第1页：5.1概述检测领域新技术
5.1概述检测领域新技术
- 检测领域新技术简介主要是在微处理器、计算机的硬件、软件基础上，充分利用适当的数学工具、人工智能、参数或状态的估计、识别技术而发展起来，有针对性地解决一些原来难以解决的问题。
- 新技术软测量技术、虚拟仪器技术、模糊传感器技术多传感器数据融合技术。
- 智能检测技术、
第2页：技术基础
技术基础
- 硬件基础
- 新材料、新传感器件的开发。精密机械、微电子技术的发展。
- 基础理论和技术
- 应用物理、应用化学、材料科学、生物科学领域的基本理论及科研成果；
- 软件基础
- 包括微处理器系统在内的微电子技术、通信技术、数据处理技术、计算机软件技术、参数估计和识别技术，数据融合技术。应用方法：基于测量机理或模型辨识的传感器模型的求取；测量公式、神经元网络，或知识库形式的表达。基于信号（数据）分析与处理的参数预估和识别。
第3页：构成
构成
特点：
第4页：5.2软测量技术80年代末期明确提
5.2软测量技术80年代末期明确提
- 出软测量的概念，依据对易测变量的测量及易测变量与被测变量（主导变量）间的数学关系（软测量模型），利用数学计算和估计技术实现对待测变量测量的技术。
- 特点
- ①基于多传感器之上，②存在大量数据处理，③适用于工程应用中对象特性及环境变化影响较大的参数的工程测量。
第5页：5.2.1软测量技术方法
5.2.1软测量技术方法
1）系统框图辅助变量的选择；数据采集及处理；软测量模型的建立；模型校正关键步骤：
第6页：辅助变量的选择要点
辅助变量的选择要点
- 变量类型，数量，测点位置①选取基础：基于对对象的机理分析和实际工况的了解。
- 考虑事项
- 可行性、可靠性、易维护性、经济性等②基本原则：a.适用性，工程上易于在线获取并有一定的测量精度。
- 灵敏性，对对象输出(被测变量)或不可测扰动能作出快速反应。
- 特异性，对对象输出(被测变量)或不可测扰动之外的干扰不敏感。
- 准确性，构成的软仪表应能够满足准确度要求。
- 鲁棒性，对模型误差不敏感。
第7页：辅助变量数量
辅助变量数量
- 下限值
- 被估计主导变量的个数；上限值：系统能可靠在线获取的变量总数。
- 相关影响因素
- 自由度、测量噪声、模型不确定性自由度:独立变量数过程工业:F = C–P + 2F：自由度，C：组分数，P：相数数量确定方法：一般建议从系统的自由度出发，确定辅助变量的最小个数，并结合实际对象的特点适当增加辅助变量个数，以便更好地处理动态特性等问题。
第8页：检测点
检测点
- 应根据主导变量的测量要求，选择具有强影响力的参数点作为检测点。
- 一般情况下，变量数目的选择准则也往往应用于检测点位置的选择。
- 辅助变量的数目和位置通常是同时确定的。
第9页：测量数据处理软测量结果
测量数据处理软测量结果
- 的可靠性在很大程度上依赖于测量数据的准确性和有效性，因此，数据处理是软测量技术应用的一个重要方面。基本内容：数据校正、数据变换①数据校正a.随机误差处理常用方法：
- 滤波法
- 高通、低通，数据平滑。
- 数据协调技术基于平衡关系建立以估计值与测量值的方差为最小的优化估计模型，为测量数据提供一个最优估计，并据此检测数据误差。数据协调技术是一个约束条件下的优化技术。
第10页：显著误差处理常用方法
显著误差处理常用方法
- 理论分析法
- 硬件冗余法利用多种方法测量同一变量，通过结果比较识别显著误差。
- 统计分析法
第11页：数据变换
数据变换
- 主要内容
- 标度变换、转换、权函数
- 标度变换
- 采用合适的因子实现数据的统一性，保证算法的精度和稳定性；
- 转换
- 直接转化以及以新变量替换原变量，从而降低非线性。
- 权函数
- 通过选择适当的权函数实现对变量的动态补偿以及体现辅助变量的重要度。
第12页：软测量模型的建立构造软仪表
软测量模型的建立构造软仪表
- 的本质就是建立数学模型（软测量模型）问题。是软仪表的核心。
- 软测量模型
- 表征辅助变量和主导变量之间的数学关系。注意：与一般系统数学模型的区别：
- 一般数学模型
- 描述系统的动态或静态特征，用于系统分析及优化。
- 软测量模型
- 描述辅助变量与主导变量之间的关系，完成由辅助变量到主导变量的映射。
第13页：软测量模型建立方法
软测量模型建立方法
- ①基于工艺机理分析的软测量主要是运用化学反应动力学、物料平衡、能量平衡、动量平衡等原理，建立主导变量与辅助变量之间的关系模型。是工程中常用的方法。特点：
- 对于工艺机理较为清楚的工艺过程，该方法能构造出性能较好的软仪表。
- 工程背景清晰，便于实际应用。
- 模型具有较好的外延性.
