一、项目介绍
基于STM32智能宠物健康监控系统设计与实现
摘要：针对传统宠物养护模式中实时照料不足、健康监测不全面、远程交互便捷性差等问题，本文设计并实现了一套基于STM32的智能宠物健康监控系统。系统以STM32F411CEU6为主控芯片，融合多传感器技术、物联网技术与嵌入式实时操作系统，构建“硬件层-软件层-云端层”三层架构。硬件层整合SHT30温湿度传感器、MPU6050六轴运动传感器、MQ135空气质量传感器等模块，实现宠物体温、运动状态、生活环境及饮水余量的多维度采集；软件层基于RT-Thread NANO操作系统，完成数据采集处理、本地显示、MQTT通信及远程控制等功能开发；云端层依托ThingsBoard平台，实现数据可视化、远程投喂控制及异常预警。通过系统测试验证，该系统数据采集精度高、运行稳定，可实现宠物健康与环境的实时监测、本地与云端双重数据呈现及远程交互控制，有效解决传统宠物养护的痛点，提升宠物养护的智能化水平，具备较高的实际应用价值与推广前景。
关键词：STM32；宠物健康监控；多传感器融合；物联网；远程控制
研究的主要内容
本论文围绕基于STM32的智能宠物健康监控系统设计与实现展开，核心是解决传统宠物养护的时空局限，构建一套集数据采集、本地显示、远程传输、云端管控于一体的智能化系统，具体研究内容如下。首先，梳理系统整体需求与技术选型，结合宠物养护实际场景，确定以STM32F411CEU6为主控芯片，搭配SHT30、MPU6050等传感器及ESP8266通信模块，选用RT-Thread操作系统与ThingsBoard云平台，完成系统总体架构设计。
开展硬件系统设计与调试，完成主控模块、传感器模块、执行器模块、通信模块及显示模块的电路设计与焊接，优化供电电路与抗干扰设计，确保各硬件模块稳定通信。然后，进行软件系统开发，基于模块化思想，开发传感器驱动程序、数据融合算法、本地显示程序及MQTT通信程序，实现多任务调度，保障数据采集、处理与传输的实时性。
完成系统整体调试与性能测试，验证数据采集精度、远程通信稳定性及远程控制可靠性，针对测试中出现的问题进行优化迭代，确保系统满足宠物健康监测与智能养护的实际需求，同时总结研究成果，分析系统存在的不足并提出后续改进方向，为同类宠物智能设备的研发提供技术参考。
系统开发目标和原则
本系统开发核心目标是设计并实现一套基于STM32的智能宠物健康监控系统，突破传统宠物养护的时空限制，实现宠物健康状态与生活环境的多维度实时监测、本地与云端双重数据可视化、远程交互控制及异常预警，为宠物主人提供便捷、科学的养护工具，同时兼顾系统的稳定性、性价比与可扩展性，为同类产品的产业化推广奠定基础。系统开发遵循四大核心原则：一是实用性原则，贴合宠物饲养实际场景，聚焦体温监测、运动状态分析、环境检测、远程投喂等核心需求，避免冗余功能；二是可靠性原则，保障传感器数据采集精准、通信链路稳定，网络异常时可无缝切换至本地模式，避免数据丢失；三是易用性原则，硬件布局简洁、软件操作便捷，云端平台界面直观，降低用户使用门槛；四是可扩展性原则，硬件预留标准接口，软件采用模块化设计，支持后续新增传感器、拓展功能及对接更多物联网平台。
系统总体设计
基于系统总体要求，本系统采用“分层架构+模块化设计”思路，整体分为硬件层、软件层与云端层三大层级，各层级独立运行、协同联动，确保系统的可维护性与可扩展性。硬件层作为系统的基础载体，以STM32F411CEU6为主控核心，整合传感器模块、执行器模块、通信模块、显示模块及辅助电路，形成完整的硬件架构。主控模块负责系统整体调度、数据处理与外设控制；传感器模块负责多维度数据采集，包括SHT30温湿度传感器、MPU6050六轴运动传感器、MQ135空气质量传感器及水位传感器；执行器模块采用SG90舵机，实现远程投喂功能；通信模块通过ESP8266 WiFi模块完成与云端的无线通信；显示模块通过1.54英寸TFTLCD实现本地数据可视化；辅助电路包括稳压电路、去耦电路等，保障硬件稳定运行。
软件层基于RT-Thread NANO操作系统，采用模块化设计，分为驱动层、核心功能层与应用层。驱动层负责各类外设的驱动开发，包括传感器驱动、舵机PWM驱动、LCD显示驱动及WiFi模块AT指令驱动，为上层功能提供硬件支持；核心功能层实现数据采集处理、多任务调度、MQTT通信及数据融合等核心逻辑，其中数据融合算法用于优化传感器原始数据，提升数据精度，多任务调度通过配置线程优先级，确保数据采集、传输等关键任务优先执行；应用层负责本地显示界面更新、云端数据交互、远程指令解析及异常预警触发，实现系统的实际应用功能。
