rtl_433项目解析ThermoPro TP28B无线温度计协议
2025-06-02 08:56:37作者:沈韬淼Beryl
协议背景
ThermoPro TP28B是一款专业级无线双探头温度计,广泛应用于烧烤、烟熏等烹饪场景。该设备通过915MHz频段传输温度数据,采用FSK_PCM调制方式。rtl_433项目组近期成功解析了该设备的通信协议,为开发者提供了接入该设备的可能性。
协议技术细节
数据帧结构
TP28B的完整数据帧长度为259位,有效数据部分包含以下字段:
[探头1当前温度][探头1高温报警][探头1低温报警]
[探头2当前温度][探头2高温报警][探头2低温报警]
[状态标志][未知字段][校验和]
温度编码方式
温度值采用16位BCD编码格式,采用LLHH的存储顺序:
- 前8位(LL)表示小数部分,如0x28表示2.8°C
- 后8位(HH)表示整数部分,如0x21表示210°C
- 实际温度值为两者相加,如0x2821表示210 + 2.8 = 212.8°C
状态标志解析
状态标志为16位字段,各bit位含义如下:
- 位13(0x2000):温度单位标志(1为摄氏度,0为华氏度)
- 位10(0x0400):报警未确认标志
- 位5(0x0020):探头1报警状态
- 位2(0x0004):探头2报警状态
- 位0(0x0001):探头2低温报警标志
校验和计算
校验和采用简单的加法校验机制:
- 对前面所有字节进行求和
- 结果以16位小端序形式存储
- 例如校验和字段为0x5a04,实际和为0x045a
解码参数配置
使用rtl_433解码TP28B数据时,推荐使用以下参数:
rtl_433 -X "n=tp28b,m=FSK_PCM,s=105,l=105,r=5500,preamble=d2aa2dd4"
参数说明:
- s=105:短脉冲宽度105μs
- l=105:长脉冲宽度105μs
- r=5500:重置限制5500μs
- preamble=d2aa2dd4:前导码
实际应用建议
- 信号采集时建议设置合适的增益值,避免信号过载或过弱
- 温度数据解析时注意BCD编码的特殊处理
- 报警状态应结合标志位和温度值综合判断
- 数据帧尾部(校验和之后)的内容为无效数据,应忽略
开发注意事项
- 该协议采用固定长度帧结构,解码时需严格按位解析
- 温度单位可通过状态标志动态切换
- 建议实现校验和验证以提高数据可靠性
- 报警状态变化时应特别关注未确认标志位
通过rtl_433项目提供的解码支持,开发者可以方便地将TP28B温度计数据接入各类智能家居或工业监控系统,实现温度数据的实时采集和分析。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
React Native鸿蒙化仓库
JavaScript
312
365
Ascend Extension for PyTorch
Python
397
474
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.39 K
787
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
902
706
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
360
219
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
814
200
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161