C#串口通信程序SerialPort类

本文介绍使用C#进行串口通信的方法,重点讲解了如何利用SerialPort类实现串口的打开、关闭及数据的接收与发送,并提供了完整的代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

上篇文章主要是关于串口通信中单片机部分的程序编写。在实际应用中,常常还要有上位机的配合才能完成工作。写串口通信的上位机程序,常常应用的编程语言有C++,VB,C#等。VB没有学过,C++编写窗口应用程序接触也不多,暑假自己看了一些C#的书,也有了一些了解,所以就用C#写窗口应用程序,用来作上位PC机的串口通信程序。在写的过程中,主要参见了这篇博客http://blog.youkuaiyun.com/wuyazhe/article/details/5598945,感谢这位博主。

C#中的串口通信编程主要用到了SerialPort类,它位于命名空间System.IO.Ports下,所以在程序开始要包含这个命名空间。

先上运行时的窗口界面,很简陋,也只实现了收发的基本的功能,但是可以在这个上面扩充。



由于注释写的比较详细,所以下面的程序一般只贴出了代码。

 

成员变量有两个,一个是C#提供的SerialPort类,是物理上的串口在程序中的映射。

另一个为可变字符串类型StringBuilder,用于字符串的处理。

         //串口类
        private SerialPort comm = new SerialPort();
        //可变字符串类,用于存储接收到的字符
        private StringBuilder Builder = new StringBuilder();



 

Form窗口的Load事件响应方法

  //注册窗口初始化事件
        private void Form1_Load_1(object sender, EventArgs e)
        {
            
#region 初始化下拉串口名称列表框

            //获取单片机与计算机连接的端口号
            string[] ports = SerialPort.GetPortNames();   
            Array.Sort(ports);
            
            //将其显示到comboPorName控件中去
            comboPortName.Items.AddRange(ports);
            comboPortName.SelectedIndex = comboPortName.Items.Count > 0 ? 0 : -1;
           
            //波特率默认为9600bps,可以通过下拉选项进行调节
            comboPortBaudrate.SelectedIndex = comboPortBaudrate.Items.IndexOf("9600");

#endregion
            
            //下面这句还不太懂,先照着做
            comm.NewLine = "\r\n";

            //与设置RTS信号有关,虽不明,但觉厉,照着做
            comm.RtsEnable = true;

            //注册对串口接收数据的响应方法
            comm.DataReceived += new SerialDataReceivedEventHandler(comm_DataReceived);
       
        }

接收数据的响应方法
 void comm_DataReceived(object sender, SerialDataReceivedEventArgs e)
        {
            //获取接收缓冲区中数据的字节数
            int n = comm.BytesToRead;
            byte[] buf = new byte[n];
            
            //将数据读入buf数组中
            comm.Read(buf, 0, n);

            //先清空
            Builder.Clear();

            //因为要访问ui资源,所以需要使用invoke方式同步ui
            this.Invoke((EventHandler)(delegate
            {
                //委托方法在txGet控件中显示接收到的字符
                Builder.Append(Encoding.ASCII.GetString(buf));
                this.txGet.AppendText(Builder.ToString());

            }));

        }

“打开串口”按钮的鼠标点击相应方法:

    //打开按钮的事件响应
        private void BtnOpen_Click(object sender, EventArgs e)
        {
            //如果串口已经是打开状态,则此按钮关闭串口
            if (this.serialPort.IsOpen)
            {
                this.serialPort.Close();
            }
             //串口关闭状态,打开之
            else
            {
                //设置好端口名和波特率
                comm.PortName = this.comboPortName.Text;
                comm.BaudRate = int.Parse(this.comboPortBaudrate.Text);
                
                try
                {
                    comm.Open();
                }
                //打开失败,抛出异常
                catch(Exception ex)
                    {
                        comm = new SerialPort();
                        MessageBox.Show(ex.Message);
                    }

            }

            //按钮显示文字转变
            this.BtnOpen.Text = comm.IsOpen ? "关闭串口" : "打开串口";
            
            //发送按钮功能使能
            this.BtnSend.Enabled = comm.IsOpen;
        }


点击“发送”按钮将数据送入IO的数据缓冲区中,代码如下:

  //点击发送按钮事件的响应方法
        private void BtnSend_Click(object sender, EventArgs e)
        {
    
            //调用封装的wirte方法,将txSend中的文本发送到IO的缓冲区,传给单片机
            comm.Write(this.txSend.Text);

        }

 

如此这样,加上UI界面上控件的添加,就可以实现一个简单的串口通信程序了。
最后附上VS2010开发环境下的完整代码下载地址,猛击此处



转载于:https://www.cnblogs.com/xmfbit/archive/2012/08/23/2985793.html

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值