: ssd1306_i2c model: "SSD1306 64x48" address: 0x3C update_interval: 1s lambda: |- // 第一行：进水压力 it.printf(0, 0, id(roboto_small), "In:%.2f", id(pressure_inlet).state); // 第二行：出水压力 it.printf(0, 16, id(roboto_small), "Ot:%.2f", id(pressure_outlet).state); // 第三行：压差，用箭头图标指示方向 float diff = id(pressure_diff).state; if (diff > 0.01) { // 进水压力大于出水压力 it.triangle(0, 35, 5, 42, 10, 35); // 向下箭头，表示压力下降 } else if (diff < -0.01) { // 理论上不应出现，但保留逻辑 it.triangle(0, 42, 5, 35, 10, 42); // 向上箭头 } it.printf(15, 33, id(roboto_small), "D:%.2f", fabsf(diff)); // 显示压差绝对值

由于ESP8266和ADS1115已占用I2C总线，OLED屏可以直接并联上去，只需确保其I2C地址（通常是0x3C）不冲突即可。这段Lambda脚本让屏幕实时显示三个关键数据，并通过一个简单的箭头图形直观显示压差方向。

4. 机械安装与现场施工要点

电路和代码搞定只算成功了一半，把设备可靠地安装到潮湿、震动的现场环境，是另一个挑战。

4.1 传感器与过滤器的连接

Rain Bird过滤器的压力接口是G1/4”内螺纹，而传感器是外螺纹。我需要一个“双内螺纹”的90度弯头（G1/4” female to female elbow）作为转接，这样传感器才能水平朝向侧面安装，避免线缆朝下易积水和承重。

密封是重中之重。塑料或金属螺纹连接，必须使用聚四氟乙烯生料带（Teflon Tape）。缠绕时注意方向：面向螺纹，顺时针缠绕（即顺着螺纹拧紧的方向）。通常缠绕4-5圈即可，切勿过多，否则拧入时多余的生料带可能被挤入管道内部造成堵塞。绝对不要用麻丝或液态生料，它们在塑料螺纹上效果不好，且麻丝遇水膨胀可能胀裂塑料件。

4.2 打孔与安装

安全第一：关闭水源，释放管路压力。拧开过滤器罐体，取出滤芯。这一步至关重要，防止钻孔时的塑料碎屑掉入下游管路。
定位与钻孔：在过滤器进出水口附近的平整壳体上，标记两个安装孔位。使用6mm钻头缓慢钻孔。钻孔后，务必用更大一号的钻头或专用工具去除孔边的毛刺，防止刮伤传感器线缆。
清洁：用清水彻底冲洗过滤器壳体内部，确保无任何碎屑残留。
组装：按顺序组装：先将弯头缠好生料带，拧入过滤器壳体；再将传感器缠好生料带，拧入弯头。使用扳手适度拧紧，切忌用力过猛导致塑料螺纹滑牙。

4.3 控制箱与走线

我设计并3D打印了一个小型防水盒。内部用M2螺丝将洞洞板固定。电源模块、D1 Mini、ADS1115和OLED屏都集成在洞洞板上。传感器线缆通过防水格兰头引入箱内。箱体背面开有散热孔，但位置需确保雨水不会直接溅入。

踩坑记录：最初我将控制箱安装在阳光直射的墙壁上。夏季高温导致箱内温度超过50℃，ESP8266偶尔出现无线连接不稳定的情况。后来我将箱子移到了背阴处，并在箱体顶部加了一个小型遮阳罩，问题彻底解决。户外电子设备，散热和防晒必须考虑。

5. 系统集成、自动化与故障诊断

设备上线后，真正的价值在于与智能家居平台的联动和基于数据的自动化。

5.1 接入Home-Assistant

在ESPHome中编译固件并通过OTA（无线）更新到设备后，在Home-Assistant的“集成”页面添加ESPHome设备，输入设备的主机名或IP地址即可。所有在ESPHome中定义的传感器（压力、压差）和状态灯实体都会自动出现。

5.2 创建监控仪表盘

在Home-Assistant的Lovelace仪表盘中，可以创建直观的监控界面：

type: vertical-stack cards: - type: gauge entity: sensor.inlet_pressure name: 进水压力 min: 0 max: 6 severity: green: 3 yellow: 2 red: 0 - type: gauge entity: sensor.outlet_pressure name: 出水压力 min: 0 max: 6 - type: sensor entity: sensor.pressure_difference name: 滤网压差 graph: line detail: 1 - type: history-graph entities: - sensor.inlet_pressure - sensor.outlet_pressure hours_to_show: 24

压力表盘可以设置颜色预警（如低于2巴变黄，低于1巴变红），历史曲线图能帮助你分析压力随时间的变化模式，比如发现夜间压力缓慢下降可能预示着微小泄漏。

5.3 构建自动化与预警规则

这才是系统的“大脑”。我设置了如下几条核心自动化规则：

低进水压力报警（预示水泵或前置过滤器故障）：

alias: "报警：灌溉系统进水压力过低" trigger: platform: numeric_state entity_id: sensor.inlet_pressure below: 1.5 # 根据你的水泵正常最低压力设定 for: minutes: 2 # 持续2分钟低压才报警，避免短暂波动误报 action: - service: notify.mobile_app_my_phone data: title: "🚨 灌溉系统警报" message: "进水压力持续低于1.5巴，请检查水泵或前置过滤器！"

