应对STM32 Cortex-M3 Hard Fault异常

STM32 Cortex-M3 Hard Fault

Hard fault (硬错误,也有译为硬件错误的)是在STM32（如无特别说明，这里的STM32指的是Cortex-M3的核）上编写程序中所产生的错误，造成Hard Fault错误的原因也是最为纷繁复杂的。由于能导致该错误的原因很多，所以一但出现，比较难找到其原因。网上有很多类似的这种方法，现在我将其稍加整理，并结合我曾经遇到过的问题，详细说明。

硬fault 是总线fault、存储器管理fault 以及用法fault 上访的结果。如果这些fault 的服务例程无法执行，它们就会成为“硬伤”——上访（escalation）成硬fault。另外，在取向量（异常处理是对异常向量表的读取）时产生的总线fault，也按硬fault 处理。在NVIC 中有一个硬fault 状态寄存器（HFSR），它指出产生硬fault 的原因。如果不是由于取向量造成的，则硬fault 服务例程必须检查其它的fault 状态寄存器，以最终决定是谁上访的。

1 寄存器描述

首先查看硬故障寄存器，判别原因。

 

 

对于调试故障，有个调试故障寄存器，在0xE000ED30处，有详细介绍，不做探讨；

对于取中断发生的，有两类原因，一是在取向量过程中发生总线 fault，二是向量表偏移量设置有误。

本文重点介绍位30所示的，上访类错误。

这样Fault类异常有了三类，用法错误，存储管理错误，总线错误。

 

对于这些寄存器详尽的描述，见权威指南。

2 确定发生错误的地方  

2.1 查找出错原因

Cortex-M3有双堆栈功能，在带有操作系统时，一般都会使用。在Keil软件使用JTAG调试为例，系统的启动文件中，将断点打在下面4个地方。

HardFaultException

        B       HardFaultException

MemManageException

        B       MemManageException

BusFaultException

        B       BusFaultException

UsageFaultException

        B       UsageFaultException

程序跑飞以后，就会停在上面的4个断点的一个地方。可以通过两种方式查找原因。

第一种，在KEIL软件下，利用软件提供的功能查找故障原因。

 

在点出的窗口中，可以大体确定是哪个寄存器、什么原因造成了Hard Fault。

第二种，通过在内存观察窗口，直接输入上面那些寄存器的值来确定，通过观看寄存器那个位被置1了，确定出错原因。

2.2 确定出错地方

然后查看左侧寄存器栏中Banked确定现在使用的是那个堆栈，MSP或者是PSP，确定以后，在内存查看窗口，输入堆栈的地址，以这个地址开始的8个32位数值，应该依次是R0,R1,R2,R3,R12,R14,R15,XPSR的数值，据此判定你的堆栈地址是不是对的（有时需要考虑堆栈的增长方向）。R14，R15的地址就是我们出错的代码所在的地址，需要在这个地址基础上，首先偶数对齐，然后向上减去8个字节。

需要考虑的是，在使用MSP的时候，有出错的地方并不一定在R14，R15处，而是在XPSR往后的第二个地址处，在这个附近查找，排除故障。

3 两个例子

       下面就我之前碰到过的，举例说明，这两个例子分析出结果后，会觉得很简单，但是查找原因的过程有点费劲。

3.1 memcpy内存拷贝函数引发

       总线故障寄存器中IMPERCISERR位，标示不精确的数据总线访问错误，权威指南中对此有详尽的说明，“或者传送的数据单位尺寸不能为设备所接受，此时有可能是LDM/STM指令造成的”。

       Memcpy函数的原因是这样的void *memcpy(void *dest, const void *src, size_t n)，其中src是源地址，dest是目的地址，n是要拷贝的字节长度。KEIL自带的函数中并不检查这三个参数是否有效，我所开发的程序中，源地址和目的地址都在外存（外部扩展的内存，本次大小是4M）中，假设size的大小是0xFFFF FFFF，这样的数值非常的大，单纯的拷贝都需要10多秒。程序中定义了很多的变量都在外存，这个拷贝函数所在的任务优先级比较低，可能被中断或者其它的任务打断。

       我调试程序的时候，首先是发生在了中断的地方，外存数组地址到了0x21FF 2200,原来定义在6802 1000，加起来立刻超出了外存大小。修改中断，最终确定是传入的参数n太大了，直接是0xFFFF FFFF，这样memcpy函数会在这里陷入死循环，一直到外存耗尽，地址再增加，找不到外存地址了，然后触发Hard Fault。