- 建模的难度较大。对于机理研究不充分、尚不完全清楚的复杂工业过程，难以建立合适的机理模型。
第14页：基于回归分析的软测量是软测量
基于回归分析的软测量是软测量
- 主要手段
- 多元线性回归（MLR）、多元逐步回归（MSR）、主元分析和主元回归（PCA、PCR）、最小二乘(LSR)；特点：简单实用，需要大量的样本(数据)，对测量误差较为敏感。
- 所建立的模型具有一定的应用范围限制(外延性不好)。
- 以最小二乘原理为基础的一元和多元线性回归技术目前已相当成熟，常用于线性模型的拟合。
第15页：基于神经网络方法基于人工神经
基于神经网络方法基于人工神经
- 网络的软测量是近年来研究最多、发展很快和应用范围很广泛的一种软测量技术。人工神经网络及建模特点结构：特点：
- 神经网络具有自学习、联想记忆、自适应和非线性逼近等功能；
- 可根据对象的输入输出数据直接建模。能适用于高度非线性和严重不确定性系统；
- 并行运算，速度较快。
- 完美的网络训练样本的获得较困难。
第16页：基于模糊数学的软测量
基于模糊数学的软测量
- 模糊数学模仿人脑逻辑思维特点，是处理复杂系统的一种有效手段。
- 建立的模型是一种知识型模型。
- 适用于被测对象呈亦此亦彼的不确定性，难于用常规数学方法定量描述的场合。
- 实际应用中一般将模糊技术与其他人工智能技术结合应用。
第17页：基于相关分析的软测量
基于相关分析的软测量
- 以随机过程中相关分析理论为基础，利用两个或多个可测信号间的相关特性实现对某一参数的测量。
- 具体实现方法为互相关分析方法。利用各辅助变量间的互相关特性进行参数测量。
- 主要应用于测量难测流体流速或流量的在线测量和故障诊断。
第18页：5.2.2软测量技术实现
5.2.2软测量技术实现
1）基于工艺机理分析方法例：反应再生系统催化剂循环量和焦炭氢含量的软测量系统结构图：
第19页：催化剂循环量的软测量模型软测
催化剂循环量的软测量模型软测
- 量方法主要有
- 热平衡法，炭（物料）平衡法
- 热平衡法利用再生器的热平衡实现催化剂循环量的估算热平衡关系式：式中：Q1：再生器中的反应热，（炭、氢燃烧）kJ / h；Q2：焦炭的脱附热，kJ / h；Q3：空气、焦炭和蒸汽的升温热，kJ / h；Q4：散热损失，kJ / h；Q5：催化剂升温所需要的热量，kJ / h；
第20页：已知
已知
- Q5与催化剂循环量存在关系（工艺知识）式中：R：催化剂循环量，kg / h；△t：再生剂与待生剂之间温差，K；cp：催化剂比热，kJ / (kg · K)。
- 对上述二式联立求解
- 热平衡法催化剂循环量软测量模型：
第21页：炭平衡法利用物料平衡原理
炭平衡法利用物料平衡原理
- 烟气中带出的炭含量等于循环催化剂带入的炭含量。
- 依据炭含量平衡的催化剂循环量软测量模型：Cw：烟气中带出炭含量△C：待生剂与再生剂的炭含量差。
第22页：焦炭氢含量软测量模型
焦炭氢含量软测量模型
- 焦炭氢含量是衡量催化裂化装置气提段性能的重要指标。焦炭的氢含量一般通过对再生器作氧平衡来计算（依据烟气分析数据）
- 进入再生器的氧量：
- 排出再生器的氧量
- A：进入再生器的总空气流量：烟气中O2、CO、CO2含量F：烟气流量
第23页：烟气氧平衡与生成量计算
烟气氧平衡与生成量计算
：氮和氩在烟气中的总含量，摩尔分量，：氮和氩在空气中的体积百分含量，另外，根据氮平衡得式中联立求解得：
第24页：设烟气中SO2和N
设烟气中SO2和N
Ox含量可忽略，则焦炭中的氢含量MH和炭量MC分别为如此，得氢含量CH（质量百分比）软测量模型为例：烟气组成数据为：（摩尔百分数）O2：0.5，CO：8.0，CO2：12.0，N2：79.5则：氢含量：CH=7.1%