高滤网压差报警（预示叠片过滤器堵塞）：

alias: "报警：过滤器压差过高需清洗" trigger: platform: numeric_state entity_id: sensor.pressure_difference above: 0.5 # 清洁滤网的压差通常小于0.2巴，0.5巴已严重堵塞 for: minutes: 5 action: - service: notify.mobile_app_my_phone data: title: "⚠️ 过滤器堵塞警告" message: "过滤器前后压差已达{{ states('sensor.pressure_difference') }}巴，建议立即反冲洗或清洗滤网。"

自动反冲洗尝试（在报警后自动执行）：

alias: "自动尝试反冲洗过滤器" trigger: platform: numeric_state entity_id: sensor.pressure_difference above: 0.5 for: minutes: 2 condition: # 增加条件，避免夜间扰民或无效操作 - condition: time after: "08:00:00" before: "20:00:00" - condition: state entity_id: switch.garden_water_supply state: 'on' action: - service: switch.turn_off target: entity_id: switch.garden_water_supply - delay: minutes: 1 # 停水1分钟，让滤网杂质沉降 - service: switch.turn_on target: entity_id: switch.garden_water_supply # 反冲洗后，等待一段时间再次检查压差 - delay: minutes: 3 - choose: - conditions: - condition: numeric_state entity_id: sensor.pressure_difference below: 0.2 sequence: - service: notify.mobile_app_my_phone data: message: "自动反冲洗成功，压差已恢复正常。" default: - service: notify.mobile_app_my_phone data: message: "自动反冲洗后压差仍高，请手动清洗滤网！"

5.4 常见问题排查实录

即使设计再完善，实际运行中也可能遇到问题。以下是我遇到和可能遇到的故障及排查方法：

现象	可能原因	排查步骤
Home-Assistant中无设备或实体丢失	1. ESP设备未联网。 2. ESPHome配置中`api`加密密钥不匹配。 3. 防火墙/网络阻止了通信。	1. 检查设备指示灯，在ESPHome日志中查看连接状态。 2. 核对HA集成添加时的密钥与ESPHome配置`api`下的`encryption`字段。 3. 尝试在路由器后台查看设备是否获取到IP，并尝试在局域网内用浏览器访问`http://设备名.local`。
压力读数恒为0或异常固定值	1. 传感器供电异常（非5V）。 2. 信号线接触不良或断开。 3. ADS1115 I2C地址错误或未连接。 4. ESPHome配置中`multiplexer`设置错误。	1. 用万用表测量传感器红黑线间电压，确保为稳定的5V。 2. 测量传感器黄线（信号）对GND电压，用手按压传感器膜片，看电压是否变化（0.5-4.5V范围）。 3. 在ESPHome配置中开启`i2c: scan: true`，查看日志确认检测到的I2C地址。 4. 确认`multiplexer`设置为正确的通道，如`A0_GND`。
压力读数跳动剧烈（噪声大）	1. 电源噪声。 2. 传感器信号线未使用屏蔽线或走线靠近干扰源。 3. 软件滤波参数不足。	1. 确保电源模块质量，在ESP8266和ADS1115的电源引脚附近增加10uF电解电容并联0.1uF陶瓷电容。 2. 将传感器信号线改用屏蔽线，屏蔽层单端接地（接控制箱内的GND）。 3. 增强软件滤波：增大`median`滤波的`window_size`，或增加`throttle_average`的平均时间。
压力读数与机械表偏差大且不线性	1. 传感器校准系数错误。 2. 传感器量程选择不当（过载或未充分利用）。 3. ADS1115增益设置不当。	1. 重新执行校准流程，获取多组数据点（至少3个，覆盖常用范围）。 2. 确认系统最大压力在传感器量程的50%-80%之间为佳。 3. 根据传感器最大输出电压，调整ADS1115的`gain`值，使信号尽可能接近但不超过ADC量程。
Wi-Fi频繁断开重连	1. 信号强度弱。 2. 设备供电不足或电压不稳。 3. 环境温度过高。	1. 检查ESP的Wi-Fi RSSI值（在日志或HA传感器中可查看），考虑增加Wi-Fi中继器。 2. 使用万用表监测设备运行时5V和3.3V电压是否稳定，尤其在水泵启动瞬间。 3. 改善控制箱散热，避免阳光直射。

这个项目运行数月以来，成功预警了两次前置过滤器堵塞和一次因接头松动导致的微小泄漏。它从一个被动响应的灌溉系统，变成了一个具备初步“感知”和“预警”能力的智能系统。整个构建过程最深的体会是，物联网项目成功的关键在于对物理世界的深刻理解（如水压特性、机械安装）与数字世界的灵活工具（如ESPHome、Home-Assistant自动化）的结合。从明确问题（压力异常）到定义解决方案（差分监测），再到选型、实现和集成，每一步的理性推敲和务实妥协，最终汇聚成了一个稳定可靠、真正解决问题的作品。