简介:这份基于 Python、PyQt5 与泰克 MDO3014 示波器搭建的自动化测试工程,面向需要把仪器采集、界面显示和日志记录串进测试流程的测试开发工程师及 Qt 学习者。它重点解决示波器图像在 GUI 中实时刷新与保存、log 实时读取显示并留存窗口信息,以及单次循环执行自写测试用例等问题,同时示范常用 Qt 控件在 Python 中的调用方式。压缩包共 16 个文件,以 xml 配置、png 界面截图、txt 日志样本、py 与 ui 源码为主,另有少量 pyc 等辅助文件,整体仅 139KB,体积轻便。目前已有 3661 人学习。读者可从中参考界面与日志刷新机制、示波器图像保存路径、Qt 控件绑定方式及用例循环框架,由于具体测试用例需自行编写,更适合作为二次开发与排错思路的起点。
1. 一条产线每天点两千次示波器,问题不在手速
某实验室做电源板老化测试,工位上摆着一台 3000 系列数字示波器,操作员每半小时手动截图、记峰峰值、抄上升时间,一天采样两百多次,人眼盯出来的数据和前一晚的对不上是常事。需求很具体:让上位机自己去调示波器、自己抓波形、自己判合格与否,界面左边实时刷波形图片,右边实时刷打印信息。这套基于 Python + PyQt5 的自动化测试方案适合两类人——要交毕设或课设、需要一套能真正跑起来的上位机的学生,以及手上有示波器、想把重复测量交给脚本的测试工程师。下面按需求、架构、实现、避坑、验收的顺序,把能直接抄的结构和踩过的坑都摊开讲。
2. 总体架构设计:三层拆分与四个模块的职责边界
新手写这类上位机最常见的写法,是在按钮的槽函数里直接scope.write(':SINGle'),然后time.sleep(0.5),再query一堆参数。代码三十行能跑通,但我见过的这类代码没有一份能撑过第二周——界面在采集时冻结、示波器报超时后程序直接崩、换台电脑资源字符串对不上。根本原因不是 Python 慢,而是把设备 IO、业务逻辑和界面渲染挤在了同一个调用栈里。
我的拆分方式是三层:设备通信层只负责和示波器说话,屏蔽 USBTMC、LAN、串口这些物理差异;测试业务层只管用例怎么排、判据怎么算、结果往哪落;界面展示层只管把拿到的数据画出来、把日志打出来。三层之间只通过明确的数据结构交互,不互相 import 对方的内部变量。
对应的功能模块是四个:设备管理模块(连接、超时、重连、清状态)、用例执行模块(步骤编排、判定、异常中断)、波形渲染模块(取数、解码、成像、节流)、日志与报告模块(实时打印、落盘、生成结果文件)。四个模块的边界划清楚了,后面无论是加一个通道、换一台机型,还是把 PyQt5 换成 Web 界面,改动都只落在其中一层。
| 模块 | 核心类 | 输入 | 输出 | 变更频率 |
|---|---|---|---|---|
| 设备管理 | ScopeSession | 资源字符串、超时值 | SCPI 应答、二进制波形 | 低 |
| 用例执行 | CaseRunner | 用例配置、设备会话 | 判定结果、异常事件 | 中 |
| 波形渲染 | WaveformRenderer | 原始字节、刻度参数 | QImage、物理量数组 | 中 |
| 日志与报告 | LogBridge/Reporter | 日志记录、结果字典 | 界面文本、CSV/PNG/HTML | 低 |
这张表我在做方案评审时是一定要摆出来的,因为它能回答一个必被问到的问题:某个需求变更到底要改几个文件。比如客户要求"再加一路 CH2 同步显示",只动波形渲染和用例配置,设备层加一行通道选择就行。
2.1 通信层:pyvisa 会话封装与超时策略
pyvisa 是这一层唯一合理的起点,它把 USBTMC、TCPIP、GPIB 统一成资源字符串,上层不用关心线是怎么连的。但直接裸用pyvisa.ResourceManager().open_resource()会留下三个隐患:默认超时是 2000 ms,抓一万点波形经常不够;异常后没有清理输入缓冲区,下一次query会读到上一次的残留;断开重连时要重新走一遍资源枚举,很慢。
我的做法是包一层薄薄的会话类,把超时、终止符、清缓冲、重试四件事一次性定死。注意终止符这一项:不同机型的默认终止符不一样,有的认\n,有的认\r\n,写死一个值在换机型时必然翻车,所以我把它做成构造参数,默认\n,由配置注入。
