LabVIEW基础说明+python3.6应用

简介: LabVIEW页面基础

1、 开发环境安装与概述
LabView开发环境的安装,相关机器视觉包及VISA接口安装。通过该文章掌握相关LabView开发环境及任意包的安装过程,通过调试一个hello_world程序,了解python及其他语言在LabView环境中的调用

1.2 环境说明
Windows 7 /Windows 10 64位系统的PC机,同时需要能够访问Internet网;
根据实际的操作系统版本下载并安装Labview2018及以上版本;

1.2.1 环境安装
1)安装LabView基础环境
所有勾选默认即可。
2)安装python3.6解释器。
所有勾选默认即可。
3)安装VAS和VDM(机器视觉包)
所有勾选默认即可。
4)破解。右击:将所有的方块部分激活即可。如下图所示。
在这里插入图片描述

1.2.2 编辑界面
LabView与虚拟仪器有着紧密的联系,在开发的程序中都被成为VI,其默认扩展名为:.vi。所有vi都包括以下3个部分:前面板、程序框图和控件。
1)前面板如图所示。前面板就是图形化用户界面,也是VI的前面板。该界面上有交互式的输入和输出两类对象。分别称为Controller(控制器)和Indicator(显示器)。控制器包括开关、旋钮、按钮和其他各种输入设备;显示器包括图形(Graph和Chart)、LED和其他显示输出对象。该界面可以模拟真实仪器的前面板,用于设置输入数值和观察输出量。
在这里插入图片描述

2)程序框图(也叫后面板)如图所示。框图中的程序元素除了包括与前面板上的控制器和显示器对应的Terminal(连线端子)外,还有函数、子VI、常量、结构和连线等。在程序框图中对VI编程的主要工作是从前面板上的控制器获得用户输入信息,并进行计算和处理,最后在显示器中反馈给用户处理结果。只要在前面板中放有输入或显示控件,用户就可以在程序框图中看到相应的图表函数等功能。
在这里插入图片描述

控件如图:
在这里插入图片描述

注意:前后面板切换的快捷键为:Ctrl+E
小结:前面板相当于仪器面板,程序框图相当于仪器箱的功能部件。
1.3.3 菜单栏
1)“文件”菜单
在这里插入图片描述

2)“编辑”菜单
在这里插入图片描述

3)“查看”菜单
在这里插入图片描述

4)“项目”菜单
在这里插入图片描述

5)“操作”菜单
在这里插入图片描述

6)“工具”菜单
在这里插入图片描述

7)“窗口”菜单
在这里插入图片描述

8)“帮助”菜单
在这里插入图片描述

1.3.4 选板
1)控件选板
Controls(控件选板)在前面板显示,由表示子选项板的顶层图标构成。包含创建前面板时使用的全部对象。如需显示控件选板,用户可选择“查看”下拉菜单中的“控件选板“选项或在前面板空白处单击鼠标右键。
控件选板如下图所示:
在这里插入图片描述

2)函数选板
Functions (函数选板)其工作方式与控件选板大体相同。函数选板由表示子选项板的顶层图标构成,包含创建框图时可使用的全部对象,智能在编辑程序框图时使用。如果需要显示函数选板,可在“查看“下拉菜单中的”函数选板“选项或在程序框图空白处单击鼠标右键。函数选板如下图所示:
在这里插入图片描述

1.3.5 Python复习:编写实现一个简单的加法复习
代码示例:
def test(a,b):

return [a+b,a-b]

x=test(1,2)
print("两数相加的结果是:",x[0])
print("两数相减的结果是:",x[1])
结果输出:
两数相加的结果是: 3
两数相减的结果是: -1
1.3.6 Hello_world:Labview调用python代码
后面板:
在这里插入图片描述

