📚 课程目录第2章测试环境搭建

2. 测试环境搭建：硬件选型与软件配置

环境搭建这事儿，说白了就是给台架测试找个靠谱的「身体」和「灵魂」。硬件是骨架，软件是神经。我见过不少项目，方案设计得天花乱坠，结果一到现场，工控机带不动采集卡，驱动死活装不上，传感器信号乱跳……嗯，咱们今天就把这些坑提前填上。

  核心原则：硬件选型留 30% 余量，软件环境版本锁定，驱动验证先于业务代码。

2.1 硬件选型：工控机、采集卡、传感器

硬件选型我习惯从「被测对象」倒推。你想想看，测一个电机和测一个电池包，对采集通道的要求能一样吗？

2.1.1 工控机（IPC）

工控机是台架的大脑。我个人建议优先考虑无风扇设计，尤其是现场粉尘多、振动大的环境。风扇一堵，机器过热降频，数据采集就开始丢包。

参数项	推荐规格	说明
CPU	Intel Core i5 / i7（第12代以上）	实时系统建议带 TCC 支持
内存	16 GB 起步，32 GB 更稳	采集卡 DMA 缓冲区会吃内存
存储	256 GB SSD（系统）+ 1 TB（数据）	系统盘和数据盘物理分离
接口	至少 2 个 PCIe x16 插槽	一张采集卡 + 一张运动控制卡
供电	DC 24V 输入，带浪涌保护	现场电源波动大，别省这个钱

我的经验：曾经有个项目，工控机选了低功耗赛扬，结果跑实时内核 + 4 路高速采集，CPU 直接 100% 满载，采样率掉了一半。后来换了 i7，问题全消。CPU 预算别省。

2.1.2 数据采集卡（DAQ）

采集卡是台架的耳朵。选型时重点关注三个指标：采样率、分辨率、通道数。

采样率：根据信号最高频率的 5~10 倍来选。测 1 kHz 的振动信号，采样率至少 5 kS/s。
分辨率：16 bit 是底线，24 bit 用于高精度测量（如应变、热电偶）。
通道数：预留 20% 的备用通道。我吃过亏，项目中期加测一个温度点，发现通道全满了……

常见的采集卡品牌有 NI、研华、凌华。我个人更倾向 NI 的 PXIe 系列，驱动成熟，LabVIEW 生态好。但如果你用 Linux + Python，研华的 PCIE-1802 性价比更高。

避坑指南：我曾经买过一张杂牌采集卡，标称 16 位分辨率，实际有效位只有 12 位。后来用标准信号源一测，噪声大得离谱。所以，采购前一定要看「有效位（ENOB）」参数，别只看位数。

2.1.3 传感器

传感器是台架的眼睛。选型口诀：量程够、精度高、响应快、抗干扰。

传感器类型	典型应用	选型要点
力传感器	扭矩、推力测量	过载保护 150%，线性度 < 0.1%
位移传感器	位置、间隙测量	分辨率 < 1 μm，非接触式优先
温度传感器	热管理测试	热电偶响应快，PT100 精度高
振动传感器	模态分析、故障诊断	IEPE 接口，频率范围 0.5 Hz ~ 10 kHz

小技巧：传感器信号线尽量用屏蔽双绞线，走线远离变频器和大功率电缆。我见过一个现场，传感器读数一直跳，查了三天，最后发现信号线和动力电缆绑在一起走了 20 米。

2.2 软件环境：操作系统、驱动、测试框架

硬件到位了，软件就是让它们协同工作的指挥系统。我建议先装系统，再装驱动，最后配框架——顺序别乱。

2.2.1 操作系统选型

台架测试的操作系统，主流就两个方向：Windows 和实时 Linux。

Windows 10/11 IoT Enterprise：适合用 LabVIEW、NI 硬件的场景。驱动全，生态好，但实时性一般（10 ms 级）。
Ubuntu 22.04 + PREEMPT_RT 内核：适合 Python、C++ 开发，实时性可达 100 μs 级。开源，可控。

