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
|
2月前
|
存储 监控 安全
如何在Python Web开发中确保应用的安全性?
如何在Python Web开发中确保应用的安全性?
|
27天前
|
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
|
人工智能 安全 Java
Java和Python在企业中的应用情况
Java和Python在企业中的应用情况
62 7
|
2月前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
62 3
|
2月前
|
机器学习/深度学习 算法 数据挖掘
线性回归模型的原理、实现及应用,特别是在 Python 中的实践
本文深入探讨了线性回归模型的原理、实现及应用,特别是在 Python 中的实践。线性回归假设因变量与自变量间存在线性关系,通过建立线性方程预测未知数据。文章介绍了模型的基本原理、实现步骤、Python 常用库(如 Scikit-learn 和 Statsmodels)、参数解释、优缺点及扩展应用,强调了其在数据分析中的重要性和局限性。
65 3
|
5天前
|
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。
46 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 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
100 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
2月前
|
存储 前端开发 API
Python在移动应用开发中的应用日益广泛
Python在移动应用开发中的应用日益广泛
54 10
|
30天前
|
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
40 2
|
30天前
|
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。 ###