Industrielle Fertigung
Industrielles Internet der Dinge | Industrielle Materialien | Gerätewartung und Reparatur | Industrielle Programmierung |
home  MfgRobots >> Industrielle Fertigung >  >> Manufacturing Technology >> Herstellungsprozess

Streamen von Sensordaten von einer ppDAQC-Pi-Platte mit InitialState

Das Pi-PlatesppDAQC Data Acquisition and Control Board ist eine ideale Schnittstelle zwischen Sensoren und einem Raspberry Pi. Mit acht analogen und acht digitalen Eingängen können bis zu sechzehn Kanäle realer Daten von einer einzigen ppDAQC-Pi-Plate erfasst werden. Aber was können Sie mit diesen Daten anfangen? Sie können es verwenden, um einen Prozess zu steuern, indem Sie die digitalen und analogen Ausgänge auf der Platine umdrehen und ansteuern. Aber die Chancen stehen gut, dass Sie auch die Möglichkeit haben möchten, es zu überwachen. Darüber hinaus besteht das Schöne an kleinen, kostengünstigen Single Board Computern (SBC) wie dem Raspberry Pi darin, dass sie an entfernten Standorten ohne Tastatur oder Monitor verwendet werden können. Sie benötigen lediglich eine Stromquelle und einen WLAN-Adapter. Die Verwendung eines SBC auf diese Weise wird als „headless“-Setup bezeichnet.

Das ist also unser Plan:Verwenden Sie einen kopflosen Raspberry Pi, der Sensordaten an einem entfernten Ort sammelt. Unsere Optionen zum Anzeigen der Daten umfassen:

  1. Zuschauen, wie einzelne Messwerte auf unserem Bildschirm nach unten scrollen (langweilig)
  2. Daten in einer lokalen Datei speichern und die Daten später mit einer Tabellenkalkulationsanwendung oder der Matplotlib anzeigen – hört sich sehr nach Arbeit an
  3. Verwenden Sie InitialState, um unsere Daten in die Cloud zu streamen, und sehen Sie sich dann schöne Diagramme davon in Echtzeit an. So machen es heutzutage all die coolen Kids.

In diesem Artikel verwenden wir Option 3, um zwei DS18B20-Sensoren zu überwachen, die die Umgebungstemperatur in einem Lagerschrank sowie die Temperatur in einem Kühlschrank messen, der zum Kühlen der Lotpaste verwendet wird.

Schritt 1:Die benötigten Sachen

InitialState Access und Python-Bibliothek

Rufen Sie zunächst www.InitialState.com auf und beantragen Sie ein Konto. Während Sie auf die Genehmigung warten, installieren Sie das Python-Modul auf Ihrem Raspberry Pi. Wir bevorzugen Pip, da es das Leben so einfach macht. Gehen Sie hier, um mehr über pip zu erfahren:https://pypi.python.org/pypi/pip. Geben Sie an der Eingabeaufforderung Folgendes ein:

sudo pip install ISStreamer

Sobald Sie Zugriff auf den InitialState-Dienst haben, können Sie beginnen.

Hardware

Um die Temperaturdaten zu sammeln, verwenden wir Folgendes:

  1. Ein Raspberry Pi, auf dem das ppDAQC-Python-Modul vorinstalliert ist. Gehen Sie hier, wenn Sie diesen Schritt ausführen müssen.
  2. Ein ppDAQC-Board von Pi-Plates.com
  3. Zwei DS18B20 Temperatursensoren. Wir haben unsere hier bei Amazon.
  4. Zwei 4,7K Ohm Widerstände. Erhältlich bei Radio Shack, Digikey und Mouser, um nur einige zu nennen.
  5. Anschlusskabel
  6. Ein Proto-Board für Quick and Dirty oder ein ppPROTO für ein semi-permanentes Setup.