3.2 滥用临界区

       程序中的一些关键代码，有时候需要在临界区中执行，但是临界区若使用不当，则也会造成错误。

OS_ENTER_CRITICAL();   

       。。。。。。。。。。。。。。。。。。

       。。。。。。。。。。。。。。。。。。

       OS_EXIT_CRITICAL();      

 

#define  OS_ENTER_CRITICAL()  {cpu_sr = OS_CPU_SR_Save();} 

OS_CPU_SR_Save

MRS     R0, PRIMASK     ;保存全局中断标志  ;   

CPSID   I                 ;关中断

    BX      LR

将全局中断标志保存到R0中，此时R0是0，CPSID   I则执行关中断命令，此时PRIMASK是1。

 

#define  OS_EXIT_CRITICAL()   {OS_CPU_SR_Restore(cpu_sr);}

OS_CPU_SR_Restore

    MSR     PRIMASK, R0         ;恢复全局中断标志

    BX      LR

将R0放入全部中断寄存器中，则允许所有中断了。

 

程序中如何保护R0的，细看汇编发现，实际上在执行关中断后，将R0保存到了sp+8处，开中断时再取出来，这样才保证了不会被修改。

STR      r0,[sp,#0x08]tPendTimes = 0;

同时，开中断， LDR      r0,[sp,#0x08]，则从sp+8处取出来，保存到R0中。

 

临界区中的代码完成如下内容：

netconn_write(tradeconn,g_u8TcpSendBuf,l_u32CodeSendLen,NETCONN_COPY);

调用TCPIP_APIMSG(&msg);，

sys_mbox_post(mbox, &msg);

OSQPost(mbox->hMBox, msg)发送消息，OS_EventTaskRdy函数修改线程的状态，使OSTCBStatPend变为等待完毕；

此时若协议栈线程优先级高于当前任务，则会触发任务调度，悬起OSPendSV，但是由于关闭了中断，即使在调用OS_ENTER_CRITICAL()后，也无法打开中断，故不能执行中断，任务无法切换。

同理，调用sys_arch_sem_wait(apimsg->msg.conn->op_completed, 0);，也无法阻塞自身，执行任务调度，程序在临界区里面变成了单线程在跑。

一直等待代码执行完毕开中断后，悬起的软中才能执行，本来应该在发送消息和等待消息处执行任务切换的，现在只能等待临界区执行完毕后，才能执行任务切换中断。此刻的PSP是0x2000DFAC，临界区的那段代码我们也有压栈操作，即是0x2000 DFAC后面的内容也是我们需要的，如下图所示。

 

原来的内容是这样的，如下图所示：

 

此时在OSPendSV中，执行如下语句

MRS     R0, PSP                                             ; PSP is process stack pointer

CBZ     R0, OSPendSV_nosave           ;   

SUBS    R0, R0, #0x20                  ; save remaining regs r4-11 on process stack

    STM     R0, {R4-R11}

从PSP-32个字节处开始，保存R4到R11这8个寄存器32个字节，则原来的内容都被覆盖了，而这些内容正好是我们需要的。被修改后的截图如所示，原来的内容被改成R4到R11这几个寄存器的值。

 

其中从0801556D变成了68130000，协议栈线程如下执行。

msg->msg.apimsg->function(&(msg->msg.apimsg->msg));

函数的地址变成了6813 0000，而6813 0000，是我们的外存，

在这里执行代码0x68130006 F63A07E1  DCD      0xF63A07E1   ; ? Undefined

最终是这句话，触发了Hard fault。

3.3 运行中记录出错位置

以3.2为例子，进行简单的反推。启动文件中的Hard中断处理一般如下所示，即让程序陷入这个死循环。

HardFaultException

;        B       HardFaultException

现在我们要在记录重要数据，即此刻系统的运行情况，主要包括：此刻堆栈情况、以及R0等8个寄存器的值、相关Hard硬件寄存器的值，若是任务引发的，还要记录任务的ID号，因此修改这个异常处理函数。

HardFaultException

              TST LR, #4                         ;将LR的值与4按位相与

              ITE EQ                              //若为0则是MSP，否则是PSP

              MRSEQ R0, MSP

              MRSNE R0, PSP

              B hard_fault_handler_c                //这个是C语言编写的函数

void hard_fault_handler_c(unsigned int * hardfault_args)

