1. 项目概述当火车模型遇上开源硬件玩火车模型的朋友尤其是那些热衷于场景沙盘制作的肯定都琢磨过一个问题我这台按1:87比例缩小的HO级模型在沙盘轨道上跑起来它的“真实速度”应该是多少看着它在弯道上呼啸而过感觉挺快但换算成真实世界的火车速度可能也就时速二三十公里。这种“缩比速度”的测量不仅仅是满足好奇心更是评估模型动力性能、调整控制器参数、甚至模拟真实列车运行图的关键依据。传统方法要么靠目测估算误差大要么用昂贵的专业测速仪不亲民。最近我在折腾一个沙盘场景时就遇到了这个需求。手头正好有一块行空板这是一款集成了屏幕、Wi-Fi、多种传感器接口和强大Python环境的开源硬件。我琢磨着能不能用它来搭建一个低成本、高精度的火车模型测速系统结果不仅做成了整个过程还意外地简单和有趣。今天就把这个从思路到代码从硬件连接到数据处理的完整方案分享出来无论你是模型爱好者还是硬件创客都能跟着复现。这个方案的核心是利用行空板上的通用输入输出GPIO引脚配合一个简单的红外对管传感器在轨道特定位置形成一个“光栅”。当火车模型通过时会阻断红外光束产生一个电信号跳变。行空板捕捉这个跳变的时间点结合已知的火车模型长度缩比后的长度就能精确计算出模型通过测速点的时间进而得到速度。最关键的一步是将这个“模型速度”按照比例尺换算成它所代表的“真实火车速度”也就是我们追求的“缩比速度”。2. 核心思路与硬件选型解析2.1 为什么选择“遮挡计时法”测量运动物体速度物理上无非就是“测距计时”法。对于火车模型在沙盘这个有限空间里最实用的就是在固定距离上测量通过时间。我放弃了需要两个测量点的“区间测速”对安装精度要求高选择了更简单的“单点测速”即测量模型自身长度通过一个点所需的时间。其原理公式为速度 模型长度 / 通过时间。这里的“模型长度”是已知的例如一台HO比例的客车模型长约20厘米我们只需要精确测量“通过时间”即可。这种方法对传感器安装要求低只需要在轨道一侧固定一个测速点非常适合沙盘环境。2.2 传感器选型红外对管 vs. 其他方案确定了方法接下来是选择用什么传感器来触发计时。常见的有以下几种霍尔传感器磁铁需要在模型底部贴磁铁会改变模型配重且磁铁可能干扰某些带芯片的数码车头。接触式行程开关需要机械接触可能刮伤模型且可靠性一般。视觉识别摄像头方案最灵活但需要处理图像对行空板算力有要求环境光影响大实现复杂度高。红外对管包含一个红外发射管和一个接收管。当模型通过其间遮挡光束时接收管信号变化。这是我最推荐的方案。它非接触、无干扰、成本极低一对模块通常不到5元、响应速度快且输出是简单的数字电平有遮挡/无遮挡非常容易与行空板的GPIO接口。注意选择红外对管时最好选择“调制型”的。普通红外对管容易受到环境光特别是日光灯的干扰可能产生误触发。调制型的发射管以特定频率闪烁接收管只解调该频率的信号抗干扰能力极强。如果手头只有普通的可以尝试在软件上做防抖处理但稳定性会差一些。2.3 为什么是行空板市面上能跑Python的单板计算机很多比如树莓派。但我选择行空板是因为它在这个项目上具有“开箱即用”的独特优势集成度高自带一块触摸屏可以直接显示实时速度、历史记录无需外接显示器。自带Wi-Fi可以方便地将数据发送到电脑或手机进行进一步分析。接口友好GPIO引脚以PH2.0接口引出直接用杜邦线连接传感器无需焊接或扩展板。编程环境简单预装了基于Jupyter的Python环境支持图形化和代码两种编程方式对初学者极其友好。测量、计算、显示、数据记录的代码可以在一个环境中轻松完成。供电方便一根Type-C线即可供电并编程非常适合在沙盘边移动使用。3. 硬件搭建与电路连接3.1 所需材料清单行空板x1调制型红外对管模块x1通常有3根或4根线VCC GND OUT/D0PH2.0转杜邦线母头线x1用于连接行空板GPIO杜邦线公对公若干模型火车及轨道x1固定支架如乐高积木、胶水、蓝丁胶x1USB Type-C 数据线x13.2 电路连接详解红外对管模块通常有三根线VCC红色接电源正极。行空板的GPIO引脚中有专门标注“3V3”的引脚提供3.3V电压就接这里。GND黑色或棕色接电源负极。接行空板上任意一个“GND”引脚。OUT/D0黄色或绿色数字信号输出线。这是我们用来检测遮挡的关键线。它需要连接到行空板的一个数字输入引脚上。我选择的是行空板上标注为“P21”的引脚你也可以选其他如P22, P23等。连接步骤将PH2.0转杜邦线插入行空板的“P21”、“3V3”和“GND”引脚。用杜邦线将红外模块的OUT线黄与行空板的P21线连接。用杜邦线将红外模块的VCC线红与行空板的3V3线连接。用杜邦线将红外模块的GND线黑与行空板的GND线连接。检查连接无误后用Type-C线为行空板上电。3.3 传感器安装与校准这是影响测量精度的物理关键。定位选择一段平直轨道。将红外对管的发射头和接收头分别固定在轨道两侧确保它们在同一水平线上并且光束中心大致对准轨道中心。高度调整传感器高度使其光束恰好能被火车模型的车体遮挡而不会被底盘、轮子或轨道本身干扰。对于大多数模型光束中心距离轨面5-10毫米比较合适。固定使用蓝丁胶、热熔胶或小夹子将传感器牢牢固定。确保火车模型高速通过时不会碰倒传感器。测试在软件编写前可以先用手在光束前晃动观察红外模块上的信号指示灯如果有的话是否灵敏亮灭。