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
|
9天前
|
数据库 Python
Python 应用
Python 应用。
30 4
|
17天前
|
数据采集 存储 JSON
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第27天】本文介绍了Python网络爬虫Scrapy框架的实战应用与技巧。首先讲解了如何创建Scrapy项目、定义爬虫、处理JSON响应、设置User-Agent和代理,以及存储爬取的数据。通过具体示例,帮助读者掌握Scrapy的核心功能和使用方法,提升数据采集效率。
60 6
|
18天前
|
数据采集 数据安全/隐私保护 开发者
非阻塞 I/O:异步编程提升 Python 应用速度
非阻塞 I/O:异步编程提升 Python 应用速度
|
27天前
|
机器学习/深度学习 数据可视化 数据处理
从基础到进阶:探索Python在数据科学中的应用
【10月更文挑战第18天】从基础到进阶:探索Python在数据科学中的应用
39 1
|
9天前
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。
|
11天前
|
机器学习/深度学习 JSON API
Python编程实战:构建一个简单的天气预报应用
Python编程实战:构建一个简单的天气预报应用
25 1
|
1月前
|
机器学习/深度学习 数据采集 数据挖掘
11种经典时间序列预测方法:理论、Python实现与应用
本文将总结11种经典的时间序列预测方法,并提供它们在Python中的实现示例。
63 2
11种经典时间序列预测方法:理论、Python实现与应用
|
18天前
|
数据可视化 开发者 Python
Python GUI开发:Tkinter与PyQt的实战应用与对比分析
【10月更文挑战第26天】本文介绍了Python中两种常用的GUI工具包——Tkinter和PyQt。Tkinter内置于Python标准库,适合初学者快速上手,提供基本的GUI组件和方法。PyQt基于Qt库,功能强大且灵活,适用于创建复杂的GUI应用程序。通过实战示例和对比分析,帮助开发者选择合适的工具包以满足项目需求。
63 7
|
1月前
|
监控 Kubernetes Python
Python 应用可观测重磅上线:解决 LLM 应用落地的“最后一公里”问题
为增强对 Python 应用,特别是 Python LLM 应用的可观测性,阿里云推出了 Python 探针,旨在解决 LLM 应用落地难、难落地等问题。助力企业落地 LLM。本文将从阿里云 Python 探针的接入步骤、产品能力、兼容性等方面展开介绍。并提供一个简单的 LLM 应用例子,方便测试。
131 13
|
18天前
|
数据采集 前端开发 中间件
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第26天】Python是一种强大的编程语言,在数据抓取和网络爬虫领域应用广泛。Scrapy作为高效灵活的爬虫框架,为开发者提供了强大的工具集。本文通过实战案例,详细解析Scrapy框架的应用与技巧,并附上示例代码。文章介绍了Scrapy的基本概念、创建项目、编写简单爬虫、高级特性和技巧等内容。
41 4