{

       unsigned int stacked_r0,stacked_r1,stacked_r2,stacked_r3;

       unsigned int stacked_r12,stacked_lr, stacked_pc, stacked_psr;

       stacked_r0 = ((unsigned long) hardfault_args[0]);

       stacked_r1 = ((unsigned long) hardfault_args[1]);

       stacked_r2 = ((unsigned long) hardfault_args[2]);

       stacked_r3 = ((unsigned long) hardfault_args[3]);

       stacked_r12 = ((unsigned long) hardfault_args[4]);

       stacked_lr = ((unsigned long) hardfault_args[5]);

       stacked_pc = ((unsigned long) hardfault_args[6]);

       stacked_psr = ((unsigned long) hardfault_args[7]);

       sprintf((char*)g_cDataBuf,"[Hard fault handler] ");

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"The task pri id = 0x%0.8x ", OSPrioCur);   //任务ID号

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"SP = 0x%0.8x ", hardfault_args);               //堆栈地址

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"R0 = 0x%0.8x ", stacked_r0);

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"R1 = 0x%0.8x ", stacked_r1);

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"R2 = 0x%0.8x ", stacked_r2);

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"R3 = 0x%0.8x ", stacked_r3);

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"R12 = 0x%0.8x ", stacked_r12);

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"LR = 0x%0.8x ", stacked_lr);

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"PC = 0x%0.8x ", stacked_pc);

       Usart232SendStr(g_cDataBuf);

       sprintf((char*)g_cDataBuf,"PSR = 0x%0.8x ", stacked_psr);

       Usart232SendStr(g_cDataBuf);

       exit(0); // terminate

       return;

}

以3.2为例，发生异常后，串口的输出入下所示：

[Hard fault handler]

The task pri id = 0x00000014                     //任务优先级是20

SP = 0x200077d8                               //当前任务的堆栈地址是0x2000 77D8

R0 = 0x2000dfa0

R1 = 0x68130000

R2 = 0x2000df9c

R3 = 0x20002100

R12 = 0x00000001

LR = 0x0801c7fb                              //分析得出，这个地址就是出错的地方

PC = 0x68130000

PSR = 0x00000000

此时需要借助map文件分析，map文件中得出对应的代码和数据位置。

    tcpip_thread                             0x0801c7ad   Thumb Code   190  tcpip.o(i.tcpip_thread)

i.tcpsvr_accept_20                       0x0801c874   Section       64  ftpmanage.o(i.tcpsvr_accept_20)

0x0801 c7fb应该在tcpip文件中的tciip_thread函数里。

T_LWIP_THREAD_STK                        0x20007000   Data        2048  sys_arch.o(.bss)

    rsuPib                                   0x20007800   Data          32  para.o(.bss)

堆栈空间是0x2000 77D8，是在T_LWIP_THREAD_STK这个栈空间里，这也是协议栈任务的堆栈空间，证明判断的任务优先级为20是正确的。

从0x0801 C7AD处开始的16进制文件如下图所示，再将汇编文件列出（需要KeiL生成）。

 

tcpip_thread PROC

;;;232    static void

;;;233    tcpip_thread(void *arg)

000000  b508              PUSH     {r3,lr}                  //开始

;;;234    {

;;;235      struct tcpip_msg *msg;

;;;236      LWIP_UNUSED_ARG(arg);

;;;237   

;;;238    #if IP_REASSEMBLY

;;;239      sys_timeout(IP_TMR_INTERVAL, ip_reass_timer, NULL);

;;;240    #endif /* IP_REASSEMBLY */

;;;241    #if LWIP_ARP

;;;242      sys_timeout(ARP_TMR_INTERVAL, arp_timer, NULL);

000002  2200              MOVS     r2,#0

000004  492e              LDR      r1,|L11.192|

000006  f2413088          MOV      r0,#0x1388

00000a  f7fffffe          BL       sys_timeout

;;;243    #endif /* LWIP_ARP */

;;;244    #if LWIP_DHCP

;;;245      sys_timeout(DHCP_COARSE_TIMER_MSECS, dhcp_timer_coarse, NULL);

;;;246      sys_timeout(DHCP_FINE_TIMER_MSECS, dhcp_timer_fine, NULL);

;;;247    #endif /* LWIP_DHCP */

;;;248    #if LWIP_AUTOIP

;;;249      sys_timeout(AUTOIP_TMR_INTERVAL, autoip_timer, NULL);

;;;250    #endif /* LWIP_AUTOIP */

;;;251    #if LWIP_IGMP

;;;252      sys_timeout(IGMP_TMR_INTERVAL, igmp_timer, NULL);

;;;253    #endif /* LWIP_IGMP */

;;;254    #if LWIP_DNS

;;;255      sys_timeout(DNS_TMR_INTERVAL, dns_timer, NULL);