云端层以ThingsBoard平台为核心，实现设备管理、数据存储、可视化展示与远程控制功能。平台通过MQTT协议与设备建立双向通信，接收设备上报的遥测数据并存储，通过仪表板实现数据的实时展示与历史查询；支持设备注册、状态监控与生命周期管理，可向设备下发远程投喂等RPC指令；基于预设数据阈值，实现异常数据检测与警报推送，确保用户及时掌握宠物状态。系统整体工作流程为：设备上电初始化→自检并判定运行模式→传感器采集数据→数据融合处理→本地显示与云端上报→接收并执行远程指令→异常检测与预警，形成完整的智能化监控闭环。
二、文档介绍
三、项目设计
系统软件基于RT-Thread NANO实时操作系统开发，采用“驱动层-核心层-应用层”三级模块化架构，以C语言为开发语言，依托STM32CubeIDE工具实现程序编写与调试。软件核心功能包括传感器数据采集、数据融合处理、本地显示、WiFi通信、云端交互及远程控制，各模块通过全局数据缓冲区实现数据交互，兼顾实时性与可靠性。
c// 系统时钟初始化（PLL倍频至100MHz）voidSystemClock_Config(void){RCC_OscInitTypeDef RCC_OscInitStruct={0};RCC_ClkInitTypeDef RCC_ClkInitStruct={0};// 配置HSE晶振RCC_OscInitStruct.OscillatorType=RCC_OSCILLATORTYPE_HSE;RCC_OscInitStruct.HSEState=RCC_HSE_ON;RCC_OscInitStruct.PLL.PLLState=RCC_PLL_ON;RCC_OscInitStruct.PLL.PLLSource=RCC_PLLSOURCE_HSE;RCC_OscInitStruct.PLL.PLLMUL=RCC_PLL_MUL10;// 8MHz×10=80MHz（后续优化至100MHz）HAL_RCC_OscConfig(&RCC_OscInitStruct);// 配置系统时钟RCC_ClkInitStruct.ClockType=RCC_CLOCKTYPE_HCLK|RCC_CLOCKTYPE_SYSCLK|RCC_CLOCKTYPE_PCLK1|RCC_CLOCKTYPE_PCLK2;RCC_ClkInitStruct.SYSCLKSource=RCC_SYSCLKSOURCE_PLLCLK;RCC_ClkInitStruct.AHBCLKDivider=RCC_SYSCLK_DIV1;RCC_ClkInitStruct.APB1CLKDivider=RCC_HCLK_DIV2;// APB1=42MHzRCC_ClkInitStruct.APB2CLKDivider=RCC_HCLK_DIV1;// APB2=84MHzHAL_RCC_ClockConfig(&RCC_ClkInitStruct,FLASH_LATENCY_2);}// 系统总初始化函数voidSystem_Init(void){HAL_Init();// HAL库初始化SystemClock_Config();// 时钟配置MX_GPIO_Init();// GPIO初始化MX_I2C1_Init();// I2C初始化（连接SHT30、MPU6050）MX_SPI1_Init();// SPI初始化（驱动TFTLCD）MX_USART1_UART_Init();// UART初始化（连接ESP8266）MX_TIM2_Init();// TIM2初始化（舵机PWM控制）MX_ADC1_Init();// ADC1初始化（采集MQ135数据）rt_thread_init();// RT-Thread系统初始化Sensor_Init();// 传感器初始化ESP8266_Init();// WiFi模块初始化}c// SHT30温湿度采集函数voidSHT30_Read_Data(float*temp,float*humi){uint8_tdata[6];HAL_I2C_Master_Transmit(&hi2c1,SHT30_ADDR,0x2C06,2,100);// 发送测量指令HAL_Delay(10);HAL_I2C_Master_Receive(&hi2c1,SHT30_ADDR,data,6,100);// 接收数据// 数据解析*temp=(data[0]<<8|data[1])*175.0/65535.0-45.0;*humi=(data[3]<<8|data[4])*100.0/65535.0;}// 数据采集线程（优先级：高）voidData_Collect_Thread(void*parameter){floattemp,humi;intmpu_data[6],mq135_val,water_level;while(1){// 采集各传感器数据SHT30_Read_Data(&temp,&humi);MPU6050_Read_Data(mpu_data);mq135_val=ADC_Read(&hadc1,ADC_CHANNEL_5);water_level=Water_Sensor_Read();// 