新闻详情

新闻详情

首页 / 资讯中心 / 详情

流水灯实验2

发布时间:2026/11/22 4:27:29来源:尧图网络
流水灯实验2
在经过使用寄存器的方式完成流水灯的实验后现在可以通过使用stm32标准库的方式再次进行该实验。首先需要的就是创建一个具有标准库文件的工程文件。首先是创建一个新的工程并选择所使用的芯片。在当前界面找到所使用的STM32C8T6芯片后即可点击ok完成一个新工程的创建。完成新工程的创建后在左上角可以找到一个target1右键点击后创建三个新的group分别叫做userlibrarystart。再分别点击各个文件添加下载的相关文件。start中放入启动文件user中放入main函数。library中放入库函数。添加方式如图选择需要添加的文件选中后点击add。在完成上述添加操作后还需要添加路径与宏定义。在include paths中完成对于startuser与library文件的路径添加。在main中写上#include “stm32f10x.h”再鼠标悬停在引号内的内容上右击后可以进入上图的界面中。进入后将界面拉到最下方找到图示的代码行将USE_STDPERIPH_DRIVER复制后填入C/C中的define中。就解决了宏定义的问题。此刻终于可以开始进行代码的书写。这里使用内部的HSI 8mhz不使用外部的晶振。最后可以再次实现三个LED灯的流水灯。从PA0到PA1再到PB0的不断循环闪烁。点击魔术棒切换到debug界面勾选上use simulator和run to main再将下面这几栏改为符合所选用芯片的数据。这下就可以开始使用keil的仿真波形功能了。通过下面这个可以打开控制器。在将需要观测的引脚添加进去最后就能够观察到所写程序的相关引脚波形输出了。三条波形红 PA0、绿 PA1、蓝 PB0错开 1/3 周期 —— 当红高时绿蓝低、绿高时红蓝低、蓝高时红绿低符合PA0→PA1→PB0 轮流点亮的流水灯逻辑没有出现同时亮或同时灭的异常。时间轴范围 0~31.08 秒Grid1 秒数红色PA0的高脉冲约 23 个完整方波周期覆盖 31 秒一个完整流水灯周期三灯轮流一轮≈ 31.08 / 23 ≈ 1.35 秒**每只灯的亮灯时间就等于1.35/3约为0.45秒。完成上述内容后在通过hal库加按键控制流水灯的停止与开始。完成代码的构建后再用一根线连接到芯片的PA2的端口通过该端口控制流水灯的启停。流水灯停止后停留在了PA1的LED灯处。自此我们完成了流水灯的整个实验。在本次实验中我们学习到了如何在keil中构建一个符合所用器件且能够使用STM32标准库的工程以及如何完成相关环境的配置。如何配置keil的软件仿真逻辑分析仪以及如何使用分析仪来获得自己想要的引脚的波形图。如何用STM32的标准库来完成一个流水灯实验如何用hal库与按键完成流水灯的启停。学到了如何使用分析仪给出的的波形来找出实际的问题。为以后的学习打下了良好的基础。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