如何構建數據采集系統（三）
加入技術交流群
我們知道，僅僅擁有傳輸到上位機的原始測試數據是不夠的，工程師所關心的是試驗中所感興趣的結果，例如該旋轉設備是否正常運轉，或者發動機在各工況下的油耗特性曲線等等。因此，對原始數據進行處理和分析，從而得到想要的結果或結論，在整個數據采集系統中是必要的一環。
常用的分析處理方法有很多，例如均值、插值、擬合或者FFT變 換等，這里需要強調的是，這些方法只能解決最基本的應用需求，對于各個應用領域而言，都有自己一套專業的分析和處理算法和體系。以旋轉機械狀態監測為例， 對于大型的旋轉機械設備而言，工程師需要對電機、發動機、壓縮機、電動馬達、泵以及傳動軸所引起的噪聲和振動有充分的認知，而這個過程是非常復雜的。為了 確定噪聲和振動的根源，完成產品的設計優化，工程師需要具有一套完整的分析手段：瀑布圖、階次跟蹤、時域數據分析、動平衡軟件等各種信號處理工具（如下 圖）。
正因為分析處理這一部分 具備一定的專業性，因此工程師們一般有兩種方法來實現：第一種就是選擇自己領域的專業處理軟件來實現對原始數據的挖掘，這些軟件具備“交鑰匙”的功能，直 接上手可用，但功能并不靈活，如果需要一定的定制功能的情況時其局限性會凸顯；另一種方法則是使用一種開放性較好的開發平臺，并結合自身領域的專業知識， 自己通過平臺開發出滿足需求的應用。業界目前主流的開發平臺是NI公司推出的圖形化開發平臺LabVIEW，對于分析處理方面，它不僅提供現成可用的常用信號處理算法，針對于各個專業領域的算法也推出不同的擴展工具包（例如聲音與振動工具包、醫學電子工具包等），從而可滿足大多數項目需求。
5 數據存儲
無論是所采集到的原始數據，還是經過分析處理的結果數據，在整個系統的環路中，都需要有一個載體能夠及時有效地保存這些數據，以備后期的回調以及挖掘。
對于一般的應用來說，工程師會直接利用成熟的PC技術，將數據存在上位機中的硬盤或者移動硬盤上。而對于數據量較大、通道數多以及速率高的系統而言（例如汽車碰撞安全試驗），這種方法顯然已不合時宜，數據流盤（Data Streaming）技術是解決這類問題的關鍵。由于篇幅，這邊不對流盤技術做深入的講解，一些設備商也已經提供了現成可用的流盤解決方案，下表是PXI以及PXI Express平臺高速數據流盤的評測：
如果說流盤技術是能夠讓整個數據采集系統的存儲能力”更快更強“的話，那么目前針對數據存儲還有一個發展的趨勢，則是朝著”更智能以及更持久“的方向前進著。
在測試和測量領域，人們每天以高達數Zeta字節（10的12次方GB）速率進行數據采集, 海量模擬數據問題對于多通道數據采集系統來說是一個日益嚴峻的挑戰，需要有可滿足多用戶訪問需求的網絡設備和數據管理系統，提供這種數據存儲解決方案的一個日益普及的方法就是使用云技術（Cloud Technology）。
目前，如 Averna、Virinco、NI和華穗科技（HUASUI）等供應商已提供可幫助管理海量模擬數據解決方案的產品（如下圖架構）。 為了分析和管理來自數百萬個文件的數十億個數據點，工程師和科學家可使用現成可用的軟件來挖掘、檢查和生成相關測量數據。
注：關于海量數據管理以及云存儲，可參見本白皮書第二章的詳細內容。
6 總結
綜上所述，構建一個完整的多通道數據采集系統，對于工程師而言，關鍵的并不是其中某一個環節或者細節，而是需要有一個系統級的廣闊思路，需要對系統整體做統一的規劃。本章內容希望能夠幫助到工程師了解數據采集系統的基本原理和注意事項
評論