博客
关于我
STM32F429第二十三篇之捕获实验详解
阅读量:581 次
发布时间:2019-03-11

本文共 859 字,大约阅读时间需要 2 分钟。

对于遇到的问题,以下是逐步的分析和解决方法:

  • 确认系统配置与初始化正确性

    • 检查 TIM5_CH1_Cap_Init 函数中是否正确初始化了预分频、极性选择、输入选择等参数。特别是极性是否设置为上升沿(TIM_ICPOLARITY_RISING)。
    • 确保 TIM5_Handler 的配置正确,包括计数模式设置为上升沿检测。
  • 检查中断响应函数是否正确处理捕获事件

    • 查看中断响应函数 HAL_TIM_IRQHandler,确保在捕获事件发生时正确转换到输入通道,并调用相应的回调函数。
    • 检查是否有其他中断事件干扰,影响了对捕获事件的响应。
  • 分析主循环中的捕获处理逻辑

    • 确认在每次循环中,PWM的占空比是否正确进行调整,并且触发了正确的必测器信号。
    • 检查 TIM_SetTIM3Compare4HAL_TIM_GetTIM3Capture4 函数的使用是否正确,确保PWM波的产生和捕获同步进行。
  • 检查中断回调函数中的状态变量处理

    • 确保 Capture_STACapture_VAL 变量在回调函数中被正确处理,尤其是在上升沿捕获后是否正确重新初始化计数器。
    • 检查是否在回调函数中正确标记捕获开始和结束,使得 Capture_STA 变量能够正确反映高电平持续时间。
  • 验证滤波器设置是否正确

    • 检查是否在初始化滤波器时正确设置了截 Holden configuration,防止滤波过多或过少,导致无法捕捉到实际的高电平转换。
  • 排除其他干扰因素

    • 确保没有其他中断活动正在竞争中断处理,导致未能正确处理输入捕获。
    • 检查是否有外部因素干扰PWM波生成和捕获过程,确保系统内外部环境稳定。
  • 进一步调试和验证

    • 根据上述筛选,逐步排除潜在的线索,运行代码,观察捕捉到的 Capture_VAL 是否开始返回非零值。
    • 在成功捕获到有效数据后,进一步分析高电平持续时间的计算是否正确,确保输出结果符合预期。
  • 通过以上步骤,结合实际运行情况,可以逐步定位问题,找出导致捕获值保持为0的根本原因,并采取相应的调整措施。

    转载地址:http://zdztz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>