ESP-8266 WIFI中继技术交流

简介: ESP-8266/ESP-8285 WIFI中继实测

准备工作

准备一个深圳四博智联科技有限公司的ESP-F 模组。或者四博智联科技的NODEMCU

    当我们拿到ESP-F模块后,可以按照以下接线进行测试:

即 VCC、EN 接 3.3v、GPIO15 GND 接地、模块的 TX、RX 接串口工具的 RX、TX、RST 引脚低电平复位,不需要的IO脚位可以悬空、如果要下载模块里面的固件请把GPIO0做拉低处理(温馨提示:如果您购买的是 ESP-01S/M/F1/F2 只需要接VCC GND RX TX 既可正常工作)。如果您购买的是 ESP-01 模块只需要把 CH-PD 接到 VCC 上。其他的按照下图接线即可(没有的 IO口可以不接)。

   接线如下:
                                                                         图1.1

测试

  在按照1.1接线完成后,请详细检查电路,确认没有问题请打开串口调试助手选择对应的COM口,配置模式为波特率:115200、数据位: 8 校验位:none   停止位:1 流控:none

配置信息如下:

  确认没有问题请按一下K1按键RST复位键(300m左右的低电平),打印信息如下:

显示 ready 证明启动正常。

常用工具下载连接:http://pan.baidu.com/s/1geBkYDd

常见问题:

      1、按键没有反映

      (1)请检查模组供电电源是不是3.3V/800ma的电源;

      (2)请检查一下TX和RX是不是接错位置;

      (3)检查一下端口号选择是否正确,有没有关闭串口调试助手的端口。

    2、按键全是乱码

      (1)请和模组厂家确定模块的波特率是多少;

      (2)请检查和模组通信的USB转TTL是不是兼容性问题,建议使用的是CH340和CP2102芯片做的USB转TTL.

      (3)请确定模组里面的程序是不是有问题。

烧录程序

打开ESPFlashDownloadTool_v3.4.1,下载工具,选择对应的芯片型号

使用说明

一、打开串口调试助手给模组从新上电打印信息如下:

发送命令的时候记得是发送新行

发送help,查看命令格式,

发送set ssid 1234

发送set password 123456789 //连接路由器的wifi

发送 save//保存

发送 set ap_ssid 123010//设置esp8266的wifi名字

发送 set ap_password 9876543//设置esp8266的密码

发送save//保存

发送 show//查询设置

上电重启就ok

中继程序下载链接:

https://pan.baidu.com/s/1wq9oKKpQHhEyCMwnuWXPxA

相关文章
minio查询文件夹下面内容只返回了当前文件夹
minio查询文件夹下面内容的时候,路径最后一定要带个/,不然就是查询的当前文件夹自己
一看就会R语言绘制限制性立方样条(Restricted cubic spline,RCS)
最近在研究怎么处理论文数据,各种分析软件都有使用,比如:SPSS、Origin、stata16、medcalc和R语言都有些研究,其中除R语言外都是收费的。不过经过一番功夫,我这边有SPSS、stata16、Origin和medcalc的破解版,有需要的可以关注我的公众号,私聊我来获取,我将给你一个百度网盘下载地址。
1601 0
|
Java Spring
解决Spring工具类BeanUtils copyProperties方法复制null的问题
解决Spring工具类BeanUtils copyProperties方法复制null的问题
1343 0
|
8月前
|
Linux iOS开发 MacOS
CrossOver 25.0.1 for macOS & Linux - 领先的 Wine 解决方案
CrossOver 25.0.1 for macOS & Linux - 领先的 Wine 解决方案
260 0
|
机器学习/深度学习 计算机视觉
YOLOv8改进 | 2023注意力篇 | EMAttention注意力机制(附多个可添加位置)
YOLOv8改进 | 2023注意力篇 | EMAttention注意力机制(附多个可添加位置)
1379 0
|
机器学习/深度学习 数据采集 数据挖掘
深度学习之地形分类与变化检测
基于深度学习的地形分类与变化检测是遥感领域的一个关键应用,利用深度学习技术从卫星、无人机等地球观测平台获取的遥感数据中自动分析地表特征,并识别地形的变化。这一技术被广泛应用于城市规划、环境监测、灾害预警、土地利用变化分析等领域。
805 1
|
机器学习/深度学习 数据采集 算法
2021-4月Python 机器学习——中文新闻文本标题分类
2021-4月Python 机器学习——中文新闻文本标题分类
500 0
|
存储 程序员 开发者
深入理解汇编:push、pop、add、sub、lea 指令详解
深入理解汇编:push、pop、add、sub、lea 指令详解
2280 1
Compass Arena: 司南x魔搭携手推出大模型竞技场
从Llama-3的问世,到参数规模空前的MoE模型,再到GPT-4o的震撼发布,大语言模型(LLM)的飞速进步让人目不暇接。然而,随着模型数量的增加,如何客观、公正地评估和比较这些模型的性能,亟待探索与解决的问题。