第25页：基于回归分析的软测量是确定变
基于回归分析的软测量是确定变
- 量间相关关系的一种简单实用的方法。
- 在检测过程中常用于关联各种过程变量的观测数据，建立软测量模型对难以直接测量的变量进行估计。
- 主要应用方法
- 主元回归（PCR）部分最小二乘法（PLS）注意：对于线性系统采用PCR或PLS效果基本相同，对于非线性回归，PLS将优于PCR法。
第26页：最小二乘原理式设
最小二乘原理式设
：软测量问题被测变量：y辅助变量：xi；i=1，2，……，m误差变量：e或有：β：待定系数
第27页：筛板塔点效率的软测量由物料平
筛板塔点效率的软测量由物料平
例：衡关系和液相组成知液相点效率EOL有关系式：式中其中施密特准数液相表面张力修正后的气相雷诺准数
第28页：65软测量模型回归数据
65软测量模型回归数据
线性化得：回归结果：A=0.00935，a=0.15, b=0.222, c=0.3：68676359.6495208260407158201915542742085151228文献指出，在下述范围内模型具有良好效果回归模型
第29页：基于人工神经网络的软测量方法
基于人工神经网络的软测量方法
- 人工神经网络软测量建模基本特点
- 神经网络建模方法属于辨识建模；
- 建模的全部或部分过程为网络训练过程；
- 一般所建模型为隐式，不能描述为一般数学表达式，模型参数蕴含于网络连接的权值中；
- 模型的输入为辅助变量，输出为被测变量，模型易于实现；
- 对非线性映射关系的逼近性良好；
- 需要大量的实验数据；
第30页：神经网络结构BP神经网络RB
神经网络结构BP神经网络RB
b.M神经网络
第31页：神经网络建模方法
神经网络建模方法
c.通过样本训练的方法实现神经网络模型的建立基本步骤：确定网络结构确定训练样本确定网络变换函数及训练方法实行网络训练
第32页：神经网络结构确定选择网络类型
神经网络结构确定选择网络类型
- 如BP网络，RBF网络，互联网络等确定网络结构：输入层节点：所选辅助变量个数。
- 输出层节点
- 需要进行软测量的变量数。
- 中间(隐层)节点
- 目前尚没有一个很好的确定方法。
- 训练样本（数据）的提取
- 训练数据包括神经网络的输入输出数据。
- 数据来源
- 理想输入输出数据，通过经验、实验、过程实测输入输出数据。
- 一般要求
- 训练数据组数要远大于需要进行软测量的变量数。
第33页：网络变换函数
网络变换函数
- 神经网络通过转换函数完成其学习训练过程，并且在应用中通过转换函数按照一定的规律将输入端信息传送到输出端。
- 常用的转换函数如图所示：
第34页：网络训练训练方法有教师学习事
网络训练训练方法有教师学习事
- 先给定一些标准的输入输出数据，学习中，在给定的一组输入数据下的网络输出与给定的期望输出进行比较，通过二者差异调整网络的权值，最终的训练结果使其差异达到给定的范围内。
- 无教师学习不存在教师信号，相应地事先设定一套学习规则，学习系统按照环境提供数据的某些统计规律及事先设定的规则自动调整权值，使网络具有某一特定功能。
- 再励学习介于上述二者学习方式之间的一种学习方式，在这种学习中，环境将对网络的输出给出评价信息（奖或罚），学习系统将通过这些系统调整权值，改善自身特性。
第35页：建模形式利用人工神经网络直接
建模形式利用人工神经网络直接
- 建模用网络代替常规的数学模型描述辅助变量和主导变量间的关系，完成由可测信息空间到主导变量的映射，实现软测量。原理图：特点：
- 所建模型属黑箱模型，模型特性隐含于网络权值中，不能写出显式数学模型。
- 模型特性外延性不好。
第36页：与常规模型相结合
