Embassy-RP项目中的PWM输出使用指南
2025-06-01 07:46:51作者:董斯意
概述
在嵌入式开发中,PWM(脉宽调制)是一种常用的技术,用于控制电机速度、LED亮度等。Embassy-RP作为Rust嵌入式开发框架,提供了对Raspberry Pi RP2040微控制器PWM功能的支持。本文将详细介绍如何在Embassy-RP项目中正确使用PWM输出功能。
PWM输出类型分析
Embassy-RP的PWM模块提供了两种输出模式:单通道输出和双通道输出。虽然文档中提到了PwmOutput类型,但实际上开发者不能直接创建这个类型的实例,因为其构造函数不是公开的。这是设计上的有意为之,目的是引导开发者使用更安全的API接口。
正确使用PWM输出的方法
双通道输出配置
对于需要同时控制两个PWM通道的情况,Embassy-RP提供了便捷的API:
let pwm_ab = Pwm::new_output_ab(p.PWM_SLICE3, p.PIN_6, p.PIN_7, pwm_conf.clone());
let (pwm_a, pwm_b) = pwm_ab.split();
pwm_a.set_duty_cycle(dutya);
pwm_b.set_duty_cycle(dutyb);
这种方法可以同时初始化两个PWM通道,然后通过split()方法分离出独立的通道控制器,分别设置各自的占空比。
单通道输出配置
如果只需要使用单个PWM通道,Embassy-RP提供了更直接的API:
let pwm_a = Pwm::new_output_a(p.PWM_SLICE3, p.PIN_6, pwm_conf.clone());
pwm_a.set_duty_cycle(dutya);
或者对于B通道:
let pwm_b = Pwm::new_output_b(p.PWM_SLICE3, p.PIN_7, pwm_conf.clone());
pwm_b.set_duty_cycle(dutyb);
设计理念解析
Embassy-RP的这种API设计体现了Rust语言的安全理念:
- 封装性:通过限制直接创建
PwmOutput实例,确保PWM模块只能通过受控的方式初始化 - 类型安全:分离A/B通道的操作减少了误用可能性
- 资源管理:明确的初始化路径有助于避免资源冲突
实际应用建议
在实际项目中使用Embassy-RP的PWM功能时,建议:
- 根据实际需求选择单通道或双通道初始化方式
- 注意PWM切片和引脚的对应关系,确保硬件连接正确
- 合理设置PWM配置参数,包括频率、分频系数等
- 在RTOS环境中使用时,考虑PWM控制器的所有权和生命周期管理
总结
Embassy-RP提供了灵活而安全的PWM控制接口,虽然表面上看有些类型不可直接使用,但这种设计实际上是为了提供更好的安全保证。开发者应遵循框架提供的API模式,使用new_output_a、new_output_b或new_output_ab等方法来初始化PWM输出,从而确保代码的可靠性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
200
219
仓颉编译器源码及 cjdb 调试工具。
C++
129
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100