import time import pyvisa class ScopeSession: """示波器会话封装:统一超时、终止符、清缓冲与失败重试""" def __init__(self, resource: str, timeout_ms: int = 8000, term: str = "\n"): self._rm = pyvisa.ResourceManager() self._resource = resource # 例如 'USB0::0x0699::0x0363::C000000::INSTR' self._timeout = timeout_ms self._term = term self.inst = None def open(self): self.inst = self._rm.open_resource(self._resource) self.inst.timeout = self._timeout self.inst.read_termination = self._term self.inst.write_termination = self._term # 上电或上一次崩溃后,缓冲区里可能有未读数据,先清掉 self.inst.clear() idn = self.inst.query("*IDN?").strip() return idn def safe_query(self, cmd: str, retry: int = 2) -> str: """带重试的查询:单次 VisaIOError 不足以判定设备掉线""" for attempt in range(retry + 1): try: return self.inst.query(cmd).strip() except pyvisa.errors.VisaIOError: if attempt == retry: raise self.close() time.sleep(0.2) self.open() return "" def close(self): if self.inst is not None: try: self.inst.close() except Exception: pass self.inst = Nonetimeout_ms我一般给 8000,理由是抓 10000 点、编码为二进制时,单次CURVe?在 USB 上要几百毫秒,加上示波器内部重采样,2000 ms 会间歇性超时。retry=2的意思是总共尝试三次,这个数字不是拍脑袋:现场经验里,连续三次都失败基本可以判定是线缆松了或者设备被本地面板抢占了控制权,继续重试只是浪费时间。
注意:
clear()在部分 USBTMC 实现上会触发设备复位,如果你的机型每次clear后需要重新设置时基,把它挪到open()之外单独调用。
2.2 业务层:测试用例的配置化组织
用例写死在 Python 里是这个项目第二常见的后悔药缺口。一开始只有三个测试项,写着写着变成二十个,每加一个就要改代码、重新打包、重新走一遍验证流程。我的做法是把用例抽成 YAML,代码只负责解释这份配置。这样交作业的时候也好看——需求文档里的测试项表格可以直接对到配置文件,答辩时把 YAML 摊开讲,比翻代码页高效得多。
case_id: PSU_RIPPLE_001 name: 输出纹波峰峰值 channel: CH1 vertical: scale: 0.1 # V/div position: 0.0 # div horizontal: scale: 2.0e-6 # s/div points: 10000 # 采集点数 trigger: source: CH1 level: 0.5 # V edge: RISing settle_ms: 300 # 参数下发后等待示波器内部生效 measure: - item: PKPK min: 0.0 max: 0.050 # 峰峰值不得超过 50 mV - item: RISE min: 1.0e-6 max: 5.0e-6settle_ms这个字段是必须的,很多人省掉它然后在判据上偶发失败。示波器收到时基和垂直档位命令后,内部要重新配置采集系统,这个时间不是零,短则几十毫秒,长则几百毫秒。你立刻去读波形,拿到的可能是旧配置下的数据,幅值差一倍都有可能。我一般按机型给 300 ms,慢一点的机型给 500 ms。
measure里我只写上下限,不写期望值,因为期望值在自动测试里没有意义——判据就是区间。区间判定的好处是同一份配置可以复用到不同批次,只需要改上下限。
2.3 界面层:QThread 与信号槽的线程边界
PyQt5 里所有跟设备打交道的活都必须离开主线程,这不是性能优化,是正确性问题。主线程被query阻塞超过两秒,窗口标题栏就变灰,用户以为是程序崩了,去点关闭,然后整个进程被强杀在采集中间。
线程模型我固定用QThread子类加信号槽,不用moveToThread,因为前者对初学者更直观,而且在毕设答辩时能讲清楚"哪个对象属于哪个线程"。关键约束只有一条:子线程只往主线程发数据,不碰任何控件。波形发QImage,日志发str,状态发dict,都是值类型或者 Qt 自己能跨线程搬运的类型。