与常规模型相结合
- 用人工神经网络来估计常规模型的模型参数并进而实现软测量，原理图：特点：
- 所建模型属于灰箱模型，模型可用显式表示。
- 模型描述特性介于机理模型与黑箱模型之间。
- 特性外延有一定误差。
第37页：注意事项
注意事项
e.：在实际应用中网络训练样本的数量和质量、学习算法、网络的拓扑结构和类型等的选择对所构成软仪表的性能都有重大影响。
第38页：5.3智能检测智能检测系统
5.3智能检测智能检测系统
- 主要包括功能
- 测量、检验、故障诊断、信息处理和决策、输出等。
第39页：传感器
传感器
- 信号调理
- 将传感器来的信号进行放大、整流、滤波及线性化处理。
- 实现对信号的去噪、形式转换和信号幅值变换，使之满足数据采集板的要求。
- 数据采集
- 完成信号量程的自动转换、多通道信号分时采样、连续信号的时间序列离散化数字量（或脉冲频率）处理。
- 计算机
- 系统的中枢，在软件作用下进行信号采集和存储、数据运算分析、记录以及显示输出。
第40页：标准接口系统是计算机
标准接口系统是计算机
- 和各测量设备间进行信息交换和传输的连接设备，主要是解决各产品接口的统一问题。主要功能：
- 多台设备的识别，接口中含有特定外围设备通道码（口地址），计算机通过地址线选择外围设备。
- 实现信号暂存及脉冲宽度变换。
- 完成信号逻辑极性和逻辑电平转换（如TTL逻辑电平和MOS器件的电平极性相反）。
- 完成数据代码形式转换，如BCD码、二进制码以及串行码和并行码转换。
- 常用标准接口
- RS-232C（串行）接口总线HP-IB（并行）接口总线
第41页：智能检测系统
智能检测系统
- 系统软件
- 计算机实现运行的软件
- 应用软件
- 测试程序、控制程序、数据处理程序、界面生成程序
第42页：主要特点
主要特点
- 开发性强，可靠性高
- 可通过开发不同软件实现不同的功能；减少了硬件电路和元件数量，减少了故障发生率，提高了可靠性。
- 测量速度快
- 计算机技术的发展为智能检测的快速性提供了条件。
- 高度的灵活性
- 以软件为工作核心的智能检测系统可以方便地更改功能和性能指标。
- 可提供多种形式的数据输出，可以方便地与其他设备进行数据交换。
- 智能化数据处理
- 在线线性化、相关性分析。
- 多数据融合
- 可配备多个检测通道，依据相关特性实现多传感器信息融合，提高测量精度。
- 自查及诊断
- 实现自检查，显示故障信息检测过程的软件控制：自动校准、自补偿、过载保护、报警及检测功能（通道、方式）选择。
第43页：5.4虚拟仪器检测技术
5.4虚拟仪器检测技术
- 虚拟仪器(Virtual Instrument)是指在计算机上由用户设计定义，利用计算机显示器（CRT）来模拟传统仪器的控制面板，实现信号的采集、测量、运算、分析、处理等功能的计算机仪器系统。
- 虚拟仪器技术综合应用了计算机技术、智能检测技术、数字信号处理技术、总线技术和图形处理等技术，利用图形化语言在计算机上开发的一种仪器。
- 是建立在标准化、系列化、模块化的硬件和软件平台的一个完全开放的仪器集成系统。
第44页：虚拟仪器面板示例
虚拟仪器面板示例
第45页：5.4.1虚拟仪器的构成框图
5.4.1虚拟仪器的构成框图
- 虚拟仪器是以个人计算机为核心，通过测量软件支持，具有虚拟仪器面板功能、仪器硬件和通讯功能的信息处理装置。
- 虚拟仪器通常包括
- 计算机、仪器硬件和应用软件。
第46页：5.4.2虚拟仪器的硬件系统
5.4.2虚拟仪器的硬件系统
- 虚拟仪器的工作基础，主要完成功能：测试信号采集、传输和显示。硬件系统构成：
- 计算机提供高效数据处理功能及显示功能微处理器、存储器、显示器等