前面板:
在这里插入图片描述

使用到的主要函数:
1)python打开功能:
在这里插入图片描述

2)python配置功能
在这里插入图片描述

3)python关闭功能
在这里插入图片描述

相关文章
|
1天前
|
算法 Serverless 数据处理
从集思录可转债数据探秘:Python与C++实现的移动平均算法应用
本文探讨了如何利用移动平均算法分析集思录提供的可转债数据,帮助投资者把握价格趋势。通过Python和C++两种编程语言实现简单移动平均(SMA),展示了数据处理的具体方法。Python代码借助`pandas`库轻松计算5日SMA,而C++代码则通过高效的数据处理展示了SMA的计算过程。集思录平台提供了详尽且及时的可转债数据,助力投资者结合算法与社区讨论,做出更明智的投资决策。掌握这些工具和技术,有助于在复杂多变的金融市场中挖掘更多价值。
22 12
|
22天前
|
人工智能 开发者 Python
Chainlit:一个开源的异步Python框架,快速构建生产级对话式 AI 应用
Chainlit 是一个开源的异步 Python 框架,帮助开发者在几分钟内构建可扩展的对话式 AI 或代理应用,支持多种工具和服务集成。
137 9
|
28天前
|
存储 SQL 大数据
Python 在企业级应用中的两大硬伤
关系数据库和SQL在企业级应用中面临诸多挑战,如复杂SQL难以移植、数据库负担重、应用间强耦合等。Python虽是替代选择,但在大数据运算和版本管理方面存在不足。SPL(esProc Structured Programming Language)作为开源语言,专门针对结构化数据计算,解决了Python的这些硬伤。它提供高效的大数据运算能力、并行处理、高性能文件存储格式(如btx、ctx),以及一致的版本管理,确保企业级应用的稳定性和高性能。此外,SPL与Java无缝集成,适合现代J2EE体系应用,简化开发并提升性能。
|
1月前
|
机器学习/深度学习 存储 数据挖掘
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
73 20
|
2月前
|
算法 数据处理 Python
高精度保形滤波器Savitzky-Golay的数学原理、Python实现与工程应用
Savitzky-Golay滤波器是一种基于局部多项式回归的数字滤波器,广泛应用于信号处理领域。它通过线性最小二乘法拟合低阶多项式到滑动窗口中的数据点,在降噪的同时保持信号的关键特征,如峰值和谷值。本文介绍了该滤波器的原理、实现及应用,展示了其在Python中的具体实现,并分析了不同参数对滤波效果的影响。适合需要保持信号特征的应用场景。
171 11
高精度保形滤波器Savitzky-Golay的数学原理、Python实现与工程应用
|
2月前
|
存储 缓存 算法
探索企业文件管理软件:Python中的哈希表算法应用
企业文件管理软件依赖哈希表实现高效的数据管理和安全保障。哈希表通过键值映射,提供平均O(1)时间复杂度的快速访问,适用于海量文件处理。在Python中,字典类型基于哈希表实现,可用于管理文件元数据、缓存机制、版本控制及快速搜索等功能,极大提升工作效率和数据安全性。
74 0
|
2月前
|
存储 数据采集 人工智能
Python编程入门:从零基础到实战应用
本文是一篇面向初学者的Python编程教程,旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点,然后通过一个简单的例子展示了如何编写Python代码。接下来,文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后,文章通过一个实战项目——制作一个简单的计算器程序,帮助读者巩固所学知识并提高编程技能。
|
2月前
|
缓存 开发者 Python
深入探索Python中的装饰器:原理、应用与最佳实践####
本文作为技术性深度解析文章,旨在揭开Python装饰器背后的神秘面纱,通过剖析其工作原理、多样化的应用场景及实践中的最佳策略,为中高级Python开发者提供一份详尽的指南。不同于常规摘要的概括性介绍,本文摘要将直接以一段精炼的代码示例开篇,随后简要阐述文章的核心价值与读者预期收获,引领读者快速进入装饰器的世界。 ```python # 示例:一个简单的日志记录装饰器 def log_decorator(func): def wrapper(*args, **kwargs): print(f"Calling {func.__name__} with args: {a
56 2
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
|
3月前
|
设计模式 开发者 Python
Python编程中的设计模式应用与实践感悟####
本文作为一篇技术性文章,旨在深入探讨Python编程中设计模式的应用价值与实践心得。在快速迭代的软件开发领域,设计模式如同导航灯塔,指引开发者构建高效、可维护的软件架构。本文将通过具体案例,展现设计模式如何在实际项目中解决复杂问题,提升代码质量,并分享个人在实践过程中的体会与感悟。 ####

热门文章

最新文章

推荐镜像

更多