from PyQt5.QtCore import QThread, pyqtSignal from PyQt5.QtGui import QImage class AcquireWorker(QThread): frame_ready = pyqtSignal(QImage) # 一帧波形位图 log_ready = pyqtSignal(str) # 一行打印信息 case_done = pyqtSignal(dict) # 单条用例结果 def __init__(self, session, case, parent=None): super().__init__(parent) self.session = session self.case = case self._running = True def stop(self): # 只置标志位,不调用 terminate(),terminate 会留下半截 IO self._running = False def run(self): while self._running: try: img, metrics = self.case.acquire_once(self.session) if not self._running: break self.frame_ready.emit(img) self.log_ready.emit(self.case.format_metrics(metrics)) self.case_done.emit(self.case.judge(metrics)) except Exception as exc: self.log_ready.emit(f"[异常] {type(exc).__name__}: {exc}") breakstop()里我特意不调terminate()。terminate()会在任意指令处杀死线程,如果正好卡在query里,设备的输出缓冲区会残留半包数据,下次连接读到的第一行就是垃圾,这个现象非常像"设备坏了",实际是线程被杀。用标志位加循环退出,最坏情况是等一个超时周期,8 秒,可以接受。
3. 实时波形刷新:从 SCPI 二进制块到屏幕上的那一帧
波形刷新是这套方案的技术核心,也是出问题最多的地方。一个完整的链路是:下发采集配置 → 等示波器采完 → 读二进制块 → 解码成数值 → 转成位图 → 主线程上屏。任何一步偷懒,现象都是"界面不动",但原因可能完全不同,所以这条链路必须每个环节都能单独打日志。
3.1 取数前必须设对的四个参数
示波器返回的波形不是"波形",是"按当前刻度编码过的一串整数"。你必须同时告诉它用哪种编码、几个字节、从哪个点读到哪个点,否则解出来的数据是错的,而且错得很隐蔽——形状对,幅值不对,容易误判成探头衰减设置的问题。
| 参数 | 典型命令 | 常用取值 | 设错的后果 |
|---|---|---|---|
| 数据源 | DATa:SOUrce CH1 | CH1~CH4、MATH、REF | 读到别的通道,波形完全对不上 |
| 编码方式 | DATa:ENCdg RIBinary | RIBinary / BINary / ASCii | 编码与解码不匹配,数值乱码 |
| 字节宽度 | DATa:WIDth 1 | 1 或 2 | 宽度按 2 读成 1,幅值整体偏小一半 |
| 起止点 | DATa:STARt 1/DATa:STOP 10000 | 1 ~ 记录长度 | 只读到前一小段,测周期类指标必错 |
第四项是最容易漏的。默认起止点通常覆盖整屏,但一旦你之前用面板缩放过,STARt/STOP可能停在某个区段上,程序读到的就只有 500 个点。判断方法很简单:读回来的数组长度如果和你设的points不一致,先查这两个参数,别急着怀疑驱动。
3.2 解码 #4xxxx 块头与 numpy 转换
二进制块返回的格式是#+ 一位长度位数 + 若干位长度 + 数据。#41000的意思是"接下来 4 位数字表示长度,长度是 1000 字节",然后才是 1000 字节的采样数据。手写解析很容易在长度位数上栽跟头,好在 pyvisa 的query_binary_values已经处理了块头,只要 datatype 和大端标志给对。