同时可以用行空板简单的读取一下P21引脚的电平确认遮挡时电平变化正常通常是遮挡时从高电平变为低电平即“下降沿”。4. 软件程序设计从信号捕捉到速度计算程序的核心逻辑是“边沿检测高精度计时”。我们将使用行空板Python库中的pinpong库用于GPIO控制和time库用于高精度计时。4.1 初始化与引脚配置# 导入必要的库 from pinpong.board import Board, Pin import time # 初始化行空板 Board().begin() # 初始化红外传感器引脚 (P21) 为输入模式并启用内部上拉电阻 # 启用上拉后默认引脚为高电平(1)当红外光被遮挡模块输出低电平(0) ir_sensor Pin(Pin.P21, Pin.IN, pullPin.PULL_UP) # 状态变量初始化 model_length_cm 22.0 # 示例你的火车模型长度单位厘米。务必准确测量 scale 87.0 # 示例HO比例是1:87 is_blocked False # 当前遮挡状态 last_event_time 0 # 上次事件时间戳 current_speed_kph 0.0 # 计算出的缩比速度公里/小时实操心得Pin.PULL_UP内部上拉非常关键。它确保了在传感器未连接或失效时引脚有一个确定的高电平避免因引脚悬空产生随机抖动信号导致误触发。这是硬件防干扰的软件辅助手段。4.2 核心测速逻辑状态机与时间差计算我们不能简单地检测到低电平就开始计时因为传感器信号可能在遮挡期间有微小抖动。一个健壮的方法是使用“状态机”只在状态发生改变从无遮挡到有遮挡即下降沿时记录时间点。def calculate_speed(length_cm, time_interval_s, scale): 计算缩比速度 :param length_cm: 模型实际长度 (厘米) :param time_interval_s: 模型通过时间 (秒) :param scale: 比例尺 (如87) :return: 缩比速度 (公里/小时) if time_interval_s 0: return 0.0 # 1. 计算模型速度 (厘米/秒) model_speed_cm_per_s length_cm / time_interval_s # 2. 换算为真实世界速度模型速度 * 比例尺 real_speed_cm_per_s model_speed_cm_per_s * scale # 3. 单位转换厘米/秒 - 公里/小时 # 厘米 - 公里除以 100,000 (1000*100) # 秒 - 小时乘以 3600 real_speed_kph real_speed_cm_per_s * 3600 / 100000 return real_speed_kph # 主循环 while True: current_state ir_sensor.read_digital() # 读取当前引脚电平0遮挡1未遮挡 if current_state 0 and not is_blocked: # 状态从未遮挡 - 遮挡 (检测到下降沿车头开始进入光束) is_blocked True start_time time.time() # 记录开始遮挡的时刻车头进入 # 注意这里不是最终计时开始我们等车尾进入再开始算“车身通过” elif current_state 1 and is_blocked: # 状态从遮挡 - 未遮挡 (检测到上升沿车尾离开光束) is_blocked False end_time time.time() # 记录结束遮挡的时刻车尾离开 # 计算整个车身通过光束的时间 passing_time end_time - start_time # 调用函数计算缩比速度 current_speed_kph calculate_speed(model_length_cm, passing_time, scale) # 这里可以打印、显示或发送速度数据 print(f通过时间: {passing_time:.3f} 秒 缩比速度: {current_speed_kph:.1f} km/h) # 加入短暂延时避免循环过快消耗CPU。5-10ms是合理的。 time.sleep(0.01)4.3 数据显示与交互界面行空板自带屏幕我们可以用unihiker库来创建一个简单的GUI实时显示速度。# 在开头导入unihiker库 from unihiker import GUI import tkinter as tk # unihiker基于tkinter # 初始化GUI gui GUI() # 创建显示速度的标签使用大字体 speed_label gui.draw_text(x120, y100, text0.0, font_size80, colorblue) unit_label gui.draw_text(x220, y140, textkm/h, font_size30, colorblack) title_label gui.draw_text(x100, y30, text火车模型缩比测速仪, font_size20, colorgreen) # 在主循环中更新显示部分 while True: # ... (上述状态机检测代码) ... elif current_state 1 and is_blocked: # ... (计算速度的代码) ... # 更新屏幕显示 speed_label.config(textf{current_speed_kph:.1f}) # 为了界面响应更新后可以调用 gui.update() gui.update() time.sleep(0.01)4.4 数据记录与导出为了分析模型在不同电压下的性能记录每次通过的速度和时间很有用。