LabVIEW将视觉生成器AI用作OPC服务器

简介: LabVIEW将视觉生成器AI用作OPC服务器

LabVIEW将视觉生成器AI用作OPC服务器


介绍如何将视觉生成器AI配置为OPC服务器,并使用共享变量共享视觉生成器AI生成的结果。OPC是一系列标准规范,定义了来自不同制造商的控制设备之间的实时数据通信。OPC数据访问通信是基于客户端服务器的通信。


共享系统变量允许开发人员与视觉生成器AI共享数据。用户可以使用共享系统变量通过OPC发布数据。


创建共享变量


1.      完成以下步骤以创建共享系统变量。


2.      选择工具»变量管理器。


3.      选择“系统变量”选项卡。


4.      单击添加。


5.      输入变量的名称,然后选择“类型”和“初始值”。


6.      启用“在网络上发布”复选框。


7.      单击“确定”。


8.      单击“确定”退出变量管理器



设置共享变量的值


使用“设置变量”步骤设置共享变量的值。“设置变量”步骤位于“使用其他工具”选项板上。完成以下步骤以设置共享变量的值。


1.      将“设置变量”步骤添加到检查。将打开该步骤的属性页。


2.      在“变量”列表中选择一个变量。


3.      使用“操作”控件可以更改共享变量的值或将共享变量的值设置为度量值。


创建要由OPC服务器共享的标记


仅当视觉生成器AI在远程目标上运行时,本节才适用。如果Vision Builder AI在Windows上运行,请继续下一部分。


如果视觉生成器AI在远程目标上运行,则必须使用Windows计算机创建标记并将其链接到共享系统变量。例如,用户可能使用用于配置远程目标的同一台计算机。Windows计算机必须满足以下要求:


l 安装视觉构建器AI或NI LabVIEW。


l 安装了分布式系统管理器2010或更高版本。


l 计算机必须在网络上保持可用,才能使用OPC客户端访问远程目标上运行的Vision Builder AI发布的数据。


完成以下步骤以创建要由OPC服务器共享的标记。


1.     启动NI分布式系统管理器。从“开始”菜单中,选择“所有程序”»“NI”»“分布式系统管理器”。


2.     展开我的系统。


3.     右键单击本地主机,然后选择添加进程。



1.     输入进程名称,例如VBAIOPC服务器。


2.     单击“确定”。VBAIOPC服务器进程列在本地主机下。


3.     右键单击“VBAIOPC服务器”,然后选择“添加变量”。




1.     启用启用别名复选框。


2.     单击浏览并展开运行检查的远程目标的IP地址。


3.     展开视觉生成器项目,然后选择要共享的变量。


4.     确保已启用“使属性与所选内容匹配?”复选框,然后单击“确定”。


5.     单击“确定”创建OPC标记并将标记链接到视觉生成器AI变量。


6.     在“名称”字段中,输入要创建的OPC标记的名称。为防止混淆,请使用所选变量的名称。


7.     创建完标记后,关闭分布式系统管理器。


当用户作为OPC服务器连接到视觉生成器AI时,用户创建的标记会列在OPC客户端中。分布式系统管理器只需要添加或删除标记。用户无需启动分布式系统管理器即可启用OPC通信。不要使用分布式系统管理器删除视觉生成器进程下列出的任何变量。


作为OPC服务器连接到视觉生成器AI


配置OPC客户端以连接到以下OPC服务器:NI Variable Engine。


使用OPC客户端查找共享变量标记:


l  在Windows上运行的Vision Builde rAI-共享变量标记列在Vision Builder文件夹中。


l  在远程目标上运行的视觉生成器AI-共享变量标记列在与用户在分布式系统管理器中创建的进程同名的文件夹中,例如VBAIOPC服务器


这是LabVIEW的一个功能介绍,更多的使用方法与开发案例,欢迎登录官网,了解更多信息。有需要LabVIEW项目合作开发,请与我们联系。

相关文章
|
开发框架 人工智能 Java
破茧成蝶:阿里云应用服务器让传统 J2EE 应用无缝升级 AI 原生时代
本文详细介绍了阿里云应用服务器如何助力传统J2EE应用实现智能化升级。文章分为三部分:第一部分阐述了传统J2EE应用在智能化转型中的痛点,如协议鸿沟、资源冲突和观测失明;第二部分展示了阿里云应用服务器的解决方案,包括兼容传统EJB容器与微服务架构、支持大模型即插即用及全景可观测性;第三部分则通过具体步骤说明如何基于EDAS开启J2EE应用的智能化进程,确保十年代码无需重写,轻松实现智能化跃迁。
1129 42
|
机器学习/深度学习 人工智能 自然语言处理
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
913 10
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
|
存储 人工智能 编解码
阿里云GPU云服务器深度评测:算力怪兽如何重塑AI与图形处理的未来?
在AI与高性能计算需求激增的今天,传统CPU已难满足“暴力计算”需求。阿里云GPU云服务器依托NVIDIA顶级显卡算力,结合专为GPU优化的神行工具包(DeepGPU),为深度学习、科学计算、图形渲染等领域提供高效、弹性的算力支持。本文全面解析其产品优势、工具链及六大真实应用场景,助你掌握AI时代的算力利器。
阿里云GPU云服务器深度评测:算力怪兽如何重塑AI与图形处理的未来?
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
1966 1
|
机器学习/深度学习 人工智能 运维
“服务器老是爆?资源老是浪费?试试用 AI 来规划容量!”
“服务器老是爆?资源老是浪费?试试用 AI 来规划容量!”
454 4
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
988 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
人工智能 运维 Prometheus
“服务器罢工前的预言术”:用AI预测系统状态真香指南
“服务器罢工前的预言术”:用AI预测系统状态真香指南
458 4
|
机器学习/深度学习 人工智能 运维
AI加持的系统性能优化:别让你的服务器“累趴下”
AI加持的系统性能优化:别让你的服务器“累趴下”
708 12