import numpy as np def read_waveform(session, points: int = 10000) -> np.ndarray: """读取当前通道波形,返回归一化到 ±1 的整数数组""" inst = session.inst inst.write(f":DATa:STARt 1") inst.write(f":DATa:STOP {points}") inst.write(":DATa:ENCdg RIBinary") inst.write(":DATa:WIDth 1") inst.write(":DATa:SOUrce CH1") # datatype='b' 表示有符号单字节;is_big_endian 必须与 RIBinary 对应 raw = inst.query_binary_values( ":CURVe?", datatype="b", is_big_endian=True, container=np.array ) # 完整校验:长度不对说明 STARt/STOP 被别处改过 if raw.size != points: raise ValueError(f"采样点数不符: 期望 {points}, 实际 {raw.size}") return rawdatatype="b"对应 8 位有符号,如果你的机型设的是WIDth 2,这里要换成"h",同时is_big_endian保持True。这两个参数和 3.1 里的设置必须严格配对,我见过最典型的一次翻车就是有人改了WIDth忘了改datatype,波形看起来有噪声,实际是把高位和低位拆开当两个点读了。
归一化之后还要乘回物理量,公式是volts = (raw - y_offset) * y_mult + y_zero,其中三个系数分别从WFMPre:YOFf?、WFMPre:YMUlt?、WFMPre:YZERo?读。这三个值每次改垂直档位都会变,必须在每次采集前重新读,不能在启动时读一次缓存起来。
3.3 QImage 承载像素,QPixmap 只在主线程生成
这是整套代码里最容易出玄学问题的一段。QPixmap依赖底层图形系统的隐式共享,在非 GUI 线程里构造它,轻则图像空白,重则进程直接退出,而且不是每次都复现。我的做法是:子线程里只构造QImage,通过信号发给主线程,主线程再用QPixmap.fromImage()转一次。
from PyQt5.QtGui import QImage from PyQt5.QtCore import Qt import numpy as np def waveform_to_image(raw: np.ndarray, width: int = 900, height: int = 300) -> QImage: """把 ±127 的采样值画成灰度波形位图,全程不碰 QPixmap""" img = QImage(width, height, QImage.Format_Grayscale8) img.fill(0) # 黑底 n = raw.size if n == 0: return img # 采样点映射到列;点数多于宽度时抽稀,少于宽度时重复列 cols = np.linspace(0, n - 1, width).astype(np.int32) samples = raw[cols].astype(np.float32) # 数值域 [-128,127] 映射到行坐标 [height-1, 0] rows = ((127.0 - samples) / 255.0 * (height - 1)).astype(np.int32) rows = np.clip(rows, 0, height - 1) ptr = img.bits() ptr.setsize(img.byteCount()) buf = np.frombuffer(ptr, dtype=np.uint8).reshape(height, img.bytesPerLine()) buf[rows, np.arange(width)] = 255 # 白点画波形 return img这段代码有两个设计点值得说明。第一,用Format_Grayscale8而不是 RGB,内存只有三分之一,刷新时的拷贝开销明显低。第二,纵轴做了clip,因为示波器在触发点附近可能给出超出量程的码值,不裁剪会越界写到别的行上去,表现是图像上出现几条莫名其妙的横线。
提示:
img.bits()拿到的内存是 QImage 自己管理的,写完必须保证img在作用域内活着。如果把它存成类的成员变量反复复用,记得每次fill(0),否则上一帧的残影会叠在新帧上。
3.4 节流与丢帧:让刷新率跟着示波器走
第三个坑是刷新太快。有人用while True加processEvents(),界面确实动了,但 CPU 占用直奔 100%,跑上十分钟风扇就起飞。示波器本身的采集周期通常在一百毫秒量级,界面刷到 60 帧没有意义,因为你根本没有新数据。