;;;256    #endif /* LWIP_DNS */

;;;257   

;;;258      if (tcpip_init_done != NULL) {

00000e  482d              LDR      r0,|L11.196|

000010  6800              LDR      r0,[r0,#0]  ; tcpip_init_done

000012  b128              CBZ      r0,|L11.32|

;;;259        tcpip_init_done(tcpip_init_done_arg);

000014  482b              LDR      r0,|L11.196|

000016  1d00              ADDS     r0,r0,#4

000018  6800              LDR      r0,[r0,#0]  ; tcpip_init_done_arg

00001a  492a              LDR      r1,|L11.196|

00001c  6809              LDR      r1,[r1,#0]  ; tcpip_init_done

00001e  4788              BLX      r1

                  |L11.32|

;;;260      }

;;;261    

;;;262      LOCK_TCPIP_CORE();

;;;263      while (1) {                          /* MAIN Loop */

000020  e04c              B        |L11.188|

                  |L11.34|

;;;264        sys_mbox_fetch(mbox, (void *)&msg);

000022  4669              MOV      r1,sp

000024  4827              LDR      r0,|L11.196|

000026  1f00              SUBS     r0,r0,#4

000028  6800              LDR      r0,[r0,#0]  ; mbox

00002a  f7fffffe          BL       sys_mbox_fetch

;;;265        switch (msg->type) {

00002e  9800              LDR      r0,[sp,#0]

000030  7800              LDRB     r0,[r0,#0]

000032  2805              CMP      r0,#5

000034  d240              BCS      |L11.184|

000036  e8dff000          TBB      [pc,r0]

00003a  030b              DCB      0x03,0x0b

00003c  222b3500          DCB      0x22,0x2b,0x35,0x00

;;;266    #if LWIP_NETCONN

;;;267        case TCPIP_MSG_API:

;;;268            //if(msg->msg.apimsg->msg.conn == NULL)

;;;269            //  break;

;;;270          LWIP_DEBUGF(TCPIP_DEBUG, ("tcpip_thread: API message %p ", (void *)msg));

;;;271          msg->msg.apimsg->function(&(msg->msg.apimsg->msg));

000040  9a00              LDR      r2,[sp,#0]

000042  6892              LDR      r2,[r2,#8]

000044  1d10              ADDS     r0,r2,#4

000046  9a00              LDR      r2,[sp,#0]

000048  6892              LDR      r2,[r2,#8]

00004a  6811              LDR      r1,[r2,#0]

00004c  4788              BLX      r1

;;;272          break;

00004e  e034              B        |L11.186|          //0x0801 c7fb对应的代码

;;;273    #endif /* LWIP_NETCONN */

;;;274   

;;;275        case TCPIP_MSG_INPKT:

;;;276          LWIP_DEBUGF(TCPIP_DEBUG, ("tcpip_thread: PACKET %p ", (void *)msg));

;;;277    #if LWIP_ARP

;;;278          if (msg->msg.inp.netif->flags & NETIF_FLAG_ETHARP) {

000050  9800              LDR      r0,[sp,#0]

从代码看地址对应是00004e  e034              B        |L11.186|      ，即switch分支的break语句，但是实际应该是上面的那句，BLX      r1，而此时R1的值是

R1 = 0x68130000，即跳转到6813 0000处执行，与在3.2的分析是一样的。

这也只能判断出出错的位置，原因还是需要仿真调试，才能找到。

3.4 总结

发生Hard Fault以后，意味着程序跑飞了，有的原因是很简单的，但是有的需要仔细分析，以上两个例子应该都算比较简单的。以第一个例子来说，若从首次定位来看是在中断里，中断里变量的数值太大，超出了外存的大小，但是这个值为什么会这么大？正常中断接收数据不会变成有0x21FF 2200这么多字节的，此时就需要考虑是别的地方踩到了此处的内存，导致取出来的数据一下子变成了这么大。然后逐步定位，才能找出真正的原因。

4 参考文献

网上有几篇非常不错的文章，可以看看，加深理解。

[1] Cortex-M3 权威指南，Joseph Yiu 著，宋岩 译。（在书的附录E中对Fault类异常有非常详尽的介绍）

[2] Cortex-M3技术参考手册，周立功。（在书的P89到96页对以上所介绍的寄存器有很详细的描述）

[3] Application Note 209,Using Cortex-M3 and Cortex-M4 Fault Exceptions. KEIL Tools by ARM.（这个是KEIL软件下使用的说明，介绍的例子可以一看）

[4] 教你如何找到导致程序跑飞的指令,,http://blog.sina.com.cn/ifreecoding.（博主在文章里一步步讲述，非常清晰，让人一看就明白）