求助。STM8S无法正常中断,走投无路了,求各位路过的大神慷慨相救呐

Spartacus_epic 2019-07-01 08:46:13
要实现的功能比较简单,BS818A芯片接收到触摸屏的按键信号后,会在BIN3引脚输出一个低电平,STM8S则在PC4脚接收外部中断,再进一步对按键信号进行处理。但是每次触摸了屏幕后,程序都会死掉:

触摸的时候测量到BIN3脚的电平确实是变低的,也只有在开启了enableInterrupts(); //开启总中断 后才发生程度死掉的情况,但是不知道程序死在什么位置,现在把程序贴上来,求大神看下问题在哪里。

int main(void)
{
/* Infinite loop */

//uint16_t adc_res; //用于储存最新的ADC结果
HT1621Values Seg_LCD; //第一次指令后没有变量定义
uint32_t BGJ_num_disp = 0; //累计次数
uint32_t BGJ_num_default = 97; //数量设定值

uint32_t BGJ_ratio_buff;
uint8_t ratio_addr;

KEY_VALUE = 22222;


disableInterrupts(); //关闭中断

RCC_HSI_Configuration(); //时钟配置
GPIO_Configuration();

GPIO_Init(LED_PORT, LED_PIN, GPIO_MODE_OUT_PP_LOW_FAST); //初始LED
LED_OFF();

HT1621_PortInit(); //屏幕处理端口设置
HT1621_Init(); //显示屏初始化

HT1621_AllOn(11); //开启所有段码管
Delayms(500); //延时使LCD工作电压稳定

disableInterrupts(); //关闭总中断
GPIO_DeInit(GPIOC);
GPIO_Init(GPIOC, GPIO_PIN_5, GPIO_MODE_IN_PU_NO_IT); //PC5口关闭中断
GPIO_Init(GPIOC, GPIO_PIN_6, GPIO_MODE_IN_PU_NO_IT); //PC6口关闭中断
GPIO_Init(GPIOC, GPIO_PIN_7, GPIO_MODE_IN_PU_NO_IT); //PC7口关闭中断

GPIO_Init(GPIOC, GPIO_PIN_4, GPIO_MODE_IN_FL_IT); //PC4口浮空输入使能中断
EXTI_SetExtIntSensitivity(EXTI_PORT_GPIOC, EXTI_SENSITIVITY_FALL_ONLY);//下降沿触发
EXTI_Configuration();

enableInterrupts(); //开启总中断

while (1)
{
Ht1621Wr_BGJ_Num(KEY_VALUE); //显示当前值
Delayms(500); //延时500MS
}
}



INTERRUPT_HANDLER(EXTI_PORTC_IRQHandler, 1)
{
disableInterrupts();
if((GPIOC->IDR & GPIO_PIN_4) == 0) //检测是不是低电平
{
Delayms(100); //消抖处理
if((GPIOC->IDR & GPIO_PIN_4) == 0)//检测是不是低电平
{
while(!(GPIOC->IDR & GPIO_PIN_4)); //松手检测
{
KEY_VALUE = KEY_VALUE + 1;
}
}
}
enableInterrupts();
}

...全文
313 2 打赏 收藏 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
Spartacus_epic 2019-07-02
  • 打赏
  • 举报
回复
感谢大神指点,昨晚夜里我自己也排查到这个错误了,今早上来看帖子,你的结论和我的排查结果是一致的,不过还是要把分给你,感谢!
yishumei 2019-07-02
  • 打赏
  • 举报
回复
中断向量号错误 INTERRUPT_HANDLER(EXTI_PORTC_IRQHandler, 1) 改为 INTERRUPT_HANDLER(EXTI_PORTC_IRQHandler, 5) PORTC对应的中断源是EXTI2、中断向量号是5
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)内容概要:本文介绍了基于神经网络的数据驱动迭代学习控制(ILC)算法,旨在解决具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统中无人车的路径跟踪问题。该方法结合神经网络的学习能力与ILC的迭代优化机制,在无需精确系统模型的前提下,通过多次任务执行不断修正控制输入,以实现对期望轨迹的高精度跟踪。文章详细阐述了算法的设计原理、稳定性分析以及在无人车路径跟踪中的具体实现与仿真验证,展示了其在处理模型不确定性与提升跟踪精度方面的有效性。; 适合人群:具备自动控制、机器人或人工智能基础知识,从事无人车、自动化控制、智能系统研发的研究人员及工程师。; 使用场景及目标:①解决无人车在复杂环境下因系统模型未知或不精确导致的路径跟踪难题;②提升重复性作业中控制系统对理想轨迹的跟踪精度与鲁棒性;③为非线性、不确定性系统的先进控制策略设计提供理论参考与实践案例。; 阅读建议:建议读者结合Matlab代码实现进行学习,重点关注神经网络与ILC的融合机制、控制律的设计过程以及仿真结果的分析,以深入理解数据驱动方法在解决模型未知问题上的优势。
内容概要:本资源聚焦于分数阶系统(FOS)的Lyapunov指数谱计算,涵盖分数阶Lorenz系统、4D分数阶Chen系统和分数阶Duffing振荡器三种典型非线性动力学模型。通过提供完整的Matlab代码实现,系统介绍了分数阶微分方程的数值求解方法、李雅普诺夫指数谱的计算原理与算法流程,旨在帮助研究人员定量分析分数阶系统的混沌特性与动力学行为,为复杂系统的稳定性判定、分岔分析及混沌控制研究提供技术支撑。; 适合人群:具备一定动力系统与数值计算基础,从事非线性科学、混沌理论、分数阶微积分等相关领域研究的硕士、博士研究生及科研人员。; 使用场景及目标:① 学习和掌握分数阶微分方程的数值积分方法(如Adams-Bashforth-Moulton算法);② 深入理解Lyapunov指数谱的物理意义及其在判定系统混沌、稳定与周期运动中的应用;③ 利用提供的Matlab代码对特定分数阶系统进行动力学仿真与分析,复现经典结果或拓展至新的研究对象。; 阅读建议:此资源以Matlab代码为核心,强调理论与实践的紧密结合。使用者应在理解分数阶微积分基本理论和Lyapunov指数计算原理的基础上,仔细研读并调试所提供的代码,通过修改系统参数、初始条件等方式进行探究式学习,从而深化对分数阶系统复杂动力学行为的理解。

27,522

社区成员

发帖
与我相关
我的任务
社区描述
硬件/嵌入开发 单片机/工控
社区管理员
  • 单片机/工控社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