正确做法是定一个刷新节拍,比如 100 ms,用QTimer驱动。但定时器如果碰上采集慢,就会排队,队列越积越长,最后界面显示的是几秒前的旧数据,看起来像"卡住了"。解决办法是只保留最新一帧:用一个单槽缓冲,新帧到了就覆盖旧帧,渲染时取走并清空。
from PyQt5.QtCore import QTimer class FramePump: """单槽缓冲:生产者覆盖写入,消费者取走即清空""" def __init__(self, view, interval_ms: int = 100): self.view = view self._latest = None self._timer = QTimer() self._timer.setInterval(interval_ms) self._timer.timeout.connect(self._tick) def push(self, image): self._latest = image # 覆盖,不排队 def _tick(self): if self._latest is None: return img, self._latest = self._latest, None self.view.setPixmap_from(img) # 主线程内转 QPixmap 并上屏 def start(self): self._timer.start()interval_ms我通常给 100,也就是 10 帧。如果你的机型CURVe?单次就要 300 ms,把它调到 300~500 更合理,因为定时器周期比采集周期短只会导致大量空转。这个参数在方案文档里要写清楚取值依据,答辩时被问到"为什么是 100 不是 16",你答"这是我的采集周期下限,再快也只是重复渲染同一帧",这个回答是站得住的。
4. 实时打印信息与测试流程编排:日志、状态机、判定落盘
界面上那块滚动文本框,很多人用QTextEdit.append()直接怼,跑几百行就开始卡。原因不是 append 慢,是文本块无限增长,控件内部的布局计算越来越重。这一章解决三件事:日志怎么从任意模块流到界面、测试步骤怎么组织成可中断可恢复的状态机、结果怎么落成能交付的文件。
4.1 把 logging 接到 QPlainTextEdit
我的做法是不在业务代码里到处emit信号,而是给标准库logging挂一个自定义 Handler,Handler 内部把格式化好的字符串丢给 Qt 信号。这样业务层写logging.info(...)就够了,将来要接到文件、接到控制台,加一个 Handler 即可,不用改一行业务代码。
控件选QPlainTextEdit而不是QTextEdit,前者为纯文本和大批量追加做过优化,并且自带setMaximumBlockCount,可以直接把历史行数封顶。
import logging from PyQt5.QtCore import QObject, pyqtSignal from PyQt5.QtWidgets import QPlainTextEdit class LogBridge(QObject, logging.Handler): """logging.Handler + Qt 信号,跨线程安全地把日志送到界面""" new_line = pyqtSignal(str) def __init__(self, view: QPlainTextEdit, max_lines: int = 2000): QObject.__init__(self) logging.Handler.__init__(self) self.view = view self.view.setMaximumBlockCount(max_lines) # 超出自动丢弃最旧的行 self.view.setReadOnly(True) self.new_line.connect(self.view.appendPlainText) self.setFormatter(logging.Formatter( "%(asctime)s [%(levelname)s] %(message)s", "%H:%M:%S")) def emit(self, record): # emit 可能在子线程被调用,这里只发信号,不直接操作控件 self.new_line.emit(self.format(record))max_lines=2000是个经验值,够翻回去看最近几十次采集,又不会让控件变重。真正需要长期留存的日志走文件 Handler,两者互不影响:界面上的日志是给人看的,文件里的日志是给事后排查和报告生成用的。
注意:
