基于Arduino与LabVIEW的远程家庭监控系统

简介: 基于Arduino与LabVIEW的远程家庭监控系统

在基于Arduino与LabVIEW的远程家庭监控系统中,Arduino Uno控制器需要完成以下功能:1)通过W5100网络模块接收并判断命令,采集和传输温度、煤气浓度、热释电传感器的数据,并通过W5100网络模块上传给LabVIEW软件。2)通过W5100网络模块接收并判断命令、控制多路继电器模组的断开与闭合,以控制家用电器的关闭与工作。

1.Arduino硬件连接

将DS18B20温度传感器的VCC和GND分别连接至Arduino Uno控制器的+5V和GND,以给DS18B20提供电源,DS18B20的DQ引脚接至ArduinoUno控制器数字引脚D2,且连接4.7kΩ的上拉电阻,因为DS18B20的DQ引脚正常工作需要添加上拉电阻。

将MQ-2气体传感器的两个H引脚分别接至加热电源的正负极,并调整电源模块输出+5V电压;将A端、B端分别接至Arduino Uno控制器的+5V、模拟输入A0,并且在B端与GND之间串接负载电阻。

将固态继电器模组的控制端分别接至Arduino Uno控制板上的数字端口D3、D4、D5、D6、GND。硬件连接图上只表示了一路继电器,其余的类似。

将热释电红外传感器的VCC、OUT、GND分别接至Arduino Uno控制板上的5V、数字接口D7和GND。此处没有在硬件连接图上表示出来。

2.Arduino程序设计

代码清单:远程智能家居系统Arduino控制器程序代码

#include <OneWire.h> // 包含I2C函数库
#include <DallasTemperature.h> // 包含Dallas单总线函数库#include <SPI.h> // 包含SPI函数库#include <Ethernet.h> // 包含W5100网络函数库#define ONE_WIRE_BUS 2 // 定义数字口2为单总线的控制引脚#define gas_Command 0x81 // 气体采集命令#define temp_Command 0x82 // 温度采集命令#define infrared_Command 0x80 // 热释电采集命令#define SW1_ON_Command 0x11 // 继电器1闭合命令#define SW1_OFF_Command 0x10 // 继电器1断开命令#define SW2_ON_Command 0x21 // 继电器2闭合命令
#define SW2_OFF_Command 0x20 // 继电器2断开命令#define SW3_ON_Command 0x31 // 继电器3闭合命令#define SW3_OFF_Command 0x30 // 继电器3断开命令#define SW4_ON_Command 0x41 // 继电器4闭合命令#define SW4_OFF_Command 0x40 // 继电器4断开命令OneWire oneWire(ONE_WIRE_BUS);DallasTemperature sensors(&oneWire);// 设置MAC地址和IP地址byte mac[] = { 0xDE, 0xAD, 0xBE, 0xEF, 0xFE, 0xED };IPAddress ip(192,168,1,177);// 设置端口号EthernetServer server(8000);int SW1=3; // 定义继电器1的控制引脚int SW2=4; // 定义继电器2的控制引脚int SW3=5; // 定义继电器3的控制引脚
int SW4=6; // 定义继电器4的控制引脚
int inrared_Pin=7; // 定义热释电传感器信号的读取引脚
byte comdata[3]={0}; // 定义数组,用于保存接收命令数据
void test_do_data(void); // 测试串口数据是否正确并执行命令
void setup()
{
Ethernet.begin(mac, ip); // 初始化TCP/IP协议栈
server.begin(); // 启动服务器
sensors.begin(); // 初始化单总线传感器
pinMode(SW1, OUTPUT);
pinMode(SW2, OUTPUT);
pinMode(SW3, OUTPUT);
pinMode(SW4, OUTPUT); // 将继电器的控制引脚设置为输出状态
}
void loop()
{
int i ;
// 等待连接,并创建一个用户对象
EthernetClient client = server.available();
if (client) {
while(client.connected()) {
if(client.available()) {
for(i=0;i<3;i++)
{
comdata[i] =client.read();
delay(2);
}
test_do_data();
}
}
client.stop(); // 关闭连接
}
}
void test_do_data()
{
if(comdata[0] == 0x55) // 0x55和0xAA均为命令帧头,用于判断命令是否有效
{
if(comdata[1] == 0xAA) {
switch (comdata[2])
{
case temp_Command: // 温度采集命令
sensors.requestTemperatures();
server.print(sensors.getTempCByIndex(0),2);
break;
case infrared_Command: // 热释电数据采集命令
server.print(digitalRead(inrared_Pin));
break;
case gas_Command: // 气体采集命令
server.print(analogRead(A0));
break;
case SW1_ON_Command: // 继电器1闭合命令
digitalWrite(SW1, HIGH);
break;
case SW1_OFF_Command: // 继电器1断开命令
digitalWrite(SW1, LOW);
break; case SW2_ON_Command: // 继电器2闭合命令
digitalWrite(SW2, HIGH);
break;
case SW2_OFF_Command: // 继电器2断开命令
digitalWrite(SW2, LOW);
break;
case SW3_ON_Command: // 继电器3闭合命令
digitalWrite(SW3, HIGH);
break;
case SW3_OFF_Command: // 继电器3断开命令
digitalWrite(SW3, LOW);
break;
case SW4_ON_Command: // 继电器4闭合命令
digitalWrite(SW4, HIGH);
break;
case SW4_OFF_Command: // 继电器4断开命令
digitalWrite(SW4, LOW);
break;
}
}
}
}


