Präzises Raspberry Pi Temperaturprofiling mit Python, SQLite und LabVIEW

Auf meinem Raspberry Pi montierte ich einen DS18B20 Sensor direkt über dem Prozessor, um die interne Board-Temperatur zu erfassen. Ziel war es, dieses Profil im Gehäuse abzubilden und in einem klaren visuellen Format darzustellen. Erreicht habe ich dies durch Integration eines leichten Python-Skripts, einer SQLite3-Datenbank und LabVIEW.

Da der Pi selbst relativ kühl läuft und ich nur einen einzelnen Sensor habe, sind die resultierenden Temperaturschwankungen subtil – eine Übertreibung im begleitenden Bild. Dennoch skaliert die Methodik auf jedes Setup.

Ich begann mit einer Python-Routine, die kontinuierlich auf dem Pi läuft. Sie liest den DS18B20-Wert und schreibt den zeitgestempelten Temperaturwert in eine SQLite3-Datenbank auf einem shared Folder, gemountet von einem USB-Stick. Dieselbe Datenbank speichert auch Beschleunigungsmesser-Daten (später hinzuzufügen).

Auf der Host-Seite fragt eine LabVIEW-Applikation die remote SQLite3-Datenbank ab, um die neueste Temperaturmessung abzurufen. Ich nutze das einfache SQLite Toolkit für LabVIEW, das Verbindung und Abfrage vereinfacht. Initial gibt die Abfrage den gesamten Datensatz zurück; in zukünftigen Iterationen werde ich sie verfeinern, nur den letzten Eintrag zu ziehen.

Für die Visualisierung setze ich Sensor Mapping Express VI ein. Der Workflow ist unkompliziert: VI auf ein .stl-Modell des Pi zeigen, Sensorstandorte festlegen, Temperatur-Array einspeisen. Ich konvertierte ein hochauflösendes 3D-Modell des Boards mit Google SketchUp und fügte vier Dummy-Sensorknoten hinzu, um Temperaturgradienten zu illustrieren. Die externen vier Sensoren werden auf festen 0 °C gehalten, während der zentrale Sensor Live-Daten aus der Datenbank zieht. Mit zusätzlichen Sensoren wird die Map zunehmend genauer.

Die Applikation refresht alle 100 ms: Datenbank abfragen, Temperaturwerte-Array konstruieren, Sensor Mapping Express VI aktualisieren. Das Ergebnis ist ein dynamischer Surface-Plot, der sich in Echtzeit ändert, um die interne Pi-Temperatur widerzuspiegeln.

Temperatur-zu-Farb-Mapping:

• 0 °C – R0 G0 B255
• 21,25 °C – R0 G255 B255
• 42,5 °C – R0 G255 B60
• 63,75 °C – R255 G255 B85
• 85 °C – R255 G0 B0

Zusätzlich zur Temperatur habe ich einen ADXL345 Beschleunigungsmesser angeschlossen, um Neigungs- und Nickdaten zu erfassen. Die nächste Phase wird diese Bewegungsdaten mit dem 3D-Modell in LabVIEW verknüpfen, sodass die virtuelle Repräsentation die physische Ausrichtung des Raspberry Pi spiegelt.

Für einen tieferen Einblick in Code, Datenbankschema und LabVIEW-Konfiguration siehe den vollständigen Artikel zum Raspberry Pi Temperaturprofiling mit LabVIEW.