logging.Handler和QObject多继承时,两个基类的__init__都要显式调用,顺序按上面这样写,反过来在某些 PyQt5 版本上会报元类冲突。
4.2 测试步骤状态机与异常中断恢复
测试流程如果没有状态,写出来就是一条直线:配置→采集→判定→下一条。只要中间任何一步抛异常,整个线程就退出了,界面上停在最后一行日志,操作员不知道是完成了还是挂了。
我用一个显式状态机把流程框住,状态只有五个:IDLE、SETUP、ACQUIRE、JUDGE、DONE,另加一个ABORT。每次状态迁移都打一条日志,好处是异常发生时能立刻定位卡在哪个阶段,而且中断后可以从SETUP重新进入,不用重启整个程序。
from enum import Enum class State(Enum): IDLE = "空闲" SETUP = "下发配置" ACQUIRE = "采集波形" JUDGE = "判定结果" DONE = "完成" ABORT = "中断" class CaseRunner: def __init__(self, session, case, log): self.session = session self.case = case self.log = log self.state = State.IDLE def run_once(self) -> dict: self.state = State.SETUP self.log.info(f"[{self.case.case_id}] 进入 {self.state.value}") try: self.case.apply(self.session) # 下发时基、垂直、触发 self.state = State.ACQUIRE self.log.info(f"[{self.case.case_id}] 进入 {self.state.value}") img, metrics = self.case.acquire_once(self.session) self.state = State.JUDGE verdict = self.case.judge(metrics) # 返回 {'pass': bool, 'items': [...]} self.state = State.DONE return {"case_id": self.case.case_id, "metrics": metrics, "verdict": verdict, "state": self.state.value} except Exception as exc: self.state = State.ABORT self.log.error(f"[{self.case.case_id}] 中断于 {self.state.value}: {exc}") return {"case_id": self.case.case_id, "error": str(exc), "state": self.state.value}apply和acquire_once分两步而不是合成一步,是为了让"配置下发失败"和"采集失败"在日志里可区分。这两类故障的处理方式完全不同:前者多半是命令不被该机型支持,查手册加分支就行;后者多半是超时或触发没等到,要调超时和触发电平。
4.3 判定规则与结果文件组织
判定本身很简单,就是区间比较,但结果的落盘方式决定了这份方案的交付质量。我按"一次测试会话一个目录"来组织,目录名带时间戳,里面分三块:原始波形 CSV、波形截图 PNG、汇总 HTML。CSV 存两列,时间(由XINcr和XZEro换算)和电压,方便事后用别的工具复算;PNG 是给人看的;HTML 是给报告用的。
| 文件 | 内容 | 用途 | 单次大小量级 |
|---|---|---|---|
raw/CH1_<seq>.csv | 时间、电压两列 | 事后复算、二次分析 | 100 KB ~ 500 KB |
img/CH1_<seq>.png | 波形渲染结果 | 报告插图、人工复核 | 20 KB ~ 80 KB |
summary.html | 所有用例的判定明细 | 交付物、答辩演示 | 10 KB 左右 |
run.log | 完整运行日志 | 故障排查 | 随运行时增长 |
序列号<seq>用采集次数自增,不能只用用例 ID,因为同一用例在一个会话里可能跑几十次,重名会互相覆盖。这一点我在第一次做的时候没注意,回头想复现某个偶发失败,发现文件全被覆盖了,只能重跑,那次之后所有落盘路径都强制带序号。
5. 避坑清单:五类现场最容易翻车的地方
下面五条是我在这类项目上真实撞过的,每条按现象、原因、解决写。这五条几乎覆盖了"程序能跑但不好用"的全部情形,写方案时直接放进风险章节也不会显空。
