一、简单介绍
- 最近公司一个项目用到这款数据采集卡,这两天把我头都搞炸了,特做一个记录,给需要使用Python采集后面有需要的人少走点坑
- 我们项目要求以最高采集率运行,10k/s,找到的列子都不太好用。
- 直接上效果图:单通道下任意定量采集,测量一枚3V纽扣式锂电池电压
1.1 NI-USB6000
NI USB-6000提供USB接口、八个单端模拟(AI)输入通道、4个数字输入输出(DIO)通道和一个32位计数器。
安装:
LabView:稍后贴出网盘链接驱动 NI-DAQmx 博主自己网上找的18点几版本,如需最新版,可去官网(对着官网呵呵)
网盘链接--提取码:l5dx
下载解压后出来后,再解压使用第一个压缩包就好
二、如何通过Python与采集卡通信获取数据
- nidaqmx 模块,这是官方提供的一个模块,可与采集卡驱动通信,非常好用
- 安装:pip install nidaqmx 下载慢的可以 -i 使用国内镜像源,清华源、阿里源、豆瓣,都非常好用,速度杠杆的
2.1 简单使用
- 按照好驱动后,重启,NI设备监视器会自动运行,如图点看查看设备 “Dev1”就是设备名称了,而 “ai0” "ai1" "ai2" 就是设备不同的通道,看自己需要而定了
![](https://img2018.cnblogs.com/blog/1226829/202001/1226829-20200102165525453-725194365.png)
import nidaqmx
import pprint
import numpy as np
from matplotlib import pyplot as plt
pp = pprint.PrettyPrinter(indent=4)
with nidaqmx.Task() as task:
task.ai_channels.add_ai_voltage_chan("Dev1/ai0")
print('1 Channel 1 Sample Read: ')
data = task.read()
pp.pprint(data)
data = task.read(number_of_samples_per_channel=1)
pp.pprint(data)
print('1 Channel N Samples Read: ')
data = task.read(number_of_samples_per_channel=10)
x=np.arange(0,len(data))
pp.pprint(data)
plt.plot(x,data)
task.ai_channels.add_ai_voltage_chan("Dev1/ai1")
print('N Channel 1 Sample Read: ')
data = task.read()
pp.pprint(data)
print('N Channel N Samples Read: ')
data = task.read(number_of_samples_per_channel=2)
pp.pprint(data)
2.2 通过stream_readers来提高性能
- 简单理解,因为博主这个设备是个旧设备,说明、光盘啥的全丢了,然后NI官方只有会员才能享用他们的技术咨询服务,(坑爹的NI 买了硬件不行,还要买软件,会员)
- 言归正传:据我这两天网络查找资料和查看源码,应当是我们创建虚拟通道对应物理通道与驱动通信,给与驱动Buffer,驱动会将数据读取回来写入Buffer,如果读回来的数据大于Buffer,会自动将旧数据覆盖
nidaqmx 下 stream_readers.py文件下有多个读取类,
比如 AnalogSingleChannelReader 模拟单路通道读取
或者 AnalogMultiChannelReader 模拟多通道读取
这儿博主因为需要需要使用两个物理通道,所以就使用的第二个,当然你也可以使用第二个类去读取单通道,只需要在任务注册添加通道时只添加一个通道,并且缓冲区Buffer设置,给一维数组
我调试使用的一段代码:
import time
import nidaqmx
import numpy as np
from nidaqmx import constants
from nidaqmx import stream_readers
from nidaqmx import stream_writers
NUM_CHANNELS = 2
RATE = 10000/NUM_CHANNELS
with nidaqmx.Task() as task:
for i in range(NUM_CHANNELS):
task.ai_channels.add_ai_voltage_chan("Dev1/ai{}".format(i),name_to_assign_to_channel="AI{}".format(i),max_val=10,min_val=-10)
task.timing.cfg_samp_clk_timing(RATE,sample_mode=constants.AcquisitionType.CONTINUOUS,samps_per_chan=100000) #一直采,直到停止任务
#task.timing.cfg_samp_clk_timing(RATE,sample_mode=constants.AcquisitionType.FINITE,samps_per_chan=300000) #采集指定数量的样本
non_local_var = {'All samples': []}
channel1_data = []
channel2_data = []
#################使用 stream_readers 来提高性能 ##########################
# read_task = stream_readers.AnalogMultiChannelReader(task.in_stream)
# write_task = stream_writers.AnalogMultiChannelWriter(task.out_stream)
def read_callback(task_handle, every_n_samples_event_type,
number_of_samples, callback_data):
#################使用 stream_readers 来提高性能 ##########################
# buffer = np.empty((NUM_CHANNELS, number_of_samples), dtype=np.float64,order="C")
# read_task.read_many_sample(buffer, number_of_samples, timeout=constants.WAIT_INFINITELY)
# data = buffer.T.astype(np.float64)
####################直接使用 read 函数 #############
data = task.read(number_of_samples_per_channel=number_of_samples)
# non_local_var['All samples'].extend(data)
channel1_data.extend(data[0])
channel2_data.extend(data[1])
return 0
task.register_every_n_samples_acquired_into_buffer_event(
1000, read_callback)
task.start()
startTime = time.time()
while True:
if len(channel1_data)>=300000:
break
print("耗费时间:",time.time()-startTime)
task.stop()
print("数据总量:",len(channel1_data))
print(channel1_data[1:100])
print(channel1_data[-50:])
2.2.2 几个函数说明
- task.ai_channels.add_ai_voltage_chan("Dev1/ai0",name_to_assign_to_channel="AI0",max_val=10,min_val=-10)
选择ai_channels(输入)添加通道0 也就是"Dev1/ai0",设备名称不一样的自己在上面所示的NI监听设备中去查看哦。
- task.timing.cfg_samp_clk_timing(RATE,sample_mode=constants.AcquisitionType.CONTINUOUS,samps_per_chan=100000) #一直采,直到停止任务
设定采集率,采集模式,每通道采集数量等...,(注意:采集率最大10k,计算方式应该为最大采集率除以你所需的通道数,10k/channels)比如博主使用2通道,最大就只能设置5000/s的采集率了。
read_task = stream_readers.AnalogMultiChannelReader(task.in_stream)
write_task = stream_writers.AnalogMultiChannelWriter(task.out_stream)
将任务添加到流读取中,以提高性能buffer = np.empty((NUM_CHANNELS, number_of_samples), dtype=np.float64,order="C")
read_task.read_many_sample(buffer, number_of_samples, timeout=constants.WAIT_INFINITELY)
设定缓冲区buffer,选用numpy.empty原因是这个初始化所需矩阵比较快,比np.zero快,因为他是随机值,比如博主需要的就是np.empty((2,300000),dtype=np.float64)
然后通过将buffer 传递给流读取对象,read_task去读取data = task.read(number_of_samples_per_channel=number_of_samples)
不使用stream_readers正常读取task.register_every_n_samples_acquired_into_buffer_event(1000, read_callback)
注册回调函数,就如函数名称,每采集n个样品到buffer触发事件,调用回到函数task.start()
最后记得开启任务task.stop()关闭任务
读取到所需数据后
一些事列的Git地址stream_readers关于NI设备的一些知识
人生还有意义。那一定是还在找存在的理由