- 测量功能硬件主要用于采集和传输信号主要有：GPIB仪器模块VXI仪器模块PXI仪器模块或数据采集卡虚拟仪器的硬件系统计算机硬件测量功能硬件
第47页：GPIB
GPIB
- (General Purpose Interface Bus)仪器控制系统GPIB技术是虚拟仪器发展的第一阶段。
- GPIB把可编程仪器与计算机紧密地联系起来，使电子测量由独立的、手工操作的单台仪器向组成大规模自动测试系统的方向迈进。
- 典型GPIB仪器控制系统由一台PC机、一块GPIB接口板卡和若干台GPIB仪器通过标准的GPIB电缆连接而构成。
- 构成示意图：
第48页：14台仪器
14台仪器
- 基本数据标准情况下，一个GPIB接口板可带；电缆长度：＜20m；数据传输速率约为1Mbytes/s。功能：
- 可以用计算机实现对仪器的操作和控制，替代传统的人工操作方式，排除人为因素造成的测试的误差。
- 实现自动测试，提高了可靠性和效率。
- 可方便地组合多台仪器，形成较大规模的检测系统；高效、灵活地完成各种不同规模的测试任务。
- 可通过计算机的数据分析处理算法扩展仪器功能。。
第49页：VXI总线仪器系统
VXI总线仪器系统
- 是基于高速计算机总线—VME(Versabus ModuleEurocard)在仪器领域的扩展总线平台的自动检测系统。
- 具有标准开放、结构紧凑、数据吞吐能力强，定时和同步精确、模块可重复利用，以及众多仪器厂家支持等特点。
- 在组建大、中规模的自动检测系统，以及对速度、精度要求较高的场合叫其他系统具有明显的优势。
- VXI系统配置方案
- a. GPIB控制方案b.嵌入式计算机控制方案c. MXI总线控制方案
第50页：88协议可使GPIB
88协议可使GPIB
- GPIB控制方案
- GPIB控制方案的数据传输速率约为1Mbytes/s。如果使用HS4的数据传输速率提高到1.6Mbytes/s（ISA总线）。
- 优点
- 可以利用熟悉的GPIB技术如同控制一台GPIB仪器一样来控制VXI仪器系统，且系统造价低。
- 缺点
- 由于GPIB总线的数据传输速率远远低于VXI总线，形成整个系统的数据交换的瓶颈。（VME总线带宽：40Mbytes/s）
- 应用适用于对总线控制的实时性要求不高，并需在系统中集成较多GPIB仪器的场合；
第51页：嵌入式计算机控制方案
嵌入式计算机控制方案
- 一个嵌入式计算机模块除具有VXI系统控制功能外，还具有一台通用PC机的全部功能。
- 优点
- 所有的模块均插在VXI机箱的背板总线上，能实现高速的数据传送(40Mbytes/s左右)，且体积紧凑，是实现VXI自动测试系统的最佳配置方案。
- 缺点
- 配置方案的造价及升级费用均较高。
- 应用
- 由于在系统的体积、控制速率和电磁兼容方面具有优势，因而在性能要求较高和投资较大的场合，如航天、军用等应用领域倍受青睐；
第52页：32位数据交换
32位数据交换
- MXI总线控制方案
- MXI是一种多系统扩展接口总线，相当于把VXI机箱的背板总线拉到外部计算机上来，同时可实现多个VXI机箱间的。
- 它可以直接把VXI内存空间映射到外部计算机上，因此在提高数据传输速率方面有很多的优势。
- 优点
- 综合了第一种(GPIB)方案使用外部计算机灵活方便、易于升级以及第二种(VXI)方案高性能的优点，且造价适中。同时还可以在外部计算机上加插GPIB接口卡、数据采集卡，实现更大规模的系统集成。
- 缺点
- 与内嵌式方案相比，体积偏大，数据传输速率偏低。应用：适用于在各种实验室中实现科研系统以及对体积要求不高的场合使用。
第53页：PXI仪器总线系统
PXI仪器总线系统