我个人习惯用双系统方案。工控机上装 Windows 做快速原型验证，同时用虚拟机跑 Linux 做算法开发。等算法稳定了，再部署到实时 Linux 上。

  关键操作：装完系统第一件事——关闭自动更新。台架测试跑着跑着系统重启了，数据全丢，你找谁哭去？

2.2.2 驱动安装与验证

驱动是硬件和软件的桥梁。安装顺序：芯片组驱动 → 网卡驱动 → 采集卡驱动 → 传感器调理模块驱动。

以 NI 采集卡为例，安装步骤：

# 1. 安装 NI-DAQmx 驱动（Windows）
# 下载地址：ni.com/download
# 运行安装包，选择「完整安装」

# 2. 验证驱动
# 打开 NI MAX（Measurement & Automation Explorer）
# 在「设备和接口」下看到你的采集卡，状态显示「运行中」

# 3. 快速测试
# 右键采集卡 → 测试面板 → 选择 AI 通道
# 用手触摸传感器，看波形是否有变化

避坑指南：我曾经装完驱动，NI MAX 死活认不到卡。折腾半天，发现是 PCIe 插槽没插紧。所以，硬件安装后先检查物理连接，再查驱动。别一上来就重装系统。

2.2.3 测试框架搭建

测试框架我推荐 Python + PyDAQmx（NI 卡）或 python-comedi（通用卡）。配合 pytest 做测试用例管理，配合 InfluxDB 做数据存储。

一个最小可用的测试框架结构：

test_bench/
├── config/
│   └── hardware_config.yaml      # 硬件参数配置
├── drivers/
│   ├── daq_driver.py             # 采集卡驱动封装
│   └── sensor_driver.py          # 传感器驱动封装
├── tests/
│   ├── test_sensor_calibration.py # 传感器标定测试
│   └── test_data_acquisition.py   # 数据采集测试
├── data/
│   └── raw/                      # 原始数据存储
├── reports/
│   └── test_report.html          # 测试报告
└── requirements.txt              # 依赖清单

安装依赖：

pip install pydaqmx numpy pandas influxdb-client pytest

我的习惯：每个硬件模块写一个独立的驱动类，用 YAML 配置文件管理参数。这样换硬件时，只改配置文件，不动业务代码。我上一个项目，从 NI 卡换成研华卡，只花了半天。

2.3 环境验证：跑通第一个采集循环

环境搭完，必须跑一个完整的采集循环来验证。我一般写一个 10 行左右的脚本：

import PyDAQmx as daq
import numpy as np

# 创建任务
task = daq.Task()
task.CreateAIVoltageChan("Dev1/ai0", "", daq.DAQmx_Val_Cfg_Default, 
                         -10.0, 10.0, daq.DAQmx_Val_Volts, None)

# 配置采样率
task.CfgSampClkTiming("", 1000.0, daq.DAQmx_Val_Rising, 
                      daq.DAQmx_Val_FiniteSamps, 1000)

# 读取数据
data = np.zeros(1000)
task.ReadAnalogF64(1000, 10.0, daq.DAQmx_Val_GroupByChannel, 
                   data, 1000, None)

# 打印前 10 个值
print(data[:10])

task.ClearTask()

如果脚本能稳定输出数值，且数值在合理范围内，恭喜你——环境搭建成功。

  验证标准：连续运行 1 小时，无丢包、无驱动崩溃、无系统卡顿。达不到这个标准，别急着写业务代码。

2.4 知识体系总览

下面这张图，把本章的核心逻辑串起来了。你可以把它贴在工位旁边，搭环境时对照着看。

环境搭建这件事，看起来琐碎，但每一步都影响后续测试的质量。硬件选型多花点心思，软件配置多验证几遍，后面写测试用例时你会感谢自己的。