我们可以将数据写入CSV文件。import csv from datetime import datetime # 在程序开始时创建或打开一个CSV文件 filename ftrain_speed_log_{datetime.now().strftime(%Y%m%d_%H%M%S)}.csv with open(filename, w, newline) as csvfile: writer csv.writer(csvfile) writer.writerow([Timestamp, Passing_Time(s), Scale_Speed(km/h)]) # 写入表头 # 在主循环的测速成功后添加记录逻辑 elif current_state 1 and is_blocked: # ... (计算速度的代码) ... current_time datetime.now().strftime(%Y-%m-%d %H:%M:%S.%f)[:-3] with open(filename, a, newline) as csvfile: writer csv.writer(csvfile) writer.writerow([current_time, f{passing_time:.3f}, f{current_speed_kph:.1f}]) print(f[{current_time}] 记录: {passing_time:.3f}s, {current_speed_kph:.1f}km/h)5. 精度提升与高级功能拓展基础版本已经可以工作但要获得更可靠、更专业的数据还需要考虑以下几点。5.1 软件防抖与滤波处理红外传感器可能因灰尘、振动或电气噪声产生毛刺信号导致误测出极短的通过时间从而计算出荒谬的高速。我们需要在软件中加入防抖。DEBOUNCE_TIME 0.02 # 防抖时间20毫秒短于这个时间的状态变化将被忽略 # 修改状态机逻辑加入时间判断 while True: current_state ir_sensor.read_digital() current_time time.time() if current_state 0 and not is_blocked: # 检测到潜在下降沿但需要确认信号稳定低电平超过防抖时间 if (current_time - last_event_time) DEBOUNCE_TIME: # 短暂延时后再次检测确认仍是低电平 time.sleep(DEBOUNCE_TIME) if ir_sensor.read_digital() 0: is_blocked True start_time current_time # 使用当前时间作为开始时间 last_event_time current_time # ... 上升沿检测也做类似防抖处理 ...5.2 多组测量与平均算法单次测量可能受轨道接缝、轮子打滑等偶然因素影响。更科学的做法是连续测量多次取平均值或中位数。speed_readings [] # 用于存储最近N次测量结果 MAX_READINGS 5 # 在计算得到 current_speed_kph 后 speed_readings.append(current_speed_kph) if len(speed_readings) MAX_READINGS: speed_readings.pop(0) # 移除最旧的数据 # 计算平均速度 if speed_readings: avg_speed sum(speed_readings) / len(speed_readings) # 或者计算中位数对异常值更鲁棒 sorted_readings sorted(speed_readings) median_speed sorted_readings[len(sorted_readings) // 2] # 在屏幕上可以同时显示本次速度和平均速度 gui.draw_text(x50, y180, textfAvg: {avg_speed:.1f} km/h, font_size20, colorred)5.3 无线数据传输与远程监控行空板的Wi-Fi功能可以让数据飞起来。我们可以搭建一个简单的HTTP服务器在局域网内的电脑或手机浏览器上实时查看速度图表。