📚 课程目录第3章自动化测试软件平台选型

3. 自动化测试软件平台选型

在 ADI 器件的测量自动化中，软件平台的选择往往决定了后续脚本的可维护性、仪器兼容性和数据处理效率。Python、LabVIEW、MATLAB 是三类最常被讨论的方案，它们并非简单的“谁更好”，而是各自适配不同的任务形态。理解它们的差异，比记住结论更重要。

三种平台的定位差异

Python 是通用编程语言，依靠 PyVISA、PySerial、NumPy、pandas、matplotlib 等库，可以同时完成仪器通信、数据处理和报告生成。它的优势在于生态开放、版本管理方便、与 Git 和 CI 工具天然契合，适合需要长期迭代、多人协作的测试脚本。代价是仪器控制层需要自己封装，异常处理和超时重试要显式编写。

LabVIEW 是图形化数据流编程环境，内置大量仪器驱动和 VISA 接口，前面板与程序框图分离的设计让交互式调试非常直观。它特别适合硬件工程师快速搭建带界面的测量台架，对实时采集、多通道同步和信号处理有成熟支持。局限在于代码以二进制 VI 形式存储，版本对比和代码评审困难，跨平台部署成本较高。

MATLAB 以矩阵运算和工具箱见长，Instrument Control Toolbox 提供 VISA 和 TCP/IP 接口，配合 Signal Processing、DSP System Toolbox 可以快速完成滤波器设计、频谱分析和算法验证。它适合算法研究阶段的快速原型，但商业授权成本高，部署到产线或长时间运行的测试服务时不如 Python 灵活。

开发环境搭建：以 Python 为例

考虑到本课程后续需要脚本化、可版本管理和自动生成报告，我们以 Python 为主线搭建环境。推荐使用 Python 3.10 或 3.11，避免过新版本导致部分仪器库尚未适配。安装时勾选“Add Python to PATH”，随后在命令行确认：

python --version
pip --version

接着创建独立虚拟环境，避免不同项目的库版本互相污染：

python -m venv adi_auto
adi_auto\Scripts\activate        # Windows
source adi_auto/bin/activate     # Linux / macOS

安装核心依赖。PyVISA 负责 VISA 层通信，pyvisa-py 提供纯 Python 后端，pyserial 用于串口仪器，numpy 与 pandas 用于数据处理，matplotlib 用于绘图：

pip install pyvisa pyvisa-py pyserial numpy pandas matplotlib

如果使用 NI-VISA 或 Keysight IO Libraries 作为后端，需要单独安装厂商驱动，并在系统中确认 VISA 库路径。纯 Python 后端适合 USB-TMC 和 TCP/IP 仪器，不依赖厂商驱动，部署更轻量。

第一个仪器通信程序

下面以一台支持 SCPI 的可编程电源为例，完成“连接—识别—设置—读取—关闭”的最小闭环。假设仪器通过 USB 连接，资源地址形如 USB0::0x2A8D::0x1102::MY12345678::INSTR，实际地址需用 pyvisa.ResourceManager().list_resources() 查询。

import pyvisa

rm = pyvisa.ResourceManager('@py')          # 使用纯 Python 后端
addr = 'USB0::0x2A8D::0x1102::MY12345678::INSTR'
inst = rm.open_resource(addr)
inst.timeout = 5000                          # 单位 ms

print(inst.query('*IDN?'))                   # 读取仪器标识

inst.write('VOLT 3.3')                       # 设置输出电压 3.3 V
inst.write('CURR 0.5')                       # 设置限流 0.5 A
inst.write('OUTP ON')                        # 开启输出

v_set = float(inst.query('VOLT?'))
i_set = float(inst.query('CURR?'))
print(f'设定值: {v_set:.3f} V, {i_set:.3f} A')

inst.write('OUTP OFF')
inst.close()

运行后应看到类似 Keysight Technologies,N6705C,... 的标识字符串，以及设定值回读。若 *IDN? 超时，优先检查资源地址是否正确、USB 线是否支持 TMC、以及后端是否与仪器匹配。若返回乱码，通常是终止符设置问题，可尝试 inst.read_termination = '\n' 和 inst.write_termination = '\n'。

建议把资源地址、超时、终止符等参数写入独立的配置文件（如 config.yaml 或 .env），避免硬编码在脚本中。这样同一套脚本可以在不同工位、不同仪器上复用，只需替换配置即可。

平台选型的实践判断

如果团队已有 LabVIEW 台架且需要快速增加一个带界面的测量面板，继续用 LabVIEW 更省事；如果任务核心是算法验证，MATLAB 的调试效率更高；但如果目标是构建一套可长期维护、能自动出报告、能接入 CI 的测量流程，Python 的综合成本最低。实际工程中三者常共存：MATLAB 验证算法，LabVIEW 控制台架，Python 负责批量执行与报告生成。选型的关键不是追求单一平台，而是让每个平台承担它最擅长的那一段。