- 一种专为工业数据采集与自动化应用独自定制的模块化仪器平台。PXI与VXI区别：主要是体现在各自的底层总线结构不同。VXI基于VME总线；PXI基于PC机中广泛应用的PCI总线。特点：
- PCI总线最大带宽
- 132Mbytes/s；
- 可降低成本，零部件和软件可容易地在PC产品供应商购得。
- 设备尺寸小，能够为便携式、台式或固定框架装置提供通用平台。
- PXI设备能够被操作系统自动识别。
第54页：5.4.3虚拟仪器软件系统
5.4.3虚拟仪器软件系统
- 测试管理层
- 是一个带有易于操作界面、用于管理和执行某一测试任务、它为测试系统与操作者的交互、被测器件分析、顺序测试以及分支、循环等提供一个专门的测试运行程序，
第55页：测试程序层
测试程序层
- 提供了针对产品的功能测试的软件组件。在这些软件中，几乎所有用于测量、控制和通讯模块的程序代码均已编写完成，供用户调用。用户只需在开发平台上以图形方式调出相应的仪器功能模块和数据处理模块，进行连接组合，就可构成一个具体的仪器，节省用户大量的开发时间。
- 驱动程序层
- 仪器驱动程序是以源代码的方式提供给用户，用户可以很容易地优化和增强这些驱动程序，用户可迅速将仪器链入自己的测试系统。标准化的驱动程序可以在不同的系统和配置中重复使用。
- I/O接口层
- 在一个标准化I/O接口软件组件的通用内核上，为用户提供了一个一致的、跨计算机平台的应用编程接口(API)，使用户的测试系统能够自由灵活地选择不同的计算机平台和仪器硬件。
第56页：虚拟仪器软件系统
虚拟仪器软件系统
- 特点：
- 这些软件层的设计均以“与设备无关”为特征，极大地改善了开发环境。
- 虚拟仪器的本质是面向对象，由不同开发人员采用不同开发工具编写的测试程序可方便地集成在一个系统中。
- 用户可以使用单一的、前后一致的开发工具完成测试程序的所有部分，包括用户应用程序、测试程序和仪器驱动程序等。
第57页：软件开发平台软件是虚拟仪器系
软件开发平台软件是虚拟仪器系
- 常用软件开发平台
- 可视编程语言环境Visual C, Visual BASIC；NI公司推出LabVIEW和LabWindows/CVI；HP公司推出了VEE；Tektronix公司推出了TekTMS；
第58页：LabVIEW软件开发平台简
LabVIEW软件开发平台简
- 介
- LabVIEW是一种基于G语言的图形化开发语言。
- LabVIEW软件平台是一种面向仪器的图形化编程环境，用来进行数据采集、数据分析、数据表达测试、测量和控制、实验室自动化以及过程监控。
- 利用LabVIEW可以简化程序的开发工作，以使用户能快速、简便地完成自己的工作。使用LabVIEW开发平台编制的程序称为虚拟仪器程序，简称为VI。程序前面板框图程序图标/连接器VI
第59页：LabVIEW的选项板
LabVIEW的选项板
- 程序的创建主要依靠三个选项板：
- 工具（Tools）选项板
- 控件（Controls）选项板
- 函数（Functions）选项板①工具选项板
- 使用工具选项板中的工具可创建、修改和调试VI。当从工具模板中选择了某种工具后，鼠标光标就变为该工具的形状，表示可以进行某类操作。
第60页：控件选项板控件选项板只
控件选项板控件选项板只
- 用于前面板，用来创建控制器和指示器。
- 选项板中显示的是一些子选项板的图标，点击图标即可弹出该图标下的子选项板。
第61页：虚拟仪器常用控件类型
虚拟仪器常用控件类型
- 数值型、布尔型
- 数值型Numeric
- 主要完成参数设置和结果显示。
- 这些控件相当于高级文本编程语言中的变量。
- 控制型控件有
- 数字式、滑动式、进度条式、旋纽式、桶式
- 指示型控件有