Schritt 2:Erstellen

Hardware

Führen Sie die Verbindungen mit den im vorherigen Schritt genannten Materialien wie in der Zeichnung gezeigt durch. Hinweis:Wir hatten kein Glück, als wir nach den 4,7K-Widerständen suchten, also haben wir am Ende zwei 10K-Widerstände parallel geschaltet.

Software

Zuerst müssen Sie einen neuen Protokollierungs-Client-Schlüssel von Ihrem Initial State-Konto erstellen. Nachdem Sie dies getan haben, verwenden Sie Ihren bevorzugten Texteditor auf Ihrem Raspberry Pi (dies ist für die meisten Leute Nano) und geben Sie das folgende Programm ein:

Speichern Sie das Obige in Ihrem Home-Verzeichnis als tempLOG.py, starten Sie Ihr Programm von der Eingabeaufforderung mit dem Befehl sudo python tempLOG.py , und vergewissern Sie sich, dass keine Fehler auftreten.

Was passiert in diesem Code? Zuerst importieren wir drei Module, die wir benötigen:time, piplates.ppDAQC und ISStreamer.Streamer. Dann erstellen wir einen Stream zum InitialState-Datenlogger mit:

Danach gehen wir in eine Endlosschleife und lesen mit ppDAQC.getTEMP die beiden DS18B20 Temperatursensoren aus. Nach jedem Lesen „protokollieren“ wir die Daten zusammen mit einem Label in unserer Protokolldatei bei InitialState. Wir schlafen 300 Sekunden (5 Minuten) und nehmen dann eine weitere Messung vor.

Schritt 3:Untersuchen der Logdaten – Schritt 1

Sie können sofort damit beginnen, sich Ihre Daten anzusehen, aber es wird nicht viel zu sehen geben, bis einige Stunden vergangen sind. Sobald Sie bereit sind, melden Sie sich bei Ihrem Initial State-Konto an. Nachdem Sie diesen Schritt abgeschlossen haben, werden Sie auf Ihre eigene Seite (siehe Bild) weitergeleitet, auf der Sie auf Ihre Protokolldaten zugreifen und diese anzeigen können.

Sie sollten eine Protokolldatei namens "Lab Temperature Data" haben. Klicken Sie darauf und dann auf die Schaltfläche mit der Aufschrift "Quelle". Sie werden dann mit einigen ziemlich langweiligen Zeilen von Rohdaten von Ihrem Raspberry Pi präsentiert, die wie folgt aussehen:

DateTime,SignalSource,OriginalPayload

2014-12-18T15:50:57.837852Z „Labortemperaturdaten“ „Stream starten“

2014-12-18T15:50:58.841351Z,Kühler,37.6

2014-12-18T15:50:59.844371Z,Umgebung,69.55

2014-12-18T15:56:00.947597Z,Kühler,36.5875

2014-12-18T15:56:01.950743Z,Umgebung,68.7625

2014-12-18T16:01:03.052842Z,Kühler,36.5875

2014-12-18T16:01:04.056015Z,Umgebung,68.65

Weitere Informationen:Streamen von Sensordaten von einer ppDAQC-Pi-Plate mit InitialState


Herstellungsprozess

  1. 10 Vorteile der Verwendung von Cloud-Speicher
  2. TMP006-Temperatursensor-Python-Bibliothek mit Raspberry Pi,
  3. Python- und Raspberry Pi-Temperatursensor
  4. Integration von Sensordaten mit Raspberry Pi-Mikroprozessor
  5. Bewegungssensor mit Raspberry Pi
  6. Sprach– und SMS–aktivierter Lichtsensor mit Raspberry Pi und Twilio
  7. Windows 10 IoT Core – Lesen von Herzfrequenzpulsen
  8. Verwenden des gepulsten Radarsensors A111 mit einem Raspberry Pi
  9. Windows 10 IoT Core auf Raspberry Pi 2 – Adafruit-Sensordaten
  10. Gestengesteuerter Roboter mit Raspberry Pi