目录
相关文章
|
并行计算 PyTorch 算法框架/工具
Python安装Pytorch教程(图文详解)
Python安装Pytorch教程(图文详解)
2200 0
Python安装Pytorch教程(图文详解)
|
传感器 存储 边缘计算
3000字11张图硬核科普:什么是边缘计算?与云计算有什么联系和区别?
边缘计算是 现代IT 网络架构的一种创新的、革命性的方法,计算处理去中心化并在靠近数据源的网络“边缘”执行它,数据不再发送到云或任何单个数据处理中心,而是被发送到靠近传感器或生成此数据的设备数据源,极大的提高了数据的处理速度,节省了大量的带宽,还提高了数据的安全性。
1741 0
3000字11张图硬核科普:什么是边缘计算?与云计算有什么联系和区别?
|
5月前
|
运维 监控 Java
Tomcat配置参数connection-timeout的详细解析和应用讨论
`connection-timeout` 的配置需要根据实际的应用场景、服务器性能、网络环境以及用户行为来决定。因此,开发和运维团队通常需要结合应用特点和监控数据,经过一系列的测试和调优,来确定一个既能保证用户体验,又能维护服务器稳定性和安全性的最优值。
654 0
|
11月前
|
人工智能 搜索推荐 Docker
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
DeepSeek R1 + LobeChat + Ollama:快速本地部署模型,创建个性化 AI 助手
6837 119
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
|
数据采集 算法 大数据
【专栏】大规模数据处理在数据化时代的重要性、应用领域以及面临的挑战
【4月更文挑战第27天】随着信息技术发展,数据成为驱动社会和经济的核心。大规模数据处理技术助力企业优化决策、推动科研创新、促进社会治理现代化,广泛应用于金融、电商、医疗等领域。然而,数据质量、安全、技术更新、法律伦理等问题也随之而来,需通过建立数据管理体系、加强技术研发、人才培养和法规建设等策略应对。大规模数据处理技术在变革生活的同时,其健康发展至关重要。
505 2
|
IDE 开发工具 C语言
Visual Studio 2017 安装及使用(新手)
Visual Studio 2017 安装及使用(新手)
2130 0
|
JSON 人工智能 API
程序调用大模型返回结构化输出(JSON)
本文介绍了如何使用讯飞星火大模型API,并通过Python封装实现结构化数据输出。首先,通过封装SparkAI类,实现了与讯飞星火API的交互,确保了调用的安全性和便捷性。接着,利用Pydantic库定义了数据模型`CalendarEvent`,确保从大模型获取的回答能够被正确解析成预设的结构化JSON格式,从而解决了大模型回答不规范的问题。示例代码展示了如何构造请求、接收并解析响应,最终输出结构化的活动信息。
1783 5
|
机器学习/深度学习 数据采集 算法
利用未标记数据的半监督学习在模型训练中的效果评估
本文将介绍三种适用于不同类型数据和任务的半监督学习方法。我们还将在一个实际数据集上评估这些方法的性能,并与仅使用标记数据的基准进行比较。
1133 8
|
缓存 负载均衡 数据库
构建高性能微服务架构:策略与实践
【5月更文挑战第21天】 随着现代业务需求的不断演进,传统的单体应用架构已难以满足快速迭代和灵活部署的要求。微服务架构应运而生,以其服务的细粒度、独立性和弹性优势成为企业转型的重要选择。本文将深入探讨如何构建一个高性能的微服务系统,从服务划分原则到性能优化技巧,旨在为开发者提供一套系统的微服务性能提升方案。文章将重点讨论在设计高并发、低延迟的微服务时需要考虑的关键因素,包括服务治理、缓存策略、负载均衡以及异步通信机制等。
|
计算机视觉
【方便的Opencv】实现播放有声音的视频+附带图片生成gif
【方便的Opencv】实现播放有声音的视频+附带图片生成gif
1202 0
【方便的Opencv】实现播放有声音的视频+附带图片生成gif