- 数字式、表盘式、温度计式、彩色式
第62页：布尔型
布尔型
包含控制器和指示器：按钮、开关、指示灯按键等。
第63页：函数选项板
函数选项板
- (Functions Palette)
- 用于创建框图程序
第64页：程序前面板程序前面板是VI
程序前面板程序前面板是VI
- 的用户界面，在此界面模拟真实仪表的前面板。
- 程序前面板主要功能是设置输入数值并观测输出量。
- 在程序前面板上，输入量被称为控制（Controls），输出量被称为显示（Indicators）。
- 控制和显示是以各种图标形式出现在前面板上，如旋钮、开关、按钮、图表、图形等。
- VI程序前面板示例信号发生器前面板
第65页：频谱分析仪前面板温度计前面板
频谱分析仪前面板温度计前面板
第66页：框图程序是图形化源代码的集合
框图程序是图形化源代码的集合
- 框图程序，每一个程序前面板都对应一段框图程序。
- 框图程序由端口、节点、图框和连线构成。
- 端口被用来与程序前面板的控制和显示传递数据，节点被用来实现函数和功能调用，图框被用来实现结构化程序控制命令，连线代表程序执行过程中的数据流，定义了框图内的数据流动方向。
第67页：框图程序示例
框图程序示例
：温度计显示框图程序节点端口连线
第68页：图标/连接器图标/连接器是子
图标/连接器图标/连接器是子
- VI被其它VI调用的接口。
- 图标是子VI在其它程序框图中被调用的节点表现形式；连接器表示节点数据的输入/输出口。
- 用户必须指定连接器端口与前面板的控制和显示一一对应。
- 图标/连接器示例温度计显示连接器
第69页：虚拟仪器的特点
虚拟仪器的特点
- 特点：
- 丰富和增强了传统仪器的功能由信号分析、显示、存储、打印及其他功能，充分利用了计算机强大的数据处理、信号传输能力。
- 软件即仪表传统仪器仪表由软件代替，减少了硬仪表存在的时飘以及外界干扰等，是仪表的测量精度、测量速度及可重复性得到大大提高。
- 仪器由用户自己定义可以方便地修改仪表功能、如设计适用的通讯、定时、滤波等，给用户提供了发挥和想象的空间。
- 便于构成复杂的测试系统，经济性好虚拟仪器可以将各种仪表或功能软件集成应用，可方便地实现远程测试、监控、故障诊断等操作。可以大大节约仪器购买、维护等费用。
第70页：VI程序
VI程序
- 程序功能要求
- 每隔一定时间测量一次温度，显示当前的测量温度值和已运行时间，同时显示实时温度测量曲线。
- 设计前面板（1）在前面板放置一个Knob控件，此圆形旋钮用于选择测量时间间隔。
- 在前面板放置一个布尔型控件开关，此开关用于控制测量的启停。
- 在前面板放置一个数值型的指示控件，用于显示程序运行时间。
- 在前面板放置一个图形显示控件，用于显示温度实时测量曲线。
第71页：完成以上步骤后创建出如图所示
完成以上步骤后创建出如图所示
的前面板。
第72页：设计框图程序
设计框图程序
- 切换到框图程序窗口，调整数据端口图标的位置，波形图表控件，它在框图程序中出现的初始端口图标是，在该图标上右击弹出的快捷菜单中选择显示为图标项，端口图标就变为。
- 选择While Loop，While循环中的端口输出While循环次数。
第73页：2个乘法函数
2个乘法函数
- 放置随机函数发生器。
- 该函数产生（0，1）之间的一个随机数，产生的随机数经运算处理后模拟温度采集值。
- 放置。
- 放置3个数值常量端口。
- 分别输入框图程序中所需的常数。
- 放置延时函数，该函数控制每次While循环的时间间隔，函数的左边端口连接一个数值指定延时的时间，单位为ms。
第74页：选用用连线工具
选用用连线工具
（7）根据程序设计原理连接各个节点，得到框图程序如下。
