Სარჩევი:
- ნაბიჯი 1: ის, რაც გჭირდებათ
- ნაბიჯი 2: კავშირები
- ნაბიჯი 3: კოდი
- ნაბიჯი 4: ტემპერატურის სენსორის ტესტირება
ვიდეო: ტემპერატურის კითხვა LM35 ტემპერატურის სენსორის გამოყენებით Arduino Uno– ით: 4 ნაბიჯი
2024 ავტორი: John Day | [email protected]. ბოლოს შეცვლილი: 2024-01-30 10:17
გამარჯობა ბიჭებო ამ ინსტრუქციებში ჩვენ ვისწავლით თუ როგორ გამოიყენოთ LM35 არდუინოსთან ერთად. Lm35 არის ტემპერატურის სენსორი, რომელსაც შეუძლია წაიკითხოს ტემპერატურის მნიშვნელობები -55 ° C– დან 150 ° C– მდე. ეს არის 3 ტერმინალური მოწყობილობა, რომელიც უზრუნველყოფს ტემპერატურის პროპორციულ ანალოგიურ ძაბვას. რაც უფრო მაღალია ტემპერატურა, მით უფრო მაღალია გამომავალი ძაბვა. გამომავალი ანალოგური ძაბვა შეიძლება გარდაიქმნას ციფრულ ფორმაში ADC- ის გამოყენებით ისე, რომ მიკროკონტროლერს (ჩვენს შემთხვევაში არდუინოს) შეუძლია მისი დამუშავება.
ნაბიჯი 1: ის, რაც გჭირდებათ
ამ ინსტრუქციისთვის დაგჭირდებათ შემდეგი ნივთები: 1x Arduino uno (ან სხვა ექვივალენტი) 1x LM35 TEMPERATURE SENSOR ჯუმბერის მავთულები პურის დაფა
ნაბიჯი 2: კავშირები
კავშირები ძალიან ადვილია ყველაფრის დაკავშირება ნაჩვენები სურათის მიხედვით და თქვენ კარგად იქნებით. ჩვენ გავზომავთ გარემოს ტემპერატურას LM35- ის გამოყენებით და ვაჩვენებთ მას Arduino- ს სერიულ მონიტორზე. აქ, LM35 გამომავალი მოცემულია ანალოგურ pin A1 Arduino UNO. ეს ანალოგური ძაბვა გარდაიქმნება ციფრულ ფორმაში და დამუშავებულია ტემპერატურის დასადგენად.
ნაბიჯი 3: კოდი
გთხოვთ დააკოპირეთ შემდეგი კოდი და ატვირთეთ თქვენს arduino დაფაზე: const int lm35_pin = A1; / * LM35 O/P pin */void setup () {Serial.begin (9600);} void loop () {int temp_adc_val; float temp_val; temp_adc_val = analogRead (lm35_pin); / * წაიკითხეთ ტემპერატურა */ temp_val = (temp_adc_val * 4.88); / * გადააკეთეთ adc მნიშვნელობა ექვივალენტურ ძაბვაზე */temp_val = (temp_val/10); / * LM35 იძლევა 10mv/° C */Serial.print ("ტემპერატურა =") გამოშვებას; Serial.print (temp_val); Serial.print ("გრადუსი ცელსიუსი / n"); დაგვიანებით (1000);} ვიდეო
ნაბიჯი 4: ტემპერატურის სენსორის ტესტირება
მას შემდეგ რაც ყველაფერი შევაერთე და კოდი არდუინოს დაფაზე ჩავტვირთე, მე გავხსენი სერიული მონიტორი ჩემს კომპიუტერში და როგორც ხედავთ სურათზე ჩვენ შეგვიძლია გამოვიღოთ ტემპერატურის გამომუშავება ჩვენს სერიულ მონიტორზე.
გირჩევთ:
სინათლისა და ტემპერატურის სენსორების მონაცემების კითხვა და გრაფიკული გამოსახულება ჟოლოს პი: 5 ნაბიჯი
სინათლისა და ტემპერატურის სენსორების მონაცემების წაკითხვა და გრაფიკა ჟოლოს პი: ამ ინსტრუქციაში თქვენ ისწავლით თუ როგორ უნდა წაიკითხოთ სინათლისა და ტემპერატურის სენსორი ჟოლოს პი და ADS1115 ანალოგი ციფრულ გადამყვანად და გრაფიკულად შეადგინოთ იგი matplotlib– ის გამოყენებით. დავიწყოთ საჭირო მასალებით
ტემპერატურის სენსორის ცოცხალი მონაცემების შედგენა (TMP006) MSP432 LaunchPad- ისა და პითონის გამოყენებით: 9 ნაბიჯი
ტემპერატურის სენსორის ცოცხალი მონაცემების შედგენა (TMP006) MSP432 LaunchPad და პითონის გამოყენებით: TMP006 არის ტემპერატურის სენსორი, რომელიც ზომავს ობიექტის ტემპერატურას ობიექტთან კონტაქტის გარეშე. ამ გაკვეთილში ჩვენ დავხატავთ პირდაპირი ტემპერატურის მონაცემებს BoosterPack– დან (TI BOOSTXL-EDUMKII) პითონის გამოყენებით
უკაბელო ვიბრაციისა და ტემპერატურის სენსორის მონაცემები MySQL– ში Node-RED გამოყენებით: 40 ნაბიჯი
უკაბელო ვიბრაციისა და ტემპერატურის სენსორის მონაცემები MySQL– ში Node-RED– ის გამოყენებით: NCD– ის Long Range IoT სამრეწველო უკაბელო ვიბრაციისა და ტემპერატურის სენსორის დანერგვა, რომელიც 2 მილის მანძილზე ამაყობს უკაბელო mesh ქსელის სტრუქტურის გამოყენებით. ვიბრაციისა და ტემპერატურის ზუსტი 16 ბიტიანი სენსორის ჩართვით, ეს მოწყობილობა გადადის
უკაბელო ვიბრაციისა და ტემპერატურის სენსორის მონაცემების გაგზავნა Excel- ში Node-RED გამოყენებით: 25 ნაბიჯი
უკაბელო ვიბრაციისა და ტემპერატურის სენსორის მონაცემების გაგზავნა Excel– ში Node-RED– ის გამოყენებით: NCD– ს Long Range IoT სამრეწველო უკაბელო ვიბრაციისა და ტემპერატურის სენსორის გაცნობა, რომელიც 2 მილის მანძილზე ამაყობს უკაბელო mesh ქსელის სტრუქტურის გამოყენებით. ვიბრაციისა და ტემპერატურის ზუსტი 16 ბიტიანი სენსორის ჩართვით, ეს მოწყობილობა გადადის
ოთახის ტემპერატურის პროგნოზირება LM35 სენსორის და მანქანათმცოდნეობის საშუალებით: 4 ნაბიჯი
ოთახის ტემპერატურის პროგნოზირება LM35 სენსორისა და მანქანათმცოდნეობის საშუალებით: შესავალი დღეს ჩვენ ორიენტირებული ვართ მანქანათმცოდნეობის პროექტის შექმნაზე, რომელიც პროგნოზირებს ტემპერატურას პოლინომიური რეგრესიის საშუალებით. მანქანათმცოდნეობა არის ხელოვნური ინტელექტის (AI) პროგრამა, რომელიც უზრუნველყოფს სისტემებს ავტომატურად სწავლის