第一类:界面在采集时假死,标题栏变灰
现象是点了开始之后窗口不能拖动、不能点停止,几秒后恢复,恢复时积压了一堆点击。原因是采集代码跑在主线程,query期间 Qt 的事件循环根本转不起来,所有鼠标事件排在队列里。解决就是把采集整体搬进QThread,主线程只负责收信号和渲染,停止按钮只置标志位。判断是否已经改对的方法很直接:采集过程中拖动窗口,如果窗口跟手,说明线程边界是对的。
第二类:跑两三个小时后越来越慢,最后卡死
现象是刚开始流畅,一小时后界面明显发涩,两小时后基本不动。原因是每一帧都新建QImage并且被某个列表持有,Python 侧引用没释放,Qt 侧也没回收;再加上日志控件行数无上限,布局计算越来越重。解决分两处:帧用单槽缓冲,只留最新一帧,旧的直接丢弃;日志控件设setMaximumBlockCount,把历史行数封顶。改完后再跑四小时,内存曲线应该是平的。
第三类:波形形状对,但幅值整体偏小一半
现象很迷惑,波形轮廓完全正确,测出来的峰峰值只有实际值的一半左右。原因是DATa:WIDth设成了 2,而解码用的datatype还是"b"(单字节),把 16 位数据的低 8 位当成了完整数值。解决是让宽度和解码类型强绑定,在读取函数里根据宽度分支处理,不要靠人工记忆。我的习惯是在读取函数开头把宽度也读一遍,和预期不符就抛异常,比事后查半天省事。
第四类:偶发超时,重跑一次就好
现象是十次里有一两次报超时,重跑就过,跑久了人会麻木,直接无视。原因是多方面的:可能是上一次采集的未读数据还在缓冲区,下一次query读到了残包;可能是参数变更后没有等示波器内部生效,触发点还没重新稳定;也可能是设备被面板操作抢了控制权。解决是三条一起上——每次查询前clear()清缓冲、配置后固定等待settle_ms、关键命令后跟一个*OPC?做同步。第三条尤其重要,*OPC?返回 1 才代表前面的命令真的执行完了。
第五类:换一台电脑或者换一台同型号设备就跑不起来
现象是在自己机器上好好的,搬到同事机器上直接连不上,或者连上了但读不到数据。原因是资源字符串硬编码了 USB 序列号,或者依赖了只在自己机器上装过的 VISA 运行时。解决是把资源字符串做成配置项,启动时先枚举list_resources()打出来让用户选,选完存进配置文件。这样换机器只需要重新选一次,不用改代码重新打包。
6. 验收与答辩:用三张表证明这套自动化测试可信
自动化测试方案最容易被质疑的一点是"你凭什么说它测对了"。手工测的时候人眼能看到波形,自动化之后中间隔了一层代码,评审老师和主管都会问同一句话:万一你代码算错了呢。回答这个问题不能靠嘴,要靠三张表。
第一张是判据对照表,把每个测试项的上下限、来源、对应的人工测量方式列出来,比如峰峰值 50 mV 这个上限是怎么来的,是规格书里的哪一条。第二张是重复性表,同一条用例连续跑 20 次,记录每次的测量值,算出极差和标准差。这台示波器本身的测量重复性大概在满量程的百分之一量级,如果你的结果离散度明显大于这个数,说明代码里有不确定性,比如settle_ms不够。第三张是异常注入表,人为制造五类故障——拔线、设错通道、超时、判据故意收紧、中途停止——记录程序的表现,正确表现是给出明确的中断状态和可读的错误信息,而不是静默退出。
| 验收项 | 方法 | 合格标准 |
|---|---|---|
| 测量准确性 | 与示波器面板读数对比 10 组 | 偏差小于 1% |
| 重复性 | 同一用例连跑 20 次 | 极差小于满量程 2% |
| 界面响应 | 采集中拖动窗口 | 窗口跟手,不出现未响应 |
| 长时运行 | 连续运行 4 小时 | 内存曲线平稳,无累积卡顿 |
| 异常恢复 | 注入五类故障 | 均有明确状态与提示 |
| 结果可追溯 | 抽查任意一次结果 | CSV、PNG、日志三者可对应 |
答辩演示我建议按这个顺序走,六分钟能讲完:先展示一份 YAML 用例,说明测试项是配出来的不是写死的;然后点开始,让界面在采集过程中被拖动,证明线程边界正确;接着故意把判据上限改小,让这条用例判失败,证明判定逻辑真的在工作;最后打开结果目录,把 CSV 里的数据和界面上显示的数值对一遍,证明数据链路没有断在中间。这四步走完,基本不会再有人问"这东西真的能用吗"。
还有一个细节值得提前准备:把*IDN?的返回值打在启动日志的第一行。看起来是个小动作,但评审时它能回答"你测的到底是哪台设备"这个必问问题,事后追查某一批数据是哪台机器产的也靠它。从那以后我每次做设备类上位机,启动日志第一条永远是设备身份和资源字符串,宁可多打一行,也不留这个黑匣子。希望帮到你。
本文还有配套的精品资源,点击获取