import network import socket import json # 连接Wi-Fi (需要修改为你的网络信息) def connect_wifi(ssid, password): wlan network.WLAN(network.STA_IF) wlan.active(True) if not wlan.isconnected(): print(connecting to network...) wlan.connect(ssid, password) while not wlan.isconnected(): pass print(network config:, wlan.ifconfig()) return wlan.ifconfig()[0] # 返回IP地址 ip_address connect_wifi(你的Wi-Fi名, 你的密码) # 创建一个简单的HTTP服务器线程这里为简化展示核心思路 # 实际应用中可以使用microdot等轻量级框架 # 在主循环中将 current_speed_kph 存入一个全局变量或队列 # HTTP服务器线程读取这个变量并生成一个包含实时速度的JSON或HTML页面 # 这样在浏览器访问 http://[行空板IP]:8080 就能看到数据6. 校准、测试与常见问题排查系统搭建好后必须进行校准和测试确保数据可信。6.1 系统校准流程测量真实模型长度用游标卡尺精确测量你要测速的火车模型的总长度车钩到车钩。这是所有计算的基础误差会直接放大87倍对于HO比例。务必精确到毫米。验证传感器触发手动缓慢推动模型通过光束观察行空板打印的日志或屏幕显示确认模型车头进入、车身完全遮挡、车尾离开这三个时刻传感器状态变化是否准确、无抖动。静态时间校准这不是校准时钟而是测试系统延迟。用一个已知宽度的卡片如5厘米宽以恒定慢速用手匀速推动通过光束。记录系统测出的通过时间。根据速度 卡片宽度 / 时间计算出的速度应该与你手动推动的估计速度大致吻合。如果偏差很大检查传感器安装高度是否导致卡片未完全遮挡光束。比例尺验证找一个速度相对恒定的模型车头在控制器上设定一个固定档位例如50%油门。用本系统和另一种方法如用手机慢动作视频拍摄通过帧数计算同时测量多次对比结果。两者应在一个合理的误差范围内例如±5%。6.2 常见问题与解决方案速查表问题现象可能原因排查与解决方法无任何触发屏幕无变化1. 电源未接通或接触不良。2. 传感器模块损坏。3. GPIO引脚连接错误。4. 程序未运行或引脚模式设置错误。1. 检查所有连线重新插拔。2. 用万用表测量模块VCC和GND间是否有3.3V电压。遮挡时测量OUT脚电压是否从~3.3V变为~0V。3. 确认行空板引脚编号P21与代码一致。4. 在代码开头添加print(“程序开始”)并打印ir_sensor.read_digital()的值观察变化。频繁误触发无车通过也测速1. 环境光干扰特别是日光灯。2. 传感器未固定好轻微晃动。3. 引脚悬空未启用内部上拉。4. 电源噪声。1.首选更换为调制型红外对管。2. 加固传感器安装。3. 确认代码中设置了Pin.PULL_UP。4. 在传感器VCC和GND之间并联一个10uF-100uF的电解电容进行电源滤波。测出的速度值明显偏大1. 模型长度输入值偏小。2. 测量到的通过时间偏短主要问题。1. 重新精确测量模型长度。2.最常见原因传感器光束太粗或安装位置偏低导致车头尚未完全进入光束车尾已经开始离开光束实际测量的遮挡时间小于车身完全通过的时间。解决调高传感器确保光束能被车体完全遮挡或使用更细光束的传感器。检查软件防抖时间是否过短误将噪声当作触发。测出的速度值明显偏小或不稳定1. 模型长度输入值偏大。2. 测量到的通过时间偏长。1. 重新精确测量模型长度。2. 传感器响应慢高质量红外对管响应时间在微秒级远快于模型速度通常不是瓶颈。3.可能原因软件主循环time.sleep(0.01)延时过长导致检测上升沿有延迟。可以尝试减少延时到0.005或0.001但会增加CPU负载。4. 模型运行不平稳有打滑或卡顿。多次测量取平均或中位数。速度显示为0或极小数通过时间计算为无穷大或负数。1. 检查除法运算中passing_time是否可能为0或负数逻辑错误导致start_timeend_time。2. 在calculate_speed函数中加入对time_interval_s是否大于一个极小值如0.001的判断。6.3 性能优化与扩展思路更高精度计时time.time()在标准Python中精度约1毫秒。对于极高速的N比例模型长度更短可能需要微秒级精度。可以尝试使用time.perf_counter()或time.perf_counter_ns()函数。多车道测速使用多个红外对管连接到行空板的不同GPIO引脚可以同时监测沙盘上多条轨道的车流。速度曲线绘制结合行空板的屏幕或通过网络将数据发送到电脑可以绘制出模型在加速、匀速、减速阶段的速度-时间曲线用于分析电机性能。与控制器联动将测得的实时速度作为反馈信号输入到模型火车控制器如DCC系统中理论上可以实现闭环速度控制让模型以恒定的缩比速度运行这将是迈向高度仿真的关键一步。这个项目最让我满意的地方在于它用极低的成本核心传感器不到一杯咖啡的钱和一块功能丰富的开源硬件解决了一个模型玩耍中实实在在的痛点。从看到问题、拆解需求、选型搭建、到编码调试整个过程就是一个完整的创客项目闭环。当你第一次看到屏幕上显示出自己火车模型对应的“真实”时速时那种将虚拟比例与现实数据连接起来的成就感远超单纯地看着模型跑圈。希望这个详细的分享能帮你打造出自己的测速仪让火车模型的奔跑不仅有形更有数。
