【亲测免费】 FreeRTOS+STM32F103综合测试例程
2026-01-23 06:27:22作者:袁立春Spencer
简介
本资源文件提供了一个在STM32F103单片机最小系统上测试FreeRTOS系统代码的综合测试例程。该例程包含了8个任务,涵盖了按键扫描、任务通知、LED闪烁、PWM输出、ADC采样、DMA传输、队列通信以及串口输出等功能。通过这些任务的组合,可以全面测试FreeRTOS在STM32F103上的运行情况。
任务描述
任务1:按键扫描与任务通知
- 功能:扫描按键,并通过任务通知模拟消息邮箱发送按键值。
- 实现:通过GPIO端口读取按键状态,并将按键值通过任务通知机制发送给任务2。
任务2:按键值接收与动作响应
- 功能:通过任务通知接收按键值,并根据接收到的按键值做出相应的动作。
- 实现:接收任务1发送的按键值,并根据按键值执行相应的操作,如控制LED灯的亮灭等。
任务3:LED闪烁
- 功能:LED灯每1秒闪烁一次,用于指示系统的工作状态。
- 实现:通过定时器控制LED灯的亮灭,每1秒切换一次状态。
任务4:PWM输出(定时器1)
- 功能:定时器1的通道1和通道4输出占空比可变的PWM波。
- 实现:配置定时器1的通道1和通道4为PWM模式,并通过调整占空比来控制PWM波的输出。
任务5:PWM输出(定时器3)
- 功能:定时器3的通道3和通道4输出占空比可变的PWM波。
- 实现:配置定时器3的通道3和通道4为PWM模式,并通过调整占空比来控制PWM波的输出。
任务6:ADC采样与DMA传输
- 功能:通过DMA读取6个通道ADC的采样值,并将采样结果发送给队列。
- 实现:配置ADC多通道采样,并通过DMA将采样结果传输到内存中,然后将采样结果发送给任务7。
任务7:ADC采样值读取与串口打印
- 功能:通过队列读取6个通道ADC的采样值,并通过串口1打印出来。
- 实现:从队列中读取ADC采样值,并通过串口1将采样值打印到终端。
任务8:串口3输出固定数据
- 功能:通过串口3输出固定数据。
- 实现:配置串口3,并定时输出固定格式的数据。
使用说明
- 硬件准备:确保STM32F103单片机最小系统板连接正常,包括按键、LED灯、ADC通道、PWM输出引脚等。
- 软件环境:使用支持STM32F103的开发环境(如Keil、STM32CubeIDE等)进行编译和下载。
- 下载代码:将本仓库中的代码下载到本地,并导入到开发环境中。
- 编译与下载:编译代码并下载到STM32F103单片机中。
- 运行与测试:启动系统,观察各个任务的运行情况,并通过串口工具查看输出结果。
注意事项
- 确保硬件连接正确,避免因硬件问题导致系统无法正常运行。
- 在修改代码时,注意FreeRTOS的任务调度机制,避免任务优先级设置不当导致系统死锁。
- 在调试过程中,可以通过串口输出或LED闪烁状态来判断系统运行情况。
贡献
欢迎对本例程进行改进和优化,如果您有任何建议或发现了问题,请提交Issue或Pull Request。
许可证
本项目采用MIT许可证,详情请参阅LICENSE文件。
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0192- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
601
4.04 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
Ascend Extension for PyTorch
Python
441
531
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++
112
170
🎉 (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
1.46 K
823
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++
922
770
暂无简介
Dart
846
204
React Native鸿蒙化仓库
JavaScript
321
375
openGauss kernel ~ openGauss is an open source relational database management system
C++
174
249