数据滤波处理temp=Filter_Average(temp,&temp_buf[0],5);// 滑动平均滤波humi=Filter_Average(humi,&humi_buf[0],5);// 存入全局缓冲区g_data.temp=temp;g_data.humi=humi;g_data.activity=Calculate_Activity(mpu_data);// 计算活动量g_data.air_quality=MQ135_Convert(mq135_val);g_data.water_level=water_level;rt_thread_delay(1000);// 1秒采集一次}}c// TFTLCD数据显示函数voidLCD_Update_Data(Data_TypeDef*data){LCD_Clear(WHITE);// 显示设备状态if(g_wifi_state==WIFI_CONNECTED)LCD_ShowString(0,0,"WiFi: Online");elseLCD_ShowString(0,0,"WiFi: Offline");// 显示温湿度LCD_ShowString(0,30,"Temp: ");LCD_ShowFloat(60,30,data->temp,1);LCD_ShowString(0,60,"Humi: ");LCD_ShowFloat(60,60,data->humi,1);// 显示其他数据（略）}// MQTT数据上报函数voidMQTT_Publish_Data(Data_TypeDef*data){charjson_buf[128];// 封装JSON数据sprintf(json_buf,"{\"temp\":%.1f,\"humi\":%.1f,\"air\":%d,\"water\":%d,\"activity\":%d}",data->temp,data->humi,data->air_quality,data->water_level,data->activity);// 发送MQTT报文ESP8266_MQTT_Publish("v1/devices/me/telemetry",json_buf);}// 显示与通信线程voidDisplay_Comm_Thread(void*parameter){while(1){LCD_Update_Data(&g_data);// 更新本地显示if(g_wifi_state==WIFI_CONNECTED){MQTT_Publish_Data(&g_data);// 云端上报数据}rt_thread_delay(1000);}}总结
本文围绕基于STM32的智能宠物健康监控系统的设计与实现展开深入研究，针对传统宠物养护模式中实时照料不足、健康监测不全面等痛点，结合嵌入式技术、物联网技术与多传感器融合技术，完成了系统从需求分析、总体设计到硬件开发、软件开发、系统测试的全流程工作，最终实现了一套兼具实用性、稳定性与性价比的智能宠物健康监控系统，圆满达成预设的研究目标。
本文的核心研究成果与工作总结如下：第一，完成了系统的需求分析与总体设计，明确了功能、性能、硬件及软件等核心需求，采用“硬件层-软件层-云端层”的分层架构与模块化设计思路，确定了以STM32F411CEU6为主控芯片、RT-Thread为操作系统、ThingsBoard为云端平台的技术方案，为系统的开发奠定了坚实基础。第二，完成了系统硬件设计与调试，整合SHT30、MPU6050、MQ135等多类传感器及ESP8266通信模块、SG90舵机等外设，优化了电路设计与抗干扰措施，实现了多维度数据采集、远程控制与本地显示的硬件支撑，经测试，硬件模块兼容性良好、运行稳定。
第三，完成了系统软件的模块化开发，基于RT-Thread实现多任务调度，开发了传感器驱动、数据采集处理、MQTT通信、本地显示、远程控制及异常预警等核心模块，通过滑动平均滤波、卡尔曼滤波等算法提升数据精度，优化了WiFi通信的稳定性与舵机控制的精准度，形成了完整的软件运行闭环。第四，通过系统全面测试验证了设计的合理性，功能测试、性能测试与硬件兼容性测试结果表明，系统各项指标均满足设计要求，数据采集精度高、远程通信稳定、远程控制可靠，能够有效解决宠物主人无法实时照料宠物的问题，具备较高的实际应用价值。
本次研究也梳理出系统的优势与不足：优势在于系统架构简洁、性价比高，模块化设计提升了可扩展性，本地与云端双重数据呈现方式兼顾了实用性与便捷性；不足则主要体现在数据融合的智能化程度有待提升，对宠物健康状态的分析仅停留在基础数据监测与阈值预警，缺乏深度行为分析能力，同时系统续航能力仍有优化空间，难